Прогнозирование с помощью нейронніх сетей

     ВСТУП

     Электроэнергия, наряду с продукцией машиностроения, является наиболее значимым для промежуточного потребления страны продуктом и  составляет весомую долю в затратах практически всех отраслей экономики. В отличие от машиностроительной продукции возможности импорта электроэнергии ничтожны в сравнении с объемами внутреннего спроса. Поэтому дефицит электроэнергии неизбежно выступает наиболее жестким и явным ограничителем экономического роста. В то же время электроэнергия является одним из наиболее «инфляциогенных» продуктов в экономике. Удорожание электроэнергии на внутреннем рынке, обусловленное чрезмерными инвестиционными аппетитами энергокомпаний, может также негативно сказаться на темпах экономического развития страны. Поэтому прогнозные оценки динамики электропотребления в стране приобретают особую актуальность. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

     1.1 Прогнозирование 

     Существует  несколько «подводных камней» при  прогнозировании спроса на электроэнергию. Необходимо отметить, что для прогнозирования  на ближайшие два-три года накоплено достаточное ретроспективное «плечо», и простые регрессионные модели [1], основанные на оценке ретроспективной электроемкости ВВП, могут давать вполне разумные результаты.

     Однако  при оценке объемов электропотребления на 10-15 лет вперед, следует избегать подходов, основанных на применении упрощенных моделей на базе интерпретации эластичности электропотребления по ВВП в ретроспективном периоде.

     Необходимость точного прогнозирования потребления электроэнергии обусловлена  технологическими и экономическими причинами. Работа электрических станций производится в соответствии с плановыми графиками, рассчитанными на основе прогнозов потребления энергии. Особенность управления электроэнергетикой состоит в нееобходимости постоянного поддержания электрического баланса - точного соответствия генерирующих мощностей уровню потребления. Если уровень генерации не равен  потреблению, это неравенство (небаланс) мощности мгновенно отражается на основных параметрах электрических режимов , прежде всего на частоте электрического тока .  Задержка с восстановлением баланса приводит к ухудшению параметров режимов, возможности аварий и перерывов  электроснабжения. Точное прогнозирование обеспечивает оптимальное с экономической точки зрения распределение нагрузок между станциями, способствует осуществлению  экономически целесообразных операций по покупке и продаже электроэнергии. На основе прогнозов потребления производится подготовка балансов мощности и электроэнергии, которые определяют уровень собственного потребления  Харьковоблэнерго и возможности его покрытия.

     1.2 Особенности функционирования  электроенергетики

     Характерная особенность функционирования электроэнергетики  состоит в том, что графики  режимов работы отдельной энергосистемы  должны рассматриваться, как элемент общего  графика работы Единой энергетической системы России. Объемы потребляемой и генерируемой  электроэнергии энергосистемы на всех  временных этапах планирования  и эксплуатации обязательно согласовываются с вышестоящими уровнями управления энергетики – Объединенным региональным диспетчерским управлением (ОДУ)  и Центральным диспетчерским управлением Единой энергетической системой России (ЦДУ). Cогласованные графики потребления и генерации (диспетчерские графики) являются важнейшими для энергосистемы показателями, определяющими основные аспекты ее работы – графики работы станций, договоры на поставку топлива, графики ремонтных  работ, объемы покупки и продажи  электроэнергии на федеральном  рынке электроэнергии ФОРЭМ. Временная иерархия  расчетов  разделяется на три основных интервала: долгосрочное планирование (от месяца до года вперед), краткосрочное планирование  (от суток до месяца вперед), оперативное управление режимами (минуты, часы). Задача расчетов прогнозов потребления электроэнергии решается на всех временных интервалах с последовательным уточнением результатов расчетов по мере уменьшения время упреждения. Точность прогнозных расчетов определяется адекватностью применяемых математических моделей процессу колебаний потребления электроэнергии. В целом данные колебания представляют собой сложный нестационарный случайный процесс, имеющий определенные цикличности (регулярные колебания). Они определяются сезонными колебаниями температуры и освещенности (долготы дня) в разрезе года, технологическим режимом работы предприятий; режимом труда и отдыха населения. На регулярные колебания накладываются нерегулярные и случайные компоненты, определяемые резкими изменениями погодных условий, различными cоциальными факторами (популярные телевизионные передачи, переносы рабочих выходных дней и т. п..) Все эти процессы должны учитываться при разработке математических моделей прогноза.

