Перевод названия: FORECASTING OF REGIONAL POWER SUPPLY SYSTEM POWER CONSUMPTION PER HOUR USING ARTIFICIAL NEURAL NETWORKS
Тип публикации: статья из журнала
Год издания: 2017
Идентификатор DOI: 10.21285/1814-3520-2017-5-143-151
Ключевые слова: искусственная нейронная сеть, прогноз, фактор, потребление электроэнергии, электроэнергетическая система, ошибка прогноза, artificial neural network, forecast, factor, ELECTRIC power consumption, electrical power system, forecast error
Аннотация: ЦЕЛЬ. Исследование применения искусственных нейронных сетей для краткосрочного прогнозирования потребления электроэнергии региональной электроэнергетической системы Республики Хакасия. МЕТОДЫ. При исследовании использованы визуальный анализ графиков исходных данных и корреляционный анализ. Основные виды искусственных нейронных сетеПоказать полностьюй: линейная сеть, многослойный персептрон, сеть на радиальных базисных функциях, обобщенно-регрессионная сеть. Анализ данных и прогнозирование проводились в программном пакете Statistica. РЕЗУЛЬТАТЫ. Получены прогнозные оценки электропотребления. Среди рассмотренных нейронных сетей самую высокую точность имеет обобщенно-регрессионная сеть, на втором месте находится многослойный персептрон, на третьем - сеть на радиальных базисных функциях, самой низкой точностью обладает линейная сеть. ВЫВОДЫ. Установлено, что при краткосрочном прогнозировании потребления электроэнергии значительное увеличение длины предыстории не приводит к повышению точности прогноза. Применительно к конкретному объекту прогнозирования необходимо выбирать наиболее подходящий тип и структуру нейронной сети. Учет дополнительных влияющих факторов способствует повышению точности прогнозирования. The PURPOSE of the paper is to study the application of artificial neural networks for short-term forecasting of electricity consumption of the regional electrical power system of the Republic of Khakassia. METHODS. The study uses the visual analysis of input data graphs, correlation analysis and the main types of artificial neural networks including a linear network, multilayered perseptron, radial basic function network, generalized regression network. The data analysis and forecasting have been carried out in Statistica software package. RESULTS. Predictive estimations of electric power consumption are received. Among the considered neural networks the generalized regression network has the highest accuracy, the second place belongs to the multilayered perceptron, the third - to the radial basic function network, while the linear network is characterized with the lowest accuracy. CONCLUSIONS. It is determined that in case of short-term forecasting of electric power consumption significant increase in the prehistory length does not improve the accuracy of the forecast. In relation to the specific forecasting object, it is necessary to choose the most suitable type and structure of the neural network. Accounting of the additional influencing factors improves the accuracy of forecasting.
Журнал: Вестник Иркутского государственного технического университета
Выпуск журнала: Т. 21, № 5
Номера страниц: 143-151
ISSN журнала: 18143520
Место издания: Иркутск
Издатель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Иркутский национальный исследовательский технический университет"