WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 |   ...   | 3 | 4 || 6 |
    1. Детальный анализ современного электроэнергетического рынка России и методов анализа и прогнозирования РПХ позволил выделить ряд особенностей, а именно:
  • сложная система взаимоотношений (ОРЭ, РЭК, ФСТ, потребители) и необходимость получения «прозрачной картины» по обслуживаемым электрическим сетям требуют от ЭСО применения эффективных методов оценки и анализа РПХ;
  • сложившаяся в новых рыночных условиях система взаимоотношений ЭСО и конечных потребителей нередко приводит к дополнительным финансовым затратам, связанных с отклонением фактического потребления ЭЭ от утверждённого объёма ЭЭ, что, в значительной степени, предопределяет актуальность задачи прогнозирования РПХ для ЭСО;
  • вследствие слабой наблюдаемости отечественных электрических сетей и недостаточной проработки вопросов анализа и визуализации данных, эффективным решением отмеченных трудностей является использование карт данных. При этом наиболее популярным способом представления карт данных являются диаграммы Хилтона;
  • для уровня субъектов РРЭ при прогнозировании нестационарных реализаций РПХ со значительным содержанием нерегулярной составляющей, целесообразно использование современных структур ИНС и ГА;
  1. Проанализированы практические разработки по использованию ИНС при решении задач анализа и прогнозирования РПХ, что, в конечном итоге, позволяет говорить о более высокой эффективности «интеллектуальных» методов по сравнению с традиционными математическими моделями. На основании этого выделены основные структуры ИНС и ГА, позволяющие эффективно решать указанные задачи, и тем самым «выйти» из «замкнутого круга» новых рыночных требований и современных российских реалий, получив значительно лучшие решения по сравнению с традиционными методиками.
  2. Установлено, что использование алгоритмов и процедур предварительной обработки информации на базе ТИИ, таких как нелинейный анализ главных компонент, нейрогенетический отбор и метод имитации отжига, позволяют свести к минимуму ряд негативных особенностей, связанных с представительными массивами информации, свойственных задачам анализа и прогнозирования РПХ для энергопредприятий низшего уровня иерархии.
  3. Разработан нейросетевой подход адаптивного анализа и визуализации РПХ, позволяющий эффективно выделить особенности и различия в режимах работы электрической сети и своевременно выявить ненормальные режимы.
  4. Использование кластерного подхода при анализе потребления ЭЭ населением в электрических сетях Братского энергорайона позволило:
  • выделить ряд общих особенностей электропотребления в рамках полученных групп, что значительно упрощает задачу анализа составляющих потребления ЭЭ и позволяет достаточно эффективно проводить общий мониторинг энергорайона;
  • используя динамические свойства кластерных структур, в удобной и простой форме отслеживать изменения особенностей каждого конкретного сетевого участка и на их основании вырабатывать те или иные действенные мероприятия;
  • получить «интеллектуальную» динамическую базу данных по потреблению ЭЭ, которая ввиду оригинальных свойств нейросетевой модели SOM осуществляет анализ ситуации в энергорайоне, связанной с потреблением ЭЭ бытовым сектором.
  1. Разработан нейросетевой метод кластерного анализа потерь электроэнергии на базе карт Кохонена, позволяющий эффективно выявлять «очаги» потерь ЭЭ и осуществлять системное прогнозирование, даже в условиях серьёзного дефицита исходной информации.
  2. Применение предложенного кластерного подхода в электрических сетях Братского энергорайона при анализе потребления ЭЭ населением, позволило:
  • визуализировать с помощью диаграмм Хилтона весь массив информации о потерях ЭЭ в виде компактных групп-кластеров и эффективно выявить конкретные объекты и участки с «очагами» потерь ЭЭ, а также определить причины возникновения этих «очагов»
  • осуществить перспективную оценку уровня потерь ЭЭ с мобилизацией усилий участков энергосбыта указанных ЭП лишь на тех участках и объектах энергорайона, которые вносят наиболее существенное влияние на среднегодовой уровень потерь ЭЭ.
  1. На базе современных методов искусственного интеллекта предложен оригинальный подход к прогнозированию РПХ – ПМИИ, использующий специализированные процедуры (SA, NGIS, NPSA) предварительной обработки информации, что позволяет значительно упростить решение задачи прогнозирования и существенно повысить точность прогноза.
  2. Применение предложенного подхода ПМИИ, позволило:
  • получить высокую точность прогноза электрической нагрузки в ряде энергорайонов г. Иркутска порядка 1.1-1.5% в сравнении с традиционными регрессионными (модель АПРСС) – 2.5-9,5 % и нейросетевыми прогнозами (модель MLP) – 2.5-4.0%
  • обеспечить низкие ошибки (не превышающие 15%) при прогнозировании величины СПЭ в распределительных электрических сетях 0.4-10 кВ МБ ТЭП ЖКХ г. Братска, по сравнению с невысокой точностью (порядка 50%) традиционных подходов на базе модели АРПСС.
  • в задаче распределения ТЭ для тепловых сетей МБ ТЭП ЖКХ г. Братска обеспечить высокую точность прогнозов порядка 1-2С, по сравнению с прогнозами МНК – 4-5С и получить экономический эффект порядка 644 000 руб./год.
  1. Сопоставление предложенных подходов на базе ТИИ с методиками, реализованными в современных отечественных программных комплексах «РАП-95» и «ПРОГНОЗ», свидетельствует о том, что «интеллектуальные» подходы, в отличие от традиционных методик, в большей степени удовлетворяют основным требованиям, предъявляемые к задачам анализа и прогнозирования РПХ.

