Полное описание

Серебряков, Н. А. Применение ансамбля глубоких нейронных сетей в задачах краткосрочного прогнозирования почасового электропотребления гарантирующего поставщика электроэнергии / Н. А. Серебряков. - Текст : непосредственный // Электротехнические системы и комплексы : журнал. - 2021. - N 2. - С. 52-60. - Библиогр. в конце ст. - ISSN 2311-8318.
(Шифр в БД У5119/2021/2)

ГРНТИ	УДК
28.23.37	004.032.26
44	574.46

Рубрики:
Искусственный интеллект -- Применение в электроэнергетике

Кл.слова (ненормированные): искусственная нейронная сеть -- краткосрочное прогнозирование электропотребления -- ошибка прогнозирования -- алгоритм прогнозирования -- оптовый рынок электроэнергии и мощности -- факторы -- гиперпараметры -- обучающая выборка -- свободные параметры -- стохастический градиентный спуск -- обучение
Аннотация: В настоящее время около 60% генерирующего оборудования в энергосистеме России приходится на тепловые электрические станции. Для эффективного управления режимом функционирования энергосистемы, вследствие малой маневренности тепловой генерации, необходима прогнозная информация о почасовой электрической нагрузке всех потребителей. В связи с этим покупка электроэнергии на оптовом рынке электроэнергии и мощности (ОРЭМ) предполагает краткосрочное прогнозирование собственного почасового электропотребления. Гарантирующие поставщики закупают необходимые объемы электроэнергии на ОРЭМ для дальнейшей ее продажи конечным потребителям. Ошибки краткосрочного прогнозирования электропотребления ухудшают финансовые показатели гарантирующих поставщиков, а также увеличивают цену на электроэнергию для конечных потребителей за счет оплаты необоснованных пусков в работу и остановов генерирующего оборудования, а также дополнительных потерь электроэнергии, вызванных выбором неоптимальной схемы электрических сетей. Данная статья посвящена вопросам повышения точности краткосрочного прогнозирования почасового электропотребления групп точек поставки гарантирующего поставщика электроэнергии с помощью инструментов искусственных нейронных сетей, в том числе глубокого обучения. Новизна работы заключается в учете при краткосрочном прогнозировании почасового электропотребления гарантирующего поставщика предложенных автором дополнительных влияющих факторов, а также в подборе наиболее подходящего нейросетевого алгоритма прогнозирования. Произведено сравнение точности прогнозирования нейросетевых моделей, учитывающих различный набор факторов. Выполнен сравнительный анализ точности краткосрочного прогнозирования электропотребления многослойного персептрона, одномерной и двухмерной сверточных нейросетей, рекуррентной нейросети, ансамбля глубоких нейросетей, а также метода экспертных оценок на ретроспективных и фактических данных. На тестовой выборке данных ансамбль нейронных сетей продемонстрировал среднюю ошибку прогнозирования величиной 1,05%, что на 1,99% ниже ошибки прогноза многослойного персептрона. Относительно фактических данных ансамблевый нейросетевой алгоритм продемонстрировал ошибку прогноза величиной 2,45% на годовом интервале, что на 0,14% ниже ошибки прогноза, полученного с помощью метода экспертных оценок.

Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
Свободны: ЧЗХР (1), ХРЦ (1)

Заказать
Заказ фрагмента документа ₽