авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Астрологический Прогноз на год: карьера, финансы, личная жизнь


Прогнозирование потребления электроэнергии фабрикой окускования горно-обогатительного комбината методом искусственных нейронных сетей

На правах рукописи

Белов Константин Дмитриевич ПРОГНОЗИРОВАНИЕ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ ФАБРИКОЙ ОКУСКОВАНИЯ ГОРНО-ОБОГАТИТЕЛЬНОГО КОМБИНАТА МЕТОДОМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ Специальность 05.09.03 – Электротехнические комплексы и системы

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Магнитогорск - 2008 2

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Уральский государственный гор ный университет».

Научный руководитель доктор технических наук, ст. научн. сотр.

Карякин Александр Ливиевич

Официальные оппоненты: доктор технических наук, профессор, заслуженный работник РАО ЕЭС Паздерин Андрей Владимирович кандидат технических наук, доцент Ромодин Александр Вячеславович Ведущее предприятие ОАО «Уралгипрошахт», г. Екатеринбург

Защита состоится «26» декабря 2008 г. в 14 час. 30 мин. на заседа нии диссертационного совета Д 212.111.04 при ГОУ ВПО «Магнитогорский государственный технический университет им. Г.И. Носова» по адресу:

455000, Челябинская область, г. Магнитогорск, пр. Ленина, д. 38, ауд. 227.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Маг нитогорский государственный технический университет им. Г.И. Носова».

Автореферат разослан «26» ноября 2008 г.

Ученый секретарь диссертационного совета, канд. техн. наук, доцент Одинцов К.Э.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Для крупных горных предприятий в условиях современного энергорынка актуальной задачей является составление досто верной заявки для электроснабжающей организации на потребление элек троэнергии на некоторый срок вперед, позволяющей уменьшить финансовые издержки, связанные с отклонениями фактического потребления электро энергии от заявленного. Как правило, в соответствии с условиями договора электроснабжения, предприятие-потребитель обязано ежегодно предостав лять заявку на плановое потребление электроэнергии с разбивкой по меся цам и почасовой детализацией. В связи с этим, у предприятия-потребителя возникает задача краткосрочного и среднесрочного прогнозирования по требления электроэнергии с упреждением один календарный месяц и дета лизацией один час.

Поэтому исследования, направленные на разработку системы прогно зирования электропотребления, основанной на нелинейном методе нейросе тевого моделирования, являются актуальными.

Степень научной разработанности проблемы. Вопросами прогнозиро вания электропотребления с применением методов нейросетевого моделиро вания занимаются в Институте систем энергетики им. Мелентьева СО РАН, Новосибирском государственном техническом университете, Уральском государственном техническом университете, Пермском государственном техническом университете и ряде других организаций. Результаты исследо ваний в этой области представлены в работах Гамма А.З., Глазуновой А.М., Демура А.В., Сухомлиновой О.А., Олейникова В.К., Богатырёва Л.Л., Воро пая Н.И., Колосок И.Н., Готмана Н.Э., Старцевой Т.Б., Курбацкого В.Г., Ма нова Н.А., Манусова В.З., и других.

Несмотря на широкий спектр работ, в них не рассмотрены вопросы прогнозирования электропотребления на основе метода искусственных ней ронных сетей для крупных горных предприятий, бесспорно имеющие свою специфику.

Целью работы является разработка и исследование методики прогно зирования электропотребления фабрикой окускования горно обогатительного комбината на примере ОАО «Качканарский ГОК «Вана дий» на основе искусственных нейронных сетей, обладающей высокой точ ностью, достоверностью и устойчивостью в условиях изменения режимов работы предприятия и внешних влияющих факторов, позволяющей пред приятию минимизировать отклонение величин объема потребляемой от за явленной на рынке электроэнергии за счет составления достоверной заявки, что приводит к экономии материальных и природных ресурсов государства.

Для достижения сформулированной цели в работе были поставлены и решены следующие задачи:

1. Анализ технологического процесса добычи и переработки руды на ОАО «Качканарский ГОК «Ванадий», основного технологического и элек тромеханического оборудования, технологических и энергетических показа телей цехов фабрики окускования.

2. Анализ существующих методов прогнозирования и выбор наиболее современного метода, основанного на нелинейных моделях, теории искусст венных нейронных сетей, для решения задачи прогнозирования электропотребления фабрикой окускования.

3. Исследование и отбор факторов (предикторов), влияющих на по требление электроэнергии каждым цехом фабрики окускования.

