Возможности искусственных нейронных сетей как аппарата для прогнозирования расхода электрической энергии на предприятиях железнодорожного транспорта Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

ЭЛЕКТРОТЕХНИКА. ЭНЕРГЕТИКА ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (120) 2013

УДК 621.311.001.57

О. А. КОМЯКОВА

Омский государственный университет путей сообщения

ВОЗМОЖНОСТИ

ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ КАК АППАРАТА

ДЛЯ ПРОГНОЗИРОВАНИЯ РАСХОДА ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ НА ПРЕДПРИЯТИЯХ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

В настоящей статье рассмотрен алгоритм применения искусственных нейронных сетей для планирования расхода электрической энергии на предприятиях железнодорожного транспорта. Представлен порядок обучения искусственной нейронной сети, предложены критерии для выбора оптимальной структуры и параметров сети. Выполнена апробация предложенного метода на предприятиях железнодорожного транспорта. Ключевые слова: планирование, искусственная нейронная сеть, синапс, моделирование.

Искусственная нейронная сеть (ИНС) — математическая модель, а также её программные или аппаратные реализации, которые имитируют структуру и свойства нервной системы живых организмов. Нейронная сеть получает на входе набор входных сигналов и выдает соответствующий им ответ (выходные сигналы), являющийся решением определенной задачи [1].

В настоящее время ИНС находят свое применение при решении задач в различных областях (медицина, экономика, связь и многие другие). Для отраслевых предприятий ОАО «Российские железные дороги» одной из актуальных задач является необходимость достоверного прогнозирования расхода электрической энергии и уменьшения расхождения фактического и планового электропотребления предприятий. Для решения этой проблемы возможно использовать аналоговые рекуррентные искусственные нейронные сети, обучаемые с учителем. Омским государственным университетом путей сообщения разработана методика и программный комплекс, позволяющие организовать планирование расхода электрической энергии на уровне отраслевых предприятий ОАО «РЖД», в основе которых заложен принцип прогнозирования с применением ИНС.

Общий алгоритм планирования расхода электрической энергии с использованием ИНС состоит из следующих основных этапов.

1-й этап — сбор исходных данных.

На данном этапе необходимо сформировать первичные исходные данные по каждому объекту моделирования. Объектом моделирования является отделение, цех, производственный участок структурного подразделения (СП) ОАО «РЖД». Перечень необходимых исходных данных выбран на основе предварительного анализа факторов, влияющих на расход электрической энергии [2].

Исходные данные, используемые для планирования расхода электрической энергии, необходимо

предоставить за периоды (как минимум 2 года), предшествующие расчетному:

1) расход электрической энергии за предшествующие расчетному периоды без учета небаланса электропотребления Ш (кВт.ч);

2) уровень небаланса электропотребления за предшествующие расчетному периоды ДШ (кВт.ч);

3) фактическая среднемесячная температура воздуха в населенном пункте, в котором находится объект моделирования, за предшествующие расчетному периоды 1 (°С);

4) объем производственной деятельности объекта моделирования за предшествующие расчетному периоды V;

5) перечень электрического оборудования (ЭО) (с указанием установленной мощности каждой единицы оборудования Рн (кВт), а также коэффициента использования нагрузки к и), используемого в СП по состоянию на начало расчетного периода;

6) перечень ЭО, введенного в эксплуатацию и выведенного из эксплуатации за предшествующие расчетному периоды;

7) перечень ЭО с изменившимся режимом работы за предшествующие расчетному периоды.

Среднестатистические годовые (нормативные) значения коэффициента использования нагрузки эксплуатируемого ЭО ки определяются по справочным данным. Однако такой подход может быть применен только в тех случаях, когда невозможно установить четкую зависимость его значения от режимов работы ЭО. В тех случаях, когда известна специфика работы ЭО, коэффициент использования нагрузки определяется по формуле:

к„

£

(1)

общее время работы ЭО за смену, ч;

Тсм — длительность смены объекта моделирования, ч.

2-й этап — обработка первичных исходных данных и формирование обучающей выборки.

Исходные данные по расходу электрической энергии, средней температуре воздуха, объему производственной деятельности могут заноситься непосредственно в обучающую выборку, а данные о небалансе электрической энергии необходимо представить

в относительных значениях:

АШ

W

■ 100 %

(2)

Данные о перечне электрического оборудования, используемого в СП, требуют обработки для получения приведенных мощностей ЭО по условно-постоянной и переменной составляющим расхода электроэнергии. Условно-постоянная составляющая обусловлена наличием ЭО, режимы работы которого не зависят от объемов работ и носят вспомогательный характер выполнения производственно-технологического процесса. К условно-постоянной составляющей относится расход электроэнергии по следующим группам ЭО: наружное освещение, внутреннее освещение, вентиляция и кондиционирование, электрическое отопление и калориферы, вычислительная и оргтехника, бытовые электроприборы. Переменная составляющая обусловлена выполнением основного вида работ и зависит от его объема. К переменной составляющей относится расход электроэнергии по следующим группам ЭО: электропривод и станки, кузнечно-прессовое оборудование, насосы, электротермическое оборудование, подъемно-транспортные механизмы, сварочное и наплавочное оборудование, моечные машины, дробеструйные комплексы, окрасочно-сушильное оборудование, компрессоры, выпрямители, стенды и лабораторные установки, прочее оборудование [3].

