Худжасаидов Дж.Х., Русина А.Г., Матренин П.В., Дмитриев С.А., Сафаралиев М.Х. Разработка моделей прогнозирования электропотребления на основе временных рядов в изолированных энергосистемах - Журнал «Электротехнические системы и комплексы»

Аннотация

Составление планов ведения режимов нельзя представить без прогнозов, ведь от них напрямую зависит качество всего процесса управления режимами. Электропотребление и графики нагрузки являются основой для составления энергетических балансов, поэтому именно им уделяется особое внимание. К достоверности прогнозных балансов предъявляются очень высокие требования. На протяжении многих лет самым распространенным способом описания электропотребления является временной ряд. Для его создания необходимо знать параметры (амплитуды, частоты и фазы) составляющих гармоник. Рассмотрена задача моделирования электропотребления и графиков нагрузки ЭЭС со специфическими свойствами, основанной на применении методов искусственного интеллекта. В работе рассматриваются различные методы моделирования графиков нагрузки и электропотребления (применение рядов Фурье, градиентная оптимизация, методы, основанные на роевых интеллектах), которые подразумевают под собой подбор необходимых коэффициентов. Все это поможет привести к улучшению достоверности прогнозов и даст возможность расширить использование информационных технологий при планировании режимов ЭЭС. В качестве инструмента применялось экспериментальное программное обеспечение, разработанное авторами, которое имеет свидетельство о государственной регистрации. Для верификации универсальности рассматриваемых методов подбора коэффициентов дополнительно были рассмотрены объединенная энергосистема Сибири и изолированная электроэнергетическая система Горно-Бадахшанская автономная область (ГБАО).

Ключевые слова

Прогнозирование электропотребления, временной ряд, ряд Фурье, градиентный метод, метод роя частиц, метод роя пчел.

Худжасаидов Джахонгир Худжасаидович – канд. техн. наук, доцент, кафедра электрических станций, Таджикский технический университет имени академика М. С. Осими, г. Душанбе, Таджикистан. ORCID: https://orcid.org/0000-0003-3433-9742.

Русина Анастасия Георгиевна – д-р техн. наук, профессор, заведующая кафедрой электрических станций, Новосибирский государственный технический университет, г. Новосибирск, Россия. ORCID: https://orcid.org/0000-0002-2591-4162.

Матренин Павел Викторович – канд. техн. наук, старший преподаватель, кафедра систем электроснабжения предприятий, Новосибирский государственный технический университет, г. Новосибирск, Россия. ORCID: https://orcid.org/0000-0001-5704-0976.

Дмитриев Степан Александрович – канд. техн. наук, доцент, кафедра автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия. ORCID: https://orcid.org/0000-0001-8781-2383.

Сафаралиев Муродбек Холназарович – инженер-исследователь, кафедра автоматизированных электрических систем, Уральский федеральный университет имени первого Президента России Б.Н. Ельцина, г. Екатеринбург, Россия.

1. Филиппова Т.А. Энергетические режимы электрических станций и электроэнергетических систем: учебник. Новосибирск: Изд-во НГТУ, 2005. 300 с. (Серия «Учебники НГТУ»).

2. Shen W., Babushkin V., Aung Z., Woon W. An ensemble model for day-ahead electricity demand time series forecasting. In: Proceedings of the Fourth International Conference on Future Energy Systems, pp. 51-62. ACM, New York (2013).

3. Филиппова Т.А., Сидоркин Ю.М., Русина А.Г. Оптимизация режимов электростанций и энергосистем: учебник. 2-е изд. Новосибирск: Изд-во НГТУ, 2016. 356 с.

4. Карпенко А.П. Популяционные алгоритмы глобальной оптимизации. Обзор новых и малоизвестных алгоритмов // Приложение к журналу «Информационные технологии». 2012. №7. С 1-32.

5. Kennedy J., Eberhart R. Particle Swarm Optimization. Proc. of IEEE International Conference on Neural Network, 1995, pp. 1942-1948. doi: 10.1109/ICNN.1995.488968.

6. Манусов В.З., Матренин П.В., Орлов Д.В. Оптимизация коэффициентов трансформации с применением алгоритмов направленного перебора и роевого интеллекта // Проблемы региональной энергетики. 2017. № 1 (33). С. 15-23.

7. Eberhart R.C., Shi Y. "Particle swarm optimization: developments, applications and resources, " in Proc. Congress on Evolutionary Computation, vol. 1, pp. 81-86, 2001. doi: 10.1109/CEC.2001.934374.

8. Pham D.T., Ghanbarzadeh A., Koc E., Otri S., Rahim S., Zaidi M. The Bees Algorithm - A Novel Tool for Complex Optimisation Problems [Электронный ресурс] //Technical Note. Manufacturing Engineering Centre. Cardiff University.UK. 2005. URL: https://svn-d1.mpi-inf.mpg.de/AG1/MultiCoreLab/papers/Pham06%20%20The%20Bee%20Algorithm.pdf.

9. Karaboga D. An idea based on honey bee swarm for numerical optimization [Электронный ресурс] // Technical report TR06. Erciyes University, Engineering Faculty, Computer Engineering Department. 2005. URL: http://mf.erciyes.edu.tr/abc/pub/tr06_2005.pdf.

10. Metaxiotis, K., Kagiannas, A., Askounis, D., Psarras, J. Artificial intelligence in short-term electric load forecasting: a state-of-the-art survey for the researcher. Energy Convers. Manag. 44, 1525-1534 (2003).

11. Матренин П.В. Описание и реализация алгоритмов роевого интеллекта с использованием системного подхода // Программная инженерия. 2015. №3. С. 27-34.

Подробности: Опубликовано: 29 сентября 2020 г.; Обновлено: 29 сентября 2020 г.; Просмотров: 1292