Forecasting volumes of electricity sales using a multilayer neural network
DOI:
https://doi.org/10.31498/2225-6733.45.2022.276222Keywords:
forecasting, neural network, volumes of electricity purchasesAbstract
Energy consumption is related to all types of human economic activity. Energy production significantly affects the state of the environment; therefore, high quality planning of electricity consumption is a priority issue in the development strategy of any country. All responsibilities for planning electricity consumption and purchasing electricity fall on energy supply companies. High-quality planning of electricity consumption will lead to a reduction in the costs of energy supply companies, which will have an impact on reducing the costs of creating final products for the average consumer. This article is devoted to the problem of increasing the efficiency of energy supply companies to meet the needs of household consumers. The work substantiates the necessity of planning electricity supplies in the necessary volume to ensure the rational use of energy and economic resources. The problem of performing forecasting by a person is described, when the result depends both on the analyst's qualification in the subject field and on his qualification in analysis methods. Arguments are presented regarding the use of modern methods of artificial intelligence - neural networks, which have the ability to learn on a set of data and allow to reveal hidden relationships and regularities between data. The article provides an analysis of the latest research and publications on the use of artificial neural networks in energy forecasting, which confirmed the feasibility of using the chosen method for a given problem. The process of using a multilayer neural network for forecasting the volume of electricity sales to consumers is described. The nature of the data describing the volume of monthly hourly electricity purchases for household consumers is given, an example of a time series is shown. The peculiarities of the input parameters for the neural network are determined: month of the year, day of the week, type of day (holiday or working), the average maximum value of hourly electricity purchase
References
Про схвалення Енергетичної стратегії України на період до 2035 року «Безпека, енергоефективність, конкурентоспроможність»: Розпорядження Кабінету міністрів України від 18.08.2017 № 605-р. – 2017. – Режим доступу: https://zakon.rada.gov.ua/laws/show/605-2017-%D1%80#Text
ДП «ГАРАНТОВАНИЙ ПОКУПЕЦЬ» [Електронний ресурс]. – Режим доступу: https://www.gpee.com.ua.
Про затвердження Положення про покладення спеціальних обов’язків на учасників ринку електричної енергії для забезпечення загальносуспільних інтересів у процесі функціонування ринку електричної енергії: Постанова Кабінету міністрів України від 05.06.2019 № 483. – 2019. – Режим доступу: https://zakon.rada.gov.ua/laws/show/483-2019-%D0%BF#Text.
Карпа Д.М. Нейромережеві засоби прогнозування споживання енергоресурсів / Д.М. Карпа, І.Г. Цмоць, Ю.В. Опотяк // Науковий вісник НЛТУ України. – 2018. – Т. 28, № 5. – С. 140-146. – Режим доступу: https://doi.org/10.15421/40280529.
Сагайда П.І. Дослідження методів, моделей та інформаційних технологій для прогнозування споживання електроенергії / П.І. Сагайда, Е.В. Мікаелян // Науковий Вісник Донбаської державної машинобудівної академії. – 2018. – № 1. – С. 24-31.
Блінов І.В. Короткостроковий інтервальний прогноз сумарного відпуску електроенергії виробниками з відновлюваних джерел енергії / І.В. Блінов, В.О. Мірошник, П.В. Шиманюк // Праці інституту електродинаміки НАН України. – 2019. – Вип. 54. – С. 5-12. – Режим доступу: https://doi.org/10.15407/publishing2019.54.005.
Тишевич Б.Л. Застосування нейронних мереж у сучасних методах прогнозування енергоспоживання / Б.Л. Тишевич // Вісник Національного технічного університету України «Київський політехнічний інститут». – 2014. – Вип. 23. – С. 66-72. – (Серія: Гірництво).
Давиденко В.А. Багатофакторне моделювання електроспоживання в складних виробничих системах з використанням апарату нейронних мереж / В.А. Давиденко, Л.В. Давиденко, Н.В. Коменда // Вісник Харківського національного технічного університету сільського господарства імені Петра Василенка. – 2016. – Вип. 175. – С. 143-145. – (Серія: Технічні науки).
Rudenko O. Neural network time series prediction based on multilayer perceptron / O. Rudenko, O. Bezsonov, O. Romanyk // Development Management. – 2019. – Vol. 17, iss. 1. – Pp. 23-34. – Режим доступу: https://doi.org/10.21511/dm.5(1).2019.03.
Ткаченко Р.О. Прогнозування споживання електричної енергії у Львівській області за допомогою штучних нейронних мереж / Р.О. Ткаченко, О.М. Павлюк // Вісник НУ «Львівська політехніка». – 2002. – № 450. – С. 76-80. – (Серія: Комп’ютерна інженерія та інформаційні технології).
Machine Learning-Based Approach to Predict Energy Consumption of Renewable and Non-renewable Power Sources / P.W. Khan, Y.-C. Byun, S.-J. Lee, D.-H. Kang, J.-Y. Kang, H.-S. Park // Energies. – 2020. – Vol. 13, iss. 18. – Pp. 1-16. – Режим доступу: https://doi.org/10.3390/en13184870.
González P.A. Prediction of hourly energy consumption in buildings based on a feedback artificial neural network / P.A. González, J.M. Zamarreño // Energy and Buildings. – 2005. – Vol. 37, iss. 6. – Рp. 595-601. – Mode of access: https://doi.org/10.1016/j.enbuild.2004.09.006.
Інформація про погодинні місячні обсяги купівлі електричної енергії у гарантованого покупця та фактичний продаж електричної енергії побутовим споживачам [Електронний ресурс]. – Режим доступу: https://vin.enera.ua/el/reports.
Downloads
Published
How to Cite
Issue
Section
License
Journal "Reporter of the Priazovskyi State Technical University. Section: Technical sciences" is published under license CC-BY (License "Attribution").This license allows you to distribute, edit, correct and take work as a basis for derivatives, even on a commercial basis with an indication of authorship. It is the most convenient of all the proposed license. Recommended for maximum dissemination and use of licensed materials.
Authors who publish in this journal agree to the following terms:
1. The authors reserve the right to authorship of his work and pass the journal right of first publication of the work under the terms of Creative Commons Attribution License, which allows others to freely distribute the work published with the obligatory reference to the authors of the original work and the first publication of the work in this journal.
2. The authors have the right to enter into separate supplemental agreements relating to the non-exclusive dissemination of works in the form in which it was published in the journal (for example, to place the work in the institution, or to publish a monograph as part of an electronic store), while maintaining links to the first publication of the work in this magazine.
