Нейросетевые модели оценки и планирования потерь электроэнергии в электроэнергетических системах

• Автор: Заиграева, Юлия Борисовна
• Шифр специальности: 05.14.02
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Новосибирск
• Количество страниц: 215 с. : ил.

ВВЕДЕНИЕ
1. ОСОБЕННОСТИ ЗАДАЧ И МЕТОДОВ РАСЧЕТА И ПЛАНИРОВАНИЯ ПОТЕРЬ МОЩНОСТИ И ЭЛЕКТРОЭНЕРГИИ В ЭЛЕКТРИЧЕСКИХ СЕТЯХ
1.1. Задача планирования потерь мощности и электроэнергии в электрических сетях энергосистемы

1.2. Применение искусственных нейронных сетей в электроэнергетических задачах

1.3. Актуальность проблемы прогнозирования и планирования потерь электроэнергии в электрических сетях на рынках электроэнергии
1.4. Анализ состояния вопросов расчета, нормирования, прогнозирования потерь мощности и электроэнергии в электрических сетях

1.5. Выводы и постановка задач исследования

2. МОДЕЛИ И МЕТОДЫ ОЦЕНКИ ПОТЕРЬ ЭЛЕКТРОЭНЕРГИИ В ЭЛЕКТРИЧЕСКИХ СЕТЯХ ЭНЕРГОСИСТЕМЫ

2.1. Постановка задачи

2.2. Существующие методы расчета потерь электроэнергии

2.2.1. Детерминированные расчеты потерь электроэнергии

2.2.2. Вероятностностатистические расчеты потерь электроэнергии
2.3. Обоснование применения искусственных нейронных сетей в задачах анализа, планирования, нормирования потерь мощности и электроэнергии в электрических сетях энергосистемы
2.4. Общие положения искусственных нейронных сетей
2.5. Выводы
ИССЛЕДОВАНИЕ ПРИМЕНЕНИЯ НЕЙРОСЕТЕВОГО АЛГОРИТМА ДЛЯ РАЗРАБОТКИ МОДЕЛИ ОЦЕНКИ ПРИ ПЛАНИРОВАНИИ ПОТЕРЬ МОЩНОСТИ
3.1. Постановка задачи
3.2. Формулирование задачи оценки при планировании потерь мощности и электроэнергии в нсйросетевом базисе и методика вычислительного эксперимента
3.3. Формирование обучающей и тестовой выборки
3.4. Анализ архитектуры и функции активации искусственной нейронной сети
3.5. Алгоритмы обучения искусственной нейронной сети и методика выбора
3.6. Выводы
РАЗРАБОТКА НЕЙРОСЕТЕВОГО АЛГОРИТМА ОЦЕНКИ ПРИ ПЛАНИРОВАНИИ ПОТЕРЬ МОЩНОСТИ В МАГИСТРАЛЬНЫХ ЭЛЕКТРИЧЕСКИХ СЕТЯХ ЦЕНТРА
4.1. Описание объекта и постановка задачи
4.2. Оценка при планировании потерь мощности с помощью вероятностного метода
4.3. Оценка при планировании потерь мощности в нейросетевом базисе
4.3.1. Методика вычислительного эксперимента и формирование входного вектора в нейросетевом базисе
4.3.2. Выбор оптимальной архитектуры искусственной нейронной сети
4.3.3. Выбор оптимального алгоритма обучения искусственной нейронной сети
4.3.4. Тестирование оптимальной искусственной нейронной сети
4.4. Выбранная архитектура искусственной нейронной сети при
изменении оперативного состояния электрической схемы
4.5. Выводы
5. ИССЛЕДОВАНИЕ ПРИМЕНЕНИЯ НЕЧЕТКИХ НЕЙР1НЫХ СЕТЕЙ ДЛЯ РАЗРАБОТКИ МОДЕЛИ ОЦЕНКИ ПРИ ПЛАНИРОВАНИИ ПОТЕРЬ МОЩНОСТИ
5.1. Постановка задачи
5.2. Общие положения нечетких нейронных сетей
5.3. Построение модели оценки при планировании потерь мощности в электрических сетях на основе нечетких нейронных сетей
5.3.1. Методика вычислительного эксперимента, формирование входного вектора, обучающей и тестовой выборки
5.3.2. Анализ архитектур и функции активации искусственной нейронной сети и нечеткой нейронной сети
5.3.3. Алгоритмы обучения нечеткой нейронной сети
5.4. Сравнительный анализ моделей оценки при планировании потерь мощности на основе искусственной нейронной сети и нечеткой нейронной сети
5.5. Выводы ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ


