Аспекти врахування температури повітря для підвищення точності короткострокового прогнозування вузлових навантажень

Скорочена інформація про документ
dc.contributor.authorШиманюк, П. В.
dc.contributor.authorМірошник, В. О.
dc.contributor.authorБлінов, І. В.
dc.contributor.authorЧерненко, П. О.
dc.date.accessioned2023-04-11T11:07:10Z
dc.date.available2023-04-11T11:07:10Z
dc.date.issued2021
dc.description.abstractРозглянуто особливості впливу даних про температуру повітря на точність прогнозування вузлових навантажень в енергосистемах та зміну точності такого прогнозування в залежності від навчальної вибірки та її обсягу. Показано застосування методу аналізу даних для виявлення аномальних значень та пропусків для зменшення спотворень даних та покращення результатів прогнозування. Для багатофакторного прогнозу вузлових навантажень було використано нейронну мережу глибинного навчання типу LSTM. Для оцінки ефективності точності прогнозу розглянуто різні варіанти вибірок даних для навчання нейронної мережі.uk
dc.description.abstractotherThe peculiarities of the influence of air temperature data on the accuracy of forecasting of nodal loads in power systems and how the accuracy of such forecasting changes depending on the training sample and its volume are considered. The application of the data analysis method to detect anomalous values and omissions to reduce data distortion and improve forecasting results is considered. A neural network of deep learning of the LSTM type was used for multifactor prediction of nodal loads. To evaluate the effectiveness of the forecast accuracy, various variants of data samples for neural network training are considered.uk
dc.format.pagerangeС. 50-58uk
dc.identifier.citationАспекти врахування температури повітря для підвищення точності короткострокового прогнозування вузлових навантажень / П. В. Шиманюк, В. О. Мірошник, І. В. Блінов, П. О. Черненко // Енергетика: економіка, технології, екологія : науковий журнал. – 2021. – № 2. – С. 50-58. – Бібліогр.: 15 назв.uk
dc.identifier.orcid0000-0002-7585-7493uk
dc.identifier.orcid0000-0001-9036-7268uk
dc.identifier.orcid0000-0001-8010-5301uk
dc.identifier.orcid0000-0002-5888-4780uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54483
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofЕнергетика: економіка, технології, екологія : науковий журнал, 2021, № 2uk
dc.subjectвузлове електричне навантаженняuk
dc.subjectкороткострокове прогнозуванняuk
dc.subjectштучна нейронна мережаuk
dc.subjectрекурентна мережаuk
dc.subjectбагатофакторний прогнозuk
dc.subjectnodal electrical loaduk
dc.subjectshort-term forecastinguk
dc.subjectartificial neural networkuk
dc.subjectrecurrent networkuk
dc.subjectmultifactor forecastinguk
dc.subject.udc621.311:681.3uk
dc.titleАспекти врахування температури повітря для підвищення точності короткострокового прогнозування вузлових навантаженьuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
eete2021-2_p50-58.pdf
Розмір:
893.12 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Енергетика: економіка, технології, екологія: науковий журнал, № 2