Приведенная мощность единицы ЭО определяется по формуле:

Р =к Р , (3)

пр. и н' ' '

где ки — коэффициент использования нагрузки эксплуатируемого ЭО;

Рн — установленная мощность единицы эксплуатируемого ЭО.

Приведенная мощность ЭО, относящегося к одной из групп ЭО объекта моделирования, определяется по формуле:

Р ■ = У

про ¿-і

Тс

про ^ „ . ВД,

і=1 24

(4)

где Рпр; — приведенная мощность 1-го ЭО, принадлежащего ]-й группе ЭО;

И — количество единиц ЭО в ]-й группе ЭО.

Приведенные мощности ЭО по условно-постоянной и переменной составляющим расхода электроэнергии определяются путем суммирования приведенных мощностей соответствующих групп ЭО:

£рпр.], (5)

Ру.п.

г пр.

■ =1

•р перем. ____ -р

пр. _ 2—1 рпр.] ,

■ =1

(6)

3-й этап — создание и обучение ИНС.

Создание искусственной нейронной сети подразумевает выбор топологии сети, количества скрытых слоев, количества нейронов на каждом скрытом слое и вида используемой в сети передаточной функции [4].

Для решения задачи планирования расхода электрической энергии применяется аналоговая рекуррентная искусственная нейронная сеть с одним скрытым слоем, обучаемая с учителем, с использованием одной из двух передаточных функций (сигмоидальной или радиально-базисной). Входной слой, состоящий из четырех нейронов, представляет собой выборку, полученную в ходе обработки первичных исходных данных.

Создание ИНС осуществляется с помощью программного комплекса. Исходные данные, заносимые в программный комплекс, автоматически делятся на обучающую выборку (непосредственно участвующей в обучении) и тестовую выборку (используемую для контроля качества обучения). Тестовая выборка составляет двадцать процентов от общего объема информации. При этом как в тестовую, так и в обучающую выборки обязательно включаются минимальные и максимальные значения расхода электрической энергии. Программный комплекс автоматически подбирает параметры нейронной сети (веса синапсов, коэффициент обратной связи, вид и параметры активационных функций, скорость обучения) для получения на выходе ответа наиболее близкого к правильному известному выходному значению. Достигается данный результат при помощи обучения нейронной сети, в процессе которого происходит корректировка синаптических весов на каждом слое с учетом текущей ошибки планирования. Такой процесс многократно повторяется в автоматическом режиме, благодаря чему достигается высокая точность планирования.

Сравнение нейронных сетей и выбор наилучшей из них ведется в автоматическом режиме на основании двух безразмерных коэффициентов — КТ1 и КТ2.

Коэффициент КТ1 оценивает близость дисперсий фактической и смоделированной выборок расхода электроэнергии:

К - —

КТ1 _

я,,

(7)

где Б1 и Б2 — дисперсии фактической и смоделированной выборок расхода электроэнергии (отношение большей к меньшей, так что значение критерия КТ1 всегда больше единицы), рассчитываемые по формуле:

У (Уі - У)2 я - ------------------

ЫТ -1

(8)

где к и т — число групп ЭО соответственно по условно-постоянной и переменной составляющим электропотребления.

Обработанные исходные данные являются выборкой, служащей для обучения ИНС.

где ЫТ — объем тестовой выборки;

у. — фактическое или смоделированное значение

расхода электрической энергии;

у — среднее фактическое или смоделированное значение расхода электроэнергии.

Безразмерный коэффициент КТ2 оценивает близость среднего смоделированного значения фактическому, т.е. значение средней ошибки моделирования с использованием ИНС:

К

2,1ст

Т2 - — ,

У

(9)

5

ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (120) 2013 ЭЛЕКТРОТЕХНИКА. ЭНЕРГЕТИКА

ЭЛЕКТРОТЕХНИКА. ЭНЕРГЕТИКА ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (120) 2013

где 2,1 — значение 1;-критерия Стьюдента для доверительной вероятности Рд=0,95 и объема выборки более 20 значений;

1

¿(у,- у0 )2

Ыт (Ыт -1)

среднеквадратическое отклоне-

ыт

= Е wq

Я=1

(10)

з=ш -с ,

план эл'

Оценка погрешности планирования осуществляется на основе анализа расхождения спланированного с помощью ИНС и фактического расхода электрической энергии за расчетный период.

