Вплив аномальних значень на точність прогнозування втрат в розподільчих мережах

dc.contributor.authorБлінов, І. В.
dc.contributor.authorШиманюк, П. В.
dc.contributor.authorСичова, В. В.
dc.contributor.authorМірошник, В. О.
dc.date.accessioned2025-02-21T09:42:01Z
dc.date.available2025-02-21T09:42:01Z
dc.date.issued2024
dc.description.abstractАктуальність дослідження обумовлена сучасними трендами в управлінні режимами роботи розподільних електричних мереж із використанням технологій Smart Grid, а також необхідністю зниження витрат операторів систем розподілу на закупівлю електроенергії. Для цього потрібні точні результати прогнозування навантажень у вузлах мережі на різних горизонтах прогнозування. Різкі зміни топології мережі можуть збільшувати похибки прогнозу втрат як єдиного часового ряду, що негативно впливає на ефективність керування мережею та підвищує витрати на закупівлю електроенергії для покриття втрат. У роботі було розглянуто методи прогнозування на основі штучних нейронних мереж для розрахунку та прогнозування втрат електричної енергії, а також проведено порівняння цих методів між собою. Розрахунки виконано на основі даних одного з українських операторів систем розподілу, а тестова електрична мережа адаптована на основі схеми CIGRE для моделювання втрат електричної енергії. Оскільки дані вузлового навантаження містили пропуски та аномалії, було використано двоетапний алгоритм аналізу даних із застосуванням методу кластеризації DBSCAN для їх виявлення та корекції. В результаті проведених обчислень втрат на основі достовіризованих даних, похибка втрат була зменшена втричі порівняно з розрахунками, що базуються на коефіцієнтах навантаження. Використання методів аналізу даних та прогнозування на основі штучних нейронних мереж значно підвищує точність розрахунків втрат і мінімізує похибки.
dc.description.abstractotherThe relevance of the study is determined by modern trends in managing the operation modes of distribution electrical networks using Smart Grid technologies, as well as the need to reduce the costs incurred by distribution system operators for purchasing electricity. Accurate load forecasting results at network nodes for different forecasting horizons are crucial for this purpose. Sudden changes in network topology can increase the errors in loss forecasts as a single time series, negatively impacting network management efficiency and increasing the costs of electricity procurement to cover losses.The study proposes using forecasting methods based on artificial neural networks for the calculation andprediction of electricity losses, along with a comparison of these methods. The calculations were performed using data from one of Ukraine's distribution system operators, and the test electrical network was adapted based on the CIGRE scheme for modeling electricity losses. Since the nodal load data contained gaps and anomalies, a two-step data analysis algorithm was employed using the DBSCAN clustering method for detection and correction. As a result of loss calculations based on cleaned data, the error was reduced threefold compared to calculations based on load factors. Applying data analysis methods and forecasting methods based on artificial neural networks significantly improves the accuracy of loss calculations and minimizes errors.
dc.format.pagerangeС. 149-154
dc.identifier.citationВплив аномальних значень на точність прогнозування втрат в розподільчих мережах / І. В. Блінов, П. В. Шиманюк, В. В. Сичова, В. О. Мірошник // Енергетика: економіка, технології, екологія : науковий журнал. – 2024. – № 4. – С. 149-154. – Бібліогр.: 16 назв.
dc.identifier.doihttps://doi.org/10.20535/1813-5420.4.2024.316249
dc.identifier.orcid0000-0001-8010-5301
dc.identifier.orcid0000-0002-7585-7493
dc.identifier.orcid0000-0001-7385-1680
dc.identifier.orcid0000-0001-9036-7268
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/72671
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofЕнергетика: економіка, технології, екологія : науковий журнал, № 4
dc.subjectвтрати
dc.subjectвузлове навантаження
dc.subjectпрогнозування
dc.subjectнейронні мережі
dc.subjectCIGRE
dc.subjectLSTM
dc.subjectlosses
dc.subjectnode load
dc.subjectforecasting
dc.subjectneural networks
dc.subject.udc621.311:681.3
dc.titleВплив аномальних значень на точність прогнозування втрат в розподільчих мережах
dc.title.alternativeInfluence of anomalous values on the accuracy of forecasting losses in distribution networks
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
316249-732418-1-10-20241127.pdf
Розмір:
267.62 KB
Формат:
Adobe Portable Document Format
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис: