Search

The problem of increasing the efficiency of solving the complex of tasks of forecasting and planning electric consumption by regional companies of electricity suppliers subjects of the organizational management system in the wholesale electricity market is considered. The analysis of the use of various modeling methods in solving the problem of choosing and building a model for forecasting electric consumption is carried out. The task of constructing a hybrid prognostic model devoid of the shortcomings of individual modeling methods is formulated. Preference is given to the approach associated with the integrated use of mathematical tools based on apparatus of artificial neural networks, a genetic algorithm and a Kalman filter for constructing generalized nonlinear multifactor models. It will increase the efficiency of the model building process and their subsequent use for searching both short-term and long-term forecasts. In order to eliminate the effect of random components of the time series with an uneven distribution of the values of the electric consumption on the training process of the neural network as a non-linear forecasting model, we suggest its preliminary preparation using the Kalman filter. Further optimization of the neural network topology is carried out on the basis of a genetic algorithm that allows, at the mutation stage, to adaptively choose the type of structure transformation most suitable for a given network configuration.Ref. 24, pic. 3, Рассматривается проблема повышения эффективности решения комплекса задач прогнозирования и планирования электропотребления региональными компаниями по- ставщиков электроэнергии - субъектами системы организационного управления опто- вым рынком электроэнергии. Проведен анализ использования различных методов мо- делирования при решении задачи выбора и построения модели прогнозирования электропотребления, формулируется задача построения гибридной прогностической модели, лишенной недостатков отдельных методов моделирования. Предпочтение отдано подходу, связанному с комплексным использованием математических средств на базе аппаратов искусственных нейронных сетей, генетического алгоритма и фильтра Кал- мана для построения обобщенных нелинейных многофакторных моделей. Он позволит повысить эффективность процесса построения моделей и их последующего использо- вания для поиска, как краткосрочных, так и долгосрочных прогнозов. Для исключения влияния случайных составляющих временного ряда с неравномерным распределением значений показателя электропотребления на процесс обучения нейронной сети как не- линейной модели прогнозирования предлагается предварительная ее подготовка с по- мощью применения фильтра Калмана. В дальнейшем осуществляется оптимизация то- пологии нейронной сети на базе генетического алгоритма, который позволяет на этапе мутации адаптивно выбирать тип преобразования структуры, наиболее подходящий для заданной конфигурации сети.Библ. 24, ил. 3, Розглядається проблема підвищення ефективності вирішення комплексу задач прогнозування і планування електроспоживання регіональними компаніями постачаль- ників електроенергії - суб'єктами системи організаційного управління оптовим ринком електроенергії. Проведено аналіз використання різних методів моделювання при вирі- шенні завдання вибору і побудови моделі прогнозування електроспоживання, форму- люється завдання побудови гібридної прогностичної моделі, позбавленої недоліків ок- ремих методів моделювання. Перевага надається підходу, пов'язаного з комплексним використанням математичних засобів на базі апаратів штучних нейронних сіток, гене- тичного алгоритму і фільтра Калмана для побудови узагальнених нелінійних багато- факторних моделей. Він дозволить підвищити ефективність процесу побудови моделей і їх подальшого використання для пошуку, як короткострокових, так і довгострокових прогнозів. Для виключення впливу випадкових складових часового ряду з нерівномір- ним розподілом значень показника електроспоживання на процес навчання нейронної сітки як нелінійної моделі прогнозування пропонується попередня її підготовка за до- помогою застосування фільтра Калмана. Надалі здійснюється оптимізація топології нейронної сітки на базі генетичного алгоритму, який дозволяє на етапі мутації адаптив- но вибирати тип перетворення структури, найбільш підходящий для заданої конфігура- ції сітки.Бібл. 24, іл. 3