В приложениях представлены экспериментальные расчёты электрической нагрузки на базе моделей АРПСС. Приведены данные по электрическим и тепловым сетям МБ ТЭП ЖКХ МО г. Братска, а также по двум энергорайонам г. и акт внедрения от 23 марта 2005 г., где отражено внедрение на конкретном энергопредприятии предложенных в работе методик на базе ТИИ.

Основное содержание диссертационной работы отражено в

следующих публикациях:

Рекомендуемых ВАК:

  1. Курбацкий В.Г. Прогнозирование электрической нагрузки на базе нечётких нейронных сетей / В.Г. Курбацкий, Н.В. Томин / В 38 Вестник УГТУ-УПИ. Энергосистема: управление, качество, конкуренция: Сб. докл. II Всероссийской науч.-техн. конф., Екатеринбург: ГОУ ВПО УГТУ – УПИ, 2004, №12 (42). – С. 222 – 226.
  2. Курбацкий В.Г. Искусственные нейронные сети в задачах управления энергосистемами / В.Г. Курбацкий, Н.В. Томин // Вестник УГТУ УПИ. Проблемы управления электроэнергетикой в условиях конкурентного рынка, Екатеринбург: ГОУ ВПО «УГТУ УПИ», 2005. – №12 (64). – С. 222-229
  3. Курбацкий В.Г. Практика использования новых информационных технологий для прогнозирования и анализа отдельных характеристик сетевых энергопредприятий / В.Г. Курбацкий, Н.В. Томин // Проблемы энергетики. – №3-4. – 2006. – С. 84-91.
  4. Курбацкий, В.Г. Применение искусственных нейронных сетей при формировании тарифов на тепловую и электрическую энергию / В.Г. Курбацкий, Н.В. Томин // Промышленная энергетика. – 2006. – №7. – С. 7-11
  5. Курбацкий В.Г. Анализ потерь электрической энергии на базе современных алгоритмов искусственного интеллекта. / В.Г. Курбацкий, Н.В Томин // Электричество. – №4. – 2007 – С. 12-18

Прочих публикациях:

