КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ
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.
Статья в формате PDF
105 KB...
18 10 2026 19:46:21
Статья в формате PDF 124 KB...
16 10 2026 20:21:13
Статья в формате PDF
140 KB...
15 10 2026 18:41:42
Статья в формате PDF
189 KB...
14 10 2026 7:55:38
Статья в формате PDF
111 KB...
13 10 2026 11:22:57
Статья в формате PDF
100 KB...
12 10 2026 12:38:29
Статья в формате PDF
183 KB...
11 10 2026 3:17:59
Статья в формате PDF
89 KB...
10 10 2026 10:37:35
Статья в формате PDF
306 KB...
09 10 2026 9:45:59
Статья в формате PDF
131 KB...
08 10 2026 17:53:42
Статья в формате PDF
144 KB...
07 10 2026 16:43:32
Статья в формате PDF
348 KB...
06 10 2026 7:43:45
Статья в формате PDF
262 KB...
04 10 2026 15:44:15
Статья в формате PDF
128 KB...
02 10 2026 7:32:18
Статья в формате PDF
114 KB...
01 10 2026 6:41:30
Статья в формате PDF
143 KB...
29 09 2026 18:30:12
Проведен анализ историй болезней 218 больных, оперированных по поводу травмы селезенки с использованием лазерной техники. Установлено, что применение органосохраняющих операций на селезенке по времени можно разделить на несколько этапов, которые зависят от оснащенности, а так же наличия опыта у оперирующего хирурга. Применение общехирургических методов гемостаза позволяет сохранить селезенку при ее травме лишь у 5,1 % больных; СО2-лазеров – у 38 %, а СО2 и АИГ-лазеров – у 58 % больных.
...
28 09 2026 21:21:16
Статья в формате PDF
135 KB...
26 09 2026 20:56:45
Статья в формате PDF
269 KB...
25 09 2026 7:32:22
Статья в формате PDF
132 KB...
22 09 2026 0:13:19
Статья в формате PDF
300 KB...
21 09 2026 8:25:55
Рассмотрена финансовая поддержка издательских проектов Российским Фондом Фундаментальных Исследований. Проанализированы количественные хаpaктеристики и динамика результатов конкурсов проектов по разным областям знания.
...
18 09 2026 21:40:29
Статья в формате PDF 136 KB...
16 09 2026 4:58:57
Статья в формате PDF
312 KB...
14 09 2026 4:24:27
Статья в формате PDF
111 KB...
13 09 2026 5:18:59
Статья в формате PDF
164 KB...
10 09 2026 8:46:17
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 ::
