Пошук академічних текстів

Інформація × Реєстраційний номер 2119U006641, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Прогнозування електроспоживання на базі вейвлетів Автор Крамаренко Семен ВіталійовичKramarenko Semen Vitaliiovych Дата публікації 01-06-2019 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/28917 Видання Київ Опис Сучасні тенденції на ринку електроніки вимагають пошуку комплексних рішень по прогнозуванні електроспоживання локальних об’єктів. Тому, є актуальним дослідження методів, які при мінімальних розрахунках будуть проводити прогнозування з максимальною точністю. У дипломній роботі були досліджені існуючи методи прогнозування електроспоживання локального об’єкту. Було з’ясовано, що на сьогоднішній день існує два основні методи прогнозування електроспоживання, які передбачають ситуацію з істотними стрибками електроспоживання, а саме: метод прогнозування електроспоживання за допомогою нейронних мереж і метод прогнозування електроспоживання за допомогою вейвлет- перетворень. Було обрано метод прогнозування за допомогою вейвлетів, оскільки він має ряд переваг перед методом прогнозування за допомогою нейронних мереж. Modern trends in the electronics market require the search for comprehensive solutions for forecasting the local consumption of electricity. Therefore, it is actual research of methods, which at the minimum calculations will carry out forecasting with maximum accuracy. In the work, existing methods of forecasting the local consumption of electricity were investigated. It was found that to date there are two main methods of forecasting electricity consumption, namely: the method of forecasting electricity consumption with the help of neural networks and the method of predicting power consumption using wavelet transformations. Wavelet forecasting method was chosen because it has several advantages over the prognostication method using neural networks. Додано в НРАТ 2025-11-05 Закрити