КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ > Полезные советы
Тысяча полезных мелочей    

КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ

КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ  ЭЛЕКТРОПОТРЕБЛЕНИЯ

Южанников А.Ю. Антоненков Д.В. Статья в формате PDF 139 KB

В современных условиях вопросы краткосрочного прогнозирования электропотрeбления промышленных предприятий играют важную роль. В данной статье рассматривается краткосрочный прогноз электропотрeбления с помощью адаптивной нечеткой нейронной сети на примере Н-го угольного разреза.

Данные об электропотрeблении хранятся в базе данных оперативно-информационного комплекса (ОИК) и их можно рассматривать как временной ряд. Существует множество методов прогнозирования временных рядов: AR, MA, ARMA, ARIMA-модели, метод сезонных кривых, нейронные сети, гибридные системы прогнозирования, которые используют методы нейронных сетей, генетического алгоритма и нечеткой логики.

В качестве исходных данных взята информация о часовом электропотрeблении  угольного разреза "Н-й".  Моделирование системы проведем с помощью Fuzzy Logic Toolbox в системе MatLab.

База знаний такой системы содержит нечетких правила типа Такаги-Сугено:

Правило 1: Если x1 есть L1,x2 есть L2 и x3 есть L3, тогда z есть H;

Правило 2: Если x1 есть H1,x2 есть H2 и x3 есть L3, тогда z есть M;

Правило 3: Если x1 есть H1,x2 есть H2 и x3 есть H3, тогда z есть S;

где x1,x2,x3 - входные переменные, z - выход системы, L1,L2,L3,H1,H2,H3,H,M,S - некоторые нечеткие множества с функциями принадлежности сигмовидного типа (для упрощения записи последующих выкладок функции принадлежности в данном случае обозначены так же, как и соответствующие нечеткие множества):

Для определения выходной переменной используется следующий алгоритм вывода:

1) подсчитывается значения истинности предпосылок для каждого правила:

α1 = L1(a1) ^ L2(a2) ^ L3(a3),

α2 = H1(a1) ^ H2(a2) ^ L3(a3),

α3 = H1(a1) ^ H2(a2) ^ H3(a3),

где a1,a2,a3 - текущие значения входов системы;

2) для каждого правила определяются частные выходы:

3) находиться общий выход системы:

Сеть с подобной архитектурой в англоязычной литературе получили название ANFIS (Adaptive-Neuro-Fuzzy Inference System, то есть адаптивная нечеткая нейронная система вывода)

Корректирование параметров системы здесь производиться либо в соответствие с наиболее распространенным для нейронных сетей алгоритмов обратного распространения ошибки (back propagation), либо комбинированным методом, специально разработанным для гибридных сетей.

Для данного прогнозирования, значения временного ряда хранятся в файле nur.xls в директории C:MATLABR2006awork. Это - файл таблицы Excel, первый столбец содержит значения дискретного времени (t=0,1,...,1200), а второй - значения электропотрeбления угольного разреза кВт·ч (временной ряд).

Для прогнозирования значения временного ряда в данном случае использовали стандартный подход: прогнозированное в текущий момент времени t значение ряда для момента времени (t+6) определяется четырьмя предшествующими значениями ряда в моменты x(t-18),x(t-12),x(t-6),x(t). Особенностью здесь является то, что причинно-следственная связь между предшествующими, текущими и будущим значениями устанавливается с помощью системы нечеткого вывода типа ANFIS, при этом конкретные хаpaктеристики системы определяются по имеющимся экспериментальным данным.          

Для формирования матрицы использовалось по 500 значений ряда, соответствующие временные отметкам от 118 до 1117.

В результате проведенного исследования по применению гибридной сети ANFIS  для краткосрочного прогнозирования электропотрeбления, основанного на построении аппроксимирующих моделей в виде адаптивной нечеткой нейронной сети, обучаемой на выборках реальных данных ОИК по электропотрeблению угольного разреза Н-й на уровне предприятия за прошлые периоды, установлено, что фактическое электропотрeбление в целом совпадает с расчетными (прогнозируемыми) значениями.



ОТ ХРИСТИАНСКОЙ АНТРОПОЛОГИИ – К НООСФЕРЕ

ОТ ХРИСТИАНСКОЙ АНТРОПОЛОГИИ – К НООСФЕРЕ Статья в формате PDF 106 KB...

09 06 2026 10:15:21

ОТКАЗЫ ОТ ДЕТЕЙ – СЕЛЕКЦИЯ ИЛИ ТУПИК ЭВОЛЮЦИИ?

ОТКАЗЫ ОТ ДЕТЕЙ – СЕЛЕКЦИЯ ИЛИ ТУПИК ЭВОЛЮЦИИ? Статья в формате PDF 99 KB...

06 06 2026 8:34:22

ДАНИЛОВА ТАТЬЯНА ГЕОРГИЕВНА

ДАНИЛОВА ТАТЬЯНА ГЕОРГИЕВНА Статья в формате PDF 853 KB...

01 06 2026 8:25:31

О СОЦИАЛЬНОЙ ЗАЩИТЕ ВЕТЕРАНОВ, ИНВАЛИДОВ И ПОЖИЛЫХ ГРАЖДАН В КАБАРДИНО-БАЛКАРСКОЙ РЕСПУБЛИКЕ

О СОЦИАЛЬНОЙ ЗАЩИТЕ ВЕТЕРАНОВ, ИНВАЛИДОВ И ПОЖИЛЫХ ГРАЖДАН В КАБАРДИНО-БАЛКАРСКОЙ РЕСПУБЛИКЕ В статье авторами рассмотрены региональные особенности социальной защиты ветеранов, инвалидов и пожилых граждан, в частности, меры социальной поддержки и социальное обслуживание. ...

22 05 2026 17:56:42

БОРИС ФЕДОРОВИЧ КИРЬЯНОВ

БОРИС ФЕДОРОВИЧ КИРЬЯНОВ Статья в формате PDF 264 KB...

11 05 2026 21:22:57

ПЧЕЛИНЦЕВ В.П.

ПЧЕЛИНЦЕВ В.П. Статья в формате PDF 64 KB...

09 05 2026 23:42:31

Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::