Оптимизация управления распределительными энергетическими сетями с помощью робастного нейросетевого прогнозирования и системы поддержки принятия решений (426,00 руб.)

Стр.3

Стр.4

Стр.5

Стр.6

Стр.7

Оглавление УДК 621.315.3: 621.316.99 ББК 31.19 П536 Печатается по решению экспертного совета «Инженерные науки» комитета по инженерному направлению науки и образования при Ученом совете Южного федерального университета (протокол № 1 от 10 октября 2025 г.) Рецензенты: профессор Высшей школы технологий искусственного интеллекта ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого», д.т.н., проф. А. А. Большаков доктор технических наук, доцент, кафедры «Теоретическая и общая электротехника» ОмГТУ К. И. Никитин Полуянович, Н. К. П536 Оптимизация управления распределительными энергетическими сетями с помощью робастного нейросетевого прогнозирования и системы поддержки принятия решений : монография / Н. К. Полуянович, О. В. Качелаев, М. Н. Дубяго ; Южный федеральный университет. – Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2025. – 284 с. ISBN 978-5-9275-5106-4 DOI 10.18522/801346258 Монография посвящена проблеме повышения точности краткосрочного прогнозирования потребления электроэнергии электротехнического комплекса районных электрических сетей с помощью инструментов глубокого машинного обучения. Создан и протестирован генетический алгоритм подбора гиперпараметров нейронной сети на языке программирования Python. Новизной разработанной структуры интеллектуального устройства прогнозирования режимов электропотребления, является система помощи принятия решения, позволяющая реализовать планово-упреждающее управление, основываясь на данных, снимаемых со счетчика электроэнергии и полученных в результате работы НС-модели прогнозирования. Книга предназначена для исследователей в электроэнергетических системах, персонала энергосбытовых компаний, ответственного за составление заявок на закупку электроэнергии, и студентов электротехнических специальностей. ISBN 978-5-9275-5106-4 УДК 621.315.3: 621.316.99 ББК 31.19 © Южный федеральный университет, 2025 © Полуянович Н. К., Качелаев О. В., Дубяго М. Н., 2025 © Оформление. Макет. Издательство Южного федерального университета, 2025 2

Стр.3

Оглавление ОГЛАВЛЕНИЕ ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ, СОКРАЩЕНИЯ И НОРМАТИВНЫЕ ССЫЛКИ .....…………………………………... Глава 1. АНАЛИЗ ХАРАКТЕРА ЭЛЕКТРОПОТРЕБЛЕНИЯ И ВОЗДЕЙСТВИЯ ШУМА НА КАЧЕСТВО ОБУЧЕНИЯ НЕЙРОСЕТИ …………………………………………………………... 7 ВВЕДЕНИЕ …………………………………………………………….. 10 21 1.1. Обзор существующих технических решений нейросетевого прогнозирования электропотребления ……………………………… 22 1.1.1. Анализ моделей искусственного интеллекта, применяемых в задачах принятия решения в области электроэнергетики …….. 23 1.1.2. Методы обработки данных ……………………………………… 28 1.2. Анализ электропотребления …………………………………….. 31 1.2.1. Влияние характера электропотребителя на точность прогнозирования ………………………………………………………………... 34 1.2.2. Анализ профилей потребителей ………………………………… 44 1.3. Зашумление данных об электропотреблении на датчиках тока и напряжения …………………………………………………………. 57 1.3.1. Методы предварительной обработки данных и обнаружения аномалий ……………………………………………………………….. 64 1.3.2. Удаление шума в динамических данных по методу скользящего среднего ………………………………………………………………. 65 1.3.3. Применение метода кластерного анализа в задаче обнаружения аномалий ……………………………………………………………. 68 1.4. Разработка программного модуля обработки и идентификации аномалий во входных данных ………………………………………... 74 Выводы по главе 1 ……………………………………………………. 79 Глава 2. ИССЛЕДОВАНИЕ ВЛИЯНИЯ ПАРАМЕТРОВ НЕЙРОСЕТИ НА ТОЧНОСТЬ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ …………………………………………… 81 2.1. Структурная оптимизация нейросети …………………………... 82 3

