Выбор предпочтительного решения по развитию электрических сетей на основе нейросетевых технологий
Автор: Семенова Наталья Геннадьевна, Чернова Анастасия Дмитриевна
Журнал: Вестник Южно-Уральского государственного университета. Серия: Энергетика @vestnik-susu-power
Рубрика: Электроэнергетика
Статья в выпуске: 3 т.18, 2018 года.
Бесплатный доступ
При принятии решения по развитию электрических сетей анализируется большой объем информации, сравнивается множество вариантов, оценивается влияние решения в долгосрочной перспективе. Все это усложняет процесс выбора альтернативы развития электрической сети (АРЭС). В связи с этим необходима разработка автоматизированной системы поддержки принятия решений, способствующей определению предпочтительной АРЭС. В статье представлен выбор математического аппарата, реализующего указанную задачу, а также обоснование его характеристик. Предложено использовать технологию искусственных нейронных сетей (ИНС), которая на основе разработанной многокритериальной системы оценки АРЭС позволяет ранжировать альтернативы по степени их предпочтительности. Обоснованы архитектура ИНС, алгоритм оптимизации весов и оценена их эффективность при различных параметрах. В качестве показателей эффективности выбраны F-мера и процент правильно принятых решений, которые составили 0,9794 и 97,83 % соответственно для оптимальных параметров сети. Полученная ИНС была успешно апробирована в составе программного комплекса.
Развитие электрических сетей, системы поддержки принятия решений, многокритериальная система оценки, нейронные сети
Короткий адрес: https://sciup.org/147232691
IDR: 147232691 | DOI: 10.14529/power180305
Список литературы Выбор предпочтительного решения по развитию электрических сетей на основе нейросетевых технологий
- Глазунов, А.А. Алгоритм решения многокритериальных задач оптимизации с неопределенной информацией на примере выбора оптимальной мощности глубокого ввода высокого напряжения / А.А. Глазунов, Т.Б. Лещинская, Г.В. Шведов // Электричество. - 2004. - № 10. - С. 8-14.
- Панкратьев, П.С. Поддержка принятия решений при выборе пунктов строительства энергетических объектов / П.С. Панкратьев, В.А. Шакиров // Международный научно-исследовательский журнал. - 2013. - Т. 2, № 8 (15). - С. 71-73.
- Любченко, В.Я. Генетический алгоритм оптимизации режимов энергосистем по активной мощности / В.Я. Любченко, В.З. Манусов, Д.А. Павлюченко // Электро. - 2003. - № 3. - С. 71-73.
- Булатов, Б.Г., Алгоритмы оптимальной реконфигурации распределительной сети / Б.Г. Булатов, В.В Тарасенко // Вестник ЮУрГУ. Серия «Энергетика». - 2013. - Т. 13, № 2. - С. 14-18.
- Бердин, А.С. Оптимизация системы электроснабжения в условиях неопределенности / А.С. Бердин, С.Е. Кокин, Л.А. Семенова // Промышленная энергетика. - 2010. - № 4. - С. 29-35.
- A decision support system for electricity distribution network refurbishment projects / B. Ramsay, A. McPherson, R. Eastwood et al. // Electric Power Systems Research. -1997. - No. 40. - P. 27-35.
- Бова, В.В. Применение искусственных нейронных сетей для коллективного решения интеллектуальных задач / В.В. Бова, А.Н. Дуккардт // Известия ЮФУ. Технические науки. - 2012. - № 7. - C. 131-138.
- Каменев, А.С. Нейромоделирование как инструмент интеллектуализации энергоинформационных сетей / А.С. Каменев, С.Ю. Королев, В.Н. Сокотущенко. - М.: ИЦ «Энергия», 2012. - 124 с.
- Медведев, В.С. Нейронные сети. MATLAB 6 / В.С. Медведев, В.Г. Потемкин. - М.: Диалог, 2001. - 630 с.
- Ананичева, С.С. Модели развития электроэнергетических систем: учеб. пособие / С.С. Ананичева, П.Е. Мезенцев, А.Л. Мызин // Екатеринбург: УрФУ, 2014. - 148 с.
- Andervazh, M-R. Decision support system for multicriteria reconfiguration of power distribution systems using CSO and efficient graph traversal and repository management techniques / M-R. Andervazh, S. Javadi, M. Hosseini Aliabadi // International Transactions on Electrical Energy Systems. - 2018. - e2579.
- DOI: 10.1002/etep.2579
- Haykin, S. Neural networks and learning machines / S. Haykin. - Pearson Prentice Hall Publ., 2009. - 906 p.
- Дианов, Р.С. Система поддержки принятия решений при разработке газоконденсатных месторождений на основе нейронных сетей / Р.С. Дианов, О.М. Проталиснкий // Автоматизация в промышленности. - 2005. - № 7. - С. 50-52.
- Gajowniczek, K. Electricity peak demand classification with artificial neural networks / K. Gajowniczek, R. Nafkha, Z. Tomasz // Proceedings of the Federated Conference on Computer Science and Information Systems. - 2017. - P. 307-315.
- DOI: 10.15439/2017F168
- Davis, J. The Relationship Between Precision-Recall and ROC Curves / J. Davis, M. Goadrich // Proceedings of the 23rd International Conference on Machine Learning. - 2006. - P. 233-240.
- DOI: 10.1145/1143844.1143874
