СОДЕРЖАНИЕ
1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ
1.1. Электроэнергетические системы как область
применения прогнозирования
1.2. Анализ и систематизация методов прогнозирования нагрузки и электропотребления
1.3. Обоснование применения искусственных нейронных сетей
в электроэнергетике
2. ОСНОВНЫЕ ПОЛОЖЕНИЯ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ
2.1. Общая характеристика искусственных нейронных сетей.
2.2. Структура и свойства нейронных сетей
2.3. Обучение нейронных сетей
2.3.1. Способность к обучению и накоплению информации
2.3.2. Способы адаптации и методы обучения
2.3.3. Алгоритмы наблюдаемого обучения
2.3.4. Алгоритмы ненаблюдаемого обучения
3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВОГО АЛГОРИТМА ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ НАГРУЗКИ ЭЭС
3.1. Структура управления и рыночные отношения
в электроэнергетике Монголии
3.2. Задачи и особенности оперативного прогнозирования нагрузки
3.2. 1. Постановка задачи
3.2.2. Математическая модель и алгоритм решения
3.3. Применение нейронных сетей в задачах прогнозирования.
3.4. Разработка и выбор нейросетевого алгоритма для решения задачи оперативного прогнозирования
3.5. Предлагаемая методология оперативного прогнозирования
нагрузки ЭЭС
3.6. Анализ результатов
3.7. Выбранная методика формирования обучающих множеств, для решения задачи прогнозирования нагрузки на основе ИНС .
3.8. Выбор прикладного программного обеспечения для решения задачи прогнозирования нагрузки ЭЭС на основе нейросетевого алгоритма
3.8.1. Общая характеристика среды Бод1вса
3.8.2. Технология решения задачи прогнозирования нагрузки с применением ИНС в среде айябса
4. ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВОГО АЛГОРИТМА КРАТКОСРЧОНОГО ПРОГНОЗИРОВАНИЯ НАГРУЗКИ ЭЭС
4.1. Задачи прогнозирования нагрузки при планировании нормальных электрических режимов
4.1.1. Прогноз электрических нагрузок
4.1.2. Прогнозирование графика нагрузки .
4.1.3. Математическая модель и алгоритм решения краткосрочного прогнозирования нагрузки ЭЭС
4.2. Предлагаемая методология краткосрочного прогнозирования электрической нагрузки
4.3.Математическая модель и нейросетевой алгоритм решения
4.4. Систематизация вероятностных методов прогнозирования нагрузки .
4.5. Построение модели авторегрессии и проинтегрированного скользящего среднего при краткосрочном прогнозировании нагрузки ЭЭС .
4.6. Сравнительный анализ и обсуждение результатов расчетов .
4.7. Сходство и различие нейронных сетей и математической статистики в
анализе данных
4.8. Общие рекомендации по построению оптимальной нейронной сети для
решения задачи краткосрочного прогнозирования нагрузки ЭЭС .
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРНЫХ ИСТОЧНИКОВ
- Киев+380960830922