Найти

Результаты поиска

• ОЦЕНКА ВОЗДЕЙСТВУЮЩИХ ФАКТОРОВ И ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ В РЕГИОНАЛЬНОЙ ЭНЕРГОСИСТЕМЕ С УЧЕТОМ РЕЖИМА ЕЕ ЭКСПЛУАТАЦИИ

  Н. К. Полуянович , М. Н. Дубяго

  2022-05-26

  Аннотация ▼

  Статья посвящена исследованиям вопросов оценки воздействующих факторов и про-
  гнозирования электропотребления в региональной энергосистеме с учетом режимов ее
  эксплуатации. Проведен анализ существующих методов прогнозирования энергопотребле-
  ния. Обоснован выбор метода прогнозирования с использованием искусственной нейронной
  сети. Рассмотрен алгоритм создания нейросети для краткосрочного прогноза электриче-
  ской нагрузки. Актуальность работы обусловлена требованиями действующего законода-
  тельства к прогнозированию электропотребления для решения задачи поддержания балан-
  са мощностей между генерирующей стороной и потреблением электрической энергии.
  При этом одной из основных задач, связанных с генерацией электрической энергии и ее
  потреблением, является задача поддержания баланса мощностей. С одной стороны, при
  увеличении плановой нагрузки могут возникнуть перебои в поставке электроэнергии, с дру-
  гой стороны, уменьшение электропотребления приведет так же к уменьшению КПД элек-
  тростанций, и в конечном счете – к повышению стоимости на электроэнергию как для
  субъекта оптового рынка электроэнергии, так и для конечного потребителя. Разработан-
  ная нейросетевая модель (НС) модель сводит задачу краткосрочного прогнозирования
  электропотребления к поиску матрицы свободных коэффициентов посредством обучения
  на имеющихся статистических данных (активная и реактивная мощность, температура
  окружающей среды, дата и индекс дня). Полученная НС модель краткосрочного прогнози-
  рования электропотребления участка районной электрической сети 10 кВ, учитывает
  факторы: – времени, – метеорологических условий, – отключений отдельных питающих
  линий электропередач, – режима работы потребителей электроэнергии. Получены про-
  гнозные оценки электропотребления энергосистемы по данным потребляемой электро-
  энергии наружной температуры, типу дня и т.д. Модель прогнозирования величины, по-
  требляемой активной и реактивной мощности вполне работоспособна, однако на данном
  этапе все еще имеет довольно высокий уровень погрешности прогнозирования. Для повы-
  шения точности прогнозирования необходимо увеличить базу данных, составляющих обу-
  чающую выборку, т.к. на данный момент имеющиеся данные охватывают временной про-
  межуток длиной лишь 3–4 месяца. Результаты анализа показали, что наибольшие трудно-
  сти вызывает прогнозирование потребления реактивной мощности.

• ПОСТРОЕНИЕ МОДЕЛИ И ОЦЕНКА ЕЕ РОБАСТНОСТИ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ДЛЯ ПОТРЕБИТЕЛЕЙ С АДДИТИВНЫМИ ПРОФИЛЯМИ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ

  Н.К. Полуянович , О. В. Качелаев , М. Н. Дубяго

  2025-01-30

  Аннотация ▼

  Рассматривается построение робастностой модели, оценка ее точности в задачах прогнози-
  рования электрической нагрузки с аддитивными профилями потребления. Проведено исследование
  влияния параметров нейросети (размер пакета данных; количество слоев нейросети; функции акти-
  вации нейронов; оптимизаторы) на погрешность прогнозирования электропотребления. Приведены
  графики сравнения профилей фактического и прогнозного потребления и отклонения прогноза для
  потребления электроэнергии выше среднего значения за рассматриваемый период. Подобраны оп-
  тимальные параметры прогностической нейросетевой модели в ручном режиме. Результат иссле-
  дования разновидностей генетических алгоритмов выявил оптимальный гибридный алгоритм обуче-
  ния нейросетевой модели основании на быстрой сходимости решения. Проведено тестирование
  созданного на языке “Python” алгоритма подбора гиперпараметров сети на данных об электропо-
  треблении с различными характерами потребления электроэнергии. Проведенное обучение и тести-
  рование генетического алгоритма подтвердило возможность получения прогнозов большей точно-
  сти и возможность автоматизации подбора оптимальных гиперпараметров. В задачах прогнозиро-
  вания электропотребления с использованием нейросетевой модели, независимо от способа создания
  структуры, подобрана оптимальная метрика. Выявлено, что для потребителей с аддитивными
  профилями потребления электроэнергии целесообразно использовать робастную функцию потерь
  Хьюбера, в то же время, для потребителей с цикличным или имеющим закономерности профиле
  потребления электроэнергии применение скользящего окна увеличивает ошибку, в отличии от адди-
  тивных потребителей. Показано, что применение генетического алгоритма значительно увеличива-
  ет точность прогнозирования благодаря индивидуальному подбору оптимальных параметров для
  конкретного потребителя. Разработана структурная схема интеллектуального устройства про-
  гнозирования режимов энергопотребления. Введена система помощи принятия решений, позволяю-
  щая реализовать планово-упреждающее управление, основываясь на данных, снимаемых со счетчика
  электроэнергии и полученных в результате работы нейросетевой модели прогнозирования. Система
  помощи принятия решений производит расчет отклонения прогнозных величин потребленной мощ-
  ности от фактических и как результат – выдает рекомендации диспетчеру распределительных
  энергосетей. На основании данных от системы помощи принятия решений оператор распредели-
  тельных энергосетей может принимать решение о заказе необходимого объема электроэнергии,
  получает возможность контролировать возможные всплески и снижения потребления электро-
  энергии у потребителя, ненормированную работу оборудования, а также дополнительно контроли-
  ровать адекватность работы нейросетевой модели