УДК 621.311:681.3

ОСОБЛИВОСТІ КОРОТКОСТРОКОВОГО ПРОГНОЗУВАННЯ ЕЛЕКТРИЧНОГО НАВАНТАЖЕННЯ ЕНЕРГОСИСТЕМИ ІЗ СУТТЄВОЮ СКЛАДОВОЮ ПРОМИСЛОВОГО ЕЛЕКТРОСПОЖИВАННЯ

Наведено математичну модель сумарного електричного навантаження енергосистеми з суттєвою складовою промислового споживання. Представлено блок-схему і алгоритм розв’язання задачі короткострокового прогнозування навантаження з урахуванням попередньої достовіризаціі даних, виділення та окремого моделювання астрономічної і технологічної складових навантаження цієї енергосистеми. Виконано аналіз добових графіків навантаження енергоємних підприємств енергосистеми, за результатами якого ідентифіковано два типи математичних моделей для прогнозування їх навантаження – моделі з використанням штучної нейронної мережі типу багатошаровий персептрон і авторегресійних моделей Бокса-Дженкінса. Розроблено оптимальну архітектуру, визначено параметри і вектор вихідних даних математичних моделей для короткострокового прогнозування електричного навантаження енергоємних підприємств. На реальних даних проведено порівняння точності та надійності отриманих за допомогою різних моделей результатів прогнозування погодинних значень навантаження окремих підприємств, їх сумарного графіка навантаження, а також електричного навантаження підприємств у години ранкового і вечірнього максимумів споживання потужності в ОЕС України. Визначено переваги та недоліки розроблених прогнозних моделей. Бібл. 5, рис. 4, табл. 3.
Ключові слова: електричне навантаження, енергоємні підприємства, енергосистема, короткострокове прогнозування, математична модель навантаження, модель Бокса-Дженкінса, штучна нейронна мережа.

ОСОБЕННОСТИ КРАТКОСТРОЧНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ ЭНЕРГОСИСТЕМЫ С СУЩЕСТВЕННОЙ СОСТАВЛЯЮЩЕЙ ПРОМЫШЛЕННОГО ЭЛЕКТРОПОТРЕБЛЕНИЯ

Приведена математическая модель суммарной электрической нагрузки энергосистемы с существенной составляющей промышленного потребления. Представлены блок-схема и алгоритм решения задачи краткосрочного прогнозирования нагрузки с учетом предварительной достоверизации данных, выделения и моделирования астрономической и технологической составляющих нагрузки данной энергосистемы. Выполнен анализ суточных графиков нагрузки энергоемких предприятий энергосистемы, по результатам которого идентифицировано два типа математических моделей для прогнозирования их нагрузки – модели с использованием искусственной нейронной сети типа многослойный персептрон и авторегрессионных моделей Бокса-Дженкинса. Разработана оптимальная архитектура, определены параметры и вектор исходных данных указанных моделей для краткосрочного прогнозирования электрической нагрузки энергоемких предприятий. На реальных данных проведено многовариантное сравнение точности и надежности полученных с помощью различных моделей результатов прогнозирования почасовых нагрузок отдельных предприятий, их суммарного графика нагрузки, а также электрической нагрузки предприятий в часы утреннего и вечернего максимумов потребления мощности в ОЭС Украины. Определены преимущества и недостатки разработанных прогнозных моделей. Библ. 5, рис. 4, табл. 3.
Ключевые слова: электрическая нагрузка, энергоемкие предприятия, энергосистема, краткосрочное прогнозирование, математическая модель нагрузки, модель Бокса-Дженкинса, искусственная нейронная сеть.

SPECIFICITY OF SHORT-TERM ELECTRICAL LOAD FORECASTING OF POWER SYSTEM WITH SIGNIFICANT SHARE THE INDUSTRIAL ELECTRICITY CONSUMPTION

Proposes a mathematical model of the total electrical load of power system with a significant component of industrial consumers. In addition, the paper provides a flowchart and the algorithm for solving the problem of short-term load forecasting based on preliminary elimination and repairing the abnormal data, extraction and modeling astronomical and technological components of the power system load. Based on the analysis of daily load curve of energy-intensive enterprises, developed two types of mathematical models to predict their electrical load - model using artificial neural network and Box-Jenkins autoregression models. Developed the optimal architecture, determined the parameters and the vector of the initial data of these models for short-term forecasting of electric load of energy-intensive enterprises Accuracy and reliability of different predictive models evaluated using the real data. Advantages and disadvantages of the developed prediction models were studied and described. References 5, figures 4, tables 3.
Key words: electrical load, energy-intensive enterprises, electric power system, short-term forecasting, mathematical model of load, Box-Jenkins model, artificial neural network.