Прогнозирование электропотребления с использованием метода искусственных нейронных сетей
Особенности управления электроэнергетическими системами с использованием искусственных нейросетевых структур. Прогнозирование электрических нагрузок на основе экспертных систем. Применение метода наименьших квадратов для подбора весовых коэффициентов.
| Рубрика | Физика и энергетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 31.08.2018 |
| Размер файла | 22,7 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://allbest.ru
ЗАО «Сызраньпроект»1
Самарский государственный технический университет2
Прогнозирование электропотребления с использованием метода искусственных нейронных сетей
1И.Ю. Алексеева, аспирант.
2А.С. Ведерников, к. т. н., доцент
2М.О. Скрипачев, старший преподаватель
Сызрань, Самара
Прогнозирование электрических нагрузок в настоящее время является одной из основных областей исследования в электроэнергетике, так как прогнозы нагрузки играют решающую роль при ценообразовании на электроэнергию. С развитием теории новых информационных технологий в последнее десятилетие было предложено решение задачи прогнозирования нагрузки нетрадиционными методами, а именно с использованием моделей на основе экспертных систем и искусственных нейронных сетей (ИНС).
Основой процесса обучения ИНС для задач прогнозирования является корреляция между входными и выходными значениями. Согласно методу наименьших квадратов ошибка функционирования сети определяется по следующему выражению:
,
где yi - выход сети; di - фактические значения электропотребления.
Задача заключается в нахождении таких значений весовых коэффициентов, при которых ошибка функционирования сети была бы минимальной: .
Рассмотрим нейронную сеть прямого распространения с одним входным, одним скрытым и выходным слоем, содержащим единственный линейный нейрон, связанный со всеми узлами скрытого слоя. Веса выходного слоя - коэффициенты корреляции - являются неизвестными. В матричной форме система линейных уравнений для неизвестных весовых коэффициентов в общем виде выглядит следующим образом [1]:
, (1)
где A = {aji | (j,i)= 1, 2, …, N} - матрица интерполяции размерности N Ч N (N - количество строк и столбцов), щ - матрица-столбец (матрица-вектор) весовых коэффициентов размерности N, d - матрица-столбец (матрица-вектор) желаемого отклика (выходной слой сети) размерности N.
Очевидно, что матрица A является несингулярной (невырожденной), т.е. ее определитель ДA не равен нулю, т.к. все элементы (скрытый слой сети), стоящие в строках и столбцах матрицы, отличны от нуля. Следовательно, она имеет обратную матрицу A -1 той же размерности N Ч N, которая определяется по следующему выражению:
, (2)
где ДA - определитель матрицы интерполяции A; A* - матрица, присоединенная к матрице А:
. (3)
Элементы строк присоединенной матрицы A*= {Aji | (j,i)= 1, 2, …, N} являются алгебраическими дополнениями элементов столбцов матрицы A = {aji | (j,i)= 1, 2, …, N}.
Вектор весов определяется по следующему выражению:
. (4)
Подбор весовых коэффициентов осуществляется методом интерполяции. Интерполяция позволяет оптимально аппроксимировать множество точек данных. В процессе обучения отображение выходного сигнала в зависимости от входного оптимизируется на основании известных точек данных, которые являются примерами обучения сети [1], [2].
Прогнозное значение электропотребления Pпрог. (выходной нейрон) определяется:
Pпрог = Рпотр + (Pпотр - Рпотр30мин) х щ1 + (Рпотр - Рпотр24часа) х щ2 +
+ (Рпотр - Рпотр7дн) х щ3, (5)
где щ1 ... щ3 - весовые коэффициенты (коэффициенты корреляции); Рпотр - потребление электроэнергии за сутки, предшествующие прогнозируемым; Рпотр30мин - потребление электроэнергии за 30 мин до прошедших суток; Рпотр24часа - потребление электроэнергии двое суток назад; Рпотр7дн - потребление электроэнергии неделю назад в аналогичные сутки.
Данные по электропотреблению ОДУ Среднего Поволжья за выбранные для интерполяции сутки марта и апреля 2006 г. представлены в табл. 1, 2. Значения электропотребления даны в о.е.
Таблица 1
Данные по электропотреблению за март 2006 г.
|
Дата |
Рпотр, о.е. |
Рпотр30мин, о.е. |
Рпотр24часа, о.е. |
Рпотр7дн, о.е. |
Рфакт, о.е. |
|
|
22.03.2006 г. |
1,73 |
1,70 |
1,74 |
1,77 |
1,76 |
|
|
23.03.2006 г. |
1,76 |
1,73 |
1,73 |
1,76 |
1,74 |
|
|
24.03.2006 г. |
1,74 |
1,71 |
1,76 |
1,76 |
1,738 |
На основании данных табл. 1 составляем матрицу интерполяции:
Составляем матрицу-вектор d желаемого отклика:
Элементами матрицы-столбца d являются числа, полученные на основании выражения (5) как разность между фактическим значением электропотребления и потреблением электроэнергии за предыдущие сутки (см. табл. 1): .
