Другое на тему Прогнозирование объема потребления электроэнергии на промышленном предприятии с привлечением методов статистического анализа

Содержание:

Введение 3
1 Основные принципы построения модели 5
2 Использование нейронных сетей для прогнозирования 7
3 Прогноз электропотребления промышленного предприятия 11
Заключение 17
Список используемой литературы 18

Введение:

Методы прогноза электропотребления, относящиеся к статистическим методам, при прогнозировании в режиме, близком к реальному времени, требуют постоянной перестройки параметров, а зачастую, и типов модели прогнозирования.
Это обусловливает сложность их использования для решения задач автоматизированного прогнозирования. Кроме того, для статистических методов прогноза необходимы большие массивы исходных данных, которых может не быть.
Статистические методы, кроме этого, связаны с большим количеством вычислений. В условиях рыночной экономики, когда объемы производства продукции предприятия, а значит и потребление им электроэнергии, во многом определяются конъюнктурой рынка, статистические методы практически не позволяют учитывать кратко- и среднесрочные тенденции в потреблении электрической энергии предприятием.
Методы, основанные на интуитивных оценках экспертов, не поддаются автоматизации в процессе работы предприятия на рынке электроэнергии. Существенным недостатком таких методов является и то, что точность прогноза очень сильно зависит от квалификации эксперта.
Модели прогнозирования, основанные на ИНС, обладают способностью обучения, что позволяет адаптировать нейронные сети и синаптические веса к изменениям окружающей среды. Более того, для работы в нестационарной среде (а именно такой средой является процесс потребления электроэнергии предприятием) могут быть созданы нейронные сети, изменяющие синаптические веса в режиме, близком к реальному времени.
Эти свойства нейронных сетей, а так же их высокая надежность, вместе с нелинейностью (а значит возможностью точного описания сложных функций), позволяют сделать вывод о том, что лучшим по совокупности характеристик методом для автоматизированного краткосрочного прогнозирования электропотребления является методика, основанная на ИНС.
Использование ИНС позволит учитывать краткосрочные тенденции в потреблении электроэнергии предприятием, позволит автоматизировать процесс осуществления прогноза.
Кроме того, прогностическая модель, основанная на ИНС, менее других моделей зависит от наличия полного объема входных данных. Таким образом, использование ИНС в прогнозах потребления электроэнергии предприятием – актуальное направление исследований.
Объектом исследования являются процессы разработки модели прогнозирования с использованием ИНС.
Предмет исследования: модель прогнозирования электроэнергии.
Методы исследования. Разработки и исследования проводились на основе теории математического моделирования, теории анализа, алгоритмов ИНС.
Актуальность работы. Прогнозирование величины электрического потребления промышленного предприятия является важным технико-экономическим вопросом науки.

Заключение:

Предложенная модель классификации дней недели является эффективным факторным источником данных для прогностической модели, созданной на базе ИНС. Результат сопоставления ошибок существующей регрессионной и ИНС-модели показал, что разница суммарной погрешности прогноза колеблется менее чем на 2%, что говорит о достоверности полученных результатов.
Благодаря моделированию, выбрано методику определения оптимального количества эпох обучения путем уравнивания с погрешностью прогноза. Погрешность перестает уменьшаться, пройдя пятьсот эпох, но существуют ситуации, когда для другого набора обучающей выборки (с другой последовательностью рабочих, праздничных дней и выходных) необходимо на сто эпох больше (для первого дня), а на второй прогнозный день увеличивается количество эпох и ошибка обучения.
Скорость обучения была принята опытным путем в сто эпох, так как при маленьком шаге выбирается верное направление, приводящее к минимуму ошибки обучения.
Разработанный алгоритм управления электропотреблением позволяет получить решение поставленной задачи сравнительно простыми математическими средствами.

Фрагмент текста работы:

1 Основные принципы построения модели

Основой для построения любых прогнозов, в том числе и прогнозирования электропотребления, является математическая прогностическая модель.
Процесс построения прогностической модели включает в себя 5 следующих этапов:
1. Выбор метода прогнозирования, который определяет сущность прогностической модели.
2. Выбор входных и выходных параметров модели.
3. Формирование учебного и проверочного набора данных.
4. Построение внутренней структуры прогностической модели, которая определяет зависимость выходных от входных параметров.
5. Верификация прогностической модели, определение полученных прогнозов.
В качестве метода прогнозирования при построении прогностической модели электропотребления промышленного предприятия будет использоваться прогнозирование на основе искусственных нейронных сетей. Это позволит повысить степень адаптивности полученной модели, достичь хорошей общей способности и обеспечить возможность установки сложных нелинейных зависимостей выходных параметров от входных.
Согласно существующему закону каждое предприятие-участник рынка должно обладать системой АСКУЭ, что обеспечивает учет электроэнергии на границе раздела между энергоснабжающей организацией и потребителем [1].
Таким образом, фактические значения электропотребления предприятия для комплекса можно формировать на основании данных этой системы. Система АСКУЭ охватывает все действующие линии предприятия, независимо от класса напряжения и мощности.