Алгоритм создания модели краткосрочного прогнозирования энергопотребления на основе нейронной сети в Matlab | Статья в сборнике международной научной конференции

Отправьте статью сегодня! Журнал выйдет 13 марта, печатный экземпляр отправим 17 марта.

Опубликовать статью в журнале

Библиографическое описание:

Брейдо, И. В. Алгоритм создания модели краткосрочного прогнозирования энергопотребления на основе нейронной сети в Matlab / И. В. Брейдо, Ю. Ф. Булатбаева, Г. Д. Оразгалеева. — Текст : непосредственный // Актуальные вопросы технических наук : материалы VI Междунар. науч. конф. (г. Краснодар, апрель 2020 г.). — Краснодар : Новация, 2020. — С. 1-6. — URL: https://moluch.ru/conf/tech/archive/367/15614/ (дата обращения: 28.02.2021).



В статье авторы поэтапно создают прогнозную модель и анализируют ее точность и адекватность.

Ключевые слова: прогнозирование, нейронные сети, рынок электроэнергии, планирование энергоресурсов, моделирование.

В основе рационального ведения энергетического хозяйства лежит планирование энергоресурсов. Грамотное планирование энергопотребления отдельных предприятий позволяет отследить перспективу развития топливно-энергетического комплекса в масштабах государства.

С целью стимулирования потребителей рынка электроэнергии Правительство Республики Казахстан запланировало запуск балансирующего рынка электрической энергии (далее БРЭ). Его суть заключена в механизме ценорегулирования: потребитель ежедневно заявляет плановое почасовое потребление, а системный оператор отслеживает отклонения фактического потребления от заявленного. Чем больше отклонение, тем дороже обойдется потребителю перерасходованная электроэнергия, и, наоборот, чем точнее потребитель был в заявке по плановому потреблению, тем меньше ему придется заплатить. В этой связи, потребителям электроэнергии необходимо выбрать методику прогнозирования энергопотребления на своих предприятиях, обучить сотрудников и внедрить в производство. Особенно проблема коснется энергоемкие предприятия металлургии, машиностроения, нефтехимии.

Одним из зарекомендовавших себя методов прогнозирования на сегодняшний день являются экспертные системы на базе нейронных сетей по алгоритму обратного распространения ошибки (back-propagation algorithm). Рассмотрим их структуру на рисунке 1.

Рис. 1. Структура многослойного персептрона с двумя скрытыми слоями [1, с. 223]

Данный алгоритм является частным случаем алгоритма минимизации среднеквадратичной ошибки. Нейронные сети обучаются с помощью уточнения весовых коэффициентов своих связей слой за слоем: на входной слой (input layer) подаются исходные данные, далее происходят вычисления в одном из нескольких скрытых слоев (hidden layer) и на выходном слое (output layer) получаются прогнозные данные (рисунок 1). Этот процесс управляется ошибкой — разностью между правильным ответом, предоставляемым тренировочными данными, и фактическим выходным значением [2]. Сеть с подобной структурой получила название многослойный персептрон (multilayer perceptron).

Построение прогноза проводится в четыре этапа.

Этап 1 — Загрузка исходных данных. В качестве исходных данных было взято почасовое энергопотребление за два рабочих дня 30, 31 декабря 2019 года [3]. В рабочей области вызывается окно создания нейронной сети командой nntool. Рассмотрим окно создания нейронной сети на рисунке 2.

Рис. 2. Окно создания нейронной сети

Для работы на БРЭ необходимы краткосрочные прогнозы, интервал дискретизации равен одному часу. Для обучения достаточны данные по почасовому потреблению за двое предыдущих суток.

Этап 2. Настройка и выбор параметров нейронной сети. Рассмотрим окно настройки сети на рисунке 3.

Рис. 3. Окно создания и настройки нейронной сети

Нейроны активируются через сигмоидальную функцию, формула которой равна:

Этап 3. Обучение и тренировка нейронной сети. Обучение проходит по алгоритму Левенберга — Марквардта, изображенному на рисунке 4.

Рис. 4. Окно тренировки сети

Этап 3. Получение результатов. После тренировки сети получили следующие результаты на рисунке 5.

Рис. 5. Профили фактического и заявленного энергопотребления

Чтобы визуально интерпретировать результаты, необходимо построить графики прогнозных и фактических величин, ошибка равна 4,55 %.

Таким образом, однофакторная модель на основе нейронная сети по алгоритму Левенберга — Марквадта и механизму обратного распространения ошибки дала точность 95,45 %.

Литература:

  1. Хайкин. С. Нейронные сети. Полный курс. — М.: Вильямс, 2006.
  2. Рашид Т. Создаем нейронную сеть. — СПб.: Альфа-книга, 2017.
  3. Соловьева И. А., Дзюба А. П. Прогнозирование электропотребления с учетом факторов технологической и рыночной среды. –– Екатеринбург: Научный диалог, 2013.
Основные термины (генерируются автоматически): нейронная сеть, окно создания, данные, многослойный персептрон, обратное распространение ошибки, планирование энергоресурсов, рисунок, этап.