4. Разработка алгоритма синтеза нейронной сети, включающего опре деление структуры сети, количество слоев и нейронов в слое, функций акти вации нейронов, и синтез нейронных сетей для каждого цеха фабрики.

5. Разработка системы прогнозирования электропотребления фабрики окускования на основе нейронных сетей цехов данной фабрики.

6. Оценка точности разработанной системы прогнозирования элек тропотребления фабрики окускования.

7. Разработка путей повышения точности прогнозирования электро потребления как отдельными цехами, так и фабрикой окускования в целом.

8. Исследование влияния упреждения прогноза и точности задания не зависимых переменных на точность прогнозирования электропотребления.



9. Разработка и исследование на основе существующего метода пла нирования электропотребления на ОАО «Качканарский ГОК «Ванадий» алгоритма работы системы анализа и прогнозирования общего и удельного электропотребления, основанного на статистическом методе корреляцион но-регрессионного анализа. Результаты, полученные в ходе данного иссле дования, должны являться базовыми для оценки достоверности результатов, полученных при прогнозировании электропотребления методом искусствен ных нейронных сетей.

10. Выполнение сравнительного анализа существующей и разрабо танной систем прогнозирования электропотребления путем расчета эконо мического эффекта от внедрения разработанной системы.

Методы исследования. Для решения поставленных задач в работе ис пользовались положения теории вероятности, принципы системного подхо да, методы математической статистики и нейросетевого моделирования.

Теоретические исследования сопровождались разработкой различных мате матических моделей, реализованных на ПЭВМ в виде программных средств в системе MatLab. Исследование алгоритмов прогнозирования электропо требления проведено на основе экспериментальных данных, полученных на предприятии ОАО «Качканарский ГОК «Ванадий».

При выполнении работы использованы научные труды, результаты теоретических и экспериментальных исследований по данной теме россий ских и зарубежных специалистов, материалы научно-технических конфе ренций и семинаров.

Научная новизна работы заключается в следующем:

1. Разработана модель прогнозирования потребления электроэнергии фабрикой окускования горно-обогатительного комбината, основанная на методе искусственных нейронных сетей, характеризуемая повышенной точностью прогнозирования по сравнению с известными. В результате проведенного анализа погрешности прогнозирования для известных видов нейронных сетей установлено, что для фабрики окускования нейронные сети должны описывать соответствующие технологические комплексы производства отдельных компонентов готовой продукции. Поэтому модель имеет модульную структуру, каждый модуль представляет собой многослойную нейронную сеть цеха фабрики с прямым распространением сигнала без обратных связей с параметрами, представленными в табл.2. Для обучения применялся нелинейный метод Левенберга-Марквардта с учителем, который показал наилучшие показатели сходимости. Целевая функция обучения – минимум среднего квадратического отклонения между фактическим значением электропотребления и полученным на выходе сети.





2. Определен набор статистических методов и методика их применения, позволяющие установить показатели влияния входных факторов на величину электропотребления. Такими методами являются методы аналитической группировки, в том числе многофакторной аналитической группировки, оценки надежности корреляционных связей между переменными, анализа трехмерной диаграммы рассеяния. В результате применения методов отобраны значимые входные факторы для синтеза нейронных сетей цехов фабрики. Определено, что вероятность ошибочного установления связи между отобранными для обучающего множества входными факторами и прогнозируемой величиной составляет менее 1%.

Практическая ценность. Результатом выполненных исследований яв ляется разработанная модель, которая лежит в основе системы прогнозиро вания электропотребления фабрики окускования горно-обогатительного комбината, основанная на методе искусственных нейронных сетей. Разрабо танная система позволяет определять перспективные объемы электропо требления для составления достоверной заявки при покупке электроэнергии на оптовом или розничном рынке, что ведет к экономии финансовых средств предприятия-потребителя. Защищаемые научные положения позволяют про водить достаточно точное краткосрочное и среднесрочное прогнозирование, пересмотреть установленные подходы к прогнозированию электропотребле ния на горных предприятиях, производить текущее уточнение прогнозов для целей регулирования электропотребления. Разработанные принципы форми рования набора исходных данных, а также предложенная система прогнози рования могут использоваться для различных горных и промышленных предприятий.

Проведена оценка экономического эффекта от внедрения разработан ной системы прогнозирования электропотребления на основе метода искус ственных нейронных сетей при погрешности задания входных переменных ±15%, условии постоянства цен на электроэнергию (эффект рассчитан за 2007 г. по фабрике окускования при годовом электропотреблении 393 млн.

