Развитие теории и методов моделирования и прогнозирования электропотребления на основе данных средств автоматизации учета и телеизмерений

• Автор: Надтока, Иван Иванович
• Шифр специальности: 05.14.02
• Научная степень: Докторская
• Год защиты: 1998
• Место защиты: Новочеркасск
• Количество страниц: 346 с. : ил.

ВВЕДЕНИЕ. Детерминированные модели индивидуальных и групповых графиков нагрузки. Стохастические модели електропотребления . Модели случайных процессов. Стационарные случайные процессы . Параметрические модели временных рядов . Комбинаторные и теоретикогрупповые модели . Ранговые методы моделирования. Нечеткие модели електропотребления и модели искусственных нейронных сетей . Системный анализ в моделировании электропотребления . Основные нерешенные проблемы моделирования, прогнозирования и управления электропотреблением и задачи дальнейших исследований . Характеристики основных типов детерминированных периодических моделей индивидуальных графиков . Моделирование суммарного процесса на основе периодических моделей индивидуальных графиков . Математическая модель для решения задачи выравнивания группового графика нагрузки. Модель суммарного процесса при случайных сдвигах во времени детерминированных индивидуальных графиков. Обоснование модели и законы распределения параметров индивидуальных графиков нагрузки.


Данная модель используется при решении задач прогнозирования электропотребления в системах электроснабжения 3 5 и в энергетических системах ,8,4. Для исключения нестационарного тренда из процесса в модель 1. Такая модель называется моделью авторегрессии проин
тегрированного скользящего среднего АРИСС или I i I i v ,0. Для учета внешних факторов, влияющих на процесс в модель вводится вектор внешних факторов X модели X, IX 4. Модель типа 1. КФ и спектральной плотностью ,5,8. Кроме указанных выше параметрических моделей в задачах прогнозирования случайных процессов в экономике и электроэнергетике используются модели экспоненциального сглаживания модель Брауна ,9,2,0, модель Хольта 9 и другие. В диссертации для повышения качества и устойчивости прогнозных АРИССмоделей путем снижения порядка разностного оператора применяется прием вычитания тренда, получаемого по коэффициентам ортогонального разложения главы 4 и 6. В моделях долгосрочного прогнозирования для прогнозирования тренда используется метод экспоненциального сглаживания глава 7. В комбинаторных моделях закон распределения суммарного графика строится на основе детерминированных моделей индивидуальных графиков ступенчатых при заданном законе распределения случайных сдвигов во времени см формулу 1. Данный метод отличает резкое увеличение громоздкости выражений при увеличении количества суммируемых индивидуальных графиков. Дополнительные усложнения возникают при необхимости использования законов распределения сдвигов отличных от равномерного.