Нейросетевой метод прогнозирования электропотребления и его инструментальная реализация

 
МИНИСТЕРСТВО  НАУКИ  И  ВЫСШЕГО  ОБРАЗОВАНИЯ 
РОССИЙСКОЙ  ФЕДЕРАЦИИ 
Федеральное государственное автономное  
образовательное учреждение высшего образования  
«ЮЖНЫЙ  ФЕДЕРАЛЬНЫЙ  УНИВЕРСИТЕТ» 
Инженерно-технологическая академия 
 
 
Н. К. ПОЛУЯНОВИЧ  
М. Н. ДУБЯГО  
Д. В. БУРЬКОВ  
 
 
 
НЕЙРОСЕТЕВОЙ  МЕТОД                                                   
ПРОГНОЗИРОВАНИЯ  ЭЛЕКТРОПОТРЕБЛЕНИЯ                             
И  ЕГО  ИНСТРУМЕНТАЛЬНАЯ  РЕАЛИЗАЦИЯ 
 
Монография 
 
 
 
 
 
 
 
 
 
 
 
 
Ростов-на-Дону – Таганрог  
Издательство Южного федерального университета 
2023 
 
 
1 

 
Оглавление 
УДК 621.315.3:  621.316.99 
ББК  31.19 
         П536 
Печатается по решению экспертной группы комитета по инженерному 
направлению науки и образования при Ученом совете                                   
Южного федерального университета                                                   
(протокол № 12 от 06 июля 2023 г.) 
Рецензенты: 
Заместитель начальника центра управления сетями филиала                          
ПАО «Россети Юг» – «Ростовэнерго» И. М. Токарев 
кандидат технических наук, доцент кафедры Электротехники                               
и мехатроники, института радиотехнических систем и управления         
Южного федерального университета В. А. Костюков 
Полуянович, Н. К.  
П536     Нейросетевой метод прогнозирования электропотребления и его инструментальная реализация : монография / Н. К. Полуянович, М. Н. Дубяго, Д. В. Бурьков ; Южный федеральный университет. – Ростов-наДону ; Таганрог : Издательство Южного федерального университета, 
2023. – 183 с. 
ISBN 978-5-9275-4632-9 
DOI 10.18522/801317381 
Монография посвящена вопросам прогнозирования электрических 
нагрузок ЭЭС с использованием аппарата искусственных нейронных сетей.  
Книга предназначена для специалистов и исследователей, занимающихся вопросами неразрушающего контроля изоляции и прогнозирования 
ресурса силовых кабельных линий с учетом режимных параметров сети. 
УДК 621.315.3: 621.316.99 
ББК 31.19 
ISBN 978-5-9275-4632-9 
 
 
© Южный федеральный университет, 2023 
© Полуянович Н. К., Бурьков Д. В., 
    Дубяго М. Н., 2023 
© Оформление. Макет. Издательство  
    Южного федерального университета, 2023 
 
2 

 
Оглавление 
ОГЛАВЛЕНИЕ 
ВВЕДЕНИЕ  И  ПОСТАНОВКА  ЗАДАЧИ ………………………... 
7 
Глава 1. ОБЗОР  ИЗВЕСТНЫХ  МЕТОДОВ                                 
ПРОГНОЗИРОВАНИЯ  ПОТРЕБЛЕНИЯ                                        
ЭЛЕКТРОЭНЕРГИИ ………………………………………………… 
14 
1.1. Современное положение рынка электроэнергетики РФ …….. 
14 
1.2. Проблемы прогнозирования объемов потребления ЭЭ ……... 
16 
1.3. Цели и задачи создания прогнозов потребления ЭЭ для сетевых и генерирующих организаций ………………………………… 
16 
1.4. Обзор методов прогнозирования объемов потребления ЭЭ ... 
20 
1.4.1. Экстраполяционные методы построения прогнозов …….. 
22 
1.4.2. Регрессионные методы …………………………………………. 
27 
1.4.3. Методы, основанные на временных рядах ………………….. 
30 
1.4.4. Экспертные методы …………………………………………….. 
33 
1.4.5. Методы с использованием нейронных сетей ………………. 
35 
1.4.6. Метод опорных векторов ………………………………………. 
40 
1.4.7. Гибридные методы ………………………………………………. 
42 
1.5. Сравнительный анализ методов прогнозирования …………... 
46 
Выводы по первой главе …………………………………………… 
47 
Глава 2. СИСТЕМА  ИНТЕЛЛЕКТУАЛЬНОГО                          
УЧЕТА  ЭЛЕКТРОЭНЕРГИИ ………………………………………. 
49 
2.1. Сбор данных с помощью счетчиков электроэнергии SCADA-систем …………………………………………………………... 
49 
2.2. Технологические инновации смарт-счетчиков ………………. 
51 
2.2.1. Описание алгоритма работы нейрокомпьютера …………. 
53 
2.2.2. Описание алгоритма работы блока адаптации НС ……… 
54 
2.3. Применение нейросетевых технологий в энергетике ……….. 
57 
2.3.1. Аппаратная реализация метода прогнозирования электропотребления ……………………………………………………………….. 
58 
2.3.2. Выбор метода прогнозирования ………………………………. 
63 
2.3.3. Инструментальные средства реализации ИНС …………… 
65 
Выводы по второй главе ……………………………………………. 
68 
3 

