Метод прогнозирования электропотребления в коммунально-бытовых сетях с помощью машинно обученной нейросети разработали ученые Политехнического института Южно-Уральского государственного университета (ЮУрГУ), 12 мая сообщает пресс-служба вуза.

Использование нового метода повышает точность прогноза электропотребления и позволяет обеспечивать бесперебойную подачу электроэнергии для жилых массивов, отмечают его авторы.

Результаты исследования разработчики представили в статье «Прогнозирование потребления электроэнергии бытовыми потребителями с использованием нечеткой логики на основе Плана развития энергосистемы Республики Таджикистан», опубликованной в журнале Sustainability.

Разработанный сотрудниками кафедры «Безопасность жизнедеятельности» ЮУрГУ метод, повышая точность расчета электропотребления, снижает неопределенность его прогнозирования, которая в городских коммунальных электрических сетях возникает, прежде всего, из-за изменения характера электропотребления и большого количества электроприемников.

Новый метод прогноза челябинских специалистов учитывает ранее не принимаемые во внимание факторы электропотребления, выражая их в виде коэффициента неопределенности.

Один из авторов статьи — доцент кафедры «Безопасность жизнедеятельности», кандидат технических наук Саиджон Таваров, пояснил:

«Неопределенность 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».

Расчет коэффициента неопределенности, разработанный сотрудниками ЮУрГУ, может применяться для управления электрическими сетями, питающими жилые здания, и другими низковольтными электроустановками.

«Наш метод прогнозирования на начальном этапе позволяет определить несимметрию фаз. Несимметрия — разница в величине протекаемого тока в определенные часы на фазах. С учетом обобщенного коэффициента можно выяснить степень загруженности фаз, что, в свою очередь, позволяет выявлять процентное отклонение от допустимого значения», — рассказал ученый.

Точность расчета электропотребления достигается за счет машинного обучения, которое основано на постоянном получении данных со счетчиков электроэнергии и других входных данных. Кроме того, использование нейросети сокращает время расчета прогноза при одновременном учете множества факторов, влияющих на прогноз.

Саиджон Таваров подчеркнул, что особенно актуальным прогнозирование электропотребления стало из-за происходящего в мире энергетического перехода к возобновляемым источникам энергии, обеспечивающим декарбонизацию (уменьшение выбросов в атмосферу углекислого газа) электроэнергетики.

Новый метод ученых ЮУрГУ могут применять организации, распределяющие электроэнергию и проектирующие системы городского электроснабжения, которые устанавливают и содержат всю городскую энергетическую инфраструктуру, такую как линии электропередач и трансформаторные подстанции. Его применение позволит продлить срок службы оборудования систем электроснабжения.