Калінчик, Василь ПрокоповичПономаренко, Вадим Олегович2019-06-112019-06-112018Пономаренко, В. О. Короткострокове прогнозування та керування електроспоживанням промислового підприємства : магістерська дис. : 141 Електроенергетика, електротехніка та електромеханіка / Пономаренко Вадим Олегович. – Київ, 2018. – 118 с.https://ela.kpi.ua/handle/123456789/27883Актуальність роботи. Прогнозування величини електричного споживання промислового підприємства є важливим техніко-економічним питанням науки. Необхідність точного прогнозування електроспоживання обумовлена технологічними і економічними причинами. Існує велика кількість моделей і методів короткострокового прогнозування навантаження. Становлення і розвиток методів математичного моделювання, прогнозування і планування електроспоживання пов'язано з роботами таких вітчизняних і зарубіжних вчених: П.О.Черненко, О.В. Мартинюк, В.О. Мірошник ,А.В. Праховник, І.В. Воронов, А.В. Алюєв Б.І., Бартоломей П.І., Бердін А.С., Богданов В.А., Вагін В.П ., Васильєв І.Є., Віників В.А., Гордєєв В.І., Гурський С.К., Калюжний А.С., Карпов В.В., Кудрін Б.І., Ліпес А.В., Меламед А.М., Макоклюєв Б.І., Рабінович М.А., Степанов В.П., Тимченко В.Ф., Фокін Ю.А., Черниш Е.А., Bunn DW, та інших. Якість прогнозу багато в чому залежить від обраної математичної моделі. Найбільшого поширення набули моделі, розкладають навантаження на дві складові: базову (регулярну) і залежну від погоди (нерегулярну). Однак, наявні в експлуатації методи короткострокового прогнозування електроспоживання, не задовольняють повною мірою технології їх використання при управлінні режимами. Основним недоліком існуючих методів є необхідність побудови моделі навантаження і постійне уточнення готової моделі. Іншим недоліком цих методів є неточне встановлення співвідношення між вхідними та вихідними змінними, так як залежності між ними нелінійні. Об’єктом дослідження являються процеси електроспоживання промислового підприємства а також фактори від яких вони залежать Мета роботи: підвищення точності прогнозування електроспоживання промислового підприємства, шляхом створення прогнозної моделі електроспоживання, що враховує його залежність від впливаючих на нього факторів. Завдання досліджень: 1. Виявити основні вимоги, що пред'являються до прогнозу величини електроспоживання промислового підприємства, що купує електроенергію на оптовому а в майбутньому і на балансуючому ринку електроенергії і потужності. 2. Порівняти існуючі методи прогнозування електроспоживання промислових підприємств і вибрати оптимальний метод для прогнозування електроспоживання в умовах роботи підприємства на оптовому та балансуючому ринку електроенергії та потужності. 3. Розробити методику створення прогнозної моделі електроспоживання промислового підприємства для обраного методу прогнозу. 4. Розробити методику оцінки впливу параметрів навколишнього середовища і виробничих параметрів на електроспоживання промислового підприємства з використанням штучної нейронної мережі для визначення набору вхідних параметрів прогнозної моделі. 5. Встановити залежність електроспоживання багатономенклатурного промислового підприємства від впливаючих на нього виробничих параметрів і параметрів навколишнього середовища. 6. Створити за допомогою розроблених методик та отриманих залежностей прогнозну модель електроспоживання, що враховує впливаючі на електроспоживання фактори 7. Перевірити і оцінити якість роботи отриманої прогнозної моделі шляхом порівняння фактичних і прогнозних значень електроспоживання машинобудівного підприємства. Предмет дослідження: наявні короткострокові прогнозні моделі, їх похибки, шляхи їх зменшення, алгоритми навчання штучних нейронних мереж, евристичні алгоритми вибору факторів. Методи дослідження. Розробки і дослідження проводилися на основі теорії математичного моделювання, теорії системного аналізу, теорії штучних нейронних мереж, евристичних алгоритмів відбору і нечіткої логіки, комп'ютерного моделювання, зворотного розповсюдження помилки. Наукова новизна одержаних результатів. 1. Розроблено методику визначення залежностей електроспоживання промислового підприємства від впливаючих на нього параметрів за допомогою штучної нейронної мережі, що відрізняється комплексним використанням навчальних алгоритмів для визначення внутрішньої конфігурації нейронної мережі та евристичного вибору споживачів-регуляторів електропостачання промислового підприємства. 2. Створена прогнозна модель електроспоживання промислового підприємства, що відрізняється тим, що в якості вхідних параметрів моделі використовуються різні фактори: погодні, виробничі, соціально-економічні. 3. Створено методику щодо здійснення прогнозу на промислових підприємствах, що будуть учасниками балансуючого ринку електричної енергії в Україні, що відрізняється послідовним використанням прогнозної моделі та алгоритму вибору споживача-регулятора. Практичне значення одержаних результатів. Дослідження, що було проведене в роботі може бути використане: - для зниження величини фінансових витрат підприємств, що виникають при відхиленні фактичних обсягів електроспоживання від обсягів, заявлених до покупки на ринку електроенергії, шляхом використання прогнозних моделей електроспоживання підприємств з урахуванням індивідуальних особливостей кожного підприємства; - для планування та обліку виробничої діяльності, що дозволяють знизити величину помилки при прогнозуванні електроспоживання; - для визначення всіх факторів, що впливають на електроспоживання об’єкту, а також їх позиціонування від найбільш сильного до найбільш слабкого; - для вибору найбільш оптимального плану роботи підприємства у короткостроковій перспективі в випадку необхідності вибору шляхів управління електричним навантаженням підприємства.ukкороткострокове прогнозуванняпрогнозна моделькерування електроспоживаннямінтегрована модель авторегесіїсередня абсолютна похибка прогнозусередня абсолютна похибка у відсоткахсередньоквадратична похибкакорінь середньоквадратичної похибкиshort-term forecastingforecast modelpower consumption managementintegrated model of autoregressionaverage absolute errormean absolute errormean squared errorroot of mean square errorMaster Thesis118 c.621.311.153