    В Мосэнерго существенную долю  потребления составляет коммунально-бытовая   и осветительная электрическая  нагрузки и на потребление электроэнергии в системе значительное влияние оказывает температура и освещенность. Влияние температуры особенно сказывается в отопительный сезон и в переходные периоды весны и осени, непосредственно примыкающие к отопительному сезону. Жителям Центрального региона России и Москвы памятны аномальные похолодания мая 1999-2001 годов. Отопление в эти периоды отключено полностью или частично и волны эпизодических похолоданий заставляют население прибегать к альтернативным источникам тепла, которыми, большей частью, становятся всевозможные виды электронагревателей. Влияние температуры в эти периоды возрастает до 200 МВт на 1 градус Цельсия (обычно 40-80 МВт/градус). Изменение облачности от ясно до пасмурно с осадками вызывает  увеличение  потребления  на 300 МВт -  это целый энергоблок крупной станции (около 3 % суммарного потребления Мосэнерго). Колебания метеофакторов вызывают  резкие скачки электропотребления, заставляющие срочно вводить резервные генерирующие мощности со всеми сопутствующими этой ситуации проблемами – нарушениями диспетчерских графиков, внеплановым расходом топлива, снижением надежности и экономичности работы энергосистемы. Оперативно-диспетчерскому персоналу Мосэнерго в такие периоды особенно необходимы точные прогнозы изменения потребления с учетом погодных факторов. Алгоритмы, используемые для расчета прогнозов, должны «уметь» автоматически отслеживать текущие изменения различных факторов, в том числе погодных  и корректировать  результаты расчетов  в  режиме реального времени. Цена ошибки может быть очень высокой - вплоть до возникновения аварийных ситуаций. Реальным путем для автоматизации расчетов прогнозов с использованием ЭВМ явилась разработка специализированных программных комплексов. Примером подобных разработок является программный комплекс "Энергостат", эксплуатируемый в АО Мосэнерго в течение ряда лет. "Энергостат" позволяет на единой информационной базе, c использованием однородного пользовательского интерфейса  решать различные задачи прогнозирования и планирования. Комплекс состоит из нескольких специализированных технологических подсистем, которые позволяют осуществлять следующие функции:

- Прогнозирование  почасовых графиков потребления  и составляющих баланса мощности..

- Прогнозирование  активных и реактивных нагрузок  узлов и контролируемых районов расчетной схемы Мосэнерго.

- Прогнозирование  месячного потребления и составляющих  баланса электроэнергии.

- Прогнозирование  потребления групп потребителей.

- Прогнозирование  потребления тепловой энергии.

      Комплекс оперирует с  мгновенными, осредненными и интегрированными на определенных интервалах времени значениями параметров. Загрузка осуществляется  из внешних источников (макетов, файлов данных), средства встроенного макроязыка позволяют быстро настроить и автоматизировать процесс загрузки.

     Программные средства статистического  анализа позволяют провести расчеты  средних величин, сумм, дисперсий,  значений приростов в абсолютных  величинах и процентах,  нарастающие значения за определенный временной интервал. При проведении статистических расчетов возможно задание определенных типов дней (рабочие, выходные) и сложных временных интервалов. Результаты могут быть представлены в графическом и табличном виде,  выведены на печать и экспортированы в таблицы Windows-приложения Excel. Средства комплекса позволяют производить расчеты регрессионных зависимостей параметров друг от друга, в том числе расчет влияния на  потребление энергосистемы метеофакторов - температуры, освещенности. В процессе  эксплуатации требуется печать данных в виде графиков и таблиц. Для автоматизации подготовки печати предусмотрен генератор печатных форм. Функции генератора печатных форм позволяют осуществлять удобную подготовку и архивирование стандартных выходных форм. Для отображения электрических, энергетических схем, карт, диаграмм используется разработанный графический редактор - полнофункциональный редактор векторной графики на основе объектных графических примитивов. Программные средства позволяют наносить на подготовленные схемы данные из архивов с любой временной дискретностью (часовой, месячной, годовой). Перемещаясь по временным интервалам  c помощью функциональных кнопок, можно "оживлять" схемы и графики (рис.2).   

Рис. 2   Графический анализ структуры межсистемных перетоков

     В состав программно-технологических  средств каждой подсистемы входит функция прогнозирования. Реализованная методика учета факторов дает  возможность учитывать влияние температуры, освещенности и других заданных метеорологических факторов. Средние относительные ошибки прогнозирования графиков потребления  Мосэнерго составляют: около 2,5 %  для краткосрочных прогнозов  и  1,2 % для оперативных прогнозов (упреждение 1-2 часа). Завершающим этапом прогнозирования является  расчет ожидаемых балансов для дискретных и интегральных данных (балансы мощности и электроэнергии). При расчетах возможна вариантно-итеративная последовательность расчетов с использованием различных критериев и оптимизационных алгоритмов. Вариантное планирование дает пользователю удобный инструмент расчета отдельных параметров, характерных групп параметров и баланса системы в целом с последовательным устранением небалансов. В оперативном цикле расчета балансов (упреждение от 30 минут до 24 часов) в экранных формах отображаются фактические данные за прошедшие часы суток, а также прогнозные значения составляющих баланса до конца текущих суток (рис.3). Прогнозные значения обновляются в темпе процесса по мере поступления новых данных о фактических параметрах и текущих значениях метеофакторов - температуры и освещенности.  

