 |
Ю. С. Шевнина, Е. И. Минаков, А. В. Прокофьев "Прогнозирование энергопотребления в сложных динамических системах" |
 |
|
Аннотация.
В статье рассматривается подход к краткосрочному прогнозу энергопотреблению для умных сетей электроснабжения, являющихся сложными динамическими системами. Предлагаемая модель состоит из модулей подготовки данных, выбора признаков и прогнозирования. Модуль подготовки данных трансформирует нагрузку для совместимости с модулем выбора признаков, который устраняет избыточные и нерелевантные признаки из входных данных. Прогнозный модуль реализован на основе нейронной сети, использующую сигмовидную функцию активации и многомерный авторегрессионный алгоритм для адаптивного обновления весов в процессе обучения. Модель реализована и протестирована, показала высокую точность прогнозирования 97,11%, что подтверждает способность выявлять нелинейные закономерности нагрузки. Сокращение среднего времени выполнения прогноза по сравнению с существующими моделями составило 62%. Полученные результаты подтверждают применимость подхода для оперативного управления распределением нагрузки в реальном времени.
Ключевые слова:
интеллектуальный анализ данных, прогнозирование, сложные динамические системы, метод взаимной информации, авторегрессионный алгоритм.
DOI 10.14357/20718632260307
EDN UACACY
Стр. 73-85.
Литература
1. Моргоева А.Д., Моргоев И.Д., Клюев Р.В., Ляшенко В.И. Прогнозирование нагрузки на электросеть как способ эффективного управления потреблением электрической энергии // Вести высших учебных заведений Черноземья. 2021. № 4 (66). С. 39-51. 2. Abu Ghazal A.A., Husein Y.N., Surin V.I., Alkhdour S.A.R., Al-Malkawi G.H. Experimental Prediction Of Lead Failure Under Tensile Load Using Scanning Contact Potentiometry Technique // Letters on Materials. 2021. T. 11. № 3 (43). С. 249-253. 3. Шевнина Ю.С. Метод оценки состояния нелинейной системы на основе логического анализа данных // Известия вузов. Электроника. 2022. Т. 27. №3. С. 407-415. 4. Kyryk V.V., Shatalov Y.O. Load Forecasting In Electrical Grids: Analysis Of Methods And Their Trends // Problems of the Regional Energetics. 2025. № 1 (65). С. 12-36. 5. Шевнина Ю.С. Моделирование состояния технологического оборудования в составе информационно-управляющей системы // Приборы и системы. Управление, контроль, диагностика. 2024. №1. С. 29-35. 6. Моргоева А.Д., Моргоев И.Д., Клюев Р.В. Прогнозирование электрической нагрузки методом авторегрессии и проинтегрированного скользящего среднего // Грозненский естественнонаучный бюллетень. 2022. Т. 7. № 2 (28). С. 111-117. 7. Petropoulos F., et al. Forecasting: theory and practice // International Journal of Forecasting. 2022. Vol. 38. No. 3. P. 705-871. 8. Агеев В.А., Казаков Д.В., Репьев Д.С. Обзор традиционных и нейросетевых методов прогнозирования электрической нагрузки // Opaрев-Online. 2023. № 5 (190). 9. Шевнина Ю.С. Автоматический поиск решения в информационно-управляющей системе для контроля состояния производственной среды // Интеллектуальные системы в производстве. 2024. Т. 22. № 2. С. 19-25. 10. Таваров С.Ш., Сидоров А.И., Суворов И.Ф., Святых А.Б. Метод прогнозирования и расчета электрической нагрузки коммунально-бытовых потребителей в условиях неопределенности // iPolytech Journal. 2023. Т. 27. № 3. С. 565-573. 11. Шевнина Ю.С. Метод декомпозиции сложной нелинейной системы на основе процессного подхода // Системы управления и информационные технологии. 2021. №3(85). С. 24-29. 12. Nasirian V. Economic Load Dispatch In Power Grids Including Wind Farms From A Reliability Upgrading Perspective // Природные и техногенные риски (физико-математические и прикладные аспекты). 2022. № 3 (43). С. 47-57. 13. Ларионов К.О. Разработка метода прогнозирования и распределения трафика системы сбора и анализа информации // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2022. № 4. С. 98-102. 14. Комиссарова М.А., Семенова В.Н. Нелинейные методы получения заданных результатов, информации и прогнозирования // Вестник Южно-Российского государственного технического университета (НПИ). Серия: Социально-экономические науки. 2023. Т. 16. № 1. С. 115-130. 15. Надтока И.И., Звозникова И.А. Оценка вклада взаимной корреляции индивидуальных графиков в дисперсию суммарного графика электрической нагрузки // Известия высших учебных заведений. Электромеханика. 2023. Т. 66. № 4. С. 136-143. 16. Ткаченко В.А., Осипов Д.С. Модернизация метода прогнозирования энергопотребления узлов нагрузки минигрида путем использования экстраполяции линии тренда, полученной с помощью вейвлет-преобразования графика электрических нагрузок // Вестник Югорского государственного университета. 2023. № 4. С.169-175. 17. Цурко В.В., Михальский А.И. Оценка статистической связи случайных величин через взаимную информацию // Автоматика и телемеханика. 2022. № 5. С. 76-86.
|