  1. Kyrbatsky V.G. The employment of new information technology on the problems of power network control / V.G. Kurbatsky, N.V. Tomin // International Scientific-Practical Conference “Communication-2004”, Kirgizkaya republic, Bishkek, 2004. Pp. 81-86
  2. Курбацкий В.Г. Применение технологий искусственного интеллекта в электроэнергетике / В.Г. Курбацкий, Н.В. Томин // Естественные и инженерные науки – развитию регионов: Материалы межрегиональной научно-технической конференции. - Том 2, Братск: ГОУ ВПО «БрГУ», 2004 г. – С. 68 - 73.
  3. Курбацкий В.Г. Краткосрочное прогнозирование электрической нагрузки с использованием новых информационных технологий / В.Г. Курбацкий, Н.В. Томин // Вестник Амурского государственного университета, Благовещенск: Изд-во АмГУ, Выпуск 27. – 2004. – С. 48-51
  4. Курбацкий В.Г. Управление в электроэнергетике с использованием методов искусственного интеллекта / В.Г. Курбацкий, Н.В. Томин // Электрика. – 2005. – №9. – С. 20-28
  5. Курбацкий В.Г. Применение нейросетевых моделей в задаче формирования тарифов на тепловую и электрическую энергию / В.Г. Курбацкий, Н.В. Томин, В.Б. Шуманский // Энергетика: управление, качество и эффективность использования энергоресурсов: Сб. труд. IV Всероссийской научно-технической конференции: В 2 т. – Благовещенск: Изд-во АмГУ, 2005. – С. 307-312
  6. Томин Н.В. Характеристика программных продуктов по искусственному интеллекту в решении электроэнергетических задач. / Томин Н.В. // Энергетика: управление, качество и эффективность использования энергоресурсов. сб. труд. IV Всерос. науч.-техн. конф. Благовещенск: АмГУ, 2005 г. Благовещенск: Изд-во АмГУ. – С. 41-47.
  7. Курбацкий В.Г. Анализ потерь электрической энергии на базе карт Кохонена / В.Г. Курбацкий, Н.В. Томин // Энергетика: управление, качество и эффективность использования энергоресурсов: Сб труд. IV Всероссийской науч.-техн. конф. В 2 т. Благовещенск: АмГУ, 2005 г. – С. 289-292
  8. Курбацкий В.Г. Прогнозирование температуры наружного воздуха на базе модели искусственной нейронной сети / В.Г. Курбацкий, Н.В. Томин, В.Б. Шуманский // Естественные и инженерные науки – развитию регионов: Материалы Межрегиональной науч. – техн. конф.. – Братск: Изд-во ГОУ ВПО «БрГУ», 2005 – С. 84-85
  9. Курбацкий В.Г. Применение сети Кохонена в анализе потерь электрической энергии / В.Г. Курбацкий, Н.В. Томин // Нейроинформатика и её приложения: Материалы XIII Всероссийского семинара, 7-9 октября 2005 г. – Красноярск: Изд-во ИВМ СО РАН, 2005. – С. 52-53
  10. Томин Н.В. Кластеризация телеметрической информации с помощью самоорганизующихся карт Кохонена / Н.В. Томин // Материалы XLIII Межд. студ. конф. «Студент и научно-технический прогресс»: Информационные технологии, Новосибирск: НГТУ, 2005. – С. 49-51.
  11. Курбацкий В.Г. Анализ потерь электроэнергии в распределительных сетях. / В.Г. Курбацкий, Н.В. Томин, И.С. Овсянникова // Интеллектуальные и материальные ресурсы Сибири: Сб. науч. тр. – Иркутск: Изд-во БГУЭП, 2006. – С. 120-127.
  12. Курбацкий В.Г. Прогнозирование электрической нагрузки с использованием искусственных нейронных сетей / В.Г. Курбацкий, Н.В. Томин // Электрика – 2006 – №7. – С. 26-32
  13. Томин Н.В. Использование программных продуктов по искусственным нейронным сетям при решении задач энергетики / Н.В. Томин. // Вестник Иркутского отделения АН ВШ, 2006, №2. С. 110-120
  14. Курбацкий В.Г. Перспективное планирование сверхнормативных потерь электроэнергии в электрических сетях на базе искусственных нейронных сетей / В.Г. Курбацкий, Н.В. Томин // Вестник Иркутского отделения АН ВШ, 2006, №2. – С. 157-165.
  15. Курбацкий В.Г.. Применение самоорганизующихся карт Кохонена в решении электроэнергетических задач. / В.Г. Курбацкий, Н.В. Томин // Вестник Иркутского отделения АН ВШ, 2006, №2. – С. 101-110
  16. Курбацкий В.Г. Прогнозирование режимных параметров и характеристик в энергетике с помощью искусственных нейронных сетей / В.Г. Курбацкий, Н.В. Томин // Интеллектуальные и материальные ресурсы Сибири: Сб. науч. тр. – Иркутск: Изд-во БГУЭП, 2006. –. С. 165-173.
  17. Курбацкий В.Г. Новые информационные технологии в задаче прогнозирования режимных параметров и характеристик в энергосистемах / В.Г. Курбацкий, Н.В. Томин // Материалы докл. Всероссийской науч.-техн. конф. студентов, аспирантов и молодых учёных, Томск: Издательство «В-Спектр», 2006. Ч. 2., С. 40-42
  18. Kurbatsky V.G. Methods of artificial intelligence in electric power systems / V.G. Kurbatsky, N.V. Tomin // Liberalization and modernization of power systems: risk assessment and optimization for asset management: The International workshop. – Irkutsk Energy Systems Institute, 2006. – Pp. 179-186
  19. Курбацкий В.Г. Прогнозирование характеристик потерь энергии при формировании тарифов на основе нейросетевых моделей / В.Г. Курбацкий, Н.В. Томин // Энергетик. – 2007. – №3. – С. 2-5

