Катюха, Ігор Анатолійович2017-09-052017-09-052017Катюха І. А. Прогнозні моделі електричних навантажень розподільчих мереж в умовах невизначеності вихідної інформації [Електронний ресурс] : автореф. дис. ... канд. техн. наук : спец. 05.14.02 / Ігор Анатолійович Катюха ; [наук. керівник Овчаров В. В.] ; Нац. техн. ун-т "Харків. політехн. ін-т". – Харків, 2017. – 19 с. – Бібліогр.: с. 15-16. – укр.https://repository.kpi.kharkov.ua/handle/KhPI-Press/31032Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.14.02 – електричні станції, системи та мережі. – Таврійський державний агротехнологічний університет, Мелітополь, 2017. Дисертаційна робота присвячена розв’язанню актуальної науково-прикладної задачі розроблення сучасного науково-методичного апарату прогнозу споживання електричної енергії в умовах невизначеності, що враховує можливості інформаційного забезпечення автоматизованих систем комерційного обліку електроенергії та особливості окремих споживачів і має на меті підвищення ефективності використання та збереженняелектричної енергії. Вдосконалено метод нечіткого регресійного аналізу для побудови довгострокових прогнозних моделей електричних навантажень в розподільчих мережах. Враховано паритетну участь двох критеріїв ефективності нечітких моделей: степені суміщення та степені нечіткості при побудові прогнозних моделей. Розроблено метод корекції довгострокових прогнозних моделей для короткострокового прогнозу. Запропоновано підхід до побудови виду прогнозних моделей при будь-яких типах навантажень. Аналітично встановлено зв'язок нечітких показників точності прогнозу з відносною середньомодульною похибкою. Розроблену методику апробовано при розробці прогнозних моделей електричного навантаження ряду споживачів з різними типами графіків навантаження. Основні результати дисертації знайшли практичне застосування у вигляді програмно-апаратного комплексу для автоматизації процесу довгострокового та оперативного прогнозування електричних навантажень електроспоживачів, що може інтегруватись інформаційно в автоматизовану систему обліку електроенергії, а також при оперативному керуванні режимами розподільчих мереж.Dissertation for scientific degree of candidate of technical sciences, specialty 05.14.02 – electric power stations, networks and systems. – Tavricheskiy State Agrotechnology University, Melitopol, 2017. The dissertation devoted to solving actual scientific and technical problem of development of modern science and analytical tools forecast electricity consumption in the face of uncertainty, taking into account the possibility of information support automated systems of commercial accounting of electric power and features of individual consumers and aims to increase efficiency and save electricity. Improved method of fuzzy regression analysis to build long–term forecasting models of electric loads in distribution networks. Included balanced participation of two performance criteria fuzzy models: the degree of combination and degree of fuzziness when building predictive models. The method of correction term predictive models for short–term forecast. An approach to building the type of predictive models in any type of stress. Analytical contacted fuzzy indicators forecast accuracy Mean absolute percentage error. The technique was tested in the development of predictive models of electric load number of consumers with different types of load charts. The main results of the dissertation found practical application in the form of hardware and software to automate the process of long–term and operational forecasting electricity consumers of electrical loads that can integrate information into an automated accounting system of electricity, as well as operational management mode of distribution networks.ukавтореферат дисертаціїрозподільчі електричні мережіелектроенергозбереженняелектроенерговикористанняграфік навантаженняпрогнозна модельневизначеністьнечіткий регресійний аналізelectrical distribution networkselectrical energy savingelectrical energy usageload graphpredictive modeluncertaintyfuzzy regression analysisThesis621.315:004.032.26