КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ
В современных условиях вопросы краткосрочного прогнозирования электропотрeбления промышленных предприятий играют важную роль. В данной статье рассматривается краткосрочный прогноз электропотрeбления с помощью адаптивной нечеткой нейронной сети на примере Н-го угольного разреза.
Данные об электропотрeблении хранятся в базе данных оперативно-информационного комплекса (ОИК) и их можно рассматривать как временной ряд. Существует множество методов прогнозирования временных рядов: AR, MA, ARMA, ARIMA-модели, метод сезонных кривых, нейронные сети, гибридные системы прогнозирования, которые используют методы нейронных сетей, генетического алгоритма и нечеткой логики.
В качестве исходных данных взята информация о часовом электропотрeблении угольного разреза "Н-й". Моделирование системы проведем с помощью Fuzzy Logic Toolbox в системе MatLab.
База знаний такой системы содержит нечетких правила типа Такаги-Сугено:
Правило 1: Если x1 есть L1,x2 есть L2 и x3 есть L3, тогда z есть H;
Правило 2: Если x1 есть H1,x2 есть H2 и x3 есть L3, тогда z есть M;
Правило 3: Если x1 есть H1,x2 есть H2 и x3 есть H3, тогда z есть S;
где x1,x2,x3 - входные переменные, z - выход системы, L1,L2,L3,H1,H2,H3,H,M,S - некоторые нечеткие множества с функциями принадлежности сигмовидного типа (для упрощения записи последующих выкладок функции принадлежности в данном случае обозначены так же, как и соответствующие нечеткие множества):
Для определения выходной переменной используется следующий алгоритм вывода:
1) подсчитывается значения истинности предпосылок для каждого правила:
α1 = L1(a1) ^ L2(a2) ^ L3(a3),
α2 = H1(a1) ^ H2(a2) ^ L3(a3),
α3 = H1(a1) ^ H2(a2) ^ H3(a3),
где a1,a2,a3 - текущие значения входов системы;
2) для каждого правила определяются частные выходы:
3) находиться общий выход системы:
Сеть с подобной архитектурой в англоязычной литературе получили название ANFIS (Adaptive-Neuro-Fuzzy Inference System, то есть адаптивная нечеткая нейронная система вывода)
Корректирование параметров системы здесь производиться либо в соответствие с наиболее распространенным для нейронных сетей алгоритмов обратного распространения ошибки (back propagation), либо комбинированным методом, специально разработанным для гибридных сетей.
Для данного прогнозирования, значения временного ряда хранятся в файле nur.xls в директории C:MATLABR2006awork. Это - файл таблицы Excel, первый столбец содержит значения дискретного времени (t=0,1,...,1200), а второй - значения электропотрeбления угольного разреза кВт·ч (временной ряд).
Для прогнозирования значения временного ряда в данном случае использовали стандартный подход: прогнозированное в текущий момент времени t значение ряда для момента времени (t+6) определяется четырьмя предшествующими значениями ряда в моменты x(t-18),x(t-12),x(t-6),x(t). Особенностью здесь является то, что причинно-следственная связь между предшествующими, текущими и будущим значениями устанавливается с помощью системы нечеткого вывода типа ANFIS, при этом конкретные хаpaктеристики системы определяются по имеющимся экспериментальным данным.
Для формирования матрицы использовалось по 500 значений ряда, соответствующие временные отметкам от 118 до 1117.
В результате проведенного исследования по применению гибридной сети ANFIS для краткосрочного прогнозирования электропотрeбления, основанного на построении аппроксимирующих моделей в виде адаптивной нечеткой нейронной сети, обучаемой на выборках реальных данных ОИК по электропотрeблению угольного разреза Н-й на уровне предприятия за прошлые периоды, установлено, что фактическое электропотрeбление в целом совпадает с расчетными (прогнозируемыми) значениями.
18 04 2024 6:43:52
Статья в формате PDF 150 KB...
