Нейросетевые технологии прогнозирования и управления электропотреблением в энергетических системах с использованием генетического метода

Abstract

Рассматриваются нейросетевые технологии прогнозирования в задачах управления электропотреблением в энергетических системах с использованием генетического метода. Доказано, что с целью реализации системы технологического управления региональной сетевой компании можно применять техническую и информационную платформу иерархической автоматизированной информационно-измерительной системы контроля и учета электроэнергии. Рассматривается задача повышения точности краткосрочного прогнозирования потребления электроэнергии с использованием методов глубокого машинного обучения. Новизна работы заключается в использовании разработанного генетического алгоритма для подбора гиперпараметров нейронной сети, которые влияют на качество ее работы, но не определяются в процессе обучения. Разработаны модели нейронных сетей, проведено исследование по поиску оптимальной структуры нейронной сети и влияния задаваемых гиберпараметров нейронных сетей на погрешность прогнозирования электропотребления. Проработанная методика и технологии управления применены в структуре программно-моделирующей системы, чтобы управлять региональной энергосистемой автономных потребителей. По итогам обучения и тестирования генетический алгоритм подтвердил возможность автоматизации подбора оптимальных гиперпараметров и получения прогнозов большей точности

The paper considers theneural network forecasting technologies in controlling power consumption in energy sys-tems using the genetic method. It is proved that in order to implement the technological management system of a regional grid company, it is possible to use the technical and information platform of a hierarchical automated information and meas-urementsystem for monitoring and metering electricity. We consider the task of improving the accuracy of short-term fore-casting of electricity consumption using deep machine learning methods. The novelty of the work lies in theuse of a developed genetic algorithm to select hyperparameters of a neural network that affect the quality of its work, but are not deter-mined in the learning process. The authors have developed the neural network models and carried out the study to find the optimal structure of a neural network, and the influence of specified neural networks hyperparameters on the error in pre-dicting power consumption. The developed management methodology and technologies are applied in the structure of the software modeling system to manage the regional energy system of autonomous consumers. Based on the results of training and testing, the genetic algorithm confirmed the possibility of automating the selection of optimal hyperparameters and ob-taining forecasts of greateraccuracy and the possibility