кВт·ч). Снижение платы за электроэнергию по данным за 2007 г. составляет:

при упреждении прогноза одни сутки – 3,3 млн.руб. с НДС, при упреждении прогноза 30 суток – 2,8 млн.руб. с НДС.

Выполненный сравнительный анализ эффективности использования разработанной системы прогнозирования с существующей на предприятии системой, основанной на традиционных вероятностно-статистических мето дах, показал целесообразность применения метода искусственных нейрон ных сетей в задачах прогнозирования электропотребления крупных горных предприятий в новых рыночных условиях.

Обоснованность и достоверность научных положений подтверждена корректным применением классических методов математической статисти ки, апробированных структур искусственных нейронных сетей, использова нием обучающих множеств, объединяющих фактические данные измере ний, контроля и наблюдений за три года, численными экспериментами на ЭВМ с использованием контрольного и тестового множеств.

Установлены показатели точности решения задачи прогнозирования электропотребления фабрикой окускования.

При точном соответствии значений запланированной и произведенной продукции относительное среднее квадратическое отклонение прогноза составляет 2,98%.

При погрешности задания входных факторов ±15% математическое ожидание среднего квадратического отклонения прогноза на 30 суток вперед на тестовом множестве не превышает 3,37% от среднего значения потребления электрической энергии фабрикой окускования за расчетный период, при упреждении прогноза одни сутки – 3,15%. Аналогичный показатель для существующей на ОАО «Качканарский горно обогатительный комбинат «Ванадий» системы равен 5,22%.

Реализация работы. Результаты диссертационной работы приняты к внедрению на ОАО «Качканарский горно-обогатительный комбинат «Ванадий».

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на первой молодежной научно-практической конференции ООО «УГМК-Холдинг», 2003г., на научных конференциях Уральского государственного горного университета в 2003-2008 гг.

Публикации. По теме диссертации опубликовано пять печатных работ.

Структура и объем работы. Диссертация состоит из введения, пяти глав с выводами, заключения, библиографического списка из наименований и четырех приложений. Объем работы составляет страниц, включая 80 рисунков и 65 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, сформулирована цель, раскрыта научная новизна, практическая ценность, приведены резуль таты апробации и реализации теоретических и практических исследований с обоснованием достоверности.

В первой главе описаны состояние вопроса, сформулированы задачи проводимого исследования и намечены предполагаемые методы их решения.

Выбран объект исследования и прогнозирования – фабрика окускования.

Проведен анализ электропотребления горного предприятия ОАО «Качканар ский ГОК «Ванадий» и исследование существующего метода прогнозирова ния, основанный на нормах удельного расхода электроэнергии, выявлены его недостатки. Проведен анализ технологического процесса добычи и пере работки руды на ОАО «Качканарский ГОК «Ванадий», основного техноло гического и электромеханического оборудования, технологических и энер гетических показателей цехов фабрики окускования. Опираясь на получен ные результаты исследований, выполненный обзор работ, опубликованных в отечественной и зарубежной технической литературе, посвященных кратко срочному и среднесрочного прогнозированию электропотребления, прове денного анализа существующих методов прогнозирования в качестве мето да, обладающего высокой точностью и гибкостью используемых моделей, был предложен современный многофакторный нелинейный метод, основан ный на теории искусственных нейронных сетей, для решения задачи прогнозирования электропотребления фабрикой окускования.

Рассмотрены структура искусственного нейрона, его математическое описание, структуры и классификация нейронных сетей, основные этапы синтеза нейронной сети. Определено, что прогнозирование электропотреб ления будет осуществляться классической многослойной нейронной сетью с прямым распространением сигнала без обратных связей, т.к. сети этого типа получили наибольшее распространение для решения задач регрессии.

Установлено, что модель прогнозирования электропотребления фаб рики окускования должна иметь модульную структуру, каждый модуль нейронная сеть цеха фабрики.

На рис. 1 приведена декомпозиция модели электропотребления фаб рики окускования ОАО "Качканарский ГОК "Ванадий", на которой вектором выходных значений является потребление электроэнергии фабрикой Wфок результат искомой в ходе исследований функции от вектора входных переменных Хфок.