Оглавление 
Глава 3. МАТЕМАТИЧЕСКАЯ  МОДЕЛЬ                                   
ПОТРЕБЛЕНИЯ  ЭЛЕКТРОЭНЕРГИИ  УЧАСТКА                        
РАЙОННОЙ  ЭЛЕКТРИЧЕСКОЙ СЕТИ …………………………... 
69 
3.1. Синтез нейросети ………………………………………………. 
74 
3.1.1. Применение встроенного инструментария MATLAB  для 
генерации нейронной сети …………………………………………….. 
74 
3.2. Разработка модели прогнозирования …………………………. 
81 
3.2.1. Методы обучения ИНС …………………………………………. 
82 
3.2.2. Алгоритм обучения НС с распараллеливанием вычислений 
83 
3.2.3. Нормирование входных данных ……………………………….. 
86 
3.3. Требования к программной реализации метода ……………... 
89 
3.4. Разработка мероприятий по предотвращению хищения ЭЭ ... 
93 
Выводы по третьей главе …………………………………………... 
97 
Глава 4. ЭКСПЕРИМЕНТАЛЬНЫЕ                                                
ИССЛЕДОВАНИЯ …………………………………………………… 
98 
4.1. Использование встроенного функционала Matlab  для построения нейронной сети ………………………………………………... 
98 
4.1.1. Алгоритм краткосрочного прогнозирования электропотребления …………………………………………………………………. 
100 
4.2. Исследование модели прогнозирования электроэнергии с атипичным характером потребителей на основе факторов ………….. 
102 
4.2.1. Исследование модели на основе социально-экономических 
и метеорологических факторов ………………………………………. 
108 
4.2.2. Исследование модели на основе социально-экономических 
и метеорологических факторов ………………………………………. 
110 
4.2.3. Выводы на основании полученных результатов …………… 
117 
4.3. Прогнозирование потребления активной P(t) и реактивной 
Q(t) мощности на основе социально-экономических и метеорологических факторов …………………………………………………... 
118 
4.3.1. Сравнение моделей с учетом и без учета дополнительных 
факторов ………………………………………………………………….. 
120 
4.3.2. Выводы на основании полученных результатов ……………. 
122 
4.4. Прогнозирование потребителей электроэнергии с атипичным 
характером …………………………………………………………... 
123 
4 

Оглавление 
4.4.1. Исследование влияния различных параметров НС на точность прогнозирования …………………………………………………. 
123 
4.4.2. Погрешность работы FFBP – нейронной сети на различных присоединениях ……………………………………………………... 
129 
4.4.3. Исследование типа НС на точность прогнозирования ….. 
141 
Выводы по четвертой главе ………………………………………... 
163 
ЗАКЛЮЧЕНИЕ ………………………………………………………. 
165 
СПИСОК  ЛИТЕРАТУРЫ …………………………………………… 
167 
 
 
 
