Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж

Розглянуто використання радіально-базисних штучних нейронних мереж для короткострокового прогнозування цін продажу електричної енергії в оптовий ринок електричної енергії, а також особливості ціноутворення в існуючій моделі оптового ринку електричної енергії України. Рассмотрено использование радиал...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Праці Інституту електродинаміки НАН України
Datum:	2009
Hauptverfasser:	Блінов, І.В., Корхмазов, Г.С., Попович, В.І., Зозуля, А.М.
Format:	Artikel
Sprache:	Ukrainisch
Veröffentlicht:	Інститут електродинаміки НАН України 2009
Schlagworte:	Енергетичні системи та комплекси
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/63720
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж / І.В. Блінов, Г.С. Корхмазов, В.І. Попович, А.М. Зозуля // Праці Інституту електродинаміки Національної академії наук України: Зб. наук. пр. — К.: ІЕД НАНУ, 2009. — Вип 24. — С. 23-31. — Бібліогр.: 8 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860001978382286848
author	Блінов, І.В. Корхмазов, Г.С. Попович, В.І. Зозуля, А.М.
author_facet	Блінов, І.В. Корхмазов, Г.С. Попович, В.І. Зозуля, А.М.
citation_txt	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж / І.В. Блінов, Г.С. Корхмазов, В.І. Попович, А.М. Зозуля // Праці Інституту електродинаміки Національної академії наук України: Зб. наук. пр. — К.: ІЕД НАНУ, 2009. — Вип 24. — С. 23-31. — Бібліогр.: 8 назв. — укр.
collection	DSpace DC
container_title	Праці Інституту електродинаміки НАН України
description	Розглянуто використання радіально-базисних штучних нейронних мереж для короткострокового прогнозування цін продажу електричної енергії в оптовий ринок електричної енергії, а також особливості ціноутворення в існуючій моделі оптового ринку електричної енергії України. Рассмотрено использование радиально-базисных искусственных нейронных сетей для краткосрочного прогнозирования цен продажи электрической энергии в оптовый рынок электрической энергии, а также особенности ценообразования в существующей модели оптового рынка электрической энергии Украины. Use of radiate-basic artificial neural networks for short-term forecasting of sale prices of electric energy into a wholesale market of electric energy, and also special features of pricing in the existing model of a wholesale market jf electric energy of Ukraine are considered.
first_indexed	2025-12-07T16:36:39Z
format	Article
fulltext	УДК 621.316:681.3 І.В. Блінов, Г.С. Корхмазов, В.І. Попович, А.М. Зозуля КОРОТКОСТРОКОВЕ ПРОГНОЗУВАННЯ ОПТОВИХ ЦІН НА ЕЛЕКТРИЧНУ ЕНЕРГІЮ З ВИКОРИСТАННЯМ РАДІАЛЬНО-БАЗИСНИХ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ Розглянуто використання радіально-базисних штучних нейронних мереж для короткострокового про- гнозування цін продажу електричної енергії в оптовий ринок електричної енергії, а також особливості ціноу- творення в існуючій моделі оптового ринку електричної енергії України. Вступ. Сучасний етап розвитку електроенергетики України пов’язаний з переходом до нової системи ринкових відносин між суб’єктами цієї галузі. Перш за все, розвиток рин- кових відносин між виробниками, постачальниками та споживачами електроенергії обумо- вив необхідність створення оптового ринку електричної енергії (ОРЕ) України, який є необ- хідним інструментом організації купівлі-продажу електроенергії, оформлення договірних відносин, ціноутворення та інфраструктури ринку електроенергії. Стосовно існуючої на сьо- годні в Україні моделі ОРЕ слід зазначити, що її особливістю є наявність спеціально створе- ної компанії (державного підприємства «Енергоринок»), яка одночасно є як єдиним покуп- цем всієї виробленої електроенергії в Україні, так і єдиним продавцем електроенергії поста- чальникам та великим споживачам. Враховуючи позитивні риси такої моделі (підтримка єдиної оптової ринкової ціни, захист від ринкових ризиків, простота взаємовідносин між суб’єктами ринку), все ж таки слід зазначити, що підприємству, яке виступає в ролі єдиного покупця та продавця електроенергії, бракує економічної незалежності, що призводить до по- яви неринкових механізмів купівлі-продажу електроенергії та ціноутворення на ОРЕ України. Подальший розвиток системи відносин в ОРЕ спрямовано на поступовий перехід від діючої системи шляхом її подальшої лібералізації, до моделі повномасштабного конкурент- ного ринку [3]. Зрозуміло, що перехід від моделі «єдиного покупця» до моделі конкурентно- го ринку передбачається провести поетапно, з урахуванням особливостей функціонування ОЕС України та світового досвіду розвитку оптових ринків електроенергії. Початок першого етапу заплановано на 2009 рік. З початком функціонування нової моделі ОРЕ суб’єкти ринку отримають широкий спектр інструментів для задоволення потреб споживачів і більш гнучку організацію своєї ді- яльності, а саме: двосторонні договори як довгостроковий інструмент, що забезпечує певну стабільність у відносинах на ринку електроенергії; енергетичну біржу та ринок короткостро- кових контрактів – інструмент, що дає можливість привести контрактні обсяги купівлі елект- роенергії до реального споживання; балансуючий ринок, який дасть можливість збалансувати попит і контрактні обсяги купівлі в реальному часі. Крім того, необхідними елементами нової моделі ОРЕ будуть ринок фінансових контрактів та ринок допоміжних послуг. Слід відзначити, що одним з найбільш важливих результатів реструктуризації існую- чої моделі ОРЕ стане розробка нового механізму формування цін на електроенергію, при якому ціни будуть відображати «баланс інтересів» виробників, постачальників та споживачів електроенергії. Як відомо, у ринковому середовищі ціни відображають вартість електроенер- гії «на перетині кривих попиту та пропозиції» в певному вузлі електричної мережі в реаль- ному часі з урахуванням вартості передачі електроенергії та допоміжних послуг. При цьому такі ціни будуть стимулювати як споживачів до енергозбереження, так і виробників до зни- ження витрат на її виробництво. Особливості задачі прогнозування цін в ОРЕ України. При переході функціону- вання ОРЕ з моделі «єдиного покупця» до нової моделі «двосторонніх контрактів та балан- суючого ринку» особливої актуальності набуває задача прогнозування цін на електричну енергію, оскільки точне прогнозування цін дає конкурентну перевагу учасникам ОРЕ. Крім © Блінов І.В., Корхмазов Г.С., Попович В.І., Зозуля А.М., 2009 того, прогнозування цін представляє собою інструмент планування та підтримки прийняття управлінських рішень для учасників ОРЕ в умовах функціонування нової моделі ОРЕ. До особливостей ОРЕ слід віднести неможливість створення запасів електроенергії, значні часові затримки пуску та зупинки блоків (сукупності енергетичного обладнання, що складається з одного турбогенератора та одного і більше котлів) електростанцій, значна різ- ниця у вартості виробленої електроенергії у різних виробників, а також наявність у вироб- ників технологічно необхідних мінімальних обсягів виробництва електроенергії. До факторів, що будуть мати вплив на прогноз цін в умовах функціонування нової моделі ОРЕ, відносяться такі: ціни за минулі періоди, обсяги та ціни електроенергії за дво- сторонніми договорами, заявки учасників торгів, обсяги виробництва та споживання елект- роенергії за минулі періоди та їх прогнозні дані, технічні обмеження (наприклад, пропускна спроможність ліній електропередачі, максимальна на мінімальна встановлена потужність блоків електростанцій та інше), фактичні та прогнозні погодні умови, ціни на енергоносії, а також інформація щодо вихідних та святкових днів. Функціонування ОРЕ характеризується значною різницею між рівнями цін для різних періодів доби, наявністю сезонних факторів та відносно невисокою кількістю ретроспектив- них даних. Щодо ОРЕ України слід відзначити, що на перехідному етапі лібералізація ринку буде стосуватись тільки незначної кількості його суб’єктів, які при виконанні певних умов, у то- му числі впровадженні систем комерційного обліку електроенергії та обміну інформації, пе- рейдуть на прямі договори між виробниками та постачальниками. У той же час для інших учасників ОРЕ схема роботи залишиться незмінною. Зважаючи на це, можна стверджувати, що прогнозування цін на електроенергію є ак- туальною задачею як в умовах функціонування нової моделі ОРЕ України, так і на усіх пере- хідних етапах. Сьогодні у світі для розв’язання задачі прогнозування цін на електроенергію в ОРЕ використовуються різні моделі та методи прогнозування, наприклад, авторегресійні методи, методи ковзаючого середнього, авторегресійні методи з умовною гітероскедантичністю [7, 6]. Протягом останніх 10–15 років спостерігається істотне підвищення інтересу до викорис- тання методів штучного інтелекту для розв’язання цілого ряду електроенергетичних задач, наприклад [2, 9, 10]. Невід’ємною частиною цього процесу є застосування штучних нейрон- них мереж (ШНМ) як для розв’язання задач прогнозування електричного навантаження, на- приклад [8, 11], так і для прогнозування цін на електроенергію [12, 13]. Стаття присвячена прогнозуванню середньої ціни купівлі електроенергії у виробників, які працюють в ОЕС України, за винятком працюючих в „острові Бурштинської ТЕС”. При- чому прогнозування ціни купівлі електроенергії, що розглядається, стосується лише вироб- ників, які працюють за ціновими заявками. Перш за все мова йде про енергогенеруючі під- приємства ТЕС. Така постановка задачі обумовлюється, по-перше, тим, що ціна купівлі елек- троенергії ОРЕ у виробників, які не працюють за ціновими заявками, фактично затверджу- ється Національною комісією регулювання електроенергетики (НКРЕ). До таких виробників електроенергії належать енергогенеруючі підприємства атомних, гідрогенеруючих та гідро- акумулюючих станцій, теплоелектроцентралі, вітрові електростанції, когенераційні, парога- зові та газотурбінні установки, які здійснюють продаж електричної енергії в ОРЕ за тарифа- ми, затвердженими НКРЕ. По-друге, саме ТЕС сьогодні найбільш адаптовані до роботи в умовах функціонування нової моделі ОРЕ України, оскільки самостійно вирішують задачу визначення ціни продажу електроенергії в ОРЕ і кожного дня подають відповідні заявки. Слід зазначити, що до технологічних факторів, які впливають як на ціну купівлі елек- троенергії у кожного окремого виробника, що працює за ціновою заявкою, так і на середню ціну купівлі електроенергії ОРЕ у виробників належать такі: встановлена та максимальна по- тужність блока; технічний мінімум навантаження блока; корисний відпуск блока у відсотках від фактичного його виробітку; кількість блоків, які знаходяться в роботі та консервації; рег- ламентна тривалість пуску блока та тривалість часу між послідовними пусками різних блоків станції; швидкість зміни навантаження блока у різних режимах роботи; енергетичні характе- ристики обладнання блоків; тип палива. До ринкових факторів, які впливають на середню ціну купівлі електроенергії ОРЕ у ТЕС відносяться фактичні та прогнозовані ціни натурального палива (вугілля, газу, мазуту) по кожній електростанції та блоку, а також заявлені і фактичні умовно-постійні витрати бло- ків у розрахунковому місяці, прогноз електроспоживання ОЕС України, прогноз зовнішніх перетоків, прогноз необхідного покриття. Наведені фактори враховуються при визначенні платежів ОРЕ виробникам за розвантаження нижче мінімально допустимого складу облад- нання станції та за відпущену електроенергію в ОРЕ, а також при розрахунках цін та плате- жів за робочу потужність і маневреність блоків ТЕС. Під маневреністю розуміється послуга, що надається виробником електроенергії по зміні навантаження блоків або їх зупинці та пус- ку протягом доби для регулювання навантаження та частоти в ОЕС України. Зазначені ціни та платежі безпосередньо використовуються вже для розрахунку опто- вої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду добового графіка. Розрахунковим періодом вважається період тривалістю 60 хв, який починається в момент початку першої години добового графіка кожної доби і закінчується в момент почат- ку наступної години, не включаючи її. Серед найбільш вагомих факторів, що впливають на середню оптову ціну купівлі електроенергії у ТЕС, можна виділити ціни за робочу потуж- ність блока та ціну за маневреність. Крім ціни за робочу потужність та за маневреність на формування оптової ціни купівлі електроенергії впливає такий важіль, як гранична ціна сис- теми. Граничною ціною системи є ціна найдорожчого із включених до заданого графіка на- вантаження маневрених блоків виробників, які працюють за ціновими заявками, в кожному розрахунковому періоді доби. Гранична ціна системи розраховується для кожного розрахунко- вого періоду наступної доби. Повний розрахунок зазначених цін детально представлено в [1]. Слід зазначити, що саме до повноважень НКРЕ входять затвердження та встановлення «ціноутворюючих» коефіцієнтів, а також цін на деякі види послуг виробників, які викорис- товуються при розрахунках платежів в ОРЕ України. Враховуючи це, можна стверджувати, що сьогодні має місце вплив неринкових факторів на формування оптової ціни купівлі елек- троенергії, причому ці фактори досить складно врахувати при прогнозуванні ціни на елект- роенергію. У нашому випадку задача прогнозування середньої ціни купівлі електроенергії ОРЕ у ТЕС розглядається як задача прогнозування часового ряду. В задачах аналізу часових рядів метою є прогноз майбутніх значень змінної, що залежить від часу, на основі попередніх зна- чень цієї змінної або інших змінних. Зазвичай наступне значення часового ряду прогнозуєть- ся за певною кількістю попередніх значень. Причому в якості попередніх значень можна ви- користовувати як історичну ретроспективну інформацію про ціни, що склалися на ОРЕ, так і проводити їх формування за допомогою моделювання рівня цін на ОРЕ. В якості інструмен- ту для розв’язання задачі прогнозування ціни використовуються ШНМ. До переваг методів прогнозування з використанням ШНМ відноситься те, що ШНМ дають змогу проводити то- чну апроксимацію неперервної функції, незважаючи на відсутність чи наявність якої-небудь періодичності та циклічності, а також ШНМ мають невисоку чутливість до наявності шумів у вхідній інформації. Під шумом у вхідній інформації в нашому випадку вважається наяв- ність значної різниці між рівнями цін для різних періодів однієї доби, та різниця між рівнями цін одного розрахункового періоду для різних діб. Простоту використання, здатність до на- вчання та адаптації в процесі експлуатації ШНМ у порівнянні з іншими методами прогнозу- вання ціни на ОРЕ також слід віднести до переваг ШНМ. Крім того, застосування ШНМ дає змогу використовувати лише ретроспективну інформацію без врахування великої кількості факторів, що можуть впливати на прогноз ціни без відчутної втрати точності цього прогнозу, що також є перевагою ШНМ у порівнянні з іншими методами, оскільки значно полегшує процес підготовки моделі, на базі якої виконується прогнозування. Зважаючи на зазначене, використання ШНМ для прогнозування ціни продажу електроенергії ТЕС в ОРЕ є достатньо виправданим і коректним. Прогнозування цін на електроенергію з використанням штучних нейронних ме- реж. Для розв’язання поставленої задачі можуть використовуватись різні типи ШНМ, на- приклад, багатошаровий персептрон, рекурентні ШНМ, ШНМ на основі радіально-базисних функцій (РБФ). У нашому випадку використовується саме ШНМ РБФ. Їх архітектура склада- ється з вхідного слою нейронів, прихованого шару та вихідного шару нейронів. У якості ак- тиваційних функцій нейронів прихованого шару в таких ШНМ використовуються гаусові функції, що дає змогу використовувати для моделювання певної функції лише один прихо- ваний шар нейронів. Нейрони вихідного шару ШНМ РБФ мають лінійні функції активації. Детальний опис ШНМ РБФ та їх особливості у порівнянні з іншими ШНМ наведено, напри- клад, в [4, 5]. Лише зазначимо, що до переваг ШНМ РБФ, порівняно з багатошаровим персе- птроном та рекурентними ШНМ, відноситься спрощення процедури вибору оптимальної ар- хітектури ШНМ РБФ (за рахунок наявності тільки одного прихованого шару). По-друге, ви- ща швидкість навчання та роботи РБФ ШНМ і, по-третє, методи навчання ШНМ РБФ не ма- ють труднощів з локальними мінімумами у порівнянні з методами навчання багатошарового персептрона, що підвищує як ефективність навчання, так і ефективність роботи ШНМ РБФ, у тому числі і при розв’язанні задач прогнозування часових рядів. Розглянемо прогноз середньої оптової ціни купівлі електроенергії ОРЕ у ТЕС у лис- топаді 2008 р. на одну та дві доби наперед для кожного розрахункового періоду доби на базі ретроспективної інформації про рівень середніх цін купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду. У цьому випадку в якості ретро- спективної інформації використо- вуються значення середньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового пері- оду тільки для робочих днів, вихі- дні дні виключені з ретроспектив- ної інформації. Це пояснюється тим, що зміни середніх цін купівлі електроенергії ОРЕ у ТЕС від роз- рахункового періоду доби для ро- бочих днів мають досить відчутну різницю порівняно зі змінами ціни у вихідні дні (рис. 1). Використання інформації про ціни купівлі електроенергії ОРЕ у ТЕС, що склалися у вихідні дні, може суттєво погіршувати прогноз цін у робочі дні. Для визначення вікна прогнозу ціни (кількість даних, що береться в якості ретроспек- тивної інформації) розглянемо зміну рівня середніх оптових цін купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду з 3 по 20 листопада 2008 р. На рис. 2 наведено ЦкТЕС, грн./МВт·год Робочий день Вихідний день Т, год Рис. 1 3.11. 2008 4.11. 2008 5.11. 2008 6.11. 2008 7.11. 2008 10.11. 2008 11.11. 2008 12.11. 2008 13.11. 2008 14.11. 2008 17.11. 2008 18.11. 2008 19.11. 2008 20.11. 2008 ЦкТЕС, грн./МВт·год Рис. 2 графік зміни середньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду доби з 3 по 20 листопада 2008 р. за винятком вихідних днів. Графіки цін, наведені на рис. 1 та 2, вказують на реверсивний характер динаміки цін на електроенергію та наявність великої кількості достатньо вузьких та високих піків. Видно періодичність коливань цін, обумовлена перш за все зміною споживання електроенергії про- тягом доби. З рис. 2 видно, що починаючи з 7 листопада відбулося різке зниження середньої оп- тової ціни купівлі електроенергії ОРЕ у ТЕС. Це обумовлено в першу чергу значною та різ- кою зміною регулюючого коефіцієнта Kпз (ОЕС) [1] та коефіцієнта маневреності Kмн max(ОЕС), який визначає максимальну ціну за маневреність у цей період. Слід відзначити, що ціна за робочу потужність, віднесена до періоду Start-End (з 6-00 по 23-00) у період з 3 по 6 листопада 2008 р. для енергоблоків ТЕС, що працюють на частину ОЕС України за винятком працюючих в „острові Бурштинської ТЕС”, залежала у робочі дні від регулюючого коефіцієнта Kпз (ОЕС), який дорівнював 150,0 грн/МВт·год. З 7 листопада від- повідною постановою НКРЕ було змінено регулюючий коефіцієнт Kпз (ОЕС) у робочі дні на 90,0 грн/МВт·год. У той же час ціна за маневреність для енергоблоків, що працюють на час- тину ОЕС України за винятком працюючих в „острові Бурштинської ТЕС” у робочі дні в пе- ріод з 3 по 6 листопада 2008 р. залежала від коефіцієнтів маневреності Kмн min(ОЕС) – 3,0 грн/МВт·год та Kмн max(ОЕС) – 150,0 грн/МВт·год. З 7 листопада постановою НКРЕ було змінено коефіцієнт маневреності Kмн max(ОЕС) у робочі дні на 90,0 грн/МВт·год. Коефіцієнт граничної ціни системи КГЦС у період з 3 по 7 листопада 2008 р. включно становив 110 грн/МВт·год. У п’ятницю 7 листопада гранична ціна системи обмежувалась НКРЕ і була на рівні 290,0 грн./МВт·год. Оптова ціна купівлі електроенергії у ТЕС України, що працюють за ціновими заявка- ми, розрахована за заданими графіками навантаження, у період з 3 по 9 листопада 2008 р. ко- ливалась від 113,65 грн/МВт·год на годину нічного навантаження (3 листопада) до 561,55 грн/МВт·год на годину вечірнього навантаження (6 листопада). Зміна значень регулюючих коефіцієнтів призвела до відповідної корекції цін за робо- чу потужність та маневреність, а також на значення граничної ціни системи. Що і призвело до відповідного (досить різкого) зниження середньої ціни купівлі електроенергії ОРЕ у ТЕС. Враховуючи таку різку зміну у ціні, можна апріорі зробити висновок про те, що рет- роспективні дані з 1 по 4 листопада 2008 р. не слід використовувати при навчанні ШНМ РБФ, оскільки це призведе до того, що ШНМ РБФ буде враховувати та використовувати ці дані для прогнозування, що знизить точність короткострокового прогнозу. Враховуючи зазначене, в якості вікна прогнозу взято ретроспективні значення серед- ньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду з 5 по 20 листопада 2008 р. включно. При цьому горизонтом прогнозу буде одна та дві робочі доби, відповідно 21 (п’ятниця) та 24 (понеділок) листопада 2008 р. Стосовно підготовки ШНМ РБФ для розв’язання задачі прогнозування часового ряду відзначимо, що в якості вхідної та вихідної змінних з урахуванням горизонту прогнозування використовується одна і та ж сама змінна. При цьому особливу складність представляє інтер- претація поняття навчальної, контрольної та тестової вибірки даних, а також даних, що не вра- ховуються. В нашому випадку одне і те ж саме значення середньої ціни купівлі електроенергії ОРЕ у ТЕС може використовуватись одразу у трьох вибірках, кожна з яких може бути навча- льною, контрольною або тестовою. Декілька перших значень можна взагалі використовувати тільки в якості вхідної інформації, і вони автоматично не враховуються при прогнозуванні, оскільки перші декілька значень неможливо обрати (для їх вибору необхідні були б ще декіль- ка значень, які розташовані перед першим значенням в обраному ретроспективному ряді). При визначенні оптимальної архітектури ШНМ, зокрема, і ШНМ РБФ, необхідним є проведення експериментів з великою кількістю ШНМ з різними архітектурами, проводячи порівняння отриманих результатів при навчанні та тестуванні відповідних ШНМ. Однак для визначення оптимальної архітектури ШНМ РБФ можна використовувати і різні алгоритми пошуку оптимальної архітектури. При цьому необхідність проведення багаторазових експери- ментів призводить до того, що контрольна вибірка відіграє ключову роль при визначенні архі- тектури ШНМ, що може бути ефективно застосована для прогнозування. Тобто контрольна вибірка побічним чином бере участь у навчанні ШНМ, що звичайно послаблює її роль як неза- лежного критерію якості підготовки ШНМ. Зважаючи на це, доцільним є використання тесто- вої вибірки, при цьому вочевидь, що така вибірка повинна використовуватися лише один раз. У табл. 1 наведено результати навчання та тестування декількох ШНМ РБФ при їх підготовці для розв’язання задачі прогнозування середньої ціни купівлі електроенергії ОРЕ у ТЕС на одну добу наперед (на 21.11.08). Таблиця 1 При цьому крок навчання ШНМ РБФ обрано 24 год, тому вхідний шар кожної такої ШНМ має по 24 нейрони. Підготовка РБФ ШНМ виконувалась з використанням програмно- го продукту Statistica Neural Networks, який надає можливість редагування та модифікації ШНМ, об’єднання ШНМ в ансамблі різного виду для ефективної підготовки ШНМ. З табл. 1 видно, що найбільш доцільним для прогнозування середньої ціни купівлі електроенергії ОРЕ у ТЕС є використання ШНМ РБФ, що має третій порядковий номер в таблиці, оскільки зазначена ШНМ має як найменшу похибку навчання, так і найменшу тес- тову похибку серед наведених ШНМ РБФ, крім того обрана ШНМ має найбільшу швидкість роботи. На рис. 3 показано графік прогнозованої та реальної середньої ціни купівлі електро- енергії ОРЕ у ТЕС для кожного розрахункового періоду на 21 та 24 листопада 2008 р.. № з/п Архітектура ШНМ РБФ Швидкість навчання, с Швидкість роботи, с Значення абсолютної похибки навчання Значення абсолютної похибки тестування 1 1:24-84-1:1 0,075902 0,148130 0,000640 0,001047 2 1:24-82-1:1 0,064291 0,184954 0,000542 0,001306 3 1:24-89-1:1 0,058812 0,144232 0,000496 0,001018 4 1:24-74-1:1 0,099283 0,166465 0,000838 0,001176 5 1:24-54-1:1 0,113374 0,155040 0,000957 0,001095 6 1:24-82-1:1 0,077845 0,146234 0,000657 0,001033 7 1:24-88-1:1 0,089391 0,162229 0,000754 0,001147 8 1:24-58-1:1 0,093540 0,197286 0,000789 0,001393 9 1:24-90-1:1 0,085794 0,145835 0,000724 0,001030 10 1:24-90-1:1 0,073925 0,164689 0,000624 0,001163 Реальний рівень цін Прогнозований рівень цін ЦкТЕС, грн./МВт·год Т, год П’ятниця 21.11.08 Понеділок 24.11.08 Рис. 3 ( ) 24 2 1 1 23 i i E x x = = −∑ З рис. 3 видно, що прогнозований графік зміни ціни досить адекватно відображає рі- вень середньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду. Так, для 21 листопада 2008 р. стандартне відхилення (Е) для усіх розрахункових періодів скла- ло 4,31 грн., а середня відносна похибка (F) – 1,91 %. При цьому максимальна відносна похиб- ка не перевищує 5 % для усіх розрахункових періодів, а мінімальна дорівнює 0,29 %. Дещо гі- рші результати отримані для 24 листопада 2008 р., де похибка F складає 3,88 %, а відхилення Е дорівнює 7,47 грн. Середня відносна похибка F розраховується за наступною формулою: %100 24 1 24 1 × − = ∑ =i i x xx F . (1) Стандартне відхилення Е розраховується за формулою . (2) У формулах (1), (2) xi та x є відповідно прогнозоване та реальне значення середньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду. Розглянемо ще один випадок прогнозування середньої ціни купівлі електроенергії ОРЕ у ТЕС на одну та дві доби наперед. При цьому в якості горизонту прогнозу обрано пері- од з 24 по 25 листопада 2008 р. , а в якості вікна прогнозу – ретроспективну інформацію про рівень середньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового пері- оду, що склалася на ОРЕ в період з 3 по 21 листопада 2008 р. У цьому випадку доцільно ви- користовувати ШНМ РБФ, що має сьомий порядковий номер у табл. 2. Таблиця 2 На рис. 4 показано графік прогнозованої та реальної середньої ціни купівлі електро- енергії ОРЕ у ТЕС для кожного розрахункового періоду на 24 та 25 листопада 2008 р., з яко- го видно, що прогнозований графік зміни ціни на 24 листопада більш точно відображає рі- вень цін порівняно з попереднім прикладом. Це обумовлено тим, що у цьому випадку 24 ли- стопада є першою прогнозованою добою, а не другою. Щодо прогнозу ціни на 25 листопада, то тут візуально не складно помітити (рис. 4) неадекватність прогнозу реальному рівню се- редньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахункового періоду. Зазна- чимо, що для прогнозу ціни на 24 листопада стандартне відхилення для усіх розрахункових періодів склало 3,76 грн., середня відносна похибка – 2,7 %. При цьому максимальна віднос- на похибка не перевищує 5 % для усіх розрахункових періодів, а мінімальна дорівнює 0,3 %. Для 25 листопада відхилення Е складає 50,29 грн., похибка F дорівнює 19,8 %. Таке відхи- лення прогнозованого рівня середньої ціни купівлі електроенергії ОРЕ у ТЕС для 25 листо- пада обумовлене різкою зміною регулюючих коефіцієнтів Kпз (ОЕС) та Kмн max(ОЕС). Так, 24 лис- № з/п Архітектура ШНМ РБФ Швидкість навчання, с Швидкість роботи, с Значення абсолютної похибки навчання Значення абсолютної похибки тестування 1 1:24-65-1:1 0,134050 0,210657 0,001206 0,001783 2 1:24-42-1:1 0,144432 0,180620 0,001299 0,001554 3 1:24-32-1:1 0,158582 0,190466 0,001426 0,001612 4 1:24-37-1:1 0,156260 0,173327 0,001406 0,001460 5 1:24-50-1:1 0,136339 0,182776 0,001226 0,001568 6 1:24-28-1:1 0,165043 0,164063 0,001485 0,001405 7 1:24-40-1:1 0,125375 0,160932 0,001128 0,001372 8 1:24-41-1:1 0,140034 0,168819 0,001260 0,001444 9 1:24-39-1:1 0,144375 0,165234 0,001299 0,001424 10 1:24-43-1:1 0,137167 0,166148 0,001234 0,001401 топада 2008 р. було змінено регулюючий коефіцієнт Kпз (ОЕС) у робочі дні з 90,0 грн/МВт·год на 155,0 грн./МВт·год. У той же час було змінено коефіцієнт маневреності Kмн max(ОЕС) у робо- чі дні зі 120,0 грн./МВт·год до 175 грн./МВт·год. Крім того, 24 листопада 2008 р. гранична ціна системи обмежувалась KНКРЕ і була на рівні 290,0 грн/МВт·год. Один з можливих шляхів поліпшення прогнозу ціни за таких умов – це використання в якості ретроспективної інформації розрахункових даних. Мова йде про необхідність моде- лювання значень середньої ціни купівлі електроенергії ОРЕ у ТЕС для кожного розрахунко- вого періоду з урахуванням зміни регулюючих коефіцієнтів для періоду від 3 по 21 листопа- да 2008 р. включно. Це дозволить сформувати необхідну вибірку даних, яка може викорис- товуватись як ретроспективна інформація. Зрозуміло, що такий підхід матиме дещо гірші ре- зультати порівняно з використанням реальної ретроспективної інформації, оскільки не буде враховувати поведінки суб’єктів ринку при зміні ціни, однак зазначений підхід дає змогу суттєво підвищити точність прогнозу в умовах непередбаченої і різкої зміни цін, яка викли- кана неринковими факторами. На рис. 5 наве- дено графік прогнозо- ваної та реальної сере- дньої ціни купівлі еле- ктроенергії ОРЕ у ТЕС для кожного розрахун- кового періоду на 25 листопада 2008 р. У цьому випадку на- вчання ШНМ РБФ від- бувалося на модельо- ваних даних ціни для періоду з 3 по 21 лис- топада 2008 р. включ- но. З рис. 5 видно, що прогнозований графік зміни середньої ціни купівлі електроенергії ОРЕ у ТЕС на 25 листопада 2008 р. досить адек- ватно повторює графік зміни реальних цін у порівнянні з попереднім прикладом. Відзначи- мо, що для даного випадку стандартне відхилення Е для усіх розрахункових періодів складає 10,24 грн., середня відносна похибка F знаходиться на рівні 5 %. Такі результати дещо гірші у порівнянні з наведеними прикладами прогнозування середньої ціни купівлі електроенергії ОРЕ у ТЕС на одну добу наперед із використанням реальної ретроспективної інформації. Однак слід зазначити, що запропонований підхід є цілком прийнятним в умовах прогнозу- ЦкТЕС, грн./МВт·год Т, год Реальний рівень цін Прогнозований рівень цін Рис. 5 Т, год Реальний рівень цін Прогнозований рівень цін Понеділок 24.11.08 Вівторок 25.11.08 ЦкТЕС, грн./МВт·год Рис. 4 вання ціни на 25 листопада 2008 р. без урахування регулюючих коефіцієнтів Kпз (ОЕС) та Kмн max(ОЕС). Висновки. Запропонований підхід до використання ШНМ і, зокрема, ШНМ РБФ дає змогу здійснювати ефективне прогнозування середньої оптової ціни купівлі електроенергії ОРЕ у ТЕС на одну та дві доби наперед за умови, коли у передуючі прогнозованому періоду не було різких змін рівня цін на електроенергію, обумовлених наявністю неринкових факто- рів. Перевагами запропонованого підходу є не тільки можливість отримання точного прогно- зу, але також простота та оперативність виконання прогнозу цін на ОРЕ, що обумовлено в першу чергу особливостями ШНМ, як інструменту прогнозування. Моделювання вхідної ін- формації для ШНМ РБФ про ціни, що склалися на ОРЕ до прогнозованого періоду, дає змогу збільшити точність прогнозу за умов різкої зміни рівня цін на ОРЕ, викликаних неринковими факторами. При цьому для покращення підготовки ШНМ необхідно мати інформацію як про зміну значень «ціноутворюючих» коефіцієнтів, так і про ціни на послуги виробників, які ви- користовуються при розрахунках платежів в ОРЕ України та встановлюються НКРЕ. Крім того, апріорі можна передбачити, що вже під час процесу переходу існуючої моделі ОРЕ України до моделі двосторонніх договорів та балансуючого ринку вплив таких неринкових факторів буде зменшуватись, що призводитиме до поліпшення прогнозів цін на електроенер- гію для усіх суб’єктів ринку. Рассмотрено использование радиально-базисных искусственных нейронных сетей для краткосрочного прогнозирования цен продажи электрической энергии в оптовый рынок электрической энергии, а также осо- бенности ценообразования в существующей модели оптового рынка электрической энергии Украины. Use of radiate-basic artificial neural networks for short-term forecasting of sale prices of electric energy into a wholesale market of electric energy, and also special features of pricing in the existing model of a wholesale market jf electric energy of Ukraine are considered. 1. Буткевич О.Ф., Павловський В.В. Штучний інтелект та гібридні системи у розв’язанні задач електро- енергетики: поточний стан та тенденції // Пр. Ін-ту електродинаміки НАН України: Зб. наук. пр. – К.: ІЕД НАНУ. – 2003. – № 1 (4). – C. 109–117. 2. Кириленко О.В., Корхмазов Г.С., Попович В.І. Оптовий ринок електричної енергії: моделі та стандарти // Техн. електродинаміка. Темат. вип. “Силова електроніка та енергоефективність”. – 2007. – Ч. 1. – С. 62–67. 3. Постанова Національної комісії регулювання електроенергетики України № 921 «Про затвердження Правил Оптового ринку електричної енергії України» в редакції, затвердженій Радою ринку від 4 вере- сня 2003 р. 4. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. – М.: Мир, 1992. – 240 с. 5. Хайкин С. Нейронные сети: полный курс. – 2-е изд. – М.: Вильямс, 2006. – 1104 с. 6. Contreras J., Espinola R., Nogales F.J., Conejo A.J. ARIMA models to predict next-day electricity price // Power Systems, IEEE. – 2003. – Vol. 18. – Issue 3. – P. 1014–1020. 7. Fosso O.B., Gjelsvik A., Haugstad A., Mo B. Wangensteen I. Generation scheduling in a deregulated system. The Norwegian case // Power Systems, IEEE. – 1999. – Vol. 14. – Issue 1. – P. 75–81. 8. Hobbs N.J., Kim B.H., Lee K.Y. Long-Term Load Forecasting Using System Type Neural Network Architec- ture // Intelligent Systems Applications to Power Systems. International Conference ISAP 2007. – 2007. – P. 1–7. 9. Kashtiban A. M., Tarafdar Haque М. Application of neural networks in power system: a review // Transactions on engineering, computing and technology. – 2005. – Vol. 6. – P. 53–57. 10. Kezunovic M. Intelligent systems in protection engineering // International conference on power system tech- nology, PowerCon 2000. – 2000. – Vol. 2. – P. 801–806. 11. Tripathi M.M., Upadhyay K.G., Singh S.N. Short-term load forecasting using generalized regression and prob- abilistic neural networks in the electricity market // The Electricity Journal. – 2008. – Vol. 21. – Issue 9. – P. 24–34. 12. Yoon Y., Swales G. Predicting stock price performance: A neural network approach // Neural Networks in Finance and Investing. Probus Publishing Company – 1993. – Chapter 19. – Р. 329–342. 13. Yamin H.Y., Shahidehpour S.M., Li Z. Adaptative short-term electricity price forecasting using artificial neural networks in the restructured power markets // Electrical Power and Energy Systems. – 2004. – Vol.26. – Issue 8. – P. 571–581. Надійшла 25.03.2009
id	nasplib_isofts_kiev_ua-123456789-63720
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	1727-9895
language	Ukrainian
last_indexed	2025-12-07T16:36:39Z
publishDate	2009
publisher	Інститут електродинаміки НАН України
record_format	dspace
spelling	Блінов, І.В. Корхмазов, Г.С. Попович, В.І. Зозуля, А.М. 2014-06-05T15:06:20Z 2014-06-05T15:06:20Z 2009 Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж / І.В. Блінов, Г.С. Корхмазов, В.І. Попович, А.М. Зозуля // Праці Інституту електродинаміки Національної академії наук України: Зб. наук. пр. — К.: ІЕД НАНУ, 2009. — Вип 24. — С. 23-31. — Бібліогр.: 8 назв. — укр. 1727-9895 https://nasplib.isofts.kiev.ua/handle/123456789/63720 621.316:681.3 Розглянуто використання радіально-базисних штучних нейронних мереж для короткострокового прогнозування цін продажу електричної енергії в оптовий ринок електричної енергії, а також особливості ціноутворення в існуючій моделі оптового ринку електричної енергії України. Рассмотрено использование радиально-базисных искусственных нейронных сетей для краткосрочного прогнозирования цен продажи электрической энергии в оптовый рынок электрической энергии, а также особенности ценообразования в существующей модели оптового рынка электрической энергии Украины. Use of radiate-basic artificial neural networks for short-term forecasting of sale prices of electric energy into a wholesale market of electric energy, and also special features of pricing in the existing model of a wholesale market jf electric energy of Ukraine are considered. uk Інститут електродинаміки НАН України Праці Інституту електродинаміки НАН України Енергетичні системи та комплекси Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж Article published earlier
spellingShingle	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж Блінов, І.В. Корхмазов, Г.С. Попович, В.І. Зозуля, А.М. Енергетичні системи та комплекси
title	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж
title_full	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж
title_fullStr	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж
title_full_unstemmed	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж
title_short	Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж
title_sort	короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж
topic	Енергетичні системи та комплекси
topic_facet	Енергетичні системи та комплекси
url	https://nasplib.isofts.kiev.ua/handle/123456789/63720
work_keys_str_mv	AT blínovív korotkostrokoveprognozuvannâoptovihcínnaelektričnuenergíûzvikoristannâmradíalʹnobazisnihštučnihneironnihmerež AT korhmazovgs korotkostrokoveprognozuvannâoptovihcínnaelektričnuenergíûzvikoristannâmradíalʹnobazisnihštučnihneironnihmerež AT popovičví korotkostrokoveprognozuvannâoptovihcínnaelektričnuenergíûzvikoristannâmradíalʹnobazisnihštučnihneironnihmerež AT zozulâam korotkostrokoveprognozuvannâoptovihcínnaelektričnuenergíûzvikoristannâmradíalʹnobazisnihštučnihneironnihmerež

Короткострокове прогнозування оптових цін на електричну енергію з використанням радіально-базисних штучних нейронних мереж

Institution

Ähnliche Einträge