Вторая глава посвящена разработке с подробным описанием алгоритма синтеза нейронной сети на примере цеха агломерации фабрики оку скования, который включает:

1) Отбор переменных Рис.1. Декомпозиция модели потребления электроэнергии (предикторов), которые по фабрикой окускования имеющимся из предметной области знаниям оказывают значительное влияние на прогнозируемую вели чину, тем самым представляют собой репрезентативную выборку для этого:

а) Руководствуясь опытом работы в данной предметной области, ис пользуя априорную информацию о цехе агломерации, был проведен перво начальный отбор значимых входных факторов (в целом по фабрике окуско вания, представленных в табл. 1);

б) Собрано 4523 наблюдения за период с 2002 по 2007 год включи тельно, из которых сформировано обучающее множество, состоящее из обучающих примеров;

Таблица в) Определен набор статистических методов и методика их приме нения, позволяющие установить показатели влияния входных факторов на величину электропотребления, используя которые в сочетании с экспери ментами с обобщенно-регрессионными сетями были отобраны значимые входные факторы для синтеза нейронной сети цеха агломерации. Точность прогноза, даваемого обученной обобщенно-регрессионной сетью, оценива лась остаточной дисперсией реального значения потребления электроэнер гии, не объясняемая нейронной сетью, кВт2·ч2:

(W ) (W ) N 2 б W* * (1) sW = i =, N где W* – значение потребления электроэнергии на выходе нейронной сети, о.е.;

W* – масштабированное фактическое значение потребления электро энергии, о.е.;

W б – базисное значение потребления электроэнергии, кВт·ч;

N – число элементов контрольного множества.

Определено, что вероятность ошибочного установления связи между отобранными для обучающего множества входными факторами и прогнози руемой величиной составляет менее 1%.

2) Синтез нейронной сети, заключающийся в определении ее опти мальной структуры (количество слоев и нейронов в слое - первоначально в соответствии с выражением (3), функций активации нейронов) наилучшим образом аппроксимирующей зависимость потребления электроэнергии от рассматриваемых факторов (табл.2) в результате моделирования с учетом требуемых параметров точности прогноза.

Определение необходимого числа синаптических весов Lw, в много слойной сети с сигмоидальными функциями активации нейронов:

mN Lw ( N + m )(n + m + 1) + m, (2) 1 + log 2 N где m – размерность выходного сигнала, ед.;

N – число элементов обу чающей выборки;

n – размерность входного сигнала, ед.

Определение числа нейронов в скрытом слое L для двухслойной ней ронной сети:

Lw (3) L= n+m Для обучения нейронной сети применялся нелинейный метод Левен берга-Марквардта с учителем, который показал наилучшие показатели схо димости. Целевая функция обучения – минимум среднего квадратического отклонения SW, кВт·ч (4) между фактическим значением потребления элек троэнергии и полученным на выходе сети:

(W ) (W ) N 2 б W* * (4) sW = i =.

N Оценка точности прогноза, даваемого синтезированной нейронной сетью цеха агломерации (табл.2), производилась по относительному средне му квадратическому отклонению, о.е., фактических значений от прогноза на тестовом множестве:

( ) N N W* W* (5) i = =.

N W * i = В результате исследования зависимости выхода нейронной сети цеха агломерации от каждого входного фактора в отдельности при закрепленных прочих факторах, посредствам получения и анализа квазистатических зави симостей (рис. 2) прогноза потребления электроэнергии от рассматриваемой входной переменной при закрепленных прочих переменных, были получены следующие результаты:

Рис. 2. Квазистатическая зависимость Рис. 3. Диаграмма рассеяния электропо прогноза электропотребления a цехом требления цехом агломерации в зависи агломерации, даваемая нейронной сетью, мости от суммарной работы агломашин и от количества произведенного агломерата количества произведенного агломерата Qa, при tcc=0 °С, iд= - характер квазистатических зависимостей - нелинейный, что доказыва ет правильность выбора нелинейного метода прогнозирования, основанного на нейросетевом моделировании;

- наибольшее влияние на точность прогнозирования электропотребле ния оказывает точность задания количества продукции, которое планируется произвести за смену;

- наибольшая сила связи присутствует между параметрами потребле ние электроэнергии и количество произведенной продукции (данный резуль тат подтвердил анализ трехмерной диаграммы рассеяния, рис.3);

- входной фактор суммарное время работы основного технологическо го оборудования оказывает влияние на потребление электроэнергии через количество произведенной продукции, чистое же влияние этой переменной на потребление электроэнергии мало.

