Информационно-аналитическое обеспечение для прогнозирования энергопотребления на основе ансамбля искусственных нейронных сетей

Содержание

Слайд 2

Введение в предметную область (описание ситуации «как есть»)

Введение в предметную область (описание ситуации «как есть»)

Слайд 3

Введение в предметную область (описание ситуации «как будет»)

Введение в предметную область (описание ситуации «как будет»)

Слайд 4

Актуальность проекта и спрос на рынке Электросетевые компании Производители сервисов «Умный

Актуальность проекта и спрос на рынке

Электросетевые компании

Производители сервисов «Умный потребитель»,

а также производители автоматизированных информационно-измерительных систем коммерческого учета электроэнергии (АИИС КУЭ)

Сбытовые компании

Слайд 5

Предлагаемое техническое решение: простота настройки и автономность работы Начало Ввод данных

Предлагаемое техническое решение: простота настройки и автономность работы

Начало

Ввод данных ЭП

Формирование входного

и целевого вектора данных

Выбор нейронной сети

Настройка нейронной сети

Обучение нейронной сети

Анализ погрешности

Вывод результата обучения

1

Сохранение модели ИНС

1

Конец

БЛОК СХЕМА АЛГОРИТМА РАБОТЫ АДМИНИСТРАТОРА ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ

Начало

Ввод текущих данных ЭП

Формирование входного вектора данных

Выбор модели ИНС

Прогнозирование потребления электроэнергии

Сохранение результата прогнозирования
Вывод результата прогнозирования

Конец

2

2

БЛОК СХЕМА АЛГОРИТМА РАБОТЫ ПОЛЬЗОВАТЕЛЯ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ

Слайд 6

Предлагаемое техническое решение: масштабируемость и оригинальность СТРУКТУРА МНОГОУРОВНЕВОЙ НЕЙРОННОЙ СЕТИ ДЛЯ

Предлагаемое техническое решение: масштабируемость и оригинальность

СТРУКТУРА МНОГОУРОВНЕВОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПЕРСПЕКТИВЫ

ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЕЛНИЯ В МАСШТАБАХ МРСК ЦЕНТРА

СТРУКТУРА ДВУХУРОВНЕВОЙ НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЕЛНИЯ В МАСШТАБАХ ФИЛИАЛА РСК

Слайд 7

Ключевые конкурентные преимущества Модульность. Инвариантность к виду потребителей, режиму потребления и

Ключевые конкурентные преимущества

Модульность.

Инвариантность к виду потребителей, режиму потребления и временному

диапазону прогнозирования.

Оригинальная двух-трех уровневая структура

Автономность ( отчуждаемость ) продукта.

Масштабируемость.

Слайд 8

В течении 2015-2016 гг. информационно –аналитическое обеспеченье для прогнозирования потребления электроэнергии

В течении 2015-2016 гг. информационно –аналитическое обеспеченье для прогнозирования потребления электроэнергии

успешно применяется в Костромской сбытовой компании.
C 2016 модуль прогнозирования адаптирован под требования филиала ПАО «МРСК Центра» - «Костромаэнерго».

Практическая и научная значимость проекта

В апреле 2016 года на XVIII Международной научно-технической конференции «Нейроинформатика-2016» г. Москва, представленная система прогнозирования потребления электроэнергии, заняла призовое место. Материалы конференции приняты к публикации в журнале Optical Memory and Neural Networks (Information Optics)
Издатель: МАИК "Наука/Интерпериодика"Издатель: МАИК "Наука/Интерпериодика"  | Allerton Press, Inc., USA  Центр Оптико-Нейронных Технологий (ЦОНТ НИИСИ РАН).

Слайд 9

Основные блоки работ за 2014-2016 гг.

Основные блоки работ за 2014-2016 гг.

Слайд 10

Основные блоки работ на 2017-2019 гг.

Основные блоки работ на 2017-2019 гг.

Слайд 11

Бюджетные и внебюджетные источники финансирования проекта * - по программе софинансирования с региональным вузом

Бюджетные и внебюджетные источники финансирования проекта

* - по программе софинансирования с

региональным вузом
Слайд 12

Команда и ключевые компетенции Староверов Борис Александрович (руководитель проекта от вуза)-

Команда и ключевые компетенции

Староверов Борис Александрович (руководитель проекта от вуза)- д.т.н.

профессор, зав. кафедрой Автоматики и микропроцессорной техники КГУ. Научная деятельность - системы искусственного интеллекта в задачах управления

Гнатюк Борислав Алексеевич – Аспирант кафедры автоматики и микропроцессорной техники КГУ. Ответственный за инжиниринговые решения по технической реализации системы прогнозирования для потребителей

Олоничев Василий Вадимович (член команды проекта) – к.т.н. доцент кафедры АМТ КГТУ. Научная деятельность – теория и технология распределенных вычислений, управляющие системы реального времени. Выполняет в проекте функцию разработчика СПО и мобильных платформ.

Мозохин Андрей Евгеньевич (член команды проекта) - к.т.н., доцент по кафедре АМТ, ведущий инженер отдела эксплуатации АСДУ филиала ПАО "МРСК Центра" - "Костромаэнерго". Научная деятельность - методы измерения, стандартизация и сертификация; автоматизация технологических процессов и производств. Выполняет в проекте функции разработчика, адаптирует продукт применительно к РСК.