 
5 

 
Оглавление 
СПИСОК  СОКРАЩЕНИЙ                                                
И  УСЛОВНЫХ  ОБОЗНАЧЕНИЙ 
ЭЭС – электроэнергетическая система 
РЭС – районные электрические сети  
СЭС – система электроснабжения 
ЭС – энергосистема 
СКС – силовая кабельная система 
СКЛ – силовые кабельные линии 
КЛ – кабельная линия 6 (10) кВ 
БМИ (OIP) – бумажно-масляная изоляция 
БПИ – бумажно-пропитанная изоляция 
PE – полиэтилен 
СПЭ – сшитый полиэтилен 
ИЧР – источник частичного разряда 
ТНК – тепловой неразрушающий контроль 
МНК – метод наименьших квадратов 
САР – система автоматического регулирования 
ЧР – частичный разряд 
ЭИ – электрическая изоляция 
ЭМ – электроизоляционные материалы 
ЭО – электрооборудование 
ЭМП – электромагнитное поле  
ЭП – электрическое поле 
ЦАП – цифроаналоговый преобразователь 
МК – микроконтроллер 
ЦР – цифровой регистратор 
АЦП – аналогово-цифровой преобразователь 
ЭВМ – электронно-вычислительная машина 
GRNN – обобщенно-регрессионная нейронная сеть  
МПУ – микропроцессорное устройство 
ИНС – искусственные нейронные сети  
PNN – вероятностной нейронной сети  
STLF – краткосрочное прогнозирование нагрузки (Short-Term Load 
Forecasting) 
 
6 

 
Введение и постановка задачи 
ВВЕДЕНИЕ  И  ПОСТАНОВКА                                               
ЗАДАЧИ  
Актуальность темы. Электроэнергетическая (ЭЭ) отрасль является 
основной отраслью отечественной экономики и многих стран мира. ЭЭ   
отрасль используется во всех сферах промышленности, науки, образования, техники, представляя собой ключевую движущую силу роста мировой экономики. Информационной основой для планирования развития роста электроэнергетических систем представляют прогнозы оценок электропотребления. 
Для обеспечения бесперебойного и эффективного снабжения потребителей электроэнергией важно использовать киберфизические системы 
(CPS), которые позволяют мониторить системы управления процессами в 
различных энергоемких производствах. Увеличение объема потребляемой 
электроэнергии – это сложная задача, которая требует развития существующих и появления новых энергоемких производств. 
В электроэнергетике важным аспектом является разработка планов для 
использования энергии и прогнозирования будущих потребностей. Переход к рыночным отношениям между участниками рынка и ответственность 
за принимаемые решения способствуют увеличению качества точности 
прогнозирования в вопросах потребления ЭЭ.  
Одной из основных статей затрат ЭЭ являются процессы пуска и останова оборудования, генерирующего электроэнергию. Отсюда возникает 
еще один проблемный момент, заключающийся в том, что возникает необходимость уменьшения количества изменений режима работы (включений 
и отключений) энергогенерирующего оборудования. Для обеспечения стабильного функционирования Единой энергетической системы (ЕЭС), диспетчер системы должен разработать график работы, который учитывает суточные прогнозы потребления электроэнергии и мощности крупными потребителями на оптовом рынке.  
Задачи и цели составления краткосрочного прогноза потребления      
ЭЭ (short-term load forecasting – STLF) в большинстве аспектов совпадают 
как для поставщика первого уровня, так и для энергосистемы региона в      
целом. Поставщик второго уровня гарантирует заключение договора, в котором прописано электропотребление более мелких электротехнических 
7 

Введение и постановка задачи 
комплексов, обеспечивающих энергией один или несколько районов субъекта страны или больших городов. Таким образом, STLF ГТП сталкивается 
с задачей обеспечения надежной работы электроснабжения в условиях повышенной нагрузки. 
На различных участках электрических сетей, независимо от их размера, электропотребление изменяется в соответствии с множеством факторов, большинство из которых неопределенны [2]. Исследование в области 
электроэнергетики является важным направлением, так как предсказание 
электрической нагрузки на короткий срок остается сложным из-за отсутствия формализации данного процесса. 
Без этого невозможно управление и планирование работы электроэнергетической системы (ЭЭС) в режиме реального времени. Отсутствие 
прогнозов электропотребления не позволяет рассчитать исходные и оптимальные электрические режимы работы ЭЭС, провести оценку их надежности, экономичности расходования и качества ЭЭ [3]. Точность прогноза 
нагрузок ЭЭС влияет на построение режимов работы генерирующего оборудования и на стоимость электроэнергии соответственно. 
Наилучший режим работы ЭЭС обеспечивается благодаря получению 
актуальной информации о планируемой нагрузке.  
Показатели электротехнического комплекса, работающего на рынке 
ЭЭ, зависят от корректности составления прогнозов нагрузки. Прогнозирование энергопотребления – это ключевая задача в сфере электроэнергетики, сегодняшняя научная и практическая необходимость. Увеличение 
точности прогнозов способствует экономии энергоресурсов, оптимизации 
управления энергоснабжением и повышению прибыли энергетических 
компаний. В случае значительного расхождения реального потребления 
электроэнергии на крупных промышленных предприятиях с объемами, заявленными перед энергоснабжающими организациями, штрафы ожидают 
предприятия [4]. Специалисты в России утверждают, что каждый небольшой недочет в прогнозе годового потребления электроэнергии на 1 % приводит к дополнительным инвестициям в размере четырех миллиардов долларов на строительство новых генерирующих мощностей. В производстве 
крупных компаний, таких как металлургия, стоимость электроэнергии составляет от 11 до 30 % от общей себестоимости продукции. 
8 

