Standard

Harvard

APA

Vancouver

Author

BibTeX

@article{eaa32d7cefdd4a76968cae59ab5421f7,
title = "АДАПТИВНЫЕ АНСАМБЛЕВЫЕ МОДЕЛИ ДЛЯ СРЕДНЕСРОЧНОГО ПРОГНОЗИРОВАНИЯ ВЫРАБОТКИ ЭЛЕКТРОЭНЕРГИИ ГИДРОЭЛЕКТРОСТАНЦИЯМИ В ИЗОЛИРОВАННЫХ ЭНЕРГОСИСТЕМАХ С УЧЁТОМ ИЗМЕНЕНИЙ ТЕМПЕРАТУРЫ",
abstract = "В статье выполнен анализ взаимосвязи между выработкой электроэнергии на гидроэлектростанциях (ГЭС) и изменениями температуры для среднесрочного прогнозирования в изолированной энергосистеме Горно-Бадахшанской автономной области (ГБАО) Республики Таджикистан. Повышение точности прогнозирования позволит решить проблему контроля расхода воды, а также оптимизировать выработку электроэнергии на ГЭС с обеспечением надёжного функционирования энергосистемы. Решение подобных задач связано с рядом проблем, таких как отсутствие достаточного объема данных, неопределенность выработки электроэнергии, отсутствие регулярности работы одной станции и недостаточная точность используемых на ГЭС моделей прогнозирования. При среднесрочном прогнозировании выработки электроэнергии на ГЭС следует учитывать сезонность изменений стока и притока воды, особенно в энергосистемах с высокой долей возобновляемых источников энергии, где изменение температуры напрямую влияет на запасы и возможность регулирования. В работе рассматривается проблема построения модели среднесрочного прогнозирования выработки электроэнергии на ГЭС с учетом изменений температуры в изолированных энергосистемах. В качестве метода среднесрочного прогнозирования выработки электроэнергии был выбран подход машинного обучения, который характеризуется высокой степенью самоадаптации к изменениям условий работы. Проведено сравнительное исследование таких моделей, как линейная/полиномиальная регрессия c регуляризацией Тихонова, алгоритм k-ближайших соседей, адаптивный бустинг деревьев решений, адаптивный бустинг линейных моделей, случайный лес, экстремальный градиентный бустинг, многослойный перцептрон. В результате выполнения компьютерного моделирования обоснована целесообразность применения модели на базе адаптивного бустинга с линейной регрессией (ABLR).",
author = "Сафаралиев, {Муродбек Холназарович} and Матренин, {Павел Викторович} and Дмитриев, {Степан Александрович} and Ахьёев, {Джавод Саламшоевич} and Кокин, {Сергей Евгеньевич}",
year = "2022",
doi = "10.18503/2311-8318-2022-1(54)-38-45",
language = "Русский",
pages = "38--45",
journal = "Электротехнические системы и комплексы",
issn = "2311-8318",
publisher = "Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования {"}Магнитогорский государственный технический университет им. Г.И. Носова{"}",
number = "1 (54)",

}

RIS

TY - JOUR

T1 - АДАПТИВНЫЕ АНСАМБЛЕВЫЕ МОДЕЛИ ДЛЯ СРЕДНЕСРОЧНОГО ПРОГНОЗИРОВАНИЯ ВЫРАБОТКИ ЭЛЕКТРОЭНЕРГИИ ГИДРОЭЛЕКТРОСТАНЦИЯМИ В ИЗОЛИРОВАННЫХ ЭНЕРГОСИСТЕМАХ С УЧЁТОМ ИЗМЕНЕНИЙ ТЕМПЕРАТУРЫ

