DOI: https://doi.org/10.15407/techned2016.04.068

УДК 621.311:681.3

МОДЕЛЮВАННЯ ТА КОРОТКОСТРОКОВЕ ПРОГНОЗУВАННЯ ТЕХНОЛОГІЧНОЇ СКЛАДОВОЇ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ ОБЛАСНОЇ ЕНЕРГОСИСТЕМИ

Автори
П.О.Черненко, докт.техн.наук, О.В.Мартинюк, канд.техн.наук, В.О.Мірошник
Інститут електродинаміки НАН України,
пр. Перемоги, 56, Київ-57, 03680, Україна,
e-mail: This e-mail address is being protected from spambots. You need JavaScript enabled to view it

Описано запропоновану методику прогнозування сумарного електричного навантаження обласної енергосистеми. Для моделювання технологічної складової навантаження використано засоби штучного інтелекту і авторегресійні моделі Бокса-Дженкінса. Проаналізовано переваги та недоліки прогнозних моделей різних видів, визначено оптимальний тип, архітектуру та вектор вхідних параметрів моделі для вирішення зазначеної задачі. Апробацію проведено на реальних даних обласної енергосистеми із перевагою промислового електроспоживання. Бібл. 4, табл. 1.

Ключові слова: енергосистема, електричне навантаження, математична модель, короткострокове прогнозування, енергоємні підприємства, штучна нейронна мережа модель Бокса-Дженкінса.

Надійшла                          06.02.2016
Підписано до друку        21.06.2016

УДК 621.311:681.3

МОДЕЛИРОВАНИЕ И КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ТЕХНОЛОГИЧЕСКОЙ СОСТАВЛЯЮЩЕЙ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ ОБЛАСТНОЙ ЭНЕРГОСИСТЕМЫ

Авторы
П.А.Черненко, докт.техн.наук, А.В.Мартынюк, канд.техн.наук, В.О.Мирошник
Институт электродинамики НАН Украины,
пр. Победы, 56, Киев-57, 03680, Украина,
e-mail: This e-mail address is being protected from spambots. You need JavaScript enabled to view it

Описана предложеная методика прогнозирования суммарной электрической нагрузки областной энергосистемы. Для моделирования технологической составляющей нагрузки использовались средства искусственного интеллекта и авторегрессионные модели Бокса-Дженкинса. Проанализированы преимущества и недостатки прогнозных моделей различных видов, определены оптимальный тип, архитектура и вектор входных параметров моделей для решения указанной задачи. Апробация проведена на реальных данных областной энергосистемы с преобладанием промышленного электропотребления. Библ. 4, табл. 1.

Ключевые слова: энергосистема, электрическая нагрузка, математическая модель, краткосрочное прогнозирование, энергоемкие предприятия, искусственная нейронная сеть, модель Бокса-Дженкинса.

Поступила                               06.02.2016
Подписано в печать             21.06.2016

Література

1. Bodyanskiy Ye., Popov S., Rybalchenko T. Feedforward neural network with a specialized architecture for estimation of the temperature influence on the electric load // Proc. 4th International IEEE Conference "Intelligent Systems". – Varna, 2008. – Vol. I. – Pp. 714–718. DOI: https://doi.org/10.1109/IS.2008.4670444
2. Box G., Jenkins G. Time Series Analysis: Forecasting and Control. – Мoskva: Мir, 1974.
3. Chernenko P., Martyniuk O., Miroshnyk V., Zaslavsky A. Two-stage verification of daily schedules electrical loads of power system with the significant part of industrial power consumption//Enerhetyka ta Elektryfikatsiia. – 2015. – No 7. – Pp. 10– 23. (Ukr)
4. Hippert H. S., Pedreira C. E., Souza R. C. Neural networks for short-term load forecasting: a review and evaluation // IEEE Trans. Power Systems. – 2001. – Vol. 16. – No 1. – Pp. 44-55. DOI: https://doi.org/10.1109/59.910780

PDF