Адаптивні моделі прогнозування електричного навантаження виробничих споживачів

Скорочена інформація про документ
dc.contributor.authorКалінчик, В. П.
dc.contributor.authorМейта, О. В.
dc.contributor.authorКалінчик, В. В.
dc.contributor.authorЧуняк, Ю. М.
dc.date.accessioned2023-04-20T09:07:35Z
dc.date.available2023-04-20T09:07:35Z
dc.date.issued2022
dc.description.abstractВ статті досліджуються моделі та методи прогнозування електричного навантаження Показано, що на даний час відомі наступні методи управління електроспоживанням: по миттєвій нормі; по ідеальній нормі; управління по прогнозній величині; управління з використанням усередненої потужності на рухомому інтервалі часу (метод «рухомого вікна»). Показано, що кращою представляється орієнтація на ті методи, які засновані на дослідженні прогнозних оцінок, що складають вихідну інформацію для прийняття рішень з управління. Основною вимогою, що пред'являються до систем реального часу є: достатньо висока точність оперативного прогнозування та простота алгоритмів, що забезпечує мінімальний час рішення; робота в умовах невизначеної і недостатньої інформації, забезпечення стійкості управління. Проведено аналіз робіт, присвячених питанням прогнозування процесів систем управління електроспоживанням промислових підприємств. Показано, що автоматизовані системи управління пред'являють специфічні вимоги до математичних методів прогнозу через малу вивченості природи прогнозованого параметра, малого обсягу звітної статистики та недостатньої достовірності вихідної інформації і найбільш точно відповідає таким вимогам, адаптивний підхід до конструювання методів. Адаптивний підхід дозволяє вирішувати проблему адекватності методу об'єкту прогнозування і з точки зору простоти реалізації і часу розрахунків на перше місце слід поставити адаптивні методи прогнозування і, в першу чергу, метод експоненціального згладжування. Експоненціальне згладжування, розглянуте у даній роботі в якості прогнозної моделі, дозволяє виявити неадекватність моделі реальному процесу і наблизити оцінку детермінованої основи процесу до дійсної, тобто зменшити помилку прогнозу. Однак для цього необхідний час, який збільшується із зростанням зміни коефіцієнтів моделі. У зв'язку з цим виникає завдання регулювання швидкості реакції прогнозованої моделі на зміну її коефіцієнтів. Розглянуто і проаналізовано ряд методів автоматичного регулювання параметра згладжування: еволюційний метод адаптації, методи з використанням слідкуючого сигналу, методи адаптації параметра шляхом, оптимізація з використанням градієнтного згладжування. Показано, що метод адаптації використанням слідкуючого сигналу простий і особливо цінний для моделювання рядів з короткою історією. З причини своєї простоти, цей метод особливо зручний там, де прогнози робляться за допомогою засобів обчислювальної техніки. Дослідження даної моделі прогнозування на статистичних даних, отриманих на різних підприємствах показали, що модель адаптується до реальних даних вже на 4-6 кроці прогнозування і далі помилка прогнозу не перевищує 2%. Аналіз адаптивних моделей прогнозування на основі методу експоненціального згладжування показав їх високу ефективність і хорошу пристосованість до змін процесу електроспоживання. Найбільшу складність при прогнозуванні представляють випадки стрибкоподібних змін у розвитку процесу. Стрибкоподібні зміни процесу можуть призвести до порушення існуючих раніше якісних співвідношень параметрів прогнозованої системи. При наявності стрибка дуже важливо оцінити чи викликано дане відхилення перешкодою чи воно сталося внаслідок зміни прогнозованого процесу. Якщо зміни викликані перешкодою, то необхідно її відфільтрувати. Якщо ж відхилення викликані зміною моделі, то поточні дані про процес представляють найбільшу цінність. З точки зору швидкого відпрацювання стрибкоподібної зміни досить ефективною є модель експоненціального згладжування з високим значенням параметра згладжування. Однак ця модель сильно схильна до впливу перешкод. Для усунення зазначеної обставини запропонована модифікована процедура корекції параметрів моделі прогнозування. Процедура основана на введенні логічного оператора, який заснований на аналізі суперечливості прогнозів і накладає додаткові обмеження на зміну параметра згладжування і на величини вихідної статистики. Проведені експериментальні дослідження розглянутих моделей.uk
