Багатокрокове прогнозування електричного навантаження (ПЕН) надає змогу передбачити багатоетапне споживання електроенергії в майбутньому. Багатокрокове ПЕН використовується для керування електроспоживанням і забезпечення енергоефективних режимів функціонування систем електрозабезпечення промислових і цивільних об'єктів. Досліджено математичні моделі на основі статистичних методів і методів штучного інтелекту для прогнозування електричного навантаження (ПЕН) промислових підприємств на багато кроків уперед. Опрацювання літератури показало, що для багатокрокового короткострокового ПЕН розроблено відносно невелику кількість статистичних методів і методів штучного інтелекту. Найбільш перспективними методами ПЕН, які забезпечують точність прогнозування можна вважати такі: авторегресивна інтегрована модель ковзного середнього (ARIMA) та адаптивна система нейронечіткого висновку (ANFIS). Для порівняння методів ARIMA та ANFIS було вибрано статистичний метод: "наївний" прогноз. Із метою вибору методу ПЕН, який найбільшою мірою забезпечить вирішення завдань керування електроспоживанням та електропостачанням, проведено розрахункові дослідження з використанням вказаних методів ПЕН. Особливістю прогнозування з використанням ANFIS є врахування такого екзогенного фактора, як час доби. Об'єктом дослідження є методи ПЕН, які проводилися на основі виміряних даних електричного навантаження промислового підприємства з виготовлення пластмасових виробів. Вимірювання проводилися щоденно з 01 квітня 2015 р. по 01 травня 2015 р. (з урахуванням святкових і вихідних днів) що пів години (відповідно 48 вимірювань на добу). Для оцінки якості моделей прогнозування використано стандартні величини: середньоквадратична похибка (RMSE) та середня абсолютна похибка (MAPE). Розрахункові дослідження виконано у програмному середовищі MATLAB 2020b із набором інструментів: Fuzzy Logic Toolbox та Econometrics Toolbox. Із використанням методів ARIMA, "наївного" прогнозу та адаптивної системи ANFIS розроблено моделі ПЕН для багатокрокового ПЕН. Результати розрахункових досліджень показано, що прогнозування з використанням моделі ARIMA (4,1,2) для тестової вибірки забезпечує найменшу похибку RMSE - 0,052, похибка MAPE - 0,035. У подальших дослідженнях планується розробка моделей прогнозування вироблення електроенергії фотоелектростанціями (ФЕС) з інтелектуальними системами керування.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Балюта Сергій Миколайович (технічні науки)
• Куєвда Юлія Валеріївна (технічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"