Ключевые слова

моделирование, нейронные сети, прогнозирование, рынок электроэнергии, планирование энергоресурсов

Похожие статьи

Реализация многослойного персептрона и сети адаптивного...

Обучение многослойного персептрона методом обратного распространения ошибки предполагает два прохода по всем слоям сети: прямой и обратный.

Для обучения нейронной сети c помощью персептрона выбираются четыре образца из предлагаемых изображений.

Нейросетевые технологии и их применение при прогнозировании...

Обучение нейронной сети по методу обратного распространения ошибки. В результате эксперимента было выявлено, что наилучший

нейронная сеть, входной слой, сумма активов, многослойный персептрон, коэффициент корреляции, обратное распространение, скрытый...

Совершенствование построения теоретических моделей...

Отличительными признаками многослойного персептрона нейронной сети модели

Основные термины (генерируются автоматически): нейронная сеть, сеть, обратное

Для алгоритма обратного распространения ошибки рекомендуется один скрытый слой, большее...

Использование искусственных нейронных сетей для...

многослойный персептрон, обучение сети, обратное распространение ошибки, сеть, входной вектор, вход сети, адаптивный резонанс, входной образ

Применение многослойных нейронных сетей в выявлении... нейронная сеть, обратное распространение ошибки, сеть...

К задаче прогнозирования энергопотребления с помощью...

Обучение нейронной сети по методу обратного распространения ошибки.

Прогнозирование с помощью нейронной сети методом обратного распространения ошибки происходило в несколько этапов: Этап 1. Инициализация и исходные данные.

Нейронная сеть, распознающая рукописные цифры на языке...

Чтобы обучить нейронную сеть используются два файла из базы данных MNIST, которая состоит из заранее

Они используются для расчета распространения сигналов в прямом направлении, а также

Третья нейронная сеть основана на Многослойном перцептроне...

Применение технологий нейронных сетей для обработки данных...

Для обучения нейронной сети используется алгоритм обратного распространения ошибки

Для модуля реализована панель создания нейронных сетей в разделе администрирования.

Также разработан интерфейс создания нейронной сети, изображенный на рисунке 2

О применении искусственной нейронной сети в системах...

Реализация многослойного персептрона и сети адаптивного... Обучение многослойного персептрона методом обратного распространения ошибки.

Ключевые слова: нейронные сети, персептрон, нейрон. Искусственные нейронные сети создавались путём имитации на...

Некоторые аспекты теории нейронных систем | Статья в журнале...

На рисунке 2 представлена многослойная нейронная сеть эталонного вида, то есть со всеми

Нейронная сеть — это вычислительная структура, которая состоит из искусственных

Обучение многослойного персептрона методом обратного распространения ошибки...

Похожие статьи

Реализация многослойного персептрона и сети адаптивного...

Обучение многослойного персептрона методом обратного распространения ошибки предполагает два прохода по всем слоям сети: прямой и обратный.

Для обучения нейронной сети c помощью персептрона выбираются четыре образца из предлагаемых изображений.

Нейросетевые технологии и их применение при прогнозировании...

Обучение нейронной сети по методу обратного распространения ошибки. В результате эксперимента было выявлено, что наилучший

нейронная сеть, входной слой, сумма активов, многослойный персептрон, коэффициент корреляции, обратное распространение, скрытый...

Совершенствование построения теоретических моделей...

Отличительными признаками многослойного персептрона нейронной сети модели

Основные термины (генерируются автоматически): нейронная сеть, сеть, обратное

Для алгоритма обратного распространения ошибки рекомендуется один скрытый слой, большее...

Использование искусственных нейронных сетей для...

многослойный персептрон, обучение сети, обратное распространение ошибки, сеть, входной вектор, вход сети, адаптивный резонанс, входной образ

Применение многослойных нейронных сетей в выявлении... нейронная сеть, обратное распространение ошибки, сеть...

К задаче прогнозирования энергопотребления с помощью...

Обучение нейронной сети по методу обратного распространения ошибки.

Прогнозирование с помощью нейронной сети методом обратного распространения ошибки происходило в несколько этапов: Этап 1. Инициализация и исходные данные.

Нейронная сеть, распознающая рукописные цифры на языке...

Чтобы обучить нейронную сеть используются два файла из базы данных MNIST, которая состоит из заранее

Они используются для расчета распространения сигналов в прямом направлении, а также

Третья нейронная сеть основана на Многослойном перцептроне...

Применение технологий нейронных сетей для обработки данных...

Для обучения нейронной сети используется алгоритм обратного распространения ошибки

Для модуля реализована панель создания нейронных сетей в разделе администрирования.

Также разработан интерфейс создания нейронной сети, изображенный на рисунке 2

О применении искусственной нейронной сети в системах...

Реализация многослойного персептрона и сети адаптивного... Обучение многослойного персептрона методом обратного распространения ошибки.

Ключевые слова: нейронные сети, персептрон, нейрон. Искусственные нейронные сети создавались путём имитации на...

Некоторые аспекты теории нейронных систем | Статья в журнале...

На рисунке 2 представлена многослойная нейронная сеть эталонного вида, то есть со всеми

Нейронная сеть — это вычислительная структура, которая состоит из искусственных

Обучение многослойного персептрона методом обратного распространения ошибки...