Гібридний підхід до прогнозування часового ряду електроспоживання для орга- нізаційного управління на оптовому ринку
DOI:
https://doi.org/10.20535/1560-8956.1.2019.178228Ключові слова:
гібридний підхід, прогнозування часового ряду, процеси електро- споживання, організаційне управління, оптовий ринок електроенергіїАнотація
Розглядається проблема підвищення ефективності вирішення комплексу задач прогнозування і планування електроспоживання регіональними компаніями постачаль- ників електроенергії - суб'єктами системи організаційного управління оптовим ринком електроенергії. Проведено аналіз використання різних методів моделювання при вирі- шенні завдання вибору і побудови моделі прогнозування електроспоживання, форму- люється завдання побудови гібридної прогностичної моделі, позбавленої недоліків ок- ремих методів моделювання. Перевага надається підходу, пов'язаного з комплексним використанням математичних засобів на базі апаратів штучних нейронних сіток, гене- тичного алгоритму і фільтра Калмана для побудови узагальнених нелінійних багато- факторних моделей. Він дозволить підвищити ефективність процесу побудови моделей і їх подальшого використання для пошуку, як короткострокових, так і довгострокових прогнозів. Для виключення впливу випадкових складових часового ряду з нерівномір- ним розподілом значень показника електроспоживання на процес навчання нейронної сітки як нелінійної моделі прогнозування пропонується попередня її підготовка за до- помогою застосування фільтра Калмана. Надалі здійснюється оптимізація топології нейронної сітки на базі генетичного алгоритму, який дозволяє на етапі мутації адаптив- но вибирати тип перетворення структури, найбільш підходящий для заданої конфігура- ції сітки.
Бібл. 24, іл. 3
Посилання
Borukaiev Z.Kh. Approach to Building Computer Models for Operational (daily)
Planning of the Supply of Electric Energy in the Wholesale Market. Part 1. Task formulation /
Z.Kh. Borukaiev, K.B. Ostapchenko, O.I. Lisovychenko // Pukhov Institute for Modelling in
Energy Engineering, Collection of scientific works. – 2012. – No. 63.- PP. 164-186.
Alexandrov O.I. Optimal Distribution Method of Active Loads between Power Plants
and Electricity Consumers // Izvestiya of Higher Education Institutions, Energetics.- 1999.-
No. 2.- PP. 3-15.
Abakshin P.S. Program Complex for Daily Regimes Planning of Energy Associations
PRES-SUTKI / P.S. Abakshin, T.M. Alyabysheva, R.M. Yaganov // Power stations.- 2004.-
No. 8.- PP. 42-46.
Makoklyuev B.I. Specialized Software Package for Planning and Analysis of Regime
Power Systems and Energy Incorporations / B.I. Makoklyuev, A.V. Antonov // New in the
Russian electric power industry, Electronic journal. - 2002. - No. 6.- PP. 41-45.
Lezhnyuk P.D. Criteria Formation for Optimal Load Distribution between Electric
Stations in Modern Conditions / P.D. Lezhnyuk, V.V. Kulyk, V.V. Teptya // Visnyk VPI, Power
engineering and electrical engineering.- 2008.- No. 6.- PP. 59-65.
Borukaiev Z.Kh. Planning Trade Dispatch Schedule of Active Load Distribution in
the Wholesale Electricity Market / Z.Kh. Borukaiev, K.B. Ostapchenko,
O.I. Lisovychenko // Pukhov Institute for Modelling in Energy Engineering, Collection of
scientific works. – 2012.- No. 64.- PP. 127-137.
Borukaiev Z.Kh. Models for Determining the Forecast Wholesale Price for Buying
Electricity / Z.Kh. Borukaiev, K.B. Ostapchenko, O.I. Lisovychenko // Adaptive Systems
Automatic Control. – 2015. - Vol. 2(27). - PP. 35-43.
Makoklyuev B.I. Relationship of Forecast Accuracy and Irregularity of Energy Consumption Graphs / B.I. Makoklyuev, V.F. Yech // Power Stations. – 2005. – No. 5. - PP. 64-67.
