Yugra State University BulletinYugra State University BulletinВестник Югорского государственного университета1816-92282078-9114Yugra State University63523410.18822/byusu20240228-31POWER INDUSTRYЭЛЕКТРОЭНЕРГЕТИКАResearch ArticleReview of methods for prediction parameters of electricity quality and electric consumptionОбзор методов прогнозирования параметров качества электроэнергии и электропотребленияLyutarevichAlexander G.ЛютаревичАлександр Геннадьевич
Russian Federation

Candidate of Technical Sciences, Associate Professor

кандидат технических наук, доцент

a_lyutarevich@ugrasu.ruYugra State UniversityЮгорский государственный университет1010202420228311708202417082024Copyright ©; 2024, Yugra State UniversityCopyright ©; 2024, Югорский государственный университет2024Yugra State UniversityЮгорский государственный университетhttps://creativecommons.org/licenses/by-sa/4.0https://vestnikugrasu.org/byusu/article/view/635234

Subject of research: methods for predicting power consumption parameters.

Purpose of research: to determine the optimal method for predicting power consumption and power quality parameters based on methods of analysis and synthesis.

Object of research: methods for predicting parameters of power consumption and power quality based on neural networks.

Main results of research: In recent years, forecasting power consumption and power quality parameters has become a very important topic, both from a technological and economic point of view. Forecasting electrical energy consumption ensures the most balanced operation of the electrical network, as well as correct work with electricity suppliers. As a consequence, such forecasting must be carried out with high accuracy. The paper presents a study of the state of the issue in forecasting power consumption and power quality parameters. Forecasting methods are considered and the most optimal ones for forecasting power consumption and power quality parameters are determined. It has been established that the most suitable method for solving problems of forecasting power consumption and power quality parameters at the point of connection is the forecasting method using neural networks.

Предмет исследования: методы прогнозирования параметров электропотребления.

Цель исследования: определение оптимального метода прогнозирования электропотребления и параметров качества электроэнергии на основе методов анализа и синтеза.

Объект исследования: методы прогнозирования параметров электропотребления и качества электроэнергии на основе нейронных сетей.

Основные результаты исследования: в работе представлено исследование состояния вопроса по прогнозированию электропотребления и параметров качества электроэнергии. Рассмотрены методы прогнозирования и определены наиболее оптимальные для составления прогноза электропотребления и параметров качества электроэнергии. Установлено, что наиболее подходящим методом для решения задач прогнозирования электропотребления и параметров качества электроэнергии в точке присоединения является метод прогнозирования с помощью нейронных сетей.

forecastingquality of electrical energypower consumptionforecasting methodsneural networksпрогнозированиекачество электрической энергииэлектропотреблениеметоды прогнозированиянейронные сетиВялкова, Светлана Александровна. Краткосрочное прогнозирование электропотребления мегаполиса на основе ортогональных разложений и нейронных сетей: диссертация ... кандидата технических наук 05.14.02. – Новочеркасск, 2021. – 224 с. – Текст: непосредственный.Воронов, Иван Викторович. Прогнозирование электропотребления промышленных предприятий с помощью искусственных нейронных сетей: диссертация ... кандидата технических наук 05.09.03. – Кемерово, 2010. – 153 с. – Текст: непосредственный.Кассем С. А. Прогнозирование электропотребления предприятия с применением искусственных нейронных сетей / С. А. Кассем, А. Х. А. Ибрагим, А. М. Хасан, А. Г. Логачева. – Текст: непосредственный // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. – 2021. – Том 7, № 1 (25). – С. 177-193. – DOI: 10.21684/2411-7978-2021-7-1-177-193.Zheng H, Yuan J, Chen L. Short-Term Load Forecasting Using EMD-LSTM Neural Networks with a Xgboost Algorithm for Feature Importance Evaluation // Energies. – 2017. – №10(8):1168. – doi.org/10.3390/en10081168.Колоколов, М. В. Модели автоматизированного прогнозирования электрических нагрузок промышленных предприятии / Д. А. Васильев, М. В. Колоколов, B. А. Иващенко. – Текст: непосредственный // Управление большими системами. – 2011. – Вып. 34. – C. 254-266.Серебряков, Н. А. Анализ факторов, влияющих на совокупное электропотребление гарантирующего поставщика / Н. А. Серебряков. – Текст: непосредственный // Вестник Иркутского государственного технического университета. – 2020. – №24(2). – С. 366–381.Билалова, Алиса Ильдаровна. Прогнозирование потребления электрической энергии электротехническим комплексом городской электрической сети: диссертация ... кандидата технических наук 05.09.03. – Ульяновск, 2019. – 166 с. – Текст: непосредственный.Управление качеством электроэнергии: учебное пособие / И.И. Карташев, В.Н. Тульский, Р.Г. Шамонов и др.; под ред. Ю.В. Шарова. – М. : Издательский дом МЭИ, 2017. – 347 с.Зуева, В. Н. Регрессионные методы прогнозирования графика нагрузки электрооборудования / В. Н. Зуева. – Текст: непосредственный // Научный журнал КубГАУ. – № 126(02). – 2017.Лютаревич, А. Г. Применение нейронных сетей для прогнозирования параметров электропотребления / А. Г. Лютаревич. – Текст: непосредственный // Вестник Югорского государственного университета. – 2023. – № 2(69). – С. 124-132.Yong Peng, Zhineng Liu Application of an improved BP neural network in the forecasting of urban power supply // International Conference on Automatic Control and Artificial Intelligence (ACAI 2012). – DOI: 10.1049/cp.2012.1032.Saurabh Singh, Shoeb Hussain, Mohammad Abid Bazaz Short Term Load Forecasting Using Artificial Neural Network // Fourth International Conference on Image Information Processing (ICIIP). – 2017. – DOI: 10.1109/ICIIP.2017.8313703Komyakov, A. A. Construction of electricity consumption mathematical models on railway transport used artificial neural network and fuzzy neural network / A. A. Komyakov, M. M. Nikiforov, V. V. Erbes, V. T. Cheremisin, V. I. Ivanchenko // IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC). – 2016. – DOI: 10.1109/EEEIC.2016.7555450.