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.



ПРОБЛЕМА ЗАМЕЩЕНИЕ ИМПОРТНЫХ ПОТОКОВ КАОЛИНА

ПРОБЛЕМА ЗАМЕЩЕНИЕ ИМПОРТНЫХ ПОТОКОВ КАОЛИНА Статья в формате PDF 121 KB...

18 06 2025 8:28:42

КОЛИЧЕСТВЕННЫЙ МОРФОЛОГИЧЕСКИЙ АНАЛИЗ МИОМЕТРИЯ МАТКИ ПЕРВОРОДЯЩИХ ЖЕНЩИН С ФИЗИОЛОГИЧЕСКОЙ РОДОВОЙ ДЕЯТЕЛЬНОСТЬЮ

КОЛИЧЕСТВЕННЫЙ МОРФОЛОГИЧЕСКИЙ АНАЛИЗ МИОМЕТРИЯ МАТКИ ПЕРВОРОДЯЩИХ ЖЕНЩИН С ФИЗИОЛОГИЧЕСКОЙ РОДОВОЙ ДЕЯТЕЛЬНОСТЬЮ 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

ОХРАНА НАСЕКОМЫХ НА ТЕРРИТОРИИ ВОЛОГОДСКОЙ ОБЛАСТИ

ОХРАНА НАСЕКОМЫХ НА ТЕРРИТОРИИ ВОЛОГОДСКОЙ ОБЛАСТИ Статья в формате PDF 253 KB...

12 06 2025 12:22:12

МЕТОДЫ ТРАНСФЕРТНОГО ЦЕНООБРАЗОВАНИЯ

МЕТОДЫ ТРАНСФЕРТНОГО ЦЕНООБРАЗОВАНИЯ Статья в формате PDF 94 KB...

08 06 2025 21:29:53

СТРУКТУРА ВИРУСНОЙ ПАТОЛОГИИ ЛОР-ОРГАНОВ

СТРУКТУРА ВИРУСНОЙ ПАТОЛОГИИ ЛОР-ОРГАНОВ Статья в формате PDF 277 KB...

20 05 2025 20:26:13

АДАКИТОВЫЕ ГРАНИТОИДЫ СУМСУНУРСКОГО БАТОЛИТА ВОСТОЧНОГО САЯНА: ПЕТРОЛОГИЯ И ГЕОХИМИЯ

АДАКИТОВЫЕ ГРАНИТОИДЫ СУМСУНУРСКОГО БАТОЛИТА ВОСТОЧНОГО САЯНА: ПЕТРОЛОГИЯ И ГЕОХИМИЯ 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

ИЗУЧЕНИЕ СВОЙСТВ МЯСА КАБАНА И ОЛЕНИНЫ

ИЗУЧЕНИЕ СВОЙСТВ МЯСА КАБАНА И ОЛЕНИНЫ Статья в формате PDF 262 KB...

17 05 2025 9:15:31

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 ::