Южноуральские ученые применили нейросеть для стабильного электроснабжения жилых районов
Метод повысит точность прогноза электропотребления, что позволит не допустить перебоев электроэнергии в жилых массивах
Ученые Политехнического института ЮУрГУ разработали метод прогнозирования электропотребления в коммунально-бытовых сетях, основанный на работе нейросети и машинного обучения. Метод повысит точность прогноза электропотребления, что позволит не допустить перебоев электроэнергии в жилых массивах. Результаты исследования опубликованы в журнале Sustainability.
Метод, разработанный сотрудниками кафедры «Безопасность жизнедеятельности» ЮУрГУ, решит проблему неопределенности в прогнозировании электропотребления. Неопределенность возникает прежде всего в городских электрических сетях из-за изменения характера электропотребления и большого количества электроприемников. Суть нового метода прогноза заключается в учете ранее нефиксируемых факторов и их дальнейшем выражением в виде коэффициента неопределенности.
«Неопределённость в прогнозировании электропотребления объясняется большим числом факторов, которые не учитываются в настоящее время. К таковым можно отнести различия в климато-метеорологических условиях и материальном положении городского населения в целом и внутри городской застройки. Так, например, от уровня материальной обеспеченности зависит количество электроприборов в домовых хозяйствах», – поясняет доцент кафедры «Безопасность жизнедеятельности», кандидат технических наук Саиджон Таваров.
Коэффициент неопределенности, предложенный научными сотрудниками ЮУрГУ, может быть использован электрическими сетями, которые занимаются питанием электроэнергией зданий и других низковольтных электроустановок.
«Наш метод прогнозирования на начальном этапе позволяет определить несимметрию фаз. Несимметрия – разница в величине протекаемого тока в определенные часы на фазах. С учётом обобщенного коэффициента можно выяснить степень загруженности фаз, что, в свою очередь, позволяет выявлять процентное отклонение от допустимого значения», – говорит ученый.
Для облегчения и повышения точности расчета электропотребления учеными используется машинное обучение, работа которого основана на постоянном получении входных данных со счетчиков электроэнергии и внешних факторов. Применение нейросети уменьшает время прогноза и производит одновременный учет множества факторов, влияющий на прогноз.
Для сбора и обработки данных по электропотреблению научные сотрудники используют статистические и эконометрические модели прогнозирования программы Matlab и Python library SciKit-Fuzzy.
Саиджон Таваров подчеркивает, что вопрос прогнозирования электропотребления стал особенно актуален в условиях стремления мира к декарбонизации (уменьшению выброса в атмосферу углекислого газа). Так как сокращение количества электростанций, работающих на угле, влечет развитие нетрадиционной энергетики: гидроэлектростанций, солнечных и ветровых источников энергии.
Результаты работы могут применяться в организациях, занимающихся распределением электроэнергии и проектированием систем городского электроснабжения. Именно такие компании устанавливают и содержат всю инфраструктуру: линии электропередач и трансформаторные подстанции. Разработка продлит срок службы элементов систем электроснабжения.
Фото: сайт ЮУрГУ