17 04 2024 22:44:12
Статья в формате PDF 255 KB...
15 04 2024 21:40:29
Статья в формате PDF 110 KB...
14 04 2024 15:17:15
Статья в формате PDF 109 KB...
13 04 2024 3:36:12
Статья в формате PDF 208 KB...
12 04 2024 14:51:53
Анализ данных литературы и результатов собственных наблюдений за беременными с внутриутробным инфицированием плода, находящихся на стационарном лечении в Перинатальном центре г. Энгельса свидетельствуют о том, что ведущими этиологическими факторами ВУИ плода являются xлaмидии , микоплазмы, уреаплазмы , вирусы простого гepпeса 1и 2 типов, а также цитомегаловирусы. Чаще всего при внутриутробном инфицировании плода встречается смешанное инфицирование вирусно-бактериальной, вирусно-вирусной природы и их различные ассоциации с трихомонадами, включающие трех и более возбудителей. ...
11 04 2024 14:55:53
Статья в формате PDF 118 KB...
10 04 2024 21:19:45
Статья в формате PDF 117 KB...
09 04 2024 4:39:26
Статья в формате PDF 254 KB...
07 04 2024 0:45:45
Статья в формате PDF 105 KB...
06 04 2024 10:55:32
Статья в формате PDF 120 KB...
05 04 2024 20:24:27
Статья в формате PDF 111 KB...
03 04 2024 2:21:31
Статья в формате PDF 317 KB...
02 04 2024 17:42:31
Статья в формате PDF 253 KB...
01 04 2024 1:45:57
Статья в формате PDF 125 KB...
31 03 2024 8:21:25
Статья в формате PDF 345 KB...
29 03 2024 3:18:32
Слепая кишка белой крысы имеет форму изогнутого чаще вправо конуса или рога, илеоцекальный угол располагается по средней линии или рядом с нею. Реже полукольцевидная слепая кишка крысы находится влево от средней линии и петель подвздошной кишки. ...
28 03 2024 11:17:52
Статья в формате PDF 117 KB...
27 03 2024 15:49:33
Статья в формате PDF 361 KB...
26 03 2024 15:53:44
В костном мозге больных гематологическими заболеваниями выявлено значительное количество эритроклазических кластеров, хаpaктеризующихся экзоцитарным лизисом входящих в них эритроцитов кластерообразующими миелокариоцитами разных видов, включая эритрокариоциты. Содержание эритроклазических кластеров с происходящим в них экзоцитарным лизисом эритроцитов варьировало от 21% от всех эритроклазических кластеров в костном мозге больных апластической анемией до 81% в костном мозге больных в активной фазе острого лимфобластного лейкоза, что свидетельствует об интенсивности лизиса в них эритроцитов. С наибольшей интенсивностью лизис эритроцитов происходил в костном мозге больных в активную фазу острого лимфобластного лейкоза и больных хроническим миелолейкозом. При этом в момент исследования подвергались деструкции в эритроклазических кластеров десятки тысяч эритроцитов в мкл костного мозга. Эти данные подтверждают представление о костном мозге как органе гемолиза. ...
25 03 2024 0:47:56
Статья в формате PDF 120 KB...
23 03 2024 21:52:28
Статья в формате PDF 253 KB...
21 03 2024 23:13:42
Статья в формате PDF 148 KB...
20 03 2024 18:25:15
Статья в формате PDF 131 KB...
19 03 2024 11:47:53
Статья в формате PDF 474 KB...
18 03 2024 19:57:51
Статья в формате PDF 137 KB...
17 03 2024 2:23:56
Статья в формате PDF 106 KB...
15 03 2024 22:14:45
Статья в формате PDF 126 KB...
14 03 2024 1:22:59
Статья в формате PDF 174 KB...
13 03 2024 13:39:26
Статья в формате PDF 127 KB...
11 03 2024 21:36:33
Статья в формате PDF 106 KB...
10 03 2024 16:48:47
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::