Рис. 3 Отображение  результатов прогноза для оперативно-диспетчерского персонала. 

 Все  программные подсистемы  работают  под управлением  ОС Windows в сетевом  режиме с единой базой данных  и возможностью одновременной  работы большого количества пользователей (около 40 клиентских мест). В процессе работы исходные данные и результаты расчетов могут быть выведены  на экраны компьютеров специалистов режимной  и диспетчерской служб, других подразделений Мосэнерго. Результаты  расчетов оперативного цикла выводятся непосредственно на диспетчерский пункт управления энергосистемой. Реализованные в программных комплексах алгоритмы и методы планирования параметров и технико-экономических показателей  совершенствуются по мере накопления опыта практического применения и могут быть адаптированы к конкретным условиям других региональных энергообъединений. 

     1.3 Виды прогнозирования

     Прогнозирование является чуть ли не основной целью и задачей большого числа специалистов, занимающихся анализом данных. Современные методы статистического прогнозирования позволяют с высокой точностью прогнозировать практически все возможные показатели.

     Не существует универсально предпочтительных методов прогнозирования на все случаи жизни.

     Выбор метода прогнозирования и его  эффективность зависят от многих условий, и в частности, от требуемой длины или времени прогнозирования:

     Краткосрочный прогноз. Краткосрочный прогноз  характеризует собой прогноз "на завтра", т.е. прогноз на несколько  шагов вперед. Если подходить более  формально, то под этим понятием понимается построение прогноза не более чем на 3% от наблюдений или на 1-3 шага вперед. Для данного типа прогнозов применяют практически все известные методы:

     Экспоненциальное  сглаживание - достаточно простой тип  моделей, основывающийся на сглаживание и прогнозирование тренда с/без сезонной составляющей.

     АРПСС (ARIMA) - является обобщением методов  экспоненциального сглаживания  и позволяет строить более  точные прогнозы. Данный метод фактически замыкает набор линейных методов.

     Нейронные сети - это раздел искусственного интеллекта, в котором для обработки сигналов используются явления, аналогичные происходящих в нейронах живых существ. Важнейшая особенность сети, свидетельствующая о ее широких возможностях и огромном потенциале, состоит в параллельной обработке информации всеми звеньями. Другое важное свойство - способность к обучению и обобщения накопленных знаний. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и позывать хорошие результаты на данных, не использовавшихся в процессе обучения.

     Среднесрочный прогноз. Под среднесрочным прогнозом, как правило, понимают прогноз на 3-5% от объема наблюдений, но не более 7-12 шагов вперед. Также зачастую под  этим понятием используют прогноз на один или на половину сезонного цикла. Для данного типа прогнозов применяют модели АРПСС и Экспоненциального сглаживания, которые позволяют отслеживать качество прогноза в зависимости от срока прогноза.

     Долгосрочный  прогноз. При построении данного  типа прогнозов стандартные статистические методы практически не используются, кроме случаев очень "хороших" рядов, для которых прогноз можно  просто "нарисовать".

     Поэтому выбор метода прогнозирования следует  производить с учетом всех специфических особенностей как целей прогноза, так и анализируемого временного ряда.

     В смысле методологий, мы ограничим наше рассмотрение задачами кратко- и среднесрочного прогноза, которые могут решаться (и весьма эффективно) с привлечением только статистических методов. Серьезное решение задач долгосрочного прогноза требует использования комплексных подходов и, в первую очередь, привлечения различных технологий сбора и анализа эксперементальных оценок.

Актуальность  темы

В последнее  время наблюдается тендениция возростания интереса к использованию нейронных сетей для решения различных задач и использования их в разных сферах человеческой жизни. С использованием нейронных сетей открылись возможности использования вычислений в сферах, до этого относящихся лишь к области человеческого интеллекта, возможности создания машин, способность которых учиться и запоминать удивительным образом напоминает мыслительные процессы человека.

 Где  применяются нейросети?

По утверждению  С.А. Шумского, нейросетевые технологии можно использовать почти во всех областях, стоит только проанализировать их в более детальном приближении.

 Экономика и бизнес : предсказание рынков, автоматический дилинг, оценка риска невозврата кредитов, предсказание банкротств, оценка стоимости недвижимости, выявление пере- и недооцененных компаний, автоматическое рейтингование, оптимизация портфелей, оптимизация товарных и денежных потоков, автоматическое считывание чеков и форм, безопасность транзакций по пластиковым карточкам.

Программное обеспечение компании RETEK, дочерней фирмы HNC Software, – лидер среди крупных ритейлоров с оборотом свыше $1 млрд. Ее последний продукт января 1998 года Retek Predictive Enterprise Solution включает развитые средства нейросетевого анализа больших потоков данных, характерных для крупной розничной торговли. Он также содержит прогнозный блок, чтобы можно было заранее просчитать последствия тех или иных решений. (http://www.retek.com)