Анотація
Показано переваги врахування споживання електроенергії енергоємними підприємствами (ЕП) при розв’язанні задачі короткострокового прогнозування сумарного електричного навантаження (СЕН) енергосистеми (ЕЕС). Проведено моделювання і прогнозування СЕН ЕЕС на основі ансамблю штучних нейронних мереж. Виділення в окрему компоненту електричного навантаження ЕП дозволило вдосконалити математичні моделі впливу на СЕН метеорологічних факторів та підвищити точність результатів короткострокового прогнозування СЕН ЕЕС із переважно промисловим навантаженням. Бібл. 3, табл. 2, рис. 2.
Посилання
Bansal R.C., Pandey J.C. Load forecasting using artificial intelligence techniques: a literature survey // International Journal of Computer Applications in Technology. – Vol. 22. – 2005. – Pp. 109 – 119.
Martyniuk O., Chernenko P. Algorithms and software for three-level short-term electric load forecasting of united power system of Ukraine // Enerhetyka ta Elektryfikatsiia. – № 7. – 2012. – Pp. 3 – 8. (Ukr)
Chernenko P., Martyniuk O., Popov S., Bodyanskiy Ye. Comparative analysis of two approaches to solving the problem of shortterm forecasting of the total electrical load of power system // Tekhnichna elektrodynamika. – № 3. – 2013. – Pp. 61–72. (Ukr)
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Авторське право (c) 2023 Array