Введение и постановка задачи 
Точное прогнозирование расхода ЭЭ и точность определения режимных параметров и рассчитываемых электрических нагрузок обеспечивает 
стабильную работу энергосистемы, выражающуюся в соблюдении баланса, 
стабильном состоянии частоты и напряжения питающей сети, что в сою 
очередь, влияет на работу потребителей и других элементов электротехнического комплекса и является ключевым аспектом для обеспечения ее 
устойчивости. 
С целью обеспечения надежности и эффективности работы энергосистемы, операторы распределительных сетей должны регулярно предоставлять информацию об объеме электроэнергии, направленной на балансировку системы, для проведения финансовых операций. Для эффективного 
управления технологическим процессом необходимо наличие у сетевых 
компаний систем передачи данных, обеспечивающих оперативный и своевременный обмен информацией с остальными участниками.  
Для планирования управленческих задач и обеспечения надежности и 
оперативности работы компаний энергоснабжающей отрасли, для задач, 
связанных с ограничениями на перетоки энергии и мощности особую значимость имеет точное прогнозирование нагрузок электропотребителей.  
В целях составления точного прогноза потребления электрической 
энергии потребления необходимо анализировать множество аспектов, способных изменять величину потребления электроэнергии. Цель составления 
заявки на объем потребления ЭЭ в снабжающую организацию основана на 
проблеме решения таких проблем, как: 
− выбор оптимального режима работы СЭС на основе своевременного 
информирования о предстоящей нагрузке; 
− закупка оптимального объема ЭЭ на основании построенных прогнозных данных по собственному потреблению электроэнергии; 
− исследования проведенные в области улучшения эффективности использования энергии при работе с генерирующими механизмами.  
Данные факторы, заложенные в цель составления заявки, имеют 
огромное экономическое значение, так как если заявленный объем потребления ЭЭ будет отличаться от реальных показаний больше чем на 5 %, то 
это грозит штрафными санкциями [3]. 
Недетерминированность потребления ЭЭ на участках районных электрических сетей при составлении краткосрочных прогнозов обусловлена 
наличием разнообразных факторов, не всегда поддающихся учету [6].  
9 

Введение и постановка задачи 
Значимость прогнозов потребления ЭЭ на короткий временной промежуток значительно возросла, это связано с возникновением на территории 
РФ оптового рынка электроэнергии и мощности (ОРЭМ). Исходя из прогнозов потребителей электроэнергии, системный оператор ОРЭМ составляет карту режима работы энергетической системы: 
− использует наименее затратные источники ЭЭ для удовлетворения 
спроса потребителей; 
− производит выбор оптимальной схемы электрических сетей, с учетом обеспечения надежности работы энергосистемы и наименьших потерь 
электроэнергии в электросетевом оборудовании. 
В ЭЭС осуществляется непрерывное круглосуточное регулирование 
технологического режима работы объектов диспетчеризации по мощности, 
обеспечивающее [1]:  
− поддержание частоты электрического тока в установленных                   
пределах; 
− поддержание потоков мощности в объектах электросетевого хозяйства, в пределах допустимых значений; 
− изменение заданных режимов работы энергосистемы при изменении 
фактического электроэнергетического режима энергосистемы. 
Диспетчер должен создать график, по которому осуществляется управление энергорежимом. И применять для этого прогнозы для определения 
потребления ЭЭ.  
Прогнозирование электроэнергетических режимов энергосистемы 
осуществляется для следующих периодов времени: один час, два и более 
часа, одни сутки, один месяц, один квартал, один год, 5 лет. 
Формирование краткого прогноза электроэнергетических режимов 
энергосистем и технологических режимов работы объектов электроэнергетики осуществляется на предстоящие сутки и выполняется диспетчерскими 
центрами всех уровней. 
График, составленный диспетчером на 24 часа, представляет собой 
главный инструмент для управления режимами работы СЭС [1]. 
Для рыночной системы существенна точность определения прогнозного потребления ЭЭ, так как она определяет технологические и экономические показатели [8]. 
10