Yagup, Kateryna ValeriivnaYagup, Valery Gryogorovych2024-01-072024-01-072023Yagup K. V. Application of bayesian regularization for improving the quality of electrical energy in the electrical supply system / K. V. Yagup, V. G. Yagup // Вісник Національного технічного університету "ХПІ". Сер. : Системний аналіз, управління та інформаційні технології = Bulletin of the National Technical University "KhPI". Ser. : System analysis, control and information technology : зб. наук. пр. – Харків : НТУ "ХПІ", 2023. – № 2 (10). – С. 15-20.https://repository.kpi.kharkov.ua/handle/KhPI-Press/72669The possibility of using neural networks in the field of the energy coefficients correction of a power supply system with uneven load in phases is being studied. This need is justified by the fact, that the calculation of the necessary parameters of the symmetry-compensating device was previously based on the Nelder – Mead search optimization method. Search optimization performing is computationally expensive, takes long computation times, and may calculate anomalous values. The article develops the idea of using technology for predicting the parameters of a symmetry-compensating device, based on neural network modeling using Bayesian regularization. For a given set of initial data, the best selected configuration turned out to be a neural network of two layers, implemented in the MATLAB package using the machine learning tool Neural Network Toolbox. The network input parameters are a set of tuples, consisting of load values in each of the three phases of the power supply system, which are resistive-inductive in nature. There are six input quantities in total (load resistance and inductance values in each of the three phases) and all their values are different, which causes current asymmetry in the network and reactive power. The target matrix is formed from tuples, consisting of three values, which are the parameters of the symmetrical compensating device, calculated by the optimization method, in such a way as to compensate reactive power and to balance currents in the network. The number of data tuples, required to train a neural network was determined empirically. During the experiments, the optimal number of neurons in the neural network was also revealed. The use of the generated neural network to calculate the parameters of the symmetry-compensating device determined approximate solutions is comparable in accuracy to the values, found by optimization methods. With the help of the generated neural system, adequate quasi-solutions for calculating the parameters of the symmetry-compensating device were determined, which, in case of calculation, using the optimization method, led to anomalous values, that didn’t optimize the energy coefficients of the power supply system to the required extent. Also, such neuropredictions protect the system from receiving excessive high parameters of symmetry compensating device, which can be obtained with an optimization approach.Досліджується можливість використання нейронних мереж у сфері підвищення енергетичних показників системи електропостачання з нерівномірним навантаженням у фазах. Така необхідність обґрунтована тим, що розрахунок необхідних параметрів симетрокомпенсувального пристрою раніше ґрунтувався на методі пошукової оптимізації Нелдера – Міда. Виконання пошукової оптимізації вимагає значних обчислювальних витрат, займає тривалий час обчислення і може розраховувати аномальні значення. У статті розвивається ідея використання технології прогнозування параметрів симетро-компенсувального пристрою на основі нейромережевого моделювання із застосуванням байєсівської регуляризації. Для заданого набору вихідних даних найкращою підібраною конфігурацією виявилася нейронна мережа двох шарів реалізована в пакеті MATLAB засобами інструменту машинного навчання Neural Network Toolbox. Вхідні параметри мережі являють собою набір кортежів, що складаються з величин навантажень у кожній із трьох фаз системи електропостачання, що мають резистивно-індуктивний характер. Усього вхідних величин шість (значення опору та індуктивності навантаження в кожній із трьох фаз) і всі їх значення відрізняються, що і створює несиметрію струмів у мережі та реактивну потужність. Матриця цілей сформована з кортежів, що складаються з трьох величин, що є розраховані методом оптимізації параметри симетро-компенсувального пристрою, таким чином, щоб компенсувати реактивну потужність і відсиметрувати струми в мережі. Досвідченим шляхом визначено кількість кортежів даних, необхідні навчання нейронної мережі. Під час проведення експериментів також виявлено оптимальну кількість нейронів нейронної мережі. Застосування сформованої нейромережі для розрахунку параметрів симетро-компенсувального пристрою визначило наближені рішення, які можна порівняти за точністю зі значеннями, знайденими оптимізаційними методами. За допомогою сформованої нейронної системи визначено адекватні квазірішення розрахунку параметрів симетро-компенсувального пристрою, які при розрахунках оптимізаційним методом призводили до аномальних значень, які не виконували оптимізацію енергетичних показників системи електропостачання у необхідній мірі. Також такі нейропередбачення захищають систему від отримання надмірно завищених параметрів симетро-компенсувального пристрою, які можуть бути отримані при оптимізаційному підході та аномальних значень.enneural networkBayesian regularization learning algorithminput matrixtarget matrixset of taplessearch optimization methodspower supply systemнейронна мережанавчання за алгоритмом Байєсівської регуляризаціївхідна матрицяматриця цілейнабір кортежейметоди пошукової оптимізаціїсистема живленняArticledoi.org/10.20998/2079-0023.2023.02.03https://orcid.org/0000-0002-9305-8169https://orcid.org/0000-0002-7019-3499