Моделирование и алгоритмизация оптимального распределения ограниченных энергомощностей в системах управления региональным энергопотреблением

• Автор: Харченко, Роман Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Воронеж
• Количество страниц: 184 с. : ил.

1. 1 Проблематика управления региональным энергопотреблением

1.2 Модели и алгоритмы принятия решений в системах управления региональным энергопотреблением

1.3 Цель работы и задачи исследования.

Глава 2 Моделирование и анализ уровня регионального энергопотребления на основе аппарата нейронных сетей.
2.1 Анализ математического аппарата нейронный сетей применительно к решению задачи прогнозирования регионального энергопотребления

2.2 Алгоритмы обучения нейронных сетей и типы используемых сетей

2.3 Анализ факторов, влияющих на качество прогностических моделей

2.4 Модели оперативного прогнозирования энергопотребления.

2.5 Модели краткосрочного прогнозирования энергопотребления.

Выводы
Глава 3 Оптимизационные модели распределения ограниченных энергомощностей, реализующие эволюционные методы.
3.1 Математическая формулировка экстремальной задачи однокритериального выбора
3.2 Интерпретация символьной модели и с элементов в терминах популяционной генетики
3.3 Структура и параметры генетического алгоритма
3.4 Модель оптимального распределения офаниченных энергомощностей на базе ГА
3.5 Анализ вариантов распределения ограниченных энергомощностей на основе реализации ГА9
Выводы.
Глава 4 Нечеткие модели выбора и структура программного обеспечения алгоритмов принятия решений
4.1 Нечеткий подход к проблеме принятия решений в системах управления региональным энергопотреблением
4.2 Реализация нечтких правил при определении степени готовности генерирующих энергомощностей.
4.3 Структура программного обеспечения моделей принятия решений
Выводы.
Заключение.
Литература


Реализация нечтких правил при определении степени готовности генерирующих энергомощностей. Выводы. Заключение. Литература. Приложения. Количество членов ряда, которое необходимо учитывать при расчете, определяется необходимой точностью прогноза. У1мк потребление электроэнергии к предшествующему моменту времени . На основе статистических данных о прогнозируемом объекте можно определить его детерминированную основу и вычислить его значение для заданного момента времени в будущем. Различают долгосрочное и краткосрочное ирогнозирование. В основе лежит несколько методов метод коэффициентов темпа роста и регрессионные моделей по методу наименьших квадратов. Причем первые модели обладают недостатком они не учитывают динамику внутри ряда. В основе лежит уравнение авторегрессии порядка р 2,ЬХ,. Ь,. Вычисляется среднее значение, дисперсия ряда, значения автокорреляционной функции. Затем оцениваются параметры по критерию ДарбинаУотсона и находится прогнозируемая величина из условия минимума отклонения прогнозируемого значения от истинного. Для определения коэффициентов аппроксимационных уравнений в работе используется метод наименьших квадратов. Критерием выбора уравнения является минимум оценки остаточной дисперсии. Исходный временной ряд делится на две последовательности обучающую, на которой происходит прогнозирование, и проверочную, используемую для определения фактических погрешностей. Л энергопотребление отдельных объектов. Вели расположить все объекты в порядке убывания величины, то получится ранговое распределение. Ь характеристический показатель.