Третья глава посвящена исследованию электропотребления цехов фабрики окускования методом искусственных нейронных сетей. На основа нии проведенного исследования статистическими методами, экспериментов с обобщенно-регрессионными сетями оценки связи входных переменных с прогнозируемой, были получены следующие результаты:

- наибольшая плотность связи потребления электроэнергии наблюда ется с производительностью и временем работы основного технологического оборудования рассматриваемого объекта прогнозирования, с другими пере менными связь слабая;

- наименьшая плотность связи потребления электроэнергии наблюда ется с атмосферным давлением, статусом дня (обычный рабочий, сокращен ный, выходной день) и номером смены, в результате чего данные предикторы были исключены из обучающего множества;

- при удалении предикторов, более сильно коррелированных с прогно зируемой величиной, наблюдается большее снижение точности прогноза, при удалении малозначимых переменных наблюдается повышение точности;

- совокупность переменных Q (производительность) и Т (время работы основного технологического оборудования) несет в себе существенную ин формацию, которая не содержится ни в переменной Q, ни в переменной Т, поэтому удаление одной из этих переменных снижает точность прогноза;

- точность прогноза можно повысить, имея большее количество обу чающих примеров, что позволит создать более сложную нейронную сеть, избежав при этом ее переобучения;

- в результате работы алгоритма отбора входных факторов были ото браны предикторы для синтеза нейронных сетей цехами окатышей и шихто подготовки фабрики окускования;

- определено, что вероятность ошибочного установления связи между отобранными для обучающего множества предикторами и прогнозируемой величиной составляет менее 1 %.

В главе синтезированы в соответствии с разработанным во второй гла ве алгоритмом нейронные сети, прогнозирующие потребление электроэнер гии цехами окатышей и шихтоподготовки (технологической линии по подго товке шихты для агломерации, технологической линии по подготовке шихты для обжига). Прогнозирование электропотребления данных объектов реали зовано на многослойных нейронных сетях с прямым распространением сиг нала без обратных связей, характеристики которых приведены в табл. 2.

Результаты исследования зависимости выхода синтезированных ней ронных сетей от каждого входного фактора в отдельности при закрепленных прочих факторах, посредствам получения и анализа квазистатических зависи мостей прогноза потребления электроэнергии от рассматриваемой входной переменной при закрепленных прочих переменных подтвердили предвари тельно полученные научные результаты в главе 2.

Синтезированные нейронные сети цехов являются основой системы прогнозирования электропотребления фабрики окускования, прогнозная ве личина которой получается как сумма прогнозных величин электропотребле ния цехов фабрики.

Четвертая глава посвящена разработке и исследованию на основе существующего метода планирования электропотребления на ОАО «Качка нарский ГОК «Ванадий» алгоритма работы системы анализа и Таблица Характеристики нейронных сетей цехов фабрики окускования Значение, вид Наименование пока Линия по подго зателя Цех агломе- Линия по подго Цех окатышей товке шихты для рации товке аглошихты обжига Размерность вход 15 17 17 ного сигнала, ед.

Размерность выход 1 1 1 ного сигнала, ед.

Число скрытых 2 2 2 слоев Функция активации Логистич. Логистич. Логистич. Логистич.

нейронов первого скрытого слоя Функция активации Гипербол. Гипербол.

Логистич. Логистич.

нейронов второго тангенс тангенс скрытого слоя Функция активации нейрона выходного Линейная Линейная Линейная Линейная слоя Общее число синап 310 307 295 тических связей, шт.

SW, на обучающем 5556,4 12063,6 1014,5 2182, множестве SW, на контрольном 5005,3 13114,8 1163,6 2165, множестве SW, на тестовом 6471,3 13326,4 1334,3 2531, множестве на обучающем 0,0340 0,0367 0,0677 0, множестве на контрольном 0,0297 0,0408 0,0756 0, множестве на тестовом мно- 0,0375 0,0405 0,0759 0, жестве где SW - среднее квадратическое отклонение, кВт·ч;

- относительная ошибка прогно за, о.е.

прогнозирования общего и удельного электропотребления, основанного на статистическом методе корреляционно-регрессионного анализа. Результаты, полученные в ходе данного исследования, использованы для оценки досто верности результатов, полученных при прогнозировании электропотребления методом искусственных нейронных сетей.

