Когнитивное моделирование и прогнозирование потребления электроэнергии

Цель исследования. Разработка прогнозной модели энергопотребления и оценка факторов, виляющих на его потребление. Полученные прогнозные оценки энергопотребления обеспечат повышение эффективности принимаемых организационных решений органами административно-территориального управления.

Методы. В статье представлен аналитический обзор существующих методов когнитивного моделирования и прогнозирования потребления электрической энергии, рассмотрено описание программной реализации информационно-вычислительной системы, позволяющей производить прогноз потребления электроэнергии населением административно-территориального образования. Предложен подход к описанию факторов потребления электроэнергии как населением, так и различными отраслями народного хозяйства, а также организациями, занимающимися оказанием различных услуг. Разработано специальное программное обеспечение, которое позволяет в автоматизированном режиме получать модельные результаты потребления электроэнергии, проводить факторный анализ энергопотребления. Приведена экспериментальная проверка работы программы когнитивного моделирования и прогнозирования потребления электроэнергии населением Льговского района Курской области. Разработанное программное обеспечение также позволяет проводить оценку адекватности полученных результатов и оперативно проводить корректировку параметров модели.

Результаты. В результате исследования была разработана нечёткая когнитивная карта энергопотребления для муниципального образования. Выделены концепты предметной области, описывающие влияние различных групп факторов на уровень потребления электрической энергии. Получены прогнозные оценки потребления электроэнергии, в основе которых лежали данные за ретроспективный период. Для полученных оценок определены показатели адекватности, основанные на расчёте статистических критериев.

Заключение. Результаты исследования показали, что сочетание когнитивных и статистических методов позволяет достичь адекватного решения при решении задачи прогнозирования энергопотребления.

1. Кирпичникова И. М., Саплин Л. А., Соломахо К. Л. Прогнозирование объемов потребления электроэнергии // Вестник Южно-Уральского государственного университета. 2014. №14(2). С. 16–22.

2. Большов Л. А., Каневский М. Ф., Савельева Е. А. Прогнозирование электропотребления: современные подходы и пример исследования // Изв. РАН. Энергетика. 2004. № 6. С. 25–35.

3. Харитонов А. Ю. Обзор современных систем учета и анализа потребления ресурсов и энергии // Информатика и кибернетика. 2015. №1. С. 21–26.

4. Метод построения нечеткой когнитивной карты конкурентоспособности машиностроительного предприятия / И. А. Буйневич, Ю. А. Криушина, Ю. А. Халин, А. И. Катыхин, Е. А. Криушин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2023;13(3):146-163. https://doi.org/10.21869/2223-1536-2023-13-3-146-163.

5. Сизов А. С., Халин Ю. А., Цепов А. Ю. Обработка данных на основе owaоператора и ДСМ-метода для оценки риска инвестирования малого инновационного предприятия // Телекоммуникации. 2014. № 12. С. 42-45.

6. Федулов А. С. Нечеткие реляционные когнитивные карты // Известия РАН. Теория и системы управления. 2005. №1. С.120-132.

7. Ягер P. P. Множества уровня для оценки принадлежности нечетких подмножеств // Нечеткие множества и теория возможностей. Последние достижения. М.: Радио и связь, 1986. С. 71-78.

8. Бутов А. Л., Сизов А. С., Халин Ю. А. Подход к объединению фактов в информационно-аналитических системах // Информационно-измерительные и управляющие системы. 2013. Т. 11. № 2. С. 17-23.

9. Васильев В. И., Ильясов Б. Г. Интеллектуальные системы управления. Теория и практика. М.: Радиотехника, 2009. 392 с.

10. Кузьбожев Э. Н., Можейко А. Г., Халин Ю. А. Управление инновационными процессами на основе интеллектуальных информационных технологий // Известия Юго-Западного государственного университета. 2011. № 6-2 (39). С. 83-86.

11. Лисицин Л. А., Халин Ю. А., Лисицин А. Л. Системы поддержки принятия управленческих решений в условиях неполной информации // Известия ЮгоЗападного государственного университета. 2012. № 4-2 (43). С. 95-99.

12. Евсеева А. В., Никологорская Е. Л. Некоторые приложения нового метода прогнозирования, основанного на анализе временных рядов // Вестник ИГЭУ. 2011. №5. С. 60–63.

13. Крыштановский А. Методы анализа временных рядов // Мониторинг. Наука и технологии. 2000. №2. С. 41–49.

14. Халин Ю. А. Подход к прогнозированию состояний конкурирующих предприятий на основе ДСМ – метода автоматического порождения гипотез // Естественные и технические науки. 2011. № 6 (56). С. 521-522.

15. Халин Ю. А., Сизов А. С., Игнатенко А. Н. Нечётко-множественная модель многокритериальной оценки конкурентоспособности предприятия // Известия ЮгоЗападного государственного университета. 2011. № 5-1 (38). С. 53-57.

16. Сизов А. С., Катыхин А. И., Смирнов М. Н. Модель представления знаний в игровой автоматизированной обучающей системе // Распознавание – 2008: материалы докладов IX Междунар. конф. Курск, 2008. С. 310-312.

17. Модели представления и обработки знаний в информационно-аналитических системах / В. П. Добрица, Е. А. Титенко, Ю. А. Халин, А. И. Катыхин. Курск, 2023. 172 с.

18. Робертс Ф. С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам: [пер. с англ.]. М.: Наука, 1986. 496 с.

19. Силов В. Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО-РЕС, 1995. 228 с.

20. Когнитивное моделирование информационного обеспечения игрового автоматизированного обучения / Ю.А. Халин, А.И. Катыхин, С.А. Зинкин, А.А. Шилин // Известия Юго-Западного государственного университета. 2022; 26(4): 117-131. https://doi.org/10.21869/2223-1560-2022-26-4-117-131.