Методология совершенствования систем краткосрочного прогнозирования электропотребления

• Автор: Ван Ефэн
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Санкт-Петербург
• Количество страниц: 135 с. : ил.

СОДЕРЖАНИЕ
ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ
1.1. Международные требования к системам прогнозирования
1.2. Значение и типы прогнозирования электропотребления
1.3. Обзор методов прогнозирования электропотребления
1.3.1. Классические методы прогнозирования электропотребления
1.3.2. Современные подходы и методы прогнозирования
электропотребления
1.3.3. Современное состояние вопроса построения систем
прогнозирования
1.3.4. Сопоставление и обобщение результатов анализа научно-
информационных источников, теоретических и экспериментальных исследований
1.4 Выбор метода для прогнозирования электропо греблеиия
Выводы по главе
ГЛАВА 2. НЕЙРОСЕТЕВОЙ ПОДХОД В ПОСТРОЕНИИМОДЕЛИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ

2.1. Математическая формулировка задачи
2.2. Постановка задачи прогнозирования элекгропотребления
2.3. Методы предварительной обработки данных
2.4. Выбор модели
2.5. Определение числа нейронов и слоев
2.6. Искусственная нейронная сеть прямого распространения и обучение
нейронных сетей
2.7. Оценка качества прогнозирования электропотребления
Выводы по главе
ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ОСНОВЕ МЕТОДА ОПОРНЫХ ВЕКТОРОВ

3.1. Машинное обучение
3.2. Алгоритм опорных векторов
3.3. Подходы к оптимизации параметров метода опорных векторов
3.4. Сравнение метода опорных векторов и нейронной сети
Выводы по главе
ГЛАВА 4. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ
4.1. График электрических нагрузок
4.2. Формирование обучающей выборки для прогнозирования электропотребления
4.3. Разработка регрессионной модели прогнозирования нагрузки
электроэнергетической системы
4.4. Разработка нейронечеткой модели прогнозирования нагрузки
электроэнергетической системы
4.5. Результаты исследования нейросетевой модели прогнозирования
4.6. Результаты исследования модели прогнозирования на основе метода
опорных векторов
4.7. Сравнительный анализ построенных моделей прогнозирования
электропотребления
4.8. Создание пользовательского интерфейса для программы прогнозирования энергопотребления
Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
ВР - временной ряд
инс - искусственная нейронная сеть
ннс - нечеткая нейронная сеть
эп - электропотребление
ээс - электроэнергетическая система
мов - метод опорных векторов

Преимуществом метода опорных векторов, альтернативного интеллектуальному подходу, является то, что параметры модели определяются на основе решения задачи квадратичного программирования, имеющей единственное решение.
Недостаток метода - к настоящему времени не решена проблема выбора ядерной функции, наиболее подходящей для решения конкретной задачи, а также ее параметров.
Результаты проведенного обзора основных методов прогнозирования, а также большое количество публикаций по данной проблеме, позволяют говорить о возможности совершенствования разработанных прогнозирующих систем электропотребления путем оптимизации параметров алгоритмов.
1.4. Выбор метода для прогнозирования электропотребления
Оптимальная модель прогнозирования электропотребления должна учитывать как можно больше влияющих факторов. Некоторые факторы зависят друг от друга. Поэтому выбор подходящих методов очень важен дня прогноза электропотребления.
Достоинства и недостатки методов прогноза электропотрсблсния следующим образом:
Методы временной экстраполяции:
Достоинства: простота построения модели; возможность прогноза на основе минимального количества входных данных.
Недостатки: невозможно учитывать все влияющие параметры; необходимость большого количества исходных данных.
Регрессионные методы: