Краткосрочное прогнозирование объемов электропотребления для энергосбытовых компаний на основе интеграции технологий аналитических, имитационных и экспертных систем

Цель исследования. Совершенствование программной поддержки и выявление закономерностей процессов краткосрочного прогнозирования объемов электропотребления энергосбытовых компаний на основе взаимодополняющей интеграции моделей интеллектуального анализа данных, системной динамики и экспертных систем.

Методы. Приведены принципы построения прогностических моделей электропотребления. Проведен системный анализ и построена онтологическая модель предметной области с учетом технологической и рыночной среды. Рассмотрена классификация методов прогнозирования. Описаны особенности информационной базы для проведения краткосрочного прогнозирования, включающей данные о фактическом электропотреблении и метеоданные. Сформулированы требования к программному обеспечению для выполнения прогнозов. Построена структурная схема системы прогнозирования электропотребления рынка на сутки вперед на основе взаимодополняющей интеграции программного обеспечения анализа данных и моделирования.

Результаты. Разработаны сценарии обработки данных в Loginom с использованием обработчиков Arimaх и Нейросеть (Регрессия) для построения прогнозов на основе фактического потребления электроэнергии и с учетом метеофакторов. В Anylogic разработана имитационная модель системной динамики, позволяющая исследовать влияние метеофакторов (температура, давление, осадки) на объем электропотребления. С помощью миварного конструктора экспертных систем Wi!Mi проведена параметризация задачи, заданы показатели, отношения, правила, получен логический вывод решения.

Заключение. Построена структурная схема системы прогнозирования электропотребления рынка на сутки вперед, основанная на анализе ретроспективной информации о фактическом электропотреблении и метеофакторах с использованием методов интеллектуального анализа данных, системной динамики и экспертных систем и российских программных средств Loginom, Anylogic и Wi!Mi.

1. Оптовый рынок электрической энергии и мощности // Ассоциация «НП Совет рынка». URL: https://www.np-sr.ru/ru/market/wholesale/index.htm (дата обращения: 14.04.2022)

2. По кривой – к балансу. Как складывается цена электроэнергии // ООО «Сибирская генерирующая компания». https://sibgenco.online/news/element/on-a-curve-to-balance-whatis-the-price-of-electricity-/ (дата обращения: 14.04.2022)

3. Соловьева И.А., Дзюба А.П. Прогнозирование электропотребления с учетом факторов технологической и рыночной среды // Научный диалог. 2013. № 7 (19). С. 97-113.

4. Смирнова Е.О., Филатов А.Ю. Прогнозирование рынка электроэнергии "на сутки вперед": пример второй ценовой зоны // Вестник Воронежского государственного университета. Серия: Экономика и управление. 2018. № 4. С. 149-159.

5. Мохов В.Г., Демьяненко Т.С. Прогнозирование потребления электрической энергии на оптовом рынке электроэнергии и мощности // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2014. Т. 8. № 2. С. 86-92.

6. Воронов И.В., Политов Е.А., Ефременко В.М. Использование нейронной сети для краткосрочного прогнозирования электропотребления промышленного предприятия // Вестник КузГТУ. 2006. № 6. С. 71-73.

7. Серебряков Н.А. Выбор оптимальной архитектуры и конфигурации нейросети в задачах краткосрочного прогнозирования электропотребления гарантирующего поставщика электроэнергии // Вести высших учебных заведений Черноземья. 2021. № 2 (64). С. 26-42.

8. Карпенко С.М., Карпенко Н.В., Безгинов Г.Ю. Прогнозирование электропо-требления на горнопромышленных предприятиях с использованием статистических методов // Горная промышленность. 2022. № 1. С. 82-88.

9. Использование статистических моделей при краткосрочном прогнозировании электропотребления и графиков нагрузки ЭЭС / Т.А. Филиппова, А.Г. Русина, Ю.В. Дронова, Р.В. Зимин, Р.С. Калюжный // Электрические станции. 2008. №5. С. 32-36.

10. Прогнозирование электропотребления энергосбытовых компаний / Б.И. Макоклюев, А.С. Полижаров, А.А. Ломейко, В.В. Мишина // Энергоэксперт. 2018. № 1 (65). С. 34-38.

11. Бершадский И.А., Джура С.Г., Чурсинова А.А. Использование искусственного интеллекта для прогнозирования электропотребления энергосбытовой компании // Научный вестник Новосибирского государственного технического университета. 2020. № 4 (80). С. 7-16.

12. Методы краткосрочного прогнозирования выработки электрической энергии солнечными электростанциями и их классификация / Д.А. Тюньков, А.А. Сапилова, А.С. Грицай, Д.А. Алексеенко, Р.Н. Хамитов // Электротехнические системы и комплексы. 2020. № 3 (48). С. 4-10.

13. Методы прогнозирования электропотребления в распределительных сетях (обзор) / А.М. Абдурахманов, М.В. Володин, Е.Ю. Зыбин, В.Н. Рябченко // Электротехника: сетевой электронный научный журнал. 2016. Т. 3. № 1. С. 3-23.

14. Хальясмаа А.И., Матренин П.В., Ерошенко С.А. Анализ ошибок применения алгоритмов машинного обучения в задачах электроэнергетики // Электроэнергия. Передача и распределение. 2021. № 3 (66). С. 46-53.

15. Бубновская Т.В., Демонова Т.И. Совершенствование системы информационного обеспечения процессов управления в энергосбытовой компании // Азимут научных исследований: экономика и управление. 2018. Т. 7. № 4 (25). С. 89-92.

16. Кретов Д.А., Рузанов Р.В. Прогнозирование электропотребления энергосбытовой компании с использованием искусственной нейронной сети // Инженерный вестник Дона. 2015. № 2-1 (35). С. 20.

17. Паклин Н.Б., Ильин И.В., Широкова С.В. Малокодовые платформы в подготовке аналитиков данных // Фундаментальные и прикладные исследования в области управления, экономики и торговли: сборник трудов Всероссийской научно-практической и учебно-методической конференции. СПб., 2021. С. 218-221.

18. Борщев А.В., Махдави А. Имитационные модели как виртуальная среда для обучения и тестирования искусственного интеллекта для бизнес-приложений // Девятая всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности: труды конференции. Екатеринбург, 2019. С. 20-29.

19. Назаров К.В., Варламов О.О. Разработка методики создания верифицируемых моделей для миварных экспертных систем // T-Comm: Телекоммуникации и транспорт. 2017. Т. 11. № 4. С. 64-71.

20. Ганюков В.Ю., Ханова А.А., Сульдина Н.В. Интеллектуальная система управления цепями поставок логистического предприятия на основе дискретно-событийной, агентной и системно-динамической имитационных моделей // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012. № 2. С. 143-149.