ПІДВИЩЕННЯ ТОЧНОСТІ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ ЗА ДОПОМОГОЮ ШТУЧНОЇ НЕЙРОННОЇ МЕРЕЖІ З ВРАХУВАННЯМ ЗМІНИ СТРУКТУРИ СПОЖИВАННЯ ПРОТЯГОМ РОКУ

Анотація

Описано методику підвищення точності короткострокового прогнозування сумарного електричного навантаження (СЕН) енергопостачальної компанії шляхом зміни режиму навчання та прогнозування штучної нейронної мережі типу багатошаровий персептрон залежно від зміни складу електричного навантаження компанії протягом року.  Розглянуто два підходи, які враховують різну поведінку СЕН в опалювальний сезон та міжсезоння. Як активаційну функцію нейронів прихованого шару використано функцію SELU (scaled exponential linear unit). При першому підході нейронна мережа включала додатковий вхідний нейрон, який набуває значення 1 – для днів, які входять до опалювального сезону, та 0 – для днів міжсезоння. При цьому вказана модель навчалась на річних даних. При другому підході розроблено дві окремі нейронні мережі для роботи протягом різних сезонів року. Оцінка точності та стабільності результатів прогнозування проводилась на реальних даних ПАТ «Київенерго» за 2015–2016 рр. Бібл. 8, рис. 3, таблиця.