Модели и методы прогнозирования электропотребления и мощности предприятий горной промышленности на основе вейвлет преобразования

В работе проводилось исследование различных методов краткосрочного прогнозирования в системе предиктивного управления технологическим процессом предприятия. Рассмотрены методы краткосрочного прогнозирования на основе вейвлет-преобразования, искусственных нейронных сетей, векторного, рекуррентного методов и Singular Spectrum Analysis. В диссертационной работе приведен критический обзор литературы, собран опыт исследований Российских и зарубежных ученых. Выяснено, что в большинстве работ наилучшие результаты прогноза показывают методы на основе искусственных нейронных сетей, технологиях машинного обучения, а также различных комбинациях вышеупомянутых методов, что также подтверждается полученными результатами. Метод Singular Spectrum Analysis впервые применен для массива данных, а не для одномерного линейного ряда, в результате чего были построены ранговые параметрические поверхности процесса электропотребления. Структура моделей позволяет учесть локальные особенности характера производственного процесса предприятия, а также выделить и устранить несистематические составляющие ранговой параметрической поверхности электропотребления. Применение ранговых параметрических поверхностей позволило наглядно представить эффект применения метода SSA для предварительной обработки данных. Недостатков применения данного метода является необходимость постоянной подстройки параметров «гусеницы» в зависимости от исходных данных, что также требует большого количества вычислительных мощностей. Предложен новый метод прогнозирования электропотребления предприятий топливно-энергетического комплекса на основе вейвлет-преобразования. Актуальность данного метода заключается в возможности сглаживать «шумовые» составляющие, искажающие качество выдаваемого прогноза. Такая особенность представляет интерес для применения метода в системе предиктивного управления технологическим процессом. Проведены разложения на составляющие и их прогнозирование для одиннадцати базисных вейвлет-функций. Определены величины средних значений относительной ошибки прогноза выбранных контрольных часов для каждой базисной модели. По результатам расчетов выбрана базисная вейвлет-функция с наименьшей максимальной ошибкой прогноза. Результаты прогноза были подвержены верификации с целью установления адекватности предложенной модели. Полученные результаты свидетельствуют о корректной работе модели. Величины ошибки прогноза, превышающие 10 %, показывают необходимость проведения дополнительных исследований по поиску более оптимальной базисной вейвлет-функции и проведения процедуры предварительной обработки исходных данных. Предложенный метод вейвлет-преобразования имеет широкие возможности применения в автоматизированных системах предиктивного управления технологическим процессом промышленных предприятий с построением краткосрочных прогнозных моделей электропотребления на одни сутки вперед. С использованием дискретного вейвлет-преобразования получено разложение ряда данных на составляющие, что позволило оценить периодичность работы экскаватора, выделить циклы работы предприятия и тренды. На основе полученных данных построена 3D поверхность ДВП активной мощности экскаватора, что позволяет наглядно представить весь процесс его работы в течение рассматриваемого промежутка времени, оценить равномерность загрузки и эффективность работы персонала. Приведено наглядное сравнение информативности дискретного преобразования Фурье и Вейвлет-преобразования, из которого видно, что вейвлет-преобразование хорошо локализовано во времени и имеет более широкие параметры настройки, изменяя которые, можно получить более точный результат. В диссертационной работе инструментом краткосрочного прогноза в задаче предиктивного управления выбран метод искусственных нейронных сетей модернизированной структуры. Прогнозная модель построена на основе современной искусственной нейронной сети, проведено сравнение полученных результатов с данными, полученными популярным ARIMA методом. Полученные результаты подвержены верификации для установления адекватности модели в реальных условиях. Для анализа и предварительной обработки исходного массива данных были проведены исследования по выявлению законов распределения этих массивов, выявлению трендов и периодических составляющих. Для описания функции плотности распределения рассматриваемой случайной величины применено уравнение эллипса в полярных координатах. При этом, предполагается, что один из фокусов эллипса является центром этой системы координат. Выполнена проверка правильности гипотезы о виде распределения по критериям согласия, в частности критерию Смирнова. Найдены числовые характеристики для всех величин выборок Применение такого подхода позволяет произвести более качественный и глубокий анализ исходных данных, а также определить все численные математические характеристики, которые были использованы в системе предиктивного управления и уточнении формулы расчета вырабатываемой мощности.