Синтез інтелектуального адаптивного алгоритму для автоматизованого прогнозування добового споживання електроенергії
DOI:
https://doi.org/10.32347/2412-9933.2025.62.189-194Ключові слова:
автоматизація, оптимізація, прогнозування, споживання електроенергії, вимірювання, штучний інтелект, алгоритм, комп’ютерно-інтегровані технологіїАнотація
В останні роки різко зросла необхідність у достатньо точному короткостроковому прогнозуванні електроспоживання з метою підвищення ефективності оперативного управління і балансування енергосистеми в критичних режимах. Добове споживання електроенторгії є випадковою числовою послідовністю, у якій присутні статистичні закономірності, придатні для прогнозування послідовності наперед. У роботі синтезовано інтелектуальний адаптивний лінійний алгоритм прогнозування добового споживання електроенергії в районній електромережі (прогнозатор). Інтелектуальні можливості запропонованого алгоритму проявилися в тому, що він автоматично виявив кореляційні закономірності вхідного потоку даних споживання електричної енергії, а також крос-кореляційні залежності споживання електричної енергії від температури повітря і від дня тижня. Застосування розробленого прогнозатора також дозволило автоматично використати виявлені закономірності в даних для оптимізації стратегії прогнозування споживання електричної енергії з максимально досяжною точністю прогнозування. Результатом синтезу інтелектуального адаптивного алгоритму стала ситуація, коли похибки прогнозування набули випадкового характеру, вони стали некорельованими й набули ознак нормального розподілу. Тобто всі можливості покращити точність прогнозування були вичерпані (для наявних даних). Процес прогнозування характеризується суттєвою нестаціонарністю, що проявляється у чергуванні періодів низької середньоквадратичної похибки з моментами значного погіршення точності через епізодичні збурення. Попри це, розроблений прогнозатор оперативно коригує випадкові помилки; так, за рік груба похибка, що тривала два дні поспіль, зафіксована лише один раз. У процесі самонавчання автоматично оптимізуються 21 ваговий коефіцієнт, що є неможливим для ручного виконання.
Посилання
Inosov, S. V., Illarionov, V. M., & Sabalaeva, N. O. (2022). Identification of the spontaneous electric heating system in the district power grid. In Mechatronic Systems: Innovations and Engineering. Abstracts of the VI International Scientific and Practical Conference (pp. 170–171). Kyiv.
Inosov, S., Illarionov, V., & Sabalaeva, N. (2022). Research on identification of the spontaneous electrical heating system in the district electrical network. In Proceedings of the 4th International scientific and practical conference (pp. 171–175). BoScience Publisher. https://sci-conf.com.ua/iv-mizhnarodna-naukovo-praktichna-konferentsiya-progressive-research-in-the-modern-world-28-30-12-2022-boston-ssha-arhiv/
Inosov, S. V., Kornienko, V. M., & Grechukha, V. V. (2014). Intellectual capabilities of an adaptive linear stationary forecasting filter. Management of Complex Systems Development, 17, 173–179.
Berzlev, O. Yu. (2013). Current state of information systems for time series forecasting. Management of Complex Systems Development, 13, 112–114.
Inosov, S. V., & Shykalov, V. S. (2001). Adaptive forecasting of energy consumption. Industrial Power Engineering and Electrical Engineering, 1, 44–46.
Inosov, S. V., Sobolevskaya, T. H., Samojlenko, M. I., & Sidun, K. V. (2011). Research of temperature disturbances for building heating automation systems. Management of Complex Systems Development, 6, 159–161.
Balyuta, S. M., Jovbak, V. D., Kopylova, L. O., & Sokolova, O. M. (2019). Intelligent management of electricity consumption of an industrial enterprise. Scientific Works of the National University of Food Technologies, 25 (1), 128–138.
Kuchanskyj, O. Yu., & Nikolenko, V. V. (2015). Time series forecasting by sample comparison method. Management of Complex Systems Development, 22 (1), 101–106.
Singhal, D., & Swarup, K. S. (2011). Electricity price forecasting using artificial neural networks. International Journal of Electrical Power and Energy Systems, 3 (3), 550–555.
Alfares, H. K., & Nazeeruddin, M. (2002). Electric load forecasting: Literature survey and classification of methods. International Journal of Systems Science, 33 (1), 23–34.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Андрій Олександрович Білощицький
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