Вычисляем определитель матрицы A: ДA = 0,0021.
Согласно (3) составляем присоединенную матрицу A*:
На основании выражения (2) составляем матрицу A-1, обратную матрице A:
Согласно (4) находим весовые коэффициенты щ1 ... щ3:
(6)
Определим на основании (5) прогнозное значение электропотребления на 16, 30 марта и 6 апреля 2006 г.
На основании данных табл. 2 и согласно выражениям (5), (6) находим:
Результаты сведены в табл. 2, где приведено сравнение с фактическими значениями электропотребления.
Таблица 2
Результаты прогнозирования
|
Дата |
Рпотр, о.е. |
Рпотр30мин, о.е. |
Рпотр24часа, о.е. |
Рпотр7дн, о.е. |
Р прог, о.е. |
Рфакт, о.е. |
Погрешность, % |
|
|
16.03.2006 г. |
1,77 |
1,73 |
1,77 |
1,74 |
1,764 |
1,76 |
0,23 |
|
|
30.03.2006 г. |
1,75 |
1,72 |
1,72 |
1,74 |
1,72 |
1,71 |
0,58 |
|
|
06.04.2006 г. |
1,71 |
1,68 |
1,69 |
1,71 |
1,67 |
1,70 |
1,8 |
Из табл. 2 видно, что погрешность прогнозирования на 16, 30 марта и 6 апреля не превышает 2%, что удовлетворяет оптимальному уровню погрешности (не более 2,5-3%).
нейросетевой электрический экспертный управление
Библиографический список
1. Хайкин С. Нейронные сети. Полный курс. - Изд. 2-е. - М.-СПб.-Киев: Вильямс, 2006. - 1104 с.
2. Шумилова Г.П., Готман Н.Э., Старцева Т.Б. Прогнозирование электрических нагрузок при оперативном управлении электроэнергетическими системами на основе нейросетевых структур. - Екатеринбург: УрО РАН, 2008. - 87 с.
Аннотация
Прогнозирование электропотребления с использованием метода искусственных нейронных сетей. И.Ю. Алексеева, ЗАО «Сызраньпроект» 446001, Сызрань, Самарская область, ул. Советская, 125
А.С. Ведерников, М.О. Скрипачев Самарский государственный технический университет 443100, Самара, ул. Молодогвардейская, 244
Для прогнозирования электропотребления в работе рассматривается нейронная сеть прямого распространения с одним входным, одним скрытым и выходным слоем, содержащим единственный линейный нейрон, который связан со всеми узлами скрытого слоя. Веса выходного слоя - коэффициенты корреляции - являются неизвестными. Подбор весовых коэффициентов осуществляется методом интерполяции.
Ключевые слова: прогнозирование, нейронная сеть, весовые коэффициенты, корреляция, интерполяция.
Размещено на Allbest.ru
...Подобные документы
Характеристика основных методов решения задач нелинейного программирования. Особенности оптимизации текущего режима электропотребления по реактивной мощности. Расчет сети, а также анализ оптимальных режимов электропотребления для ОАО "ММК им. Ильича".
магистерская работа [1,2 M], добавлен 03.09.2010Возникновение искусственных нейронных сетей, их виды и применение. Задачи, решаемые при помощи персептрона Розенблатта. Методика обучения персептрона. Персептронная система распознавания изображений. Ограничения, накладываемые на имитационную модель.
дипломная работа [987,1 K], добавлен 11.01.2012Комплексная оптимизация режима электроэнергетической системы (ЭЭС) с учетом технологических ограничений методами нелинейного программирования. Прогнозирование недельного электропотребления методом наименьших квадратов. Комплексная оптимизация режима ЭЭС.
курсовая работа [2,5 M], добавлен 21.12.2011Структура потерь электроэнергии в электрических сетях, методы их расчета. Анализ надежности работы систем электроэнергетики методом Монте-Карло, структурная схема различного соединения элементов. Расчет вероятности безотказной работы заданной схемы СЭС.
контрольная работа [690,5 K], добавлен 26.05.2015Построение профилей суточных графиков электрических нагрузок потребителей по активной мощности. Номинальное напряжение в узле подключения нагрузки. Статическая характеристика реактивной мощности и параметры схемы замещения асинхронного электродвигателя.