Стр.4

Оглавление 2.2. Метод обратного распространения ошибки. Математическая модель …………………………………………………………………. 84 2.3. Исследование влияния гиперпараметров нейронной сети на точность прогнозирования …………………………………………... 86 2.4. Разработка и исследование пошагового метода НС-модели прогнозирования электропотребления с подбором гиперпараметров вручную …………………………………………………………... 99 2.4.1. Разработка алгоритма метода скользящего окна ………….. 99 2.4.2. Реализация НС на Python ………………………………………….. 100 2.5. Оценка эффективности решения задачи прогнозирования электропотребления от параметров нейросети ………………………….. 106 2.5.1. Пример реализации применения метода скользящего окна ... 108 Выводы по главе 2 ……………………………………………………. 114 Глава 3. НЕЙРОЭВОЛЮЦИОННЫЙ ПОДХОД К СИНТЕЗУ АРХИТЕКТУРЫ НЕЙРОННОЙ СЕТИ …………………………….. 117 3.1. Разработка генетического алгоритма настройки искусственной нейронной сети ……………………………………………………….. 117 3.1.1. Обзор нейроэволюционных методов проектирования архитектуры …………………………………………………………………….. 119 3.1.2. Этапы эволюционного проектирования ………………………. 121 3.1.3. Эволюционное проектирования архитектуры нейронной сети 132 3.2. Реализация генетического алгоритма без оператора кроссинговера ……………………………………………………………………. 135 3.2.1. Разработка способа подбора параметров НС-модели …….. 135 3.3. Гибридный алгоритм прогнозирования аддитивного потребителя для интеллектуальной поддержки при принятии управленческих решений …………………………………………………………. 136 3.3.1. Обучения НС с использованием генетических алгоритмов ... 137 3.3.1.1. Алгоритм синтеза нейросети прямой связи с обратным распространением ошибки с применением ГА ……………………... 139 3.3.1.2. Описание кода гибридного алгоритма обучения НС …….. 143 3.4. Реализация гибридного алгоритма прогнозирования на Python 157 3.4.1. Автоматический подбор гиперпараметров НС-модели …… 159 3.4.1.1. синтез структур НС-моделей с помощью ГА …………….. 161 4

Стр.5

Оглавление Выводы по главе 3 ……………………………………………………. 165 Глава 4. ОЦЕНКА ЭФФЕКТИВНОСТИ НЕЙРОСЕТЕВОЙ МОДЕЛИ В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ …………………………………………… 167 4.1. Примеры НС-прогнозирования с подбором гиперпараметров вручную ……………………………………………………………….. 168 4.1.1. Примеры прогнозирования для разных типов потребителей (цикличные, аддитивные) ………………………………………………… 168 4.1.2. Примеры прогнозов НС со скользящим окном ………………… 170 4.1.3. Примеры прогнозов на разные промежутки времени ………. 172 4.2. Подбор НС-гиперпараметров с помощью ГА ………………….. 179 4.2.1. Примеры прогнозов для разных потребителей ………………. 179 4.2.2. Примеры НС-прогнозирования со скользящим окном ………. 181 4.2.3. Исследование НС-модели со скользящим окном и без на разные сроки прогнозирования ……………………………………………… 183 4.2.3.1. Примеры прогнозирования ……………………………………. 186 4.2.4. Сравнение методов прогнозирования ………………………….. 193 4.3. Робастное обучение нейронных сетей для решения задач прогнозирования …………………………………………………………. 194 4.3.1. Робастный подход обучения НС ………………………………… 196 4.3.2. Алгоритм обучения НС ……………………………………………. 200 4.3.3. Оценка качества работы нейронной сети ……………………. 203 4.3.4. Построение робастной НС-модели прогнозирования ЭП и оценка точности ее прогноза …………………………………………… 205 Выводы по главе 4 ……………………………………………………. 212 Глава 5. АРХИТЕКТУРА И РЕАЛИЗАЦИЯ СИСТЕМЫ ПОМОЩИ ПРИНЯТИЯ РЕШЕНИЙ В КОНТУРЕ УПРАВЛЕНИЯ SCADA ……………………………………………… 214 5.1. Упреждающее управление в энергосистемах ………………….. 214 5.1.1. Методы упреждающего управления …………………………… 216 5.2. Управление энергосетью с применением нейросетевых моделей и СППР …………………………………………………………… 223 5.2.1. Нейрокомпьютерные системы ………………………………….. 223 5.2.1.1. Выбор нейрокомпьютера ……………………………………... 223 5

Стр.6

Оглавление 5.2.2. Структура и алгоритм работы нейрокомпьютерной системы ………………………………………………………………………… 233 5.3. Разработка алгоритма системы поддержки принятия решений 235 5.3.1. Взаимодействие СППР и SCADA-системы …………………… 235 5.3.2. Функциональные требования к СППР в энергосетях ……….. 240 5.3.3. Модель данных и логика принятия решений ………………….. 241 5.3.3.1. Пример работы предлагаемой логики ……………………… 245 5.3.4. Алгоритмы обработки аномалий в данных ……………………. 247 5.4. Структура и программная реализация системы ………………... 249 5.4.1. Выбор технологий и инструментов ……………………………. 249 5.4.2. Схема взаимодействия модулей …………………………………. 250 5.4.2.1. Описание работы экспертной системы …………………. 250 5.4.3. Реализация СППР …………………………………………………... 253 5.4.3.1. Описание интерфейса …………………………………………. 255 Выводы по главе 5 …………………………………………………….. 262 ЗАКЛЮЧЕНИЕ ………………………………………………………… 264 СПИСОК ЛИТЕРАТУРЫ ……………………………………………... 269 ПРИЛОЖЕНИЯ ………………………………………………………... 280 Приложение 1 …………………………………………………………. 280 Приложение 2 …………………………………………………………. 282 6

Стр.7