Вопрос ответственности за сверхнормативные потери электроэнергии затрагиваются в работах В. Э. Воротницкого, Вердина, Паздерина. Разработкам мероприятий по снижению технических и коммерческих потерь электроэнергии посвящено многочисленные доклады, статьи в периодических изданиях. Анализу метрологических проблем планирования и учета потерь посвящены доклады на конференциях, публикации в периодических изданиях. Вопросам совершенствования систем учета электроэнергии, о путях совершенствования этого учета, о применении современных автоматизированных информационноизмерительных систем коммерческого учета электроэнергии АИИС КУЭ, методики расчета неучтенной электрической энергии посвящены работы В. Э. Воротницкого, I Осика, А. Н. Аничкина, В. В. Тубиниса, Паздерина, Е. В. Комковой, Н. Е. Миронюка. Разработкам методик формирований тарифов на электроэнергию посвящены работы В. И. Денисова, В. И. Эдельмана 4, 5. Некоторые задачи разработаны очень детально, другие менее детально. Ниже перечислены некоторые виды задач из названных групп. Неплатежи за предельный период по продукции и потерям о Выявление очагов и размеров хищения. Цикл управления энергетическим предприятием состоит из различных этапов, чаще всего этот процесс включает в себя прогнозирование, планирование, текущее управление, учет, контроль, анализ, нормирование. Ставится задача моделирования оценки техникоэкономических показателей деятельности предприятия в целом. Формирование факторов Рис. Планирование требует определение объекта, целей, факторов и разработки математических моделей и методов с их учетом. Объектом в работе выступают электрические сети сетевого предприятия оптового рынка и три тестовые электрические схемы. В связи с этим возникает вопрос достоверности и точности прогноза, от которого зависит достоверность планирования. В работе предлагается математическая модель и метод оценки потерь мощности и электроэнергии, основанный на базе современных алгоритмов искусственного интеллекта нейротехнологиях. Данная модель может быть усовершенствована и адаптирована для решения задач нормирования, планирования, прогнозирования и анализа потерь мощности и электроэнергии в электрических сетях энергосистемы. Для применения нейротехнологиия при построении математической модели оценки необходимо определить объект моделирования. В зависимости от объекта ставятся задачи и цели функционирования. В зависимости от объекта моделирования, целей и задач правильно определяются свойства объекта. Вышеперечисленная информация формирует факторы для математической задачи оценки при планировании рис 1. Методом моделирования выступают нейротехнологии искусственные нейронные сети ИКС. Формирование и дальнейшее совершенствование новых рыночных отношений в отечественной электроэнергетике, в значительной степени предопределяют необходимость максимально корректного решения задач анализа и прогнозирования режимных параметров и характеристик для энергопредприятий. С другой стороны, вес ещ сохраняющиеся негативные особенности отечественных электрических сетей, связанные с серьзным дефицитом и неопределенностью исходной информации. По этой причине использование технологий искусственного интеллекта становится не просто целесобразным, но в ряде случаев и необходимым условием для получения корректных результатов расчтов. Как показывают исследования 6 , применение интеллектуальных методов и подходов позволяют, в ряде случаев, эффективно выйти из замкнутого круга новых рыночных требований и современных российских реалий, получив значительно лучшие решения, по сравнению с тради1 щон ым и метод и кам и. Более подробно необходимо остановится на вопросе обзора литературы по расчету, оценке, анализу, прогнозированию, нормированию потерь мощности и электроэнергии с применение нейротехнологий, как в нашей стране, так и за рубежом. Ниже представлено несколько примеров. В статье представлена методология, которая анализирует вопрос расчета и прогнозирования потери мощности в распределительной сети Тайваньской энергосистеме.