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 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.
Южно-Уральский государственный университет?– это университет трансформаций, где ведутся инновационные исследования по большинству приоритетных направлений развития науки и техники. В соответствии со стратегией научно-технологического развития РФ университет сфокусирован на развитии крупных научных междисциплинарных проектов в области цифровой индустрии, материаловедения и экологии. В 2021 году ЮУрГУ победил в конкурсе по программе ?Приоритет 2030?. Вуз выполняет функции регионального проектного офиса Уральского межрегионального научно-образовательного центра мирового уровня (УМНОЦ), который призван решить задачи национального проекта ?Наука и университеты?.