Научный журнал
ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ.
СЕВЕРО-КАВКАЗСКИЙ РЕГИОН.

ТЕХНИЧЕСКИЕ НАУКИ


ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ СЕВЕРО-КАВКАЗСКИЙ РЕГИОН. 2022; 4: 20-26

 

http://dx.doi.org/10.17213/1560-3644-2022-4-20-26

 

РЕГРЕССИОННОЕ МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ МАКСИМАЛЬНОЙ НАГРУЗКИ ТРАНСФОРМАТОРА ПОДСТАНЦИИ

Б.Б. Галабаев, А.Э. Дзгоев

Галабаев Батырбек Борисович – магистр, Северо-Кавказский горно-металлургический институт (Государственный технологический университет),  г. Владикавказ, Респ. Северная Осетия-Алания, Россия,  batik_333@mail.ru

Дзгоев Алан Эдуардович – канд. техн. наук, доцент, кафедра «Информационных технологий и систем», Северо-Кавказский горно-металлургический институт (Государственный технологический университет),  г. Владикавказ, Респ. Северная Осетия-Алания, Россия, Dzgoev_Alan@mail.ru

 

Аннотация

Представлены результаты исследования, посвященного разработке набора регрессионных моделей-кандидатов при аппроксимации данных и прогнозировании максимальной нагрузки трансформаторов под-станций летнего и зимнего режимного дня, с целью создания системы поддержки принятия решений. Разработаны полезные адекватные и качественные регрессионные модели с помощью метода наименьших квадратов (МНК). С применением критериев математической статистики проведено сравнение значений адекватности и качества всех разработанных регрессионных моделей-кандидатов и выбрана наиболее подходящая математическая модель, описывающая имеющиеся данные максимальной нагрузки трансформатора. Спроектирована система поддержки принятия решений и составлен программный продукт для прогнозирования максимальной нагрузки трансформатора подстанции. Прогнозные оценки максимальной нагрузки будут полезны специалистам диспетчерского управления электрораспределительной компании при оперативном контроле состояния работы электрических сетей с целью обеспечения надежной и безаварийной работы всей инфраструктуры.

 

Ключевые слова: набор регрессионных моделей-кандидатов, выбор модели, обычная линейная регрессия, регрессионное моделирование нагрузки электроэнергии, аппроксимация данных, максимальная нагрузка трансформаторов подстанций, система поддержки принятия решений

 

Полный текст: [in elibrary.ru]

 

Ссылки на литературу

  1. Gross G., Galiana F.D. Short Term Load Forecasting // Proc. IEEE. 1987. Vol.75, No 12 P.1558 –1573.
  2. Автоматизация диспетчерского управления в электроэнергетике / под общ. ред. Ю.Н. Руденко и В.А. Семенова. М.: Изд-во МЭИ, 2000.  648 с.
  3. Бэнн Д.В., Фармер Е.Д. Сравнительные модели прогнозирования электрической нагрузки: пер. с англ. М.: Энергоатомиздат, 1987. 200 с.
  4. Zhang D, Guan W, Yang J, Yu H, Xiao W and Yu T. Medium–and Long-Term Load Forecasting Method for Group Objects Based on the Image Representation Learning. Front. Energy Res. 9:739993. doi: 10.3389/fenrg.2021.739993.
  5. Chen S.T., David C.Y., Moghaddamjo A.R. Wether Sensitive Short-Term Load Forecasting Using Non Fully Connected Artificial Neural Network // IEE Trans. On Power Systems. 1992. Vol. 7, No 3. P.1098 – 1105.
  6. Dash P.K., Ramakrishna G., Liew A.C., Rahman S. Fuzzy Neural Networks for Time-Series Forecasting of Electric Load // IEE Proc. Gener. Transm. Distrib. 1995. Vol. 142, No 5. P. 535 – 544.
  7. Dong, X., Qian, L., and Huang, L. (2017). Short-Term Load Forecasting in Smart Grid: A Combined CNN and K-Means Clustering Approach. IEEE International Conference on Big Data & Smart Computing. New Jersey, United States: IEEE, 119–125.
  8. Андерсон Т. Статистический анализ временных рядов / пер. с английского И.Г. Журбенко и В.П. Носко; под ред. Ю.К. Беляева. М.: Изд-во «МИР», 1976.
  9. Прогнозирование нагрузки трансформаторов подстанций. URL:https://studbooks.net/2137251/matematika_himiya_ fizika/ prognozirovanie_nagruzki (дата обращения: 23.06.2022).
  10. Синицин Ф., Соколов Е. Учебник по ML от ШАД. Линейные модели. URL: https://ml-handbook.ru/chapters/ linear_models/intro (дата обращения: 23.06.2022).
  11. Открытый курс машинного обучения. Тема 4. Линейные модели классификации и регрессии. URL: https://habr.com/ru/company/ods/blog/323890/ (дата обращения: 23.06.2022).
  12. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс: Учебник: 6-е изд., перераб. и доп. М.: Дело, 2004. 576 с. URL: http://math.isu.ru/ru/chairs/me/ files/books/magnus.pdf (дата обращения: 23.06.2022).