Прогнозування обсягів продажу електроенергії з використанням багатошарової нейронної мережі
DOI:
https://doi.org/10.31498/2225-6733.45.2022.276222Ключові слова:
нейронна мережа, обсяги купівлі електричної енергіїАнотація
Споживання енергії пов'язане з усіма видами господарської діяльності людини. Виробництво енергії істотно впливає на стан довкілля, тому якісне планування електроспоживання є пріоритетним питанням у стратегії розвитку будь-якої країни. Всі обов'язки з планування електроспоживання та купівлі електроенергії лягають на енергопостачальні компанії. Якісне планування електроспоживання призведе до зниження витрат енергопостачальних компаній, що матиме влив на зниження витрат на створення кінцевої продукції для пересічного споживача. Дана стаття присвячена проблемі підвищення ефективності роботи енергопостачальних компанії для забезпечення потреб побутових споживачів. В роботі обґрунтовано необхідність планування поставок електроенергії в необхідному обсязі для забезпечення раціонального використання енергетичних і економічних ресурсів. Описано проблему виконання прогнозування людиною, коли результат залежить як від кваліфікації аналітика в предметної галузі, так і від його кваліфікації в методах аналізу. Наведено аргументацію щодо використання сучасних методів штучного інтелекту – нейронних мереж, які мають здатність до навчання на наборі даних та дозволяють виявити приховані взаємозв'язки і закономірності між даними. В статті приведено аналіз останніх досліджень та публікацій стосовно використання штучних нейронних мереж при прогнозуванні в енергетиці, який підтвердив доцільність використання обраного метода для визначеної проблеми. Описано процес використання багатошарової нейронної мережі для прогнозування обсягів продажу електроенергії споживачам. Наведено характер даних, що описують обсяги щомісячної погодинної купівлі електричної енергії для побутових споживачів, показано приклад часового ряду. Визначено особливості вхідних параметрів для нейронної мережі: місяць року, день тижня, тип дня (святковий чи робочий), середнє максимальне значення погодинної купівлі електричної енергії
Посилання
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.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Журнал "Вісник Приазовського державного технічного університету. Серія: Технічні науки" видається під ліцензією СС-BY (Ліцензія «Із зазначенням авторства»).
Дана ліцензія дозволяє поширювати, редагувати, поправляти і брати твір за основу для похідних навіть на комерційній основі із зазначенням авторства. Це найзручніша з усіх пропонованих ліцензій. Рекомендується для максимального поширення і використання неліцензійних матеріалів.
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи в цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди, які стосуються неексклюзивного поширення роботи в тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи в цьому журналі.