Розглядається проблема підвищення ефективності вирішення комплексу задач прогнозування і планування електроспоживання регіональними компаніями постачальників електроенергії - суб'єктами системи організаційного управління оптовим ринком електроенергії. Проведено аналіз використання різних методів моделювання при вирішенні завдання вибору і побудови моделі прогнозування електроспоживання, формулюється завдання побудови гібридної прогностичної моделі, позбавленої недоліків окремих методів моделювання. Перевага надається підходу, пов'язаного з комплексним використанням математичних засобів на базі апаратів штучних нейронних сіток, генетичного алгоритму і фільтра Калмана для побудови узагальнених нелінійних багатофакторних моделей. Він дозволить підвищити ефективність процесу побудови моделей і їх подальшого використання для пошуку, як короткострокових, так і довгострокових прогнозів. Для виключення впливу випадкових складових часового ряду з нерівномірним розподілом значень показника електроспоживання на процес навчання нейронної сітки як нелінійної моделі прогнозування пропонується попередня її підготовка за допомогою застосування фільтра Калмана. Надалі здійснюється оптимізація топології нейронної сітки на базі генетичного алгоритму, який дозволяє на етапі мутації адаптивно вибирати тип перетворення структури, найбільш підходящий для заданої конфігурації сітки. The problem of increasing the efficiency of solving the complex of tasks of forecasting and planning electric consumption by regional companies of electricity suppliers - subjects of the organizational management system in the wholesale electricity market is considered. The analysis of the use of various modeling methods in solving the problem of choosing and building a model for forecasting electric consumption is carried out. The task of constructing a hybrid prognostic model devoid of the shortcomings of individual modeling methods is formulated. Preference is given to the approach associated with the integrated use of mathematical tools based on apparatus of artificial neural networks, a genetic algorithm and a Kalman filter for constructing generalized nonlinear multifactor models. It will increase the efficiency of the model building process and their subsequent use for searching both short-term and long-term forecasts. In order to eliminate the effect of random components of the time series with an uneven distribution of the values of the electric consumption on the training process of the neural network as a non-linear forecasting model, we suggest its preliminary preparation using the Kalman filter. Further optimization of the neural network topology is carried out on the basis of a genetic algorithm that allows, at the mutation stage, to adaptively choose the type of structure transformation most suitable for a given network configuration. Рассматривается проблема повышения эффективности решения комплекса задач прогнозирования и планирования электропотребления региональными компаниями поставщиков электроэнергии - субъектами системы организационного управления оптовым рынком электроэнергии. Проведен анализ использования различных методов моделирования при решении задачи выбора и построения модели прогнозирования электропотребления, формулируется задача построения гибридной прогностической модели, лишенной недостатков отдельных методов моделирования. Предпочтение отдано подходу, связанному с комплексным использованием математических средств на базе аппаратов искусственных нейронных сетей, генетического алгоритма и фильтра Калмана для построения обобщенных нелинейных многофакторных моделей. Он позволит повысить эффективность процесса построения моделей и их последующего использования для поиска, как краткосрочных, так и долгосрочных прогнозов. Для исключения влияния случайных составляющих временного ряда с неравномерным распределением значений показателя электропотребления на процесс обучения нейронной сети как нелинейной модели прогнозирования предлагается предварительная ее подготовка с помощью применения фильтра Калмана. В дальнейшем осуществляется оптимизация топологии нейронной сети на базе генетического алгоритма, который позволяет на этапе мутации адаптивно выбирать тип преобразования структуры, наиболее подходящий для заданной конфигурации сети.

Робота є продовженням дослідження поточного стану взаємозв‘язку ринків електроенергії й енергоносіїв з метою створення комплексу розрахункових математичних моделей для визначення прогнозної оптової ціни купівлі електричної енергії на оптовому ринку на різний горизонт прогнозування в залежності від змін цін на основні енергоносії – природний газ, топковий мазут, енергетичне вугілля. Опробовані дискретні моделі у вигляді рекурентних залежностей формування короткострокового прогнозу, визначені вагомі складові у розрахунку оптової ціни та можливі спрощення у моделі з прийнятним ступенем адекватності отриманого прогнозу за критерієм МАРЕ. The paper is a continuation of studies of the current state of the relationship of the electricity markets and energy supplies to create complex mathematical models to determine the forecast wholesale price of electricity on the wholesale market, depending on changes in the prices of major energy sources – natural gas, heating oil, thermal coal. Tested discrete models in the form of recurrent dependencies of the formation of the short-term forecast, the main components in the calculation of wholesale prices and possible simplifications in the model with an acceptable degree of adequacy of the obtained forecast by the criterion MAPE. Работа является продолжением исследования текущего состояния взаимосвязи рынков электроэнергии и энергоносителей с целью создания комплекса расчетных математических моделей для определения прогнозной оптовой цены покупки электрической энергии на оптовом рынке на разный горизонт прогнозирования в зависимости от изменений цен на основные энергоносители – газ, топочный мазут, энергетический уголь. Опробованы дискретные модели в виде рекуррентных зависимостей формирования краткосрочного прогноза, определенные веские составляющие в расчете оптовой цены и возможные упрощения в модели с приемлемым степенью адекватности полученного прогноза по критерию МАРЕ.

