|
Бирюков Е.В., Корнев М.С.
Новосибирский государственный технический университет
ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ НЕЧЕТКОЙ НЕЙРОННОЙ СЕТИ ПРИ КРАТКОСРОЧНОМ ПРОГНОЗИРОВАНИИ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ
Предложен новый подход к прогнозированию электрической нагрузки основанный на нечеткой нейронной сети. При разработке нечеткой нейронной сети применялись два наиболее распространенных алгоритма нечеткого вывода: алгоритм Мамдани и алгоритм Сугено.
Сегодня, в условиях реформирования электроэнергетики Российской Федерации, важнейшей задачей является формирование новых отношений между субъектами рынка и, в том числе, четко отлаженных взаимоотношений между потребителем и энергоснабжающей организацией. Рынок должен создать соответствующую действительности стоимостную оценку потребляемой электроэнергии, которая способствовала бы максимально эффективному функционированию энергосистемы. Поэтому все более актуальной становится проблема качественного прогнозирования, анализа и управления электрической нагрузкой как в рамках энергосистемы в целом, так и для отдельно взятых групп электропотребителей. Прогноз нагрузки также необходим для оптимизации эксплуатационного состояния мощной системы в условиях потока нагрузки и планирования перетоков мощности.
К прогнозированию режимов энергопотребления приходится прибегать еще и потому, что изменения во времени электрической нагрузки представляют собой случайные процессы, то есть функции случайным образом зависящие от времени, а также от ряда внутренних и внешних факторов. Кроме этого, электрическая нагрузка в электроэнергетических системах подвержена влиянию такого внешнего фактора, как погода с ее случайной изменчивостью.
С уверенностью можно утверждать, что электрическая нагрузка – непостоянный процесс, доминирующими причинно-следственными факторами которого являются время суток и погодные условия. Зависимость нагрузки от времени отражает существование ежедневного образца графика нагрузки. Среди погодных факторов, воздействующих на нагрузку, приоритетным является температура .
До настоящего времени разработано много различных методик для прогнозирования электрической нагрузки. К ним относятся следующие методы:
- авторегрессия,
- обобщенное экспоненциальное сглаживание,
- факторный анализ.
Причем для прогнозирования факторов могут быть использованы либо модели временных рядов, либо регрессионные модели, отражающие взаимосвязь факторов с внешними возмущающими параметрами системы электроснабжения.
Список литературы
1. Charytoniuk W., Chen M.S. Short-term Forecasting in Power Systems Using a General Regression Neural Network // IEEE Trans. on Power Systems. 1995. Vol. 7. № 1.
2. Гордеев В.И., Васильев И.Е., Щуцкий В.И. Управление электропотреблением и его прогнозирование. Ростов н/Д: Издательство Ростовского университета, 1991. 104 c.
3. Бэнн Д.В., Фармер Е.Д. Сравнительные модели прогнозирования электрической нагрузки: Пер. с англ. М.: Энергоатомиздат, 1987. 200 c.
4. Srinivasan D., Tan S.S., Chang C.S., Chan E.K. Practical implementation of a hybrid fuzzy neural network for one-day-ahead load forecasting // IEE Proc. Gener. Transm. Distrib. 1998. Vol. 145. № 6.
5. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzy TECH. СПб.: БХВ-Петербург, 2003. 736 с.
|
|