Прогнозування процесів споживання електроенергії на основі штучних нейро-фаззі мереж - Автореферат

ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ РАДІОЕЛЕКТРОНІКИ Прогнозування процесів споживання електроенергії на основі штучних нейро-фаззі мережЗахист відбудеться «4» липня 2011 р. о 1500 на засіданні спеціалізованої вченої ради Д64.052.01 в Харківському національному університеті радіоелектроніки за адресою: 61166, м. З дисертацією можна ознайомитися в бібліотеці Харківського національного університету радіоелектроніки, за адресою: 61166, м. Запропоновано нейромережевий метод прогнозування полігармонійних процесів споживання електроенергії, в якому гармонійні компоненти виділяються послідовно, що дає можливість прогнозувати апріорі невідому та змінну в часі кількість гармонійних компонент у процесі. За рахунок запровадження регуляризатору стало можливим збільшити швидкість навчання на «плато» цільової функції й уникати «паралічу» мережі, що в цілому підвищило якість її навчання. Удосконалено метод навчання ШНМ зустрічного поширення за рахунок використання стратегії «переможець одержує більше» з використанням біполярної функції сусідства, у результаті чого підвищується якість кластеризації в першому прихованому шарі мережі, що дозволяє підвищити точність прогнозування процесів електроспоживання у вузлах електроенергетичної системи.Крім того, споживання електроенергії у великих розподілених електроенергетичних системах (ЕЕС) залежить досить складним чином від множини факторів, що впливають, серед яких найбільш сильний вплив мають: споживання електроенергії в попередні періоди, пора року, погодні умови, день тижня, особливі події (наприклад, свята, перенесення робочих днів, регламентні роботи в енергосистемі й таке інше). Прогнозування кожного такого процесу може виконуватися незалежно від інших, однак факт їх взаємозвязку дозволяє враховувати взаємний вплив для підвищення якості прогнозування. У цьому випадку взаємозвязані часові ряди, що описують ці процеси, доцільно розглядати як один багатовимірний часовий ряд і провадити його прогнозування за допомогою спеціалізованих методів багатовимірного прогнозування. Таким чином, на сьогоднішній день актуальною є наукова задача розробки нових інтелектуальних методів прогнозування процесів споживання електроенергії, що враховують специфіку цих процесів і взаємозвязків між ними. В рамках вказаних НДР здобувачем як виконавцем на посаді старшого наукового співробітника розроблено нові архітектури штучних нейронних і нейро-фаззі мереж та методи їхнього навчання для прогнозування процесів електроспоживання.Відзначена складність цих процесів, їх нестаціонарність, залежність від множини різнорідних факторів, що істотно утруднює їхнє прогнозування. Показано, що внаслідок особливості електроенергії як товару, який неможливо зберігати без втрат, ефективне функціонування ЕЕС докорінно залежить від розвязання задач прогнозування процесів споживання електроенергії на різні інтервали часу (від 1 години до декількох років наперед). Показано, що на різних горизонтах прогнозування найбільш ефективні різні методи: для короткотермінового прогнозування найчастіше застосовуються метод подібного дня, регресійний аналіз, метод Бокса-Дженкінса, експертні системи, а також методи штучного інтелекту, такі як штучні нейронні мережі, нечітка логіка тощо; для середньо-і довготермінового прогнозування кращі результати забезпечують економетричні й статистичні методи. На основі проведеного аналізу визначені задачі дослідження, що полягають у розробці спеціалізованих ШНМ, НФМ і методів їх навчання для розвязання задач прогнозування окремих і взаємозвязаних процесів споживання електроенергії, а також розвязанні з їхньою допомогою тестових і реальних задач. У другому розділі запропоновано архітектуру локально-рекурентної нейронної мережі для довготермінового прогнозування процесів електроспоживання, а також нейромережеві методи прогнозування тренд-сезонних і полігармонійних процесів споживання електроенергії.У дисертаційній роботі представлено результати, що є відповідно до поставленої мети розвязком актуальної науково-технічної задачі розробки нових інтелектуальних методів прогнозування процесів споживання електроенергії, які враховують специфіку цих процесів і взаємозвязків між ними. Проведено аналіз процесів споживання електроенергії та існуючих методів їх прогнозування, виявлено їхні недоліки, які полягають у неповному використанні доступної апріорної інформації про процеси, що прогнозуються. Запропоновано нейромережевий метод прогнозування тренд-сезонних процесів споживання електроенергії, в якому спочатку виключається трендова компонента, а потім апріорі відома фіксована кількість гармонійних компонент обробляється в паралельному режимі. Метод дозволяє прогнозувати процес з апріорі відомою фіксованою кількістю гармонійних компонент. Запропоновано нейромережевий метод прогнозування полігармонійних процесів споживання електроенергії, у якому гармонійні компоненти виділяються послідовно, що дає можливість прогнозувати апріорі невідому, змінну в часі кількість гармонійних компонент у процесі.

ОСНОВНИЙ ЗМІСТ РОБОТИ