Добро пожаловать!
Главная страница
- АННОТАЦИЯ
-
Методика краткосрочного прогнозирования электропотребления промышленных предприятий
-
Несмотря на предпринимаемые многочисленные частные попытки прогнозирования электропотребления предприятий на сутки вперед, в целом данная задача еще не решена. В большой степени данная ситуация обусловлена отсутствием учета особенностей промышленных предприятий, а также отсутствием исходных данных. Также краткосрочное прогнозирование затруднено для предприятий с часто изменяющейся нагрузкой.
В качестве основной задачи краткосрочного прогнозирования предприятия была определена необходимость совпадения заявленного и фактического потребления предприятия с погрешностью не более двух процентов, что позволяет предприятию не нести убытков от штрафов за ошибочный заказ мощности.
На данном этапе развития краткосрочного прогнозирования нагрузки предлагается большое количество методов и моделей. Основными из них являются – методы математической статистики, обработки данных, регрессионного анализа, нейронных сетей, нечеткой логики, гибридных систем, теории баз данных, технологии построения реляционных баз данных.
Наибольшую точность прогноза дают системы, построенные на основе искусственного интеллекта. Точность прогноза, основанного на применении методов искусственного интеллекта, зависит от имеющихся исходных данных, определяющих архитектуру сети, степени достоверности данных и требуемого периода прогнозирования. Перспективным является также применение гибридных сетей.
Процесс прогнозирования нагрузки может состоять из следующих этапов: подбор архитектуры нечеткой нейронной сети;выбор обучающих и тестовых данных; тренинг сети; тестирование сети на контрольном множестве данных; использование сети в качестве средства прогнозирования; возможное дообучение.
Для краткосрочного прогнозирования нагрузки промышленного предприятия необходимыми исходными данными являются данные статистической отчётности по суточному электропотреблению, данные по выпуску продукции на анализируемый, а также прогнозируемый период, данные за субботу, воскресенье, понедельник и остальные дни, либо за рабочие и выходные дни. Для высокой достоверности используемых данных на исследуемом предприятии изначально должна быть внедрена высокоточная и многофункциональная автоматизированная система контроля и управления энергохозяйством (АСУЭ). АСУЭ предприятия позволяет осуществлять все функции диспетчеризации и управления работой объектов энергоснабжения по обеспечению предприятия требуемой энергией, планирование, нормирование и анализ режимов энергоснабжения и энергопотребления основным оборудованием технологических и энергетических производств. АСУЭ осуществляет коммерческий и технический учет и контроль энергопотребления подразделениями предприятия.
В качестве нейронного эмулятора объекта может быть выбрана гибридная технология адаптивной нейро-нечеткой системы заключений (Adaptive-Network-Based Fuzzy Inference System -ANFIS), обладающая, по сравнению с другими методами, высокой скоростью обучения, простотой алгоритма и оптимальной проработанностью программного обеспечения в системе математического моделирования MatLAB и показывающая более точные результаты прогнозирования во многих областях науки и производства, в том числе и в энергетике.
Выбор адаптивной нейро-нечеткой системы обусловлен высокими показателями точности прогнозирования. Средняя ошибка прогнозирования этого метода для рабочих дней составила 2,5 %, а для выходных дней – 1,5 %.Наибольшей ошибкой прогнозирования среди сравниваемых методов обладает регрессионный анализ, – 3,5 % для рабочих дней и 3,0 % для выходных дней. Для нейронной сети средняя ошибка прогнозирования составила 2,9 % – рабочие дни и 2,1 % – выходные дни.
Таким образом, полученные результаты говорят о применимости методов искусственного интеллекта (нечеткие нейронные сети) для прогнозирования электрической нагрузки. Поэтому дальнейшие исследования нечетких нейронных сетей являются необходимыми и могут быть связаны с более точной и тонкой настройкой структуры сети, изменением числа входных переменных.
20.05.2012