AU - Сафаралиев, Муродбек Холназарович

AU - Матренин, Павел Викторович

AU - Дмитриев, Степан Александрович

AU - Ахьёев, Джавод Саламшоевич

AU - Кокин, Сергей Евгеньевич

PY - 2022

Y1 - 2022

N2 - В статье выполнен анализ взаимосвязи между выработкой электроэнергии на гидроэлектростанциях (ГЭС) и изменениями температуры для среднесрочного прогнозирования в изолированной энергосистеме Горно-Бадахшанской автономной области (ГБАО) Республики Таджикистан. Повышение точности прогнозирования позволит решить проблему контроля расхода воды, а также оптимизировать выработку электроэнергии на ГЭС с обеспечением надёжного функционирования энергосистемы. Решение подобных задач связано с рядом проблем, таких как отсутствие достаточного объема данных, неопределенность выработки электроэнергии, отсутствие регулярности работы одной станции и недостаточная точность используемых на ГЭС моделей прогнозирования. При среднесрочном прогнозировании выработки электроэнергии на ГЭС следует учитывать сезонность изменений стока и притока воды, особенно в энергосистемах с высокой долей возобновляемых источников энергии, где изменение температуры напрямую влияет на запасы и возможность регулирования. В работе рассматривается проблема построения модели среднесрочного прогнозирования выработки электроэнергии на ГЭС с учетом изменений температуры в изолированных энергосистемах. В качестве метода среднесрочного прогнозирования выработки электроэнергии был выбран подход машинного обучения, который характеризуется высокой степенью самоадаптации к изменениям условий работы. Проведено сравнительное исследование таких моделей, как линейная/полиномиальная регрессия c регуляризацией Тихонова, алгоритм k-ближайших соседей, адаптивный бустинг деревьев решений, адаптивный бустинг линейных моделей, случайный лес, экстремальный градиентный бустинг, многослойный перцептрон. В результате выполнения компьютерного моделирования обоснована целесообразность применения модели на базе адаптивного бустинга с линейной регрессией (ABLR).

AB - В статье выполнен анализ взаимосвязи между выработкой электроэнергии на гидроэлектростанциях (ГЭС) и изменениями температуры для среднесрочного прогнозирования в изолированной энергосистеме Горно-Бадахшанской автономной области (ГБАО) Республики Таджикистан. Повышение точности прогнозирования позволит решить проблему контроля расхода воды, а также оптимизировать выработку электроэнергии на ГЭС с обеспечением надёжного функционирования энергосистемы. Решение подобных задач связано с рядом проблем, таких как отсутствие достаточного объема данных, неопределенность выработки электроэнергии, отсутствие регулярности работы одной станции и недостаточная точность используемых на ГЭС моделей прогнозирования. При среднесрочном прогнозировании выработки электроэнергии на ГЭС следует учитывать сезонность изменений стока и притока воды, особенно в энергосистемах с высокой долей возобновляемых источников энергии, где изменение температуры напрямую влияет на запасы и возможность регулирования. В работе рассматривается проблема построения модели среднесрочного прогнозирования выработки электроэнергии на ГЭС с учетом изменений температуры в изолированных энергосистемах. В качестве метода среднесрочного прогнозирования выработки электроэнергии был выбран подход машинного обучения, который характеризуется высокой степенью самоадаптации к изменениям условий работы. Проведено сравнительное исследование таких моделей, как линейная/полиномиальная регрессия c регуляризацией Тихонова, алгоритм k-ближайших соседей, адаптивный бустинг деревьев решений, адаптивный бустинг линейных моделей, случайный лес, экстремальный градиентный бустинг, многослойный перцептрон. В результате выполнения компьютерного моделирования обоснована целесообразность применения модели на базе адаптивного бустинга с линейной регрессией (ABLR).

UR - https://www.elibrary.ru/item.asp?id=48164204

U2 - 10.18503/2311-8318-2022-1(54)-38-45

DO - 10.18503/2311-8318-2022-1(54)-38-45

M3 - Статья

SP - 38

EP - 45

JO - Электротехнические системы и комплексы

JF - Электротехнические системы и комплексы

SN - 2311-8318

IS - 1 (54)

ER -

ID: 29949413