Пятая глава посвящена сравнительному анализу и расчету технико экономических показателей существующей и разработанной на основе тео рии искусственных нейронных сетей систем прогнозирования электропо требления. На рис. 4 приведены графики (результат работы разработанной системы) прогноза и фактического потребления электроэнергии WФок фабри кой окускования соответствующего примеру i тестового множества (рис.4), сформированного из совокупности наблюдений за четвертый квартал 2007г., разработанной и существующей систем прогнозирования. Как видно из ри сунка, спрогнозированные значения потребления электроэнергии разрабо Рис.4. График фактического и спрогнози- Рис.5. Интервальная оценка математи ческого ожидания относительного рованного потребления электроэнергии среднего квадратического отклонения фабрикой окускования прогноза электропотребления фабрикой окускования в зависимости от допусти мого задания танной системы лежат ближе к фактическим, чем существующей. Проведена оценка точности решения задачи прогнозирования электропотребления фаб рикой окускования, разработанной и существующей системами. Установле но, что математическое ожидание среднего квадратического отклонения раз работанной системы нелинейно растет с уменьшением точности задания входных переменных (рис.5). Поэтому с целью получения высокой точности прогнозирования следует уделять большое внимание планированию незави симых переменных. В наибольшей степени это касается планирования произ водства продукции цехами, т.к. этот фактор имеет наибольшее влияние на прогноз. В целом разработанная система имеет высокие показатели точности прогноза.

Проведен анализ влияния упреждения прогноза переменных на точ ность прогнозирования электропотребления, который показал, что увеличе ние упреждения прогноза до 30 суток незначительно сказывается на точности прогнозирования, однако система показывает наилучшие результаты при наименьшем упреждении.

Проведена оценка экономического эффекта от внедрения разработан ной системы прогнозирования электропотребления на основе метода искус ственных нейронных сетей.

В заключении представлены основные результаты исследований, дос тигнутые в ходе выполнения работы:

1) Разработана модель прогнозирования электропотребления фабрики окускования горно-обогатительного комбината, основанная на методе искус ственных нейронных сетей, характеризуемая повышенной точностью прогно зирования по сравнению с известными, имеющая модульную структуру, ка ждый модуль представляет собой многослойную нейронную сеть цеха фаб рики с прямым распространением сигнала без обратных связей.

2) Определен набор статистических методов и методика их примене ния, позволяющие установить показатели влияния входных факторов на ве личину электропотребления. Разработанные принципы формирования набора исходных данных, а также предложенная система прогнозирования могут использоваться для различных горных и промышленных предприятий.

3) Разработан алгоритм синтеза нейронной сети для горнопромышлен ного объекта. Определены оптимальные структуры (количество слоев и ней ронов в слое, функций активации нейронов) синтезированных нейронных сетей наилучшим образом аппроксимирующие зависимость потребления электроэнергии от рассматриваемых факторов.

4) Разработаны программы, предназначенные для прогнозирования электропотребления в условиях действующего горного предприятия с тре буемым набором характеристик.

Основные результаты диссертации опубликованы в следующих ра ботах:

1. Карякин А.Л., Белов К.Д., Дегтярев Е.А. Прогнозирование потребления электроэнергии цехом агломерации на основе метода искусственных нейрон ных сетей. // Изв.вузов. Горный журнал, 2008. № 8. – C. 128, 129.

2. Карякин А.Л., Белов К.Д., Дегтярев Е.А. Исследование метода прогнозиро вания потребления электроэнергии на примере горного предприятия. // Руко пись деп. в депозит. МГГУ 12.11.2008., № 673/01-09. – 9 с.

3. Прогнозирование электропотребления фабрикой окускования методом ис кусственных нейронных сетей // Рукопись деп. в депозит. МГГУ 12.11.2008., № 674/01-09. – 6 с.

4. Белов К.Д., Плотников М.А. Применение гидропневмоаккумуляторов для снижения удельных расходов электроэнергии / Сб. докл. Первая молодежная научно-практич. конф. – Верхняя Пышма: ООО «УГМК-Холдинг», Филан троп, 2003. – С. 167-168.

5. Багаутинов Г.А., Багаутинов Г.Г., Белов К.Д., Спицын Д.Ю. Разработка систем автоматического контроля и управления параметрами драгирования на базе персонального компьютера с использованием многофункциональной карты сбора, обработки и передачи данных PCL-711В, совместимой с IBM PC/XT/AT. // Рукопись деп. в ВИНИТИ. УДК 681.3:62-52:622.271.5, 22.07.1999, № 2397-В99. – 107 с.



 

Похожие работы:





 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.