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
267 KB...
19 06 2025 13:38:31
Статья в формате PDF
127 KB...
17 06 2025 9:32:55
Статья в формате PDF
691 KB...
16 06 2025 11:45:19
На биопсийном материале пяти первородящих женщин в возрасте от 20 до 38 лет с физиологической родовой деятельностью проводили количественное светооптическое изучение строения миометрия матки. Оценили тканевой состав, клеточный состав и число гладкомышечных клеток в поле зрения микроскопа. Показали, что основными компонентами миометрия были гладкомышечные волокна, элементы соединительной ткани и микрососудистого русла. Гладкомышечные клетки демонстрировали разное сродство к толуидиновому синему и были условно разделены на светлые, темные и промежуточные клетки. Выявлена внутригрупповая вариация всех оцененных количественных параметров. Полученные данные могут быть базовыми при оценке тех же параметров у рожениц с патологической родовой деятельностью.
...
15 06 2025 22:22:21
Статья в формате PDF 119 KB...
14 06 2025 15:56:42
Статья в формате PDF
114 KB...
13 06 2025 23:49:54
Статья в формате PDF
253 KB...
12 06 2025 12:22:12
Статья в формате PDF
245 KB...
11 06 2025 4:59:50
Статья в формате PDF
401 KB...
10 06 2025 22:58:29
Статья в формате PDF
673 KB...
09 06 2025 17:59:51
Статья в формате PDF
121 KB...
07 06 2025 5:32:49
Статья в формате PDF
306 KB...
06 06 2025 6:44:33
05 06 2025 19:34:14
Статья в формате PDF
105 KB...
04 06 2025 17:51:46
Статья в формате PDF
121 KB...
03 06 2025 5:42:20
Статья в формате PDF
118 KB...
02 06 2025 13:36:35
Статья в формате PDF
225 KB...
01 06 2025 4:16:36
Статья в формате PDF
132 KB...
31 05 2025 2:42:57
Статья в формате PDF
1477 KB...
30 05 2025 12:50:24
Статья в формате PDF
242 KB...
29 05 2025 5:39:38
Статья в формате PDF
281 KB...
28 05 2025 22:49:24
Статья в формате PDF
140 KB...
27 05 2025 21:10:25
Статья в формате PDF
279 KB...
26 05 2025 16:42:40
Статья в формате PDF
280 KB...
25 05 2025 23:31:21
24 05 2025 23:39:51
Статья в формате PDF
249 KB...
23 05 2025 22:31:45
Статья в формате PDF
298 KB...
22 05 2025 15:46:38
Статья в формате PDF
135 KB...
21 05 2025 7:19:37
Статья в формате PDF 110 KB...
19 05 2025 4:37:23
Описан состав Сумсунурского батолита рифейского возраста, сложенного кварцевыми диоритами, тоналитами, трондьемитами, а также дайками лейкогранитов и аплитов, отнесённых по сумме признаков к адакитовым гранитоидам. Среди тоналитов и трондьемитов по минеральному и химическому составам выделяются по две разновидности. В трондьемитах и аплитах проявлены два типа тетрадного эффекта фpaкционирования РЗЭ. Установлено, что в процессе генерации адакитовых гранитоидов участвовали разнородные источники плавления субстрата: мантийный и коровый. Становление породных типов происходило при участии флюидов мантийной природы и корового обводнения. Выдвинуто предположение, что формирование комплексного и крупного по запасам золотого Зун-Холбинского месторождения описываемого района принимали различные источники (мантийные и коровые). Взаимодействие последних генерировало золотое оруденение. Высказано предположение о прострaнcтвенной и парагенетической связи оруденения с раннепалеозойским холбинским и более древним рифейским сумсунурским комплексами.
...
18 05 2025 20:20:59
16 05 2025 22:21:44
Статья в формате PDF
105 KB...
15 05 2025 6:36:17
Статья в формате PDF
104 KB...
14 05 2025 8:58:20
Статья в формате PDF
113 KB...
13 05 2025 8:38:12
Статья в формате PDF
146 KB...
12 05 2025 8:46:48
Статья в формате PDF
134 KB...
11 05 2025 17:24:42
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 ::