dc.description.abstractotherThe article investigates models and methods of electric load forecasting. It is shown that the following methods of power consumption control are currently known: instantaneous norm; at the ideal rate; management on the forecast value; control with the use of average power on a moving time interval ("moving window" method). It is shown that it is better to focus on those methods that are based on the study of forecast estimates, which are the source information for management decisions. The main requirements for real-time systems are: high accuracy of operational forecasting and simplicity of algorithms, which provides a minimum solution time; work in conditions of uncertain and insufficient information, ensuring the stability of management. The analysis of works devoted to the issues of forecasting the processes of power consumption management systems of industrial enterprises is carried out. It is shown that automated control systems have specific requirements for mathematical forecasting methods due to little study of the nature of the forecast parameter, small amount of reporting statistics and insufficient reliability of source information and most accurately meets such requirements, adaptive approach to method design. The adaptive approach allows to solve the problem of adequacy of the method of the object of forecasting and from the point of view of simplicity of realization and time of calculations in the first place it is necessary to put adaptive methods of forecasting and, first of all, the method of exponential smoothing. Exponential smoothing, considered in this paper as a predictive model, allows to identify the inadequacy of the model to the real process and to bring the estimate of the determined basis of the process closer to the real one, ie to reduce the prediction error. However, this requires time, which increases with increasing changes in the coefficients of the model. In this regard, there is a problem of regulating the reaction rate of the predicted model to changes in its coefficients. A number of methods of automatic adjustment of the smoothing parameter are considered and analyzed: the evolutionary method of adaptation, methods using the tracking signal, methods of adapting the parameter by, optimization using gradient smoothing. It is shown that the method of adaptation using the tracking signal is simple and especially valuable for modeling series with a short history. Due to its simplicity, this method is especially convenient where predictions are made using computer technology. Studies of this model of forecasting on statistical data obtained at various enterprises have shown that the model adapts to real data at step 4-6 of forecasting and then the forecast error does not exceed 2%. Analysis of adaptive forecasting models based on the method of exponential smoothing showed their high efficiency and good adaptability to changes in the process of electricity consumption. The greatest difficulty in forecasting are cases of abrupt changes in the development of the process. Abrupt changes in the process can lead to a violation of the previously existing qualitative relationships of the parameters of the projected system. If there is a jump, it is very important to assess whether the deviation is caused by an obstacle or whether it is due to a change in the predicted process. If the changes are caused by an obstacle, it must be filtered out. If the deviations are caused by a change in the model, then the current process data are of the greatest value. From the point of view of fast working off of abrupt change the model of exponential smoothing with high value of the smoothing parameter is rather effective. However, this model is highly susceptible to interference. To eliminate this circumstance, a modified procedure for correcting the parameters of the forecasting model is proposed. The procedure is based on the introduction of a logical operator, which is based on the analysis of inconsistencies in the forecasts and imposes additional restrictions on changes in the smoothing parameter and the values of the original statistics. Experimental studies of the considered models are carried out.uk
dc.format.pagerangeС. 46-56uk
dc.identifier.citationАдаптивні моделі прогнозування електричного навантаження виробничих споживачів / Калінчик В. П., Мейта О. В., Калінчик В. В., Чуняк Ю. М. // Енергетика: економіка, технології, екологія : науковий журнал. – 2022. – № 1. – С. 46-56. – Бібліогр.: 38 назв.uk
dc.identifier.doihttps://doi.org/10.20535/1813-5420.1.2022.259179
dc.identifier.orcid0000-0003-4028-0185uk
dc.identifier.orcid0000-0002-4132-5202uk
dc.identifier.orcid0000-0003-3931-646Xuk
dc.identifier.orcid0000-0002-4506-912Xuk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54747
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofЕнергетика: економіка, технології, екологія : науковий журнал, 2022, № 1uk
dc.subjectелектричне навантаженняuk
dc.subjectуправлінняuk
dc.subjectпрогнозuk
dc.subjectадаптивні моделіuk
dc.subjectекспоненціальне згладжуванняuk
dc.subjectelectrical loaduk
dc.subjectcontroluk
dc.subjectforecastuk
dc.subjectadaptive modelsuk
dc.subjectexponential smoothinguk
dc.subject.udc621.311.153uk
dc.titleАдаптивні моделі прогнозування електричного навантаження виробничих споживачівuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
eete2022-1_p46-56.pdf
Розмір:
660.5 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, № 1