Research output: Contribution to journal › Article › peer-review
Research output: Contribution to journal › Article › peer-review
}
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