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ…………………………………………………………..…………………5

Глава 1. ПОСТАНОВКА ЗАДАЧ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ РЕЖИМНЫХ ПАРАМЕТРОВ И ХАРАКТЕРИСТИК ДЛЯ СУБЪЕКТОВ РОЗНИЧНОГО РЫНКА ЭЛЕКТРОЭНЕРГИИ….……………...…..…………………………………12

    1. Задача анализа режимных параметров и характеристик для субъектов розничного рынка электроэнергии.....…………….……………..…...…12

1.1.1. Анализ режимных параметров и характеристик для электрических сетей субъектов розничного рынка....……………………...12

1.1.2. Анализ потерь электроэнергии для электрических сетей субъектов розничного рынка....…………………………………………. 16

1.2. Общая характеристика методов анализа и визуализации данных и возможности их применения в задачах электроэнергетики…………...….22

1.3. Задача прогнозирования режимных параметров и характеристик в электрических сетях субъектов розничного рынка …..…………………….31

1.4. Обзор существующих методов прогнозирования и их практическая реализация в задачах электроэнергетики ….………………………………39

1.5. Выводы к главе 1……………………………………….……………...…54

Глава 2. ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЗАДАЧАХ ЭЛЕКТРОЭНЕРГЕТИКИ…………………………………………….……………….55

2.1. Характеристика программных продуктов по искусственным нейронным сетям и генетическим алгоритмам……………………………...………..55

2.2. Обзор практического применения искусственных нейронных сетей в электроэнергетических задачах…………………………….…...……….59

2.3. Структура искусственных нейронных сетей….………………….….......65

2.4. Генетические алгоритмы……………………………………………..….. 74

2.5. Процедуры предварительной обработки информации на базе нелинейного анализа данных и структур искусственных нейронных сетей и генетических алгоритмов………………………………………………...…76

2.6. Выводы к главе 2………………………………………………...……...…79

Pages:     | 1 |   ...   | 3 | 4 || 6 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»