DOI: https://doi.org/10.15407/publishing2019.54.005 УДК 621.311:681.3 КОРОТКОСТРОКОВИЙ ІНТЕРВАЛЬНИЙ ПРОГНОЗ СУМАРНОГО ВІДПУСКУ ЕЛЕКТРОЕНЕРГІЇ ВИРОБНИКАМИ З ВІДНОВЛЮВАНИХ ДЖЕРЕЛ ЕНЕРГІЇ І.В. Блінов*, докт. техн. наук, В.О. Мірошник, П.В. Шиманюк Запропоновано архітектуру штучної нейронної мережі глибинного навчання для короткострокового прогнозування сумарного відпуску електроенергії виробниками з відновлюваних джерел енергії (ВДЕ). Показано, що за допомогою такої нейронної мережі, крім точкового прогнозу найбільш ймовірного значення відпуску, доцільно прогнозувати 10-й та 90-й перцентилі розподілу похибки, що дає нижню і верхню межі прогнозного інтервалу з імовірністю попадання 0,8. Для навчання використовувалась функція похибки, яка є комбінацією середнього квадрату відхилень та похибкою квантильної регресії для моделі перцентилів. Апробація моделі проводилась на реальних даних сумарного відпуску виробників з ВДЕ, які публікував ДП «Енергоринок». Якість прогнозу порівнювалась з прогнозами виробників. Мінімальної середньої похибки досягнуто шляхом усереднення прогнозів нейронної мережі та виробників, найнижчу максимальну похибку забезпечує самостійний прогноз нейронної мережі. Прогнозний інтервал забезпечує ймовірність потрапляння фактичного значення 0,82 замість очікуваного 0,8. Бібл. 9, рис. 4, табл. 1. КРАТКОСРОЧНЫЙ ИНТЕРВАЛЬНЫЙ ПРОГНОЗ СУММАРНОГО ОТПУСКА ЭЛЕКТРОЭНЕРГИИ ПРОИЗВОДИТЕЛЯМИ ИЗ ВОЗОБНОВЛЯЕМЫХ ИСТОЧНИКОВ ЭНЕРГИИ И.В. Блинов, докт. техн. наук, В.А. Мирошник, П.В. Шиманюк Предложена архитектура искусственной нейронной сети глубинного обучения для краткосрочного прогнозирования суммарного отпуска электроэнергии производителями из возобновляемых источников энергии (ВИЭ). Показано, что с помощью такой нейронной сети, кроме точечного прогноза наиболее вероятного значения отпуска, целесообразно прогнозировать 10-й и 90-й перцентили распределения погрешности, что дает нижнюю и верхнюю границы прогнозного интервала с вероятностью попадания 0,8. Для обучения использовалась функция погрешности, которая является комбинацией среднего квадрата отклонений и погрешности квантильной регрессии для модели перцентилей. Апробация модели выполнена на реальных данных суммарного отпуска производителей из ВИЭ, которые публиковал ГП «Энергорынок». Качество прогноза сравнивалась с прогнозами производителей. Минимальная средняя погрешность достигнута путем усреднения прогнозов нейронной сети и прогнозов производителей, самую низкую максимальную погрешность обеспечивает самостоятельный прогноз нейронной сети. Прогнозный интервал обеспечивает вероятность попадания фактического значения 0,82 при ожидаемом 0,8. Библ. 9, рис. 4, табл. 1. Фінансується за держбюджетною темою «Можливості та бар’єри збільшення частки відновлювальних джерел в загальній структурі виробництва електричної енергії в Україні» цільового міждисциплінарного проекту НАН України «Науково-технічні та економіко-екологічні засади низьковуглецевого розвитку України» (шифр «367-19»), що виконується за Постановою Бюро ВФТПЕ від 10.06.2019р., протокол № 349. Державний реєстраційний номер роботи 0119U002811.
|