Промышленная инновация
№ 11-005-23Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
15.05.2023
Программная модель прогнозирования электрических нагрузок в энергоузлах и по энергосистеме в целом. Прогнозирование нагрузок необходимо для текущего планирования и оперативного управления режимами функционирования энергосистемы. Продукт представляет собой программную модель прогнозирования электрических нагрузок на основе нейросетевых структур. Время упреждения прогноза от нескольких минут до нескольких суток. Среднеквадратичная погрешность внутрисуточного прогноза суммарной по энергосистеме нагрузки находится в пределах 1,25%, суточного прогноза - в пределах 3%, на неделю вперед – до 4,5%. Погрешность суточного прогноз узловых нагрузок не превышает 5% (для сравнения: погрешность прогноза с использованием коэффициентов пропорциональности для этих же данных до 10%). Полученные результаты говорят о применимости методов искусственного интеллекта (нечеткие нейронные сети) для прогнозирования электрической нагрузки. Исследования нечетких нейронных сетей являются необходимыми и могут быть связаны с более точной и тонкой настройкой структуры сети, изменением числа входных переменных. Современные требования практики к точности прогнозных расчетов приводят к тому, что ранее разработанные методы не всегда обеспечивают требуемую точность результатов. Поэтому в настоящей модели предлагаются, разрабатываются, внедряются новые подходы к прогнозированию электрической нагрузки. К таким новым методам относятся нейронные сети и нечеткие нейронные сети. http://energy.komisc.ru/downloads/docs/prognozirovanie_jelektricheskih_nagruzok_pri_operativnom_upravlenii_jelektrojenergeticheskimii_sistemami_na_osnove_nejrosetevyh_struktur.pdf
ГРНТИ
44.01.85 Автоматизация и автоматизированные системы
50.41.25 Прикладное программное обеспечение
Детали
Отрасль ТЭК
Электроэнергетика
Критически значимая технология
Энергосбережение. 4 технологический уклад
Инновационность
отсутствует
Эффект от внедрения
Снижение трудоёмкости, повышение уровня рентабельности на 60 %
Филиал РЭА
Коми центр научно-технической информации
Владелец
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ НАУКИ ФЕДЕРАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР "КОМИ НАУЧНЫЙ ЦЕНТР УРАЛЬСКОГО ОТДЕЛЕНИЯ РОССИЙСКОЙ АКАДЕМИИ НАУК"
Похожие документы
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Модель прогнозирования электрических нагрузок энергосистемы с использованием искусственных нейронных сетей и нечеткой логики
0.977
Промышленная инновация
Разработка прогностической модели электрической нагрузки на основе нейро-нечетких алгоритмов и системы термомониторинга токопроводящих шин в трансформаторной подстанции для оперативной оценки температурных отклонений и реализующего их программного обеспечения
0.939
ИКРБС
Прогнозирование и рациональное использование энергоресурсов предприятия на базе нейросетевого моделирования с автоматической подстройкой функций принадлежности и параметров нейронной сети.
0.935
НИОКТР