Galperova E.V. Features of Power Consumption Forecasting at the Regional Level //
Izvestiya RAN, Energetics.- 2004.- No. 4.- PP. 61-65.
Makoklyuev B. Formation and Planning of Electric Consumption, Electricity Balance of the Far Eastern Energy Company / B. Makoklyuev, N. Tsuprik, A. Antonov, A. Artemyev, E. Fedorov, D. Vankievich / Energy Market.- 2009.- No. 6.- PP. 1-5.
Ivaschenko V.A. Industrial Enterprises Power Consumption Forecasting
on the basis of Statistical Methods and Artificial Neural Networks / V.A. Ivaschenko,
M.V. Kolokolov, D.A. Vasilyev // Vestnik SGTU.- 2010.- No. 2(45). - PP. 110-115.
Ostapchenko K.B. Selection of the Electric Consumption Forecasting Model for
solving Operational Daily Planning Problems to Electricity Supply in the Wholesale Market /
K.B. Ostapchenko, O.I. Lisovychenko // Adaptive Systems Automatic Control. – 2014. -
Vol. 1(24). - PP. 76-86.
Schelkalin V.N. Hybrid Models and Time Series Forecasting Methods based on
methods «SSA-track» and Box-Jenkins // East European Advanced Technology Journal.-
- No. 5/4 (71).- PP. 43-62.
Penko V.G. Time Series Forecasting by Hybrid Artificial Intelligence Methods /
V.G. Penko // Informatics and Mathematical Methods in Simulation.- 2012.- Vol. 2, No. 2,
PP. 165-172.
Bann D.V. Comparative Electric Load Forecast Models / D.V. Bann, E.D. Farmer. -
Moscow: Energoatomizdat, 1987. – 200 p.
Brammer K. Kalman-Bucy Filter / K. Brammer, G. Ziffling. – Moscow: Nauka,
– 200 p.
Vasiliev V.G. Mathematical Model of Short-term Forecasting of Electric Consumption of the Integrated Power Grid using the Automated Workplace “Orakul” / V.G. Vasiliev,
S.P. Vasilieva, A.A. Preigel // Problems of Computer Science and Energy, Uzbek Journal. –
– No. 4. - PP. 36-41.
Russkov O.V. Planning for Subject Uneven Consumption of the Wholesale Electricity Market based on the Hourly Prices Ratio Forecast / O.V. Russkov, S.E. Sarajishvili // Science and Education. N.E. Bauman MGTU, Electronic Journal. – 2015. – No. 2. –
PP. 115–135.
Yampolsky L.S. Neurotechnology and Neurocomputer Systems / L.S. Yampolsky,
O.I. Lisovychenko, V.V. Oliinyk.- Kiev: Dorado-Druk, 2016.- 576 p.
Blickle T. A comparison of Selection Schemes Used in Genetic Algorithms. Technical Report No.11 / T. Blickle, L. Thiele. – Zurich, Switzerland, Swiss Federal Institute of
Technology, 1995.- 65 p.
Montana D.J. Training Feedforward Neural Networks using Genetic Algorithms/
D.J. Montana, L. Davis // Proceedings of the 11-th International Joint Conference on Artificial
Intelligence. – Morgan Kaufmann, San Francisco, California. - 1989. – PР. 762–767.
Moriarty D.E. Efficient Reinforcement Learning through Symbiotic Evolution /
D. E. Moriarty, R. Miikkulainen // Machine Learning.– 1996.– No. 22.– РP. 11–32.
Koehn P. Genetic Encoding Strategies for Neural Networks // University of Tennessee, Universität Erlangen-Nürnberg, Germany. - 1996.- 4 p.
Moriarty D.E. Forming Neural Networks through Efficient and Adaptive
Coevolution / D. E. Moriarty, R. Miikkulainen // Journal Evolutionary Computation. – 1997. – Vol. 5, No. 4.- PP. 373-399
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
