Система прогнозирования энергопотребления с применением искусственной нейронной сети
Автор: Абрамович Б.Н., Бабанова И.С.
Журнал: Горные науки и технологии @gornye-nauki-tekhnologii
Рубрика: Энергетика, автоматизация и энергоэффективность
Статья в выпуске: 2, 2016 года.
Бесплатный доступ
Рассмотрена возможность повышения энергоэффективности горного предприятия за счёт правильного выбора ценовой категории (ЦК) и тарифа на электроэнергию. Показана эффективность прогнозирующей модели энергопотребления рационального выбора ЦК, разработана система прогнозирования энергопотребления с применением искусственной нейронной сети. Ошибка прогнозирования составила 0,908 % с использованием архитектуры сети типа многослойный персептрон (MLP 24-18-1).
Управление энергопотреблением, искусственная нейронная сеть, тариф на электроэнергию, ценовая категория, интеллектуальная система учета электроэнергии, ошибка прогнозирования, архитектура сети, многослойный персептрон
Короткий адрес: https://sciup.org/140215869
IDR: 140215869
Список литературы Система прогнозирования энергопотребления с применением искусственной нейронной сети
- Постановление Правительства РФ «Об утверждении правил оптового рынка электрической энергии и мощности и о внесении изменений в некоторые акты Правительства Российской Федерации по вопросам организации функционирования оптового рынка электрической энергии и мощности» (утв. 27.12.2010 г. №1172, ред. от 29.02.2016 г).
- Постановление Правительства РФ «О функционировании розничных рынков электрической энергии, полном и (или) частичном ограничении режима потребления электрической энергии» (утв. 04.05.2012 г. № 442, ред. 22.02.2016 г.).
- Бабанова И.С. Применение искусственных нейронных сетей в задачах прогнозирования энергопотребления для предприятий минерально-сырьевого комплекса//Фундаментальные и прикладные исследования в современном мире/Материалы IX Международной науч.-практ. конф. -2015. -Том 1. -С.128-134.
- Abramovich B.N., Babanova I.S. Improvement of monitoring system commercial electricity accounting for compressor plants оn the enterprises for gas industry. Efficiency and sustainability in the mineral industry innovation in Geology, Mining, Processing, Economics, Safety and Environmental Management. Scientific reports on resource issues 2015, TU Bergakademie Freiberg, Value 1, pp. 383-386.
- Абрамович Б.Н., Бабанова И.С. Автоматизированные системы управления энергопотреблением горных предприятий//Материалы XII Международной научной школы молодых ученых и специалистов, 23-27 ноября 2015 г. -М: ИПКОН РАН, 2015. -С. 225-229.
- Абрамович Б.Н., Бабанова И.С. Применение искусственных нейронных технологий в процессе преподавания дисциплин электротехнического цикла//Современные образовательные технологии в преподавании естественно-научных и гуманитарных дисциплин: сборник научных трудов II Международной науч.-метод. конф. 09-10 апреля 2015 г./«Национальный минерально-сырьевой университет «Горный» -г. Санкт-Петербург, 2015. -С. 229-234
- Бабанова И.С., Абрамович Б.Н. Разработка перспективного планирования энергосистемы на основе создания модели искусственной нейронной сети//Материалы XI Международной научной школы молодых ученых и специалистов, 24-28 ноября 2014 г. -М: ИПКОН РАН, 2014. -388 с.
- Шумилова Г.П., Готман Н.Э., Старцева Т.Б. Прогнозирование электрических нагрузок при оперативном управлении электроэнергетическими системами на основе нейросетевых структур: учеб.пособие -Екатеринбург: УрО РАН, 2008. -89 с.
- Weron, Rafal. Modelling and forecasting electricity loads and prices. West Sussex, England: John Wiley & Sons Ltd, 2006.
- Charytoniuk W., Chen M.S., 2000. Very Short-Term Load Forecasting Using ANN. IEEE Transactions on Power Systems 15 (1), pp. 263-268.
- Huseynov A.F, Yusifbeyli N.A and Hashimov A.M (2010). "Electrical System Load forecasting with Polynomial Neural Networks (based on Combinatorial Algorithm". Modern Electric Power Systems 2010, Wroclaw, Poland, MEPS’10-paper 04.3
- Samsher, K.S. and Unde, M.G., (2012). Short-term forecasting using ANN technique. International Journal of Engineering Sciences and Engineering Technologies, Feb. 2012, ISSN: 2231-6604, Vol. 1, issue 2, pp. 97-107 © IJSEST
- Balwant singh Bisht, Rajesh M Holmukhe Electricity load forecasting by artificial neural network model using weather data. International journal of electrical engineering& technology (ijeet) Vol. 4, Issue 1, January-February (2013), pp. 91-99
