ДЕТЕМИНИРОВАННЫЕ И СТОХАСТИЧЕСКИЕ КОМПОНЕНТЫ ВРЕМЕННЫХ РЯДОВ: МОДЕЛИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ
DOI:
https://doi.org/10.52167/1609-1817-2024-130-1-163-170Ключевые слова:
электроэнергетические системы, моделирование электропотреблении, стационарность данных, автокорреляция ряда, экспотенциальное сглаживание, эмпирические данныеАннотация
В статье рассмотрено моделирование электропотреблении c применением стацонарности данных. Выявлены наиболее значительный факторы, влияющих на объемы почасового потребления и исследованы экзогенные переменные. Для обоснования оптимальной по статистическим характеристикам и прогнозным качествам модели, определены основной компонент ряда, природы его стационарности, спецификации, параметризации и верификации и апробации моделей для тестирования фиктивных переменных с целью улучшения их качеств.
Библиографические ссылки
[1] L. Ruiz, M. Cu´ellar, M. Delgado and oth. An Application of Non-Linear Autoregressive Neural Networks to Predict Energy Consumption in Public Buildings // Energies. – 2016. -Vol. 9, № 9. - P. 684.
[2] Nepsha F.S., Otdelnova G.V., Savinkina O.A. Comparison of the functionality of existing software tools for calculating and analyzing electrical modes // Electrotechnical complexes and systems. - 2013. - No. 2. - pp. 116-118.
[3] Y. Zeng, Y. Zeng, B. Choi, L. Wang Multifactor-influenced energy consumption forecasting using enhanced back-propagation neural network//Energy. – 2017. - Vol. 127. – P. 381–396.
[4] Kalinchik V. P. Metodologiya operatsionnogo upravleniya obshchestvennogo elektricheskogo Energiya [methodology of operational management of electric energy consumption]. 2013, No. 1, pp. 49-53.
[5] H. Verdejo, A. Awerkin, C. Becker, G. Olguin Statistic linear parametric techniques for residential electric energy demand forecasting. A review and an implementation to Chile//Renewable and Sustainable Energy Reviews. – 2017. - Vol.74. – P.512–521.
[6] P. Sen, M. Roy, P. Pal Application of ARIMA for forecasting energy consumption and GHG emission: A case study of an Indian pig iron manufacturing organization // Energy. – 2016. - Vol. 116, – P. 1031–1038.
[7] Venikov V.A. Optimization of modes of power plants and power systems. – M.: Energoizdat, 1980. – 464 p.
[8] Nichiforov C., Stamatescu I., Fagarasan I., Stamatescu G. Energy Consumption Forecasting Using ARIMA and Neural Network Models // 5th International Symposium on Electrical and Electronics Engineering (ISEEE). – 2017 // https://doi.org/10.1109/ISEEE.2017.8170657: 15.04.2018
[9] M. Daut, M. Hassan, H. Abdullah and oth. Building electrical energy consumption forecasting analysis using conventional and artificial intelligence methods: A review // Renewable and Sustainable Energy Reviews. – 2016. // http://dx.doi.org/10.1016/j.rser.2016.12.015.: 15.08.2018.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Салтанат Джетмекова, Алия Шукирова

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.