В России повысили точность прогнозов электропотребления на предприятиях
В России повысили точность прогнозов электропотребления на предприятиях - Российские Инновации РИА Новости, 29.10.2024
В России повысили точность прогнозов электропотребления на предприятиях
Новый метод краткосрочного прогнозирования электропотребления на предприятии газовой промышленности разработали ученые УрФУ. По их мнению, разработка поможет... Российские Инновации РИА Новости, 29.10.2024
МОСКВА, 29 окт — РИА Новости. Новый метод краткосрочного прогнозирования электропотребления на предприятии газовой промышленности разработали ученые УрФУ. По их мнению, разработка поможет повысить энергетическую эффективность предприятий, обеспечить безопасную эксплуатацию их критической инфраструктуры и снизить затраты на покупку электроэнергии. Результаты исследования опубликованы в научном журнале Algorithms.Исследователи Уральского энергетического института Уральского федерального университета (УрФУ) имени первого Президента России Б.Н. Ельцина поставили перед собой задачу разработать метод, повышающий энергоэффективность предприятий газовой отрасли за счет увеличения точности прогнозирования электропотребления. Разработка также должна была давать экспертам объяснение результатов, представленных моделями машинного обучения.Ученые УрФУ предположили, что внедрение системы краткосрочного прогнозирования электропотребления на предприятиях газовой промышленности позволит выровнять график потребления электрической энергии, оптимизировать режимы работы объектов собственной генерации и систем накопления электроэнергии. Это позволило бы оптимизировать процессы технического обслуживания и ремонта оборудования, а также минимизировать затраты на использование потребляемой электроэнергии.Для разработки метода краткосрочного прогнозирования электропотребления исследователи предложили использовать методы машинного обучения, рассказала младший научный сотрудник лаборатории цифровых двойников в электроэнергетике УралЭНИН УрФУ Алина Степанова."Эти методы позволяют учитывать метеорологические, производственные и многие другие факторы, а также зависимости между ними. Однако модели машинного обучения — "черные ящики" для экспертов: результаты обучения представляются без интерпретации. Так как эксперты не доверяют результатам обучения, это затрудняет внедрение систем с их использованием на предприятиях, повышает риск их некорректного использования и снижает безопасность и надежность работы всей энергосистемы", — сообщила она.По мнению ученых УрФУ, есть и другое препятствие к внедрению системы краткосрочного прогнозирования электропотребления, необходимо учитывать влияние множества факторов производственных процессов на график нагрузки предприятий нефтегазовой промышленности. Для декомпозиции производственных процессов исследователи применили мультиагентный подход, позволяющий моделировать процессы потребления, генерации и накопления электрической энергии, взаимосвязи между ними."Наша разработка сможет обеспечить безопасную эксплуатацию критической инфраструктуры газовых предприятий, например, оптимизировать режимы работы объектов собственной генерации и систем накопления электрической энергии, процессы технического обслуживания и ремонта оборудования. Ее применение может повысить безопасность управления режимов работы газовых предприятий", — рассказала Алина Степанова.Новый метод был опробован учеными для решения задачи краткосрочного прогнозирования электропотребления компрессорной станции магистрального газопровода. Результаты эксперимента подтвердили, что использование предложенного метода позволяет увеличить точность краткосрочных прогнозов электропотребления за счет учета факторов производственных процессов, а также повысить доверие экспертов к результатам машинного обучения за счет использования объяснимого искусственного интеллекта.
МОСКВА, 29 окт — РИА Новости. Новый метод краткосрочного прогнозирования электропотребления на предприятии газовой промышленности разработали ученые УрФУ. По их мнению, разработка поможет повысить энергетическую эффективность предприятий, обеспечить безопасную эксплуатацию их критической инфраструктуры и снизить затраты на покупку электроэнергии. Результаты исследования опубликованы в научном журнале Algorithms.
Исследователи Уральского энергетического института Уральского федерального университета (УрФУ) имени первого Президента России Б.Н. Ельцина поставили перед собой задачу разработать метод, повышающий энергоэффективность предприятий газовой отрасли за счет увеличения точности прогнозирования электропотребления. Разработка также должна была давать экспертам объяснение результатов, представленных моделями машинного обучения.
Ученые УрФУ предположили, что внедрение системы краткосрочного прогнозирования электропотребления на предприятиях газовой промышленности позволит выровнять график потребления электрической энергии, оптимизировать режимы работы объектов собственной генерации и систем накопления электроэнергии. Это позволило бы оптимизировать процессы технического обслуживания и ремонта оборудования, а также минимизировать затраты на использование потребляемой электроэнергии.
Для разработки метода краткосрочного прогнозирования электропотребления исследователи предложили использовать методы машинного обучения, рассказала младший научный сотрудник лаборатории цифровых двойников в электроэнергетике УралЭНИН УрФУ Алина Степанова.
"Эти методы позволяют учитывать метеорологические, производственные и многие другие факторы, а также зависимости между ними. Однако модели машинного обучения — "черные ящики" для экспертов: результаты обучения представляются без интерпретации. Так как эксперты не доверяют результатам обучения, это затрудняет внедрение систем с их использованием на предприятиях, повышает риск их некорректного использования и снижает безопасность и надежность работы всей энергосистемы", — сообщила она.
По мнению ученых УрФУ, есть и другое препятствие к внедрению системы краткосрочного прогнозирования электропотребления, необходимо учитывать влияние множества факторов производственных процессов на график нагрузки предприятий нефтегазовой промышленности. Для декомпозиции производственных процессов исследователи применили мультиагентный подход, позволяющий моделировать процессы потребления, генерации и накопления электрической энергии, взаимосвязи между ними.
«
"Наша разработка сможет обеспечить безопасную эксплуатацию критической инфраструктуры газовых предприятий, например, оптимизировать режимы работы объектов собственной генерации и систем накопления электрической энергии, процессы технического обслуживания и ремонта оборудования. Ее применение может повысить безопасность управления режимов работы газовых предприятий", — рассказала Алина Степанова.
Младший научный сотрудник лаборатории цифровых двойников в электроэнергетике УралЭНИН УрФУ Алина Степанова и заведующий лабораторией цифровых двойников в электроэнергетике УралЭНИН УрФУ Александра Хальясмаа
Младший научный сотрудник лаборатории цифровых двойников в электроэнергетике УралЭНИН УрФУ Алина Степанова и заведующий лабораторией цифровых двойников в электроэнергетике УралЭНИН УрФУ Александра Хальясмаа
Новый метод был опробован учеными для решения задачи краткосрочного прогнозирования электропотребления компрессорной станции магистрального газопровода. Результаты эксперимента подтвердили, что использование предложенного метода позволяет увеличить точность краткосрочных прогнозов электропотребления за счет учета факторов производственных процессов, а также повысить доверие экспертов к результатам машинного обучения за счет использования объяснимого искусственного интеллекта.
Доступ к чату заблокирован за нарушение правил.
Вы сможете вновь принимать участие через: ∞.
Если вы не согласны с блокировкой, воспользуйтесь формой обратной связи
Обсуждение закрыто. Участвовать в дискуссии можно в течение 24 часов после выпуска статьи.