Полное описание

Бортник, Денис Валерьевич. Сравнение архитектур нейронных сетей в задаче прогнозирования потребления электроэнергии предприятием = Comparison of neural network architectures to predicting electricity consumption by enterprise / Д. В. Бортник, А. И. Орлов. - DOI 10.47026/1810-1909-2023-4-57-65. - Текст : непосредственный // Чувашский государственный университет имени И. Н. Ульянова. Вестник Чувашского университета : научный журнал. - 2023. - N 4 (Технические науки). - С. 57-65. - Библиогр. в конце ст. - ISSN 1810-1909.
(Шифр в БД Р3200/2023/4)

ГРНТИ	УДК
28.23.37	004.032.26-049.8
44.29.31	621.311:004.8

Рубрики:
Нейронные сети -- Применение
Искусственный интеллект -- Применение в электроэнергетике

Кл.слова (ненормированные): нейронные сети -- рекуррентные нейронные сети -- wavenet -- прогнозирование -- одномерные сверточные сети
Аннотация: Прогнозирование потребления электроэнергии является ключевым инструментом для предприятий, энергоснабжающих и электросетевых организаций. Точное прогнозирование позволяет планировать распределение ограниченных ресурсов электросетевого хозяйства, а также управлять спросом на электроэнергию. Повышение точности прогнозирования электропотребления становится особенно важным в условиях распространения технологий управления спросом. Целью исследования является повышение точности прогнозирования электропотребления объектом электроснабжения при использовании нейронных сетей.
В работе использован набор данных, содержащий профиль мощности предприятия за трехмесячный период, а также дополнительные данные, такие как время суток, день недели, выходные и праздничные дни, месяц. Набор данных разделен на тренировочную и контрольную части. Произведены предварительная обработка данных, проектирование архитектуры нейронной сети, обучение и тестирование. Критериями качества обучения выбраны средняя абсолютная ошибка, среднеквадратическая ошибка и коэффициент детерминации. Результаты исследования. В работе выполнен сравнительный анализ трех архитектур нейронных сетей: одномерной сверточной сети, рекуррентной нейронной сети с долговременной и краткосрочной памятью и WaveNet, на основе которого были оценены их показатели качества прогнозирования электропотребления. Показано, что все рассматриваемые архитектуры нейронных сетей подходят для применения в задаче прогнозирования электропотребления. Сети с долговременной и краткосрочной памятью показали хорошие результаты в прогнозировании мощности, благодаря их способности обрабатывать долгосрочные временные зависимости. Архитектура WaveNet превзошла как рекуррентные нейронные сети на основе модели с долговременной и краткосрочной памятью, так и одномерные сверточные сети по выбранным критериям.
Исследование позволило сделать вывод о том, что использование нейронных сетей, особенно архитектур с долговременной и краткосрочной памятью и WaveNet, эффективно для прогнозирования электропотребления. Качество прогнозирования существенно зависит от выбора гиперпараметров и предварительной обработки исходных данных. Перспективу дальнейших исследований в данной области составляет изучение влияния различных факторов на точность прогнозирования, а также оптимизация процесса обучения нейронных сетей.
Доп. точки доступа:
Орлов, Александр Игоревич


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

Заказать
Заказ фрагмента документа ₽