ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ НА ІЄРАРХІЧНИХ РІВНЯХ ОЕС УКРАЇНИ З ВИКОРИСТАННЯМ НЕЙРОННОЇ МЕРЕЖІ ТИПУ LSTM

С.С. Лоскутов; П.В. Шиманюк

doi:10.15407/publishing2021.59.081

№ 59 (2021), ПРАЦІ НАУКОВО-ТЕХНІЧНОЇ КОНФЕРЕНЦІЇ МОЛОДИХ ВЧЕНИХ ТА СПЕЦІАЛІСТІВ ІНСТИТУТУ

№ 59 (2021)

ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ НА ІЄРАРХІЧНИХ РІВНЯХ ОЕС УКРАЇНИ З ВИКОРИСТАННЯМ НЕЙРОННОЇ МЕРЕЖІ ТИПУ LSTM

ПРАЦІ НАУКОВО-ТЕХНІЧНОЇ КОНФЕРЕНЦІЇ МОЛОДИХ ВЧЕНИХ ТА СПЕЦІАЛІСТІВ ІНСТИТУТУ

https://doi.org/10.15407/publishing2021.59.081

Опубліковано 20.09.2021

С.С. Лоскутов⁺⁻
П.В. Шиманюк⁺⁻

С.С. Лоскутов

Інститут електродинаміки НАН України, пр. Перемоги, 56, Київ, 03057, Україна

https://orcid.org/0000-0001-9818-6381

П.В. Шиманюк

Інститут електродинаміки НАН України, пр. Перемоги, 56, Київ, 03057, Україна

https://orcid.org/0000-0002-7585-7493

Article_11 PDF

Ключові слова

прогнозування
сумарне електричне навантаження
нейронні мережі
рекурентні нейронні мережі

Як цитувати

Лоскутов, С., і П. Шиманюк. «ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ НА ІЄРАРХІЧНИХ РІВНЯХ ОЕС УКРАЇНИ З ВИКОРИСТАННЯМ НЕЙРОННОЇ МЕРЕЖІ ТИПУ LSTM». Праці Інституту електродинаміки Національної академії наук України, вип. 59, Вересень 2021, с. 081, doi:10.15407/publishing2021.59.081.

Анотація

Наведено результати дослідження однофакторного прогнозування сумарного електричного навантаження на трьох ієрархічних рівнях об’єднаної електроенергетичної системи (ОЕС) України з використанням рекурентних штучних нейронних мереж типу LSTM. На основі виконаних досліджень проаналізовано похибки прогнозування на кожному з ієрархічних рівнів електроенергетичної системи та запропоновано методи підвищення якості та стабільності прогнозів. Отримані результати є основою для виконання досліджень щодо оцінки точності прогнозування сумарного електричного навантаження в ОЕС України. Бібл. 9, рис. 4, таблиця.

https://doi.org/10.15407/publishing2021.59.081

Article_11 PDF

Посилання

Blinov I.V. Problems of functioning and development of a new electricity market model in Ukraine (Accord- ing to the scientific report at the meeting of the Presidium of NAS of Ukraine, February 3, 2021). Visn. Nac. Acad. Nauk Ukr. 2021. No 3. Pp. 20–28. (Ukr) DOI: https://doi.org/10.15407/visn2021.03.020

Ivanov H., Blinov I., Parus Ye. Simulation Model of New Electricity Market in Ukraine. IEEE 6th Interna- tional Conference on Energy Smart Systems (ESS). 2019. P. 339–342.

DOI: https://doi.org/10.1109/ESS.2019.8764184

Blinov I.V., Miroshnyk V.O, Shymaniuk P.V. Short-term interval forecast of total electricity generation by renewable energy sources producers. Pratsi Instytutu elektrodynamiky Natsionalnoi Akademii Nauk Ukrainy. 2019. Vol. 54. Pp. 5–12. (Ukr) DOI: https://doi.org/10.15407/publishing2019.54.005

Blinov I., Miroshnyk V., Shymaniuk P. The cost of error of "day ahead" forecast of technological losses of electrical energy. Tekhnichna elektrodynamika. 2020. No 5. Pp. 70–73. (Ukr) DOI: https://doi.org/10.15407/techned2020.05.070

Chernenko P.O. Multilevel interdependent forecasting of electrical loads of the power association. Enerhoefek- tyvnist. 2000. Pp. 99–104. (Ukr)

Seyedeh Narjes Fallah, Mehdi Ganjkhani, Shahaboddin Shamshirband. Computational Intelligence on Short- Term Load Forecasting: A Methodological Overview. Energies. 2019. Vol. 12. DOI: https://doi.org/10.3390/en12030393

Yayu Peng, Yishen Wang, Xiao Lu, Haifeng Li, Di Shi, Zhiwei Wang, Jie Li Short-term load forecasting at different aggregation levels with predictability analysis. IEEE Innovative Smart Grid Technologies - Asia (ISGT Asia). China. 2019. DOI: https://doi.org/10.1109/ISGT-Asia.2019.8881343

Tianhui Zhao, Jianxue Wang, Yao Zhang Day-ahead hierarchical probabilistic load forecasting with linear quantile regression and empirical copulas. IEEE Access. 2019. Vol. 7. Pp. 80969–80979. DOI: https://doi.org/10.1109/ACCESS.2019.2922744

Hochreiter S., Schmidhuber J. Long Short-term Memory. Neural computation. 1997. No 9. Pp. 1735–1780. DOI: https://doi.org/10.1162/neco.1997.9.8.1735