Магістерські роботи (АУЕК)

Постійне посилання зібрання

https://ela.kpi.ua/handle/123456789/21837

Переглянути

Перегляд Магістерські роботи (АУЕК) за Автор "Гриценко, Максим Вадимович"

Зараз показуємо 1 - 1 з 1
  • Ескіз недоступний
    ДокументВідкритий доступ
    Інтелектуальна система ідентифікації та прогнозування електроспоживання комплексу електротехнічних об'єктів виробничих систем
    (КПІ ім. Ігоря Сікорського, 2019-12) Гриценко, Максим Вадимович; Тишевич, Борис Леонардович
    Прогнозування електричних навантажень в даний час є однією з основних областей дослідження в електроенергетиці, так як прогнози навантаження відіграють вирішальну роль при ціноутворенні на електроенергію. З розвитком теорії нових інформаційних технологій в останнє десятиріччя було запропоновано вирішення завдання прогнозування навантаження нетрадиційними методами, а саме з використанням моделей на основі експертних систем і штучних нейронних мереж (ШНМ). Традиційні методи статистичного прогнозування не дозволяють враховувати фактори, що впливають на навантаження, в повній мірі. Тому, останнім часом для розв'язання задачі прогнозування навантаження використовуються штучні нейронні мережі (ШНМ). Найчастіше подібні завдання вирішуються нейронними мережами Кохонена і багатошаровими персептронними мережами. Ідея роботи. Створення нейронної мережі, яка призначена для прогнозування енергетичних режимів на певний період часу. Об’єкт досліджень. Багатошарові нейронні мережі-емулятори у середовищі Matlab Предмет дослідження. Залежність між впливом типу і структури ШНМ, виду функцій активації та обраним методом навчання на якість ідентифікації стохастичного процесу в часі та його подальше прогнозування.