лабораторная работа [182,5 K], добавлен 16.12.2014Расчет цепи с использованием классического метода, ее главные параметры: напряжение, ток переходного процесса, на индуктивностях. Методика и основные этапы расчета цепи с использованием операторного метода. Составление эквивалентных схем и графиков.
курсовая работа [3,1 M], добавлен 22.05.2014Представление синусоидального тока комплексными величинами. Определитель матрицы, его свойства. Расчет установившихся режимов электрических систем. Методы решения линейных алгебраических уравнений. Прогнозирование уровня электропотребления на предприятии.
курсовая работа [941,2 K], добавлен 25.03.2015Применение моделирования динамики яркостной температуры методом инвариантного погружения и нейронных сетей; решение обратной задачи радиометрии – получение физических данных исследуемого объекта (почв). Обзор моделей нейронных сетей, оценка погрешности.
курсовая работа [1,5 M], добавлен 11.02.2011Применение метода контурных токов для расчета электрических схем. Алгоритм составления уравнений, порядок расчета. Метод узловых потенциалов. Определение тока только в одной ветви с помощью метода эквивалентного генератора. Разделение схемы на подсхемы.
презентация [756,4 K], добавлен 16.10.2013Практический расчет токов короткого замыкания в трехфазных установках напряжением выше 1 кВ с помощью аналитического метода, метода расчетных кривых, с использованием типовых кривых, метода спрямленных характеристик. Схема построения расчетных кривых.
презентация [252,1 K], добавлен 11.12.2013Освещение теоретического материала по проектированию электрических станций, сетей и систем местного значения и построения их векторных диаграмм. Выбор трансформаторов на станциях и подстанциях при определении приведенных нагрузок. Потери напряжения.
методичка [881,1 K], добавлен 06.01.2011Формирование узловых и контурных уравнений установившихся режимов электрической сети. Расчет утяжеленного режима, режима электрической сети по узловым и нелинейным узловым уравнениям при задании нагрузок в мощностях с использованием итерационных методов.
курсовая работа [872,3 K], добавлен 21.05.2012Назначение и конструкция токопроводов 6-35 кВ, их особенности и преимущества в сравнении с кабельными линиями. Виды и параметры графиков электрических нагрузок в системах электроснабжения. Примеры типовых графиков нагрузки по отраслям производства.
презентация [637,4 K], добавлен 30.10.2013Возникновение и развитие нанонауки. Виды искусственных наноструктур, их уникальные свойства, связанные с размером. Получение искусственных наноматериалов, прикладная нанотехнология. Сферы применения нанотехнологий, их будущее - проблемы и перспективы.
курсовая работа [4,2 M], добавлен 16.09.2009Характеристика электроприемников городских электрических сетей. Графики нагрузок потребителей. Система электроснабжения микрорайона. Число и тип трансформаторных подстанций. Расчет токов короткого замыкания. Расчет электрических сетей.
курсовая работа [98,8 K], добавлен 15.02.2007Принцип построения схем распределения электрической энергии внутри жилых зданий. Описание схемы электроснабжения двенадцати этажного дома. Метод определения электрических нагрузок в жилых зданиях. Расчётные нагрузки жилых домов второй категории.
контрольная работа [1,1 M], добавлен 24.11.2010Физические основы метода гамма-гамма каротажа, применение этого метода при решении геологических и геофизических задач. Методы рассеянного гамма-излучения. Изменение характеристик потока гамма-квантов. Глубинность исследования плотностного метода.
курсовая работа [786,8 K], добавлен 01.06.2015Моделирование различных режимов электрических сетей нефтяных месторождений Южного Васюгана ОАО "Томскнефть". Расчет режима максимальных и минимальных нагрузок энергосистемы. Качество электрической энергии и влияние его на потери в электроустановках.
дипломная работа [2,5 M], добавлен 25.11.2014Расчёт электрических нагрузок. Определение центра электрических нагрузок предприятия. Выбор мощности трансформаторов, сечения кабельных линий, схемы внешнего электроснабжения. Защита сетей от аварийных режимов. Организация эксплуатации электрохозяйства.
дипломная работа [250,0 K], добавлен 10.10.2014Электрическая схема внутрицеховой сети. Расчёт электрических нагрузок. Распределение нагрузок по шинопроводам. Определение величины допустимых потерь напряжения. Выбор компенсирующих устройств, силового трансформатора. Расчёт токов короткого замыкания.
курсовая работа [871,4 K], добавлен 31.03.2012
