Краткосрочное прогнозирование электрической нагрузки промышленных предприятий с применением интеллектуальных информационных технологий

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1 ЗАДАЧИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ
ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ НА СОВРЕМЕННОМ ЭТАПЕ РАЗВИТИЯ ЭЛЕКТРОЭНЕРГЕТИКИ
1.1 Задача учта и контроля электрической энергии
1.2 Статистические исследования электрических нагрузок
1.3 Повышение эффективности прогноза за счт внедрения интеллектуальных информационных технологий для решения задачи прогнозирования
1.4 Актуальность задачи прогнозирования в условиях рынка электрической энергии
1.5 Выводы
ГЛАВА 2 МОДЕЛИ И МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ
2.1 Постановка задачи прогнозирования
2.2 Цели использования и особенности реализации методов прогнозирования
2.3 Обзор традиционных методов прогнозирования
2.4 Методы обучения нейронных сетей и анализ нейросетевого
прогнозирования
2.5 Выбор нейросетевого алгоритма для решения задачи краткосрочного прогнозирования электрической нагрузки
2.6 Выводы
ГЛАВА 3 ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВОГО АЛГОРИТМА
ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ
3.1 Постановка задачи прогнозирования
3.2 Анализ развития промышленных предприятий
3.3 Предлагаемая методология прогнозирования электрической нагрузки с помощью интеллектуальных информационных технологий
3.4 Описание нейросетевого алгоритма прогнозирования электрической нагрузки
3.5 Практическая реализация задачи прогнозирования электрической нагрузки
3.6 Выводы
ГЛАВА 4 МОДЕЛЬ АВТОРЕГРЕССИИ И ПРОИНТЕГРИРОВАННОГО СКОЛЬЗЯЩЕГО СРЕДНЕГО ДЛЯ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ
4.1 Постановка задачи
4.2 Построение модели авторегрессии и проинтегрированного скользящего среднего при краткосрочном прогнозировании нагрузки
4.3 Модель АК.1МА для машиностроительного завода
4.4 Модель АШМА для газонефтеперерабатывающего завода
4.5 Сравнительный анализ и обсуждение результатов расчта
4.6 Выводы
ГЛАВА 5 СРАВНЕНИЕ ЭФФЕКТИВНОСТИ НЕЙРОСЕТЕВЫХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ
5.1 Постановка задачи
5.2 Сравнительный анализ алгоритмов обучения многослойных персептронов
5.3 Определение минимально достаточного периода предистории для задачи краткосрочного прогнозирования
5.4 Краткосрочное прогнозирование электрической нагрузки с учтом изменяющейся топологии электрической сети
5.5 Выводы
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ
ВВЕДЕНИЕ
Актуальность