Относительная погрешность планирования рассчитывается для каждого объекта моделирования по формуле:

ние средней ошибки моделирования; у, — смоделированное значение расхода электрической энергии при ,-м наборе входных факторов;

уО — фактическое значение расхода электроэнергии при ,-м наборе входных факторов;

Ш Ш ф

_ дплан * * дф;щт . пп 0/

план ' 100 %

Шд,

среднее фактическое значение расхода

электроэнергии.

Наиболее подходящей считается нейронная сеть, имеющая ближайшее к единице значение коэффициента КТ1 и ближайшее к нулю значение коэффициента КТ2. В результате перебора параметров электронное приложение выбирает наилучший вариант ИНС.

4-й этап — сбор данных о плановых значениях влияющих факторов на рассматриваемый период.

Для расчета планируемого расхода электрической энергии на нетяговые нужды за расчетный период необходимы следующие данные на расчетный период (месяц, квартал, год):

1) средняя месячная температура в населенном пункте, в котором находится объект моделирования

(°с);

2) плановый объем производственной деятельности объекта моделирования V ;

план

3) плановый уровень небаланса электропотребления 8 ;

план

4) перечень электрического оборудования, планируемого к вводу или выводу из эксплуатации;

5) перечень электрического оборудования с планируемым изменением режима работы;

5-й этап — расчет плановых значений расхода электроэнергии с применением ИНС и оценка достоверности результатов планирования.

Для расчета планируемого значения расхода электрической энергии необходимо в предварительно обученной нейросетевой модели задать расчетный период (месяц, квартал, год), а также ввести плановые значения влияющих факторов. В результате программный комплекс рассчитывает автоматически планируемый расход электрической энергии.

Планируемое значение расхода электроэнергии на отчетный период в целом по СП определяется как сумма плановых ее расходов по отдельным объектам моделирования Шд план с учетом уровня небаланса электропотребления

(12)

у дфакт

где Шд план — планируемый объем расхода электрической энергии объекта моделирования;

Шд факт — фактический объем расхода электрической энергии объекта моделирования.

6-й этап — дообучение ИНС.

Дообучение ИНС заключается в корректировке весов синапсов на основании добавления в обучающую выборку последних данных о фактическом расходе электрической энергии и фактических значениях влияющих факторов таким образом, чтобы ошибка моделирования была минимальной с учетом новых данных. Дообучение ИНС проводится один раз в квартал после поступления новых данных о расходе электрической энергии СП и значениях влияющих факторов. При этом расчет планируемого расхода электрической энергии на последующие периоды выполняется с применением дообученной ИНС.

Опытное внедрение предложенной методики и программного комплекса на предприятиях ЮжноУральской железной дороги показало удовлетворительную сходимость планируемого и фактического расхода электрической энергии с относительной погрешностью, не превышающей 5%. Это позволяет сделать вывод о возможности дальнейшего применения предложенного метода планирования расхода электроэнергии на сети железных дорог.

Библиографический список

1. Круглов, В. В. Искусственные нейронные сети. Теория и практика / В. В. Круглов, В. В. Борисов. — 2-е изд., стер. — М. : Горячая линия-Телеком, 2ОО2. — 382 с.

2. Комяков, А. А. Анализ факторов, влияющих на расход электрической энергии на нетяговые нужды структурных подразделений железнодорожного транспорта / А. А. Комяков // Научные проблемы транспорта Сибири и Дальнего Востока. - 2ОО9. - № 1. - С. 151-153.

3. Совершенствование системы контроля и анализа расхода электрической энергии нетяговыми железнодорожными потребителями : моногр. / В. Т. Черемисин [и др.]. - Омск : Изд-во Омского гос. ун-та путей сообщения, 2О1О. - 94 с.

4. Комяков, А. А. Применение искусственных нейронных сетей для планирования расхода электрической энергии на нетяговые нужды структурных подразделений железных дорог / А. А. Комяков, А. В. Пономарев, О. А. Комякова // Известия ТрансСиба. - Омск, 2О11. - № 1 (5). - С. 63-67.

где п — количество объектов моделирования в СП.

Планируемые затраты на приобретение электрической энергии на отчетный период определяются по формуле:

(11)

где Сэл — планируемый (прогнозный) уровень тарифа на электрическую энергию, руб./кВт-ч.

КОМЯКОВА Ольга Анатольевна, аспирантка кафедры «Теоретическая электротехника».

Адрес для переписки: окотуакоуа@таЦ. т

Статья поступила в редакцию 04.04.2013 г.

© О. А. Комякова

, =1

N

, =1

у