Інтелектуальна система ідентифікації та прогнозування електроспоживання комплексу електротехнічних об'єктів виробничих систем
| dc.contributor.advisor | Тишевич, Борис Леонардович | |
| dc.contributor.author | Гриценко, Максим Вадимович | |
| dc.date.accessioned | 2020-01-08T12:56:25Z | |
| dc.date.available | 2020-01-08T12:56:25Z | |
| dc.date.issued | 2019-12 | |
| dc.description.abstracten | Prediction of electric load is currently one of the main areas of research in power as load forecasts play a crucial role in setting prices for electricity. With the development of the theory of new information technologies in the last decade has been requested to solve the problem of forecasting load non-traditional methods such as using models based on expert systems and artificial neural networks (ANN).In today's reforming power of Ukraine, the most important task is to build a new relationship between business and the market, including well-established relationship between the consumer and the power company.However, despite the variety of existing methods for forecasting electricity load accurate modeling is difficult because of nonlinear relationship between stress and factors on which it depends. In addition, some mathematical model for representing the dynamics of the electric load, using the concept of time series. These models do not take into account the information related to weather, and try to predict future load using the previous value.Traditional methods of statistical forecasting can not consider factors that affect the load fully. Therefore, in recent years to address the problem of load forecasting using artificial neural network (ANN). Often these problems are solved Kohonen neural networks and multilayer networks perseptronnymy. The idea of work. Creating a neural network that is designed to predict the energy profile for a certain period of time. The object of research. Multilayer neural network-emulation environment in Matlab The subject of study. Relationship between exposure type and structure of the ANN, the type of activation and functions selected by studying the quality of identification of the stochastic process in time and its subsequent prediction. | uk |
| dc.description.abstractru | Прогнозирование электрических нагрузок в настоящее время является одной из основных областей исследования в электроэнергетике, так как прогнозы нагрузки играют решающую роль при ценообразовании на электроэнергию. С развитием теории новых информационных технологий в последнее десятилетие было предложено решение задачи прогнозирования нагрузки нетрадиционными методами, а именно с использованием моделей на основе экспертных систем и искусственных нейронных сетей (ИНС). Сегодня, в условиях реформирования электроэнергетики Украины, важнейшей Традиционные методы статистического прогнозирования не позволяют учитывать факторы, влияющие на нагрузку, в полной мере. Поэтому, в последнее время для решения задачи прогнозирования нагрузки используются искусственные нейронные сети (ИНС). Зачастую подобные задачи решаются нейронными сетями Кохонена и многослойными персептронного сетями. Идея работы. Создание нейронной сети, которая предназначена для прогнозирования энергетических режимов на определенный период времени. Объект исследований. Многослойные нейронные сети-эмуляторы в среде Matlab Предмет исследования. Зависимость между воздействием типа и структуры НС, вида функций активации и выбранным методом обучения на качество идентификации стохастического процесса во времени и последующее прогнозирование. | uk |
| dc.description.abstractuk | 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. | uk |
| dc.format.page | 133 с. | uk |
| dc.identifier.citation | Гриценко, М. В. Інтелектуальна система ідентифікації та прогнозування електроспоживання комплексу електротехнічних об'єктів виробничих систем : магістерська дис. : 141 Інжиніринг енергетичних систем / Гриценко Максим Вадимович. – Київ, 2019. – 133 с. | uk |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/30617 | |
| dc.language.iso | uk | uk |
| dc.publisher | КПІ ім. Ігоря Сікорського | uk |
| dc.publisher.place | Київ. | uk |
| dc.subject | прогнозування | uk |
| dc.subject | ідентифікація | uk |
| dc.subject | нейронна мережа | uk |
| dc.subject | електроенергія | uk |
| dc.subject.udc | 681.518.3 | uk |
| dc.title | Інтелектуальна система ідентифікації та прогнозування електроспоживання комплексу електротехнічних об'єктів виробничих систем | uk |
| dc.type | Master Thesis | uk |
Файли
Контейнер файлів
1 - 1 з 1
Ескіз недоступний
- Назва:
- Hrytsenko_magistr.docx
- Розмір:
- 1.77 MB
- Формат:
- Microsoft Word XML
- Опис:
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 9.06 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: