Нейро-сетевое моделирование в задачах прогнозирования режимов работы электрических сетей

• Опубліковано в: : Електротехніка і електромеханіка
• Дата: 2016
• Автори: Мороз, А.Н., Черемисин, Н.М., Черкашина, В.В., Холод, А.В.
• Формат: Стаття
• Мова: Російська
• Опубліковано: Інститут технічних проблем магнетизму НАН України 2016
• Теми: Електричні станції, мережі і системи
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/147050
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Нейро-сетевое моделирование в задачах прогнозирования режимов работы электрических сетей / А.Н. Мороз, Н.М. Черемисин, В.В. Черкашина, А.В. Холод // Електротехніка і електромеханіка. — 2016. — № 1. — С. 65-68. — Бібліогр.: 10 назв. — рос.

В статье сформирована нейро-фаззи сеть с учетом температурного мониторинга воздушной линии. Отличительной
 особенностью, предложенной сети, являются возможность обработки информации, заданной в разных шкалах измерения, и высокое быстродействие для прогнозирования режимов работы электрической сети. У статті сформована нейро-фаззі мережа з урахуванням температурного моніторингу повітряної лінії. Відмінною
 особливістю, запропонованої мережі, є можливість обробки інформації, яку задано в різних шкалах вимірювання, і
 висока швидкодія для прогнозування режимів роботи електричної мережі Purpose. Form a neuro-fuzzy network based on temperature
 monitoring of overhead transmission line for the prediction
 modes of the electrical network. Methodology. To predict the
 load capacity of the overhead line architecture provides the use
 of neuro-fuzzy network based on temperature monitoring of
 overhead line. The proposed neuro-fuzzy network has a fourlayer architecture with direct transmission of information. To
 create a full mesh network architecture based on hybrid neural
 elements with power estimation accuracy of the following two
 stages of the procedure: - in the first stage a core network
 (without power estimation accuracy) is generated; - in the second stage architecture and network parameters are fixed obtained during the first stage, and it is added to the block estimation accuracy, the input signals which are all input, internal and
 output signals of the core network, as well as additional input
 signals. Results. Formed neuro-fuzzy network based on temperature monitoring of overhead line. Originality. A distinctive
 feature of the proposed network is the ability to process information specified in the different scales of measurement, and
 high performance for prediction modes mains. Practical value.
 The monitoring system will become a tool parameter is measuring the temperature of the wire, which will, based on a retrospective analysis of the accumulated information on the parameters to predict the thermal resistance of the HV line and as a
 result carry out the calculation of load capacity in real time.