Creation of a short-term load forecasting neural network model of electrical engineering complex of section regional electric grid 6-35 kV

Stanislav O Khomutov,Nikolay A Serebryakov

doi:10.17816/transsyst20206180-91

Stanislav O Khomutov, Nikolay A Serebryakov

Open Access

https://doi.org/10.17816/transsyst20206180-91

Copy DOI

Abstract

Aim: Is developing of short-term load forecasting math model of the electrical engineering complex of the district regional electric grid 6-35 kV with the use of artificial neural networks. Methods: The tools of regression analysis and deep machine learning were used in the work. Results: The neural network model for short-term load forecasting of the electrical engineering complex of section regional electric grid 6-35 kV, which considered factors of time, meteorological conditions, disconnections of individual power transmission lines, the operation mode of electricity consumers with a capacity of over 670 kW, the fact of the availability of central heating and water supply, has been obtained. Conclusion: The developed neural network math model reduces the problem of short-term load forecasting to the search of matrix free coefficients through training on the available statistical data.

Highlights

Цель: Разработать математическую модель краткосрочного прогнозирования электропотребления электротехнического комплекса участка районных электрических сетей 6-35 кВ с помощью аппарата искусственных нейронных сетей
The tools of regression analysis and deep machine learning were used in the work
The developed neural network math model reduces the problem of shortterm load forecasting to the search of matrix free coefficients through training on the available statistical data

Summary

СОЗДАНИЕ НЕЙРОСЕТЕВОЙ МАТЕМАТИЧЕСКОЙ МОДЕЛИ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ

ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭЛЕКТРОТЕХНИЧЕСКОГО КОМПЛЕКСА УЧАСТКА РАЙОННЫХ ЭЛЕКТРИЧЕСКИХ СЕТЕЙ 6-35 кВ. Цель: Разработать математическую модель краткосрочного прогнозирования электропотребления электротехнического комплекса участка районных электрических сетей 6-35 кВ с помощью аппарата искусственных нейронных сетей. Методы: В работе использованы инструменты регрессионного анализа и аппарата глубокого машинного обучения. Результаты: Получена нейросетевая модель краткосрочного прогнозирования электропотребления электротехнического комплекса участка районных электрических сетей 6-35 кВ, учитывающая факторы времени, метеорологических условий, отключений отдельных питающих линий электропередач, режима работы потребителей электроэнергии с мощностью свыше 670 кВт, факта наличия центрального отопления и водоснабжения. Заключение: Разработанная нейросетевая математическая модель сводит задачу краткосрочного прогнозирования электропотребления к поиску матрицы свободных коэффициентов посредством обучения на имеющихся статистических данных. Ключевые слова: прогнозирование электропотребления, факторы, оптовый рынок электроэнергии и мощности, машинное обучение, районная электрическая сеть. A. Serebryakov Polzunov Altai State Technical University (Barnaul, Russia). Aim: Is developing of short-term load forecasting math model of the electrical engineering complex of the district regional electric grid 6-35 kV with the use of artificial neural networks

Results

Conclusion

ЭЛЕКТРИЧЕСКОЙ СЕТИ