Пошук академічних текстів

Інформація × Реєстраційний номер 0221U102114, 0119U002810 , Науково-дослідна робота Назва роботи Розробка методів та засобів короткострокового прогнозування вузлових електричних навантажень електроенергетичних систем в ринкових умовах Назва етапу роботи Керівник роботи Блінов Ігор Вікторович, Доктор технічних наук Дата реєстрації 28-01-2021 Організація виконавець Інститут електродинаміки Національної академії наук України Опис етапу Розроблено методику оцінки економічного ефекту від зниження похибки прогнозів технологічних втрат електроенергії енергорозподільчих компаній з горизонтом упередження від 12 до 36 годин («на добу наперед»). Проведений розрахунок показує, що зниження похибки на 5% дозволить знизити сумарні витрати для компенсацію небалансів на 184 млн. грн на рік, що дозволить знизити тарифи на розподіл та тариф на передачу електричної енергії для всіх кінцевих споживачів. При цьому середня ціна похибки прогнозу становить 225 грн/МВт∙год. Розроблено алгоритм виявлення та заміни аномальних значень електричного навантаження. В основу роботи алгоритму закладено двоетапну рекурсивну процедуру кластеризації даних, при якій найбільший кластер виявляється «нормальним», а решта аномальними. При розробці алгоритму проведено порівняльний аналіз методів кластеризації, а саме DBSCAN, Isolation Forests, Local Outlier Factor, Elliptic Envelope (EE). Найкращі результати отримано за допомогою методів DBSCAN та EE, але для EE притаманна більша кількість хибно-позитивних реакцій. В рамках виконання робіт розроблено штучну нейронну мережу глибинного навчання, яка поєднує рекурентні блоки LSTM з багатошаровим персептроном. Також в даній мережі використано обхідні з’єднання, які суттєво підвищують ефективність навчання штучних нейронних мереж. Наявність вектору пам’яті в LSTM дає змогу зменшити ефект екстремального зменшення або збільшення норми градієнту при зворотному розповсюдженні похибки, що наряду з використанням обхідного з’єднання, яке згладжує поверхню похибки нейронної мережі, суттєво прискорює навчання та дозволяє досягти меншої похибки прогнозування. Для врахування добової періодичності даних про електричне навантаження пропонується використовувати рекурентні обхідні з’єднання в блоці LSTM, що повинно підвищити точність та стабільність результатів прогнозування. Опис продукції Автори роботи Блінов Ігор Вікторович Мірошник Володимир Олександрович Шиманюк Павло Вячеславович Додано в НРАТ 2021-01-28 Закрити