Библиотека материалов по теме выпускной работы
-
Прогнозирование и планирование потребления электроэнергии с помощью machine learning
Автор: М. Женихов, П. Матренин
Описание: Применение машинного обучения для повышения точности почасового прогнозирования электропотребления крупными промышленными предприятиями позволяет сократить расходы на электроэнергию и обосновать внедрение подобных систем.
Источник: https://habr.com
-
Теоретико-игровые модели управления рынком мощности и электроэнергии
Автор: А.А. Васин, А.Г. Гусев
Описание: Рассматриваются модели, описывающие взаимосвязанные оптовые рынки электроэнергии и мощности. Анализируются некоторые варианты управления рынком мощности. Для каждого варианта равновесное состояние модели при рациональном поведении производителей сопоставляется с решением задачи об оптимальном составе генерирующего оборудования. Исходя из результатов исследования, формулируются предложения относительно оптимальной организации рынка мощности.
Источник: https://istina.cemi-ras.ru/
-
Методика прогнозирования графиков электропотребления для технологий краткосрочного планирования
Автор: H. Г. Шульгинов
Описание: Настоящая методика предназначена для выполнения прогноза электропотребления, использующегося в качестве исходных данных в задачах краткосрочного планирования электроэнергетического режима работы ЕЭС России «на неделю вперед»; в формальной технологии выбора состава включенного генерирующего оборудования.
Источник: https://www.so-ups.ru
-
Прогнозирование потребления электрической энергии электротехническим комплексом городской электрической сети
Автор: А. Б. Ильдаровна
Описание: Разработка методов прогнозирования потребления электроэнергии для повышения энергоэффективности электротехнических комплексов, позволяющих снизить погрешность прогнозов по сравнению с традиционными подходами.
Источник: http://d21221704.samgtu.ru
-
Почасовое прогнозирование потребления электроэнергии коллективом нейронных сетей
Автор: И.В. Абрамов, Г.Л. Тимонович
Описание: Прогнозирование потребления электроэнергии с использованием искусственных нейронных сетей, таких как многослойные персептроны, позволяет создавать точные модели для эффективного управления энергетическими ресурсами.
Источник: https://elib.bsu.by