Робота присвячена проблемі вибору моделі прогнозування электроспоживання при рішенні задачі оперативного добового планування постачань електроенергії на оптовому ринку. Формулюється місце і взаємозв’язки задачі прогнозування в технологічному процесі прийняття рішень з планування постачань електроенергії, а також вимоги, що висуваються до моделей прогнозування. Докладно розглядається використання генетичного алгоритму, штучних нейроних сіток, регресійного аналізу, методу групового врахування аргументів для задач прогнозування нестаціонарних процесів з неоднорідними випадковими величинами. Аргументується вибір штучних нейроних сіток і методу групового врахування аргументів для прогнозування процесів виробництва і споживання електроенергії. The work is devoted to the problem of power consumption prediction within the solution of the problem of daily power supply at wholesale market. Either a place and relationships of prediction task in technological process of decision making on planning power supply, and demands that are made to such prediction models are formulated. An in-depth genetic algorithms, artificial neural networks, regression analysis, and group arguments account method are explored for non-stationary processes prediction with assorted stochastic values. A choice of artificial neural networks and group arguments account method are argued for power supply and generation processes prediction. Работа посвящена проблеме выбора модели прогнозирования электропотребления при решении задачи оперативного суточного планирования поставок электроэнергии на оптовом рынке. Аргументируется выбор искусственных нейронных сетей и метода группового учета аргументов для прогнозирования процессов производства и потребления электроэнергии.

Розглядаються ієрархічні розподілені в часі сітки Петрі (І-РЧСП) у якості базового інструментального засобу моделювання в задачах синтезу/аналізу координаційних рівнів керування в декомпозиційних дискретно-подійних системах з організаційними, координаційними та виконавчими рівнями. Аналізується вертикальна двухкомпонентна структура координаційного рівня, що складається з диспетчера/аналізатора та І-РЧСП-контролера, яка забезпечує модельне дослідження системних збоїв (обмеженості, безпеки та реверсивності) з наступною їх класифікацією на основі взаємодії різних координаторів системи. The hierarchical portioned at time of the Petri Nets (H-TEPN) as base tool in problem of the syntheses/analysis coordinating level of management in decomposition discrete-events system with organizing, coordinating and executive level are considered. The vertical two-component structure coordinating level, consisting of traffic manager/analyzer and H-TEPN-controller and providing model study of the system malfunctions (insufficiency, safety and reversibility) with the following their categorization on base different coordinator interaction of the system is analysed. Рассматриваются иерархические распределенные во времени сети Петри (И-РВСП) в качестве базового инструментального средства моделирования в задачах синтеза/анализа координационных уровней управления в декомпозиционных дискретно-событийных системах с организационными, координационными и исполнительными уровнями. Анализируется вертикальная двухкомпонентная структура координационного уровня, состоящая из диспетчера/анализатора и И-РВСП-контроллера и обеспечивающая модельное исследование системных сбоев (ограниченности, безопасности и реверсивности) с последующей их классификацией на основе взаимодействия различных координаторов системы.

В статтi наводиться досвiд авторiв в створеннi зручних за iнтерфейсом i багатофункцiональних за призначенням автоматизованих учбових мiсць з наступними властивостями: комплеснiсттю подання теоретичного матерiалу в логiчнiй послiдовностi його викладення; мультимедiйним супроводженням графiчних зображень; iнтерактивним iнтерфейсом в процесi дистанцiйного навчання; iнтернет технологiєю подання матерiалу; вкладеними лабораторними практикумами; самоконтролем залишкових знань тестуючими системами; автоматизованим оцiнуванням знань студента викладачем; ефективною системою пошуку. The authors experience in design of the friendly by interface and multifunctional by purpose automated educational places (AEP) is presented. Those a AEP possess by the next properties: complex presentation of the theoretic material in its logical sequence of teaching; multimedia support of graphical images; interactive interface in distance study; presentation of study material by internet-technology; included laboratorial practices; self-control test systems for of remind knowledge’s; automated system for evaluate knowledge’s; added higher effective search system.