Рассматриваются основные понятия и определения искусственных нейронных сетей, представлен обзор методов обучения нейронных сетей, где наибольшее внимание уделено многослойному персептрону. Показано применение традиционных и нейросетевых методов для прогнозирования электрической нагрузки и оценки потерь мощности в электрических сетях.
Книга предназначена научным сотрудникам, аспирантам и магистрантам, занимающимся разработкой и исследованием нейросетевого прогнозирования в области электроэнергетики и электротехники.
ОГЛАВЛЕНИЕ
Введение ................................................................................................................... 7
1. ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ. ОСНОВНЫЕ ПОНЯТИЯ
И ОПРЕДЕЛЕНИЯ .............................................................................................. 9
1.1. Искусственный нейрон и его функционирование .................................... 9
1.2. Архитектура нейронной сети ................................................................... 11
1.3. От биологических сетей к ИНС ............................................................... 12
1.4. Сбор данных для нейронной сети ............................................................ 15
1.5. Обзор методов обучения ........................................................................... 17
1.6. Модель нейронной сети с обратным распространением ошибки ......... 22
1.7. Нейронные сети: обучение без учителя .................................................. 30
2. ОСНОВНЫЕ ПОЛОЖЕНИЯ ТЕОРИИ МНОГОСЛОЙНОГО
ПЕРСЕПТРОНА ................................................................................................ 35
2.1. Введение ..................................................................................................... 35
2.2. Вводные замечания ................................................................................... 37
2.3. Алгоритм обратного распространения .................................................... 40
2.4. Эвристические рекомендации по улучшению работы алгоритма
обратного распространения ...................................................................... 50
2.5. Представление выхода и решающее правило ......................................... 56
2.6. Экспериментальное построение оптимального многослойного
персептрона ................................................................................................ 60
2.7. Обратное распространение ошибки и дифференцирование .................. 69
2.8. Гессиан ....................................................................................................... 72
2.9. Обобщение ................................................................................................. 74
2.10. Аппроксимация функций ....................................................................... 78
2.11. Методы упрощения структуры сети ...................................................... 83
2.12. Преимущества и ограничения обучения методом обратного
распространения ...................................................................................... 92
2.13. Ускорение сходимости процесса обучения методом обратного
распространения .................................................................................... 100
2.14. Обучение с учителем как задача оптимизации ................................... 101
2.15. Сети свертки .......................................................................................... 116
2.16. Резюме и обсуждение ........................................................................... 120
3. ТРАДИЦИОННЫЕ И НЕЙРОСЕТЕВЫЕ МЕТОДЫ
ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ .......................... 123
3.1. Постановка задачи прогнозирования .................................................... 123
3.2. Цели использования и особенности реализации методов
прогнозирования ................................................................................................. 124
3.3. Обзор традиционных методов прогнозирования ................................. 132
3.4. Методы обучения нейронных сетей и анализ нейросетевого
прогнозирования ...................................................................................... 141
3.5. Выбор нейросетевого алгоритма для решения задачи
краткосрочного прогнозирования электрической нагрузки ........................... 153
3.6. Предлагаемая методология прогнозирования электрической
нагрузки с помощью интеллектуальных информационных
технологий ............................................................................................... 156
3.7. Практическая реализация нейросетевого алгоритма для задачи
прогнозирования электрической нагрузки ............................................ 160
4. ПЛАНИРОВАНИЕ И ОЦЕНКА ПОТЕРЬ МОЩНОСТИ В
ЭЛЕКТРИЧЕСКИХ СЕТЯХ ........................................................................... 181
4.1. Планирование мощности в электрических сетях ................................. 181
4.2. Применение ИНС в электроэнергетических задачах ........................... 185
4.3. Проблема прогнозирования потерь на рынках электроэнергии ......... 189
4.4. Анализ методов расчета, нормирования, прогнозирования
потерь мощности и электроэнергии в электрических сетях ................ 192
4.5. Оценка и планирование потерь мощности в нейросетевом базисе ....... 196
4.6. Формирование обучающей и тестовой выборок .................................. 206
4.7. Анализ архитектуры и функции активации ИНС ................................. 211
4.8. Алгоритмы обучения ИНС и методика выбора .................................... 221
5. РЕШЕНИЕ ЗАДАЧИ ПРОГНОЗИРОВАНИЯ С ПОМОЩЬЮ
ПРОГРАММНОГО ПАКЕТА «ПроНИНС» ................................................. 231
5.1. Алгоритм решения задачи прогнозирования с помощью ИНС .......... 231
5.2. Реализация метода Ньютона для обучения ИНС ................................. 233
5.3. Интерфейс и возможности программного пакета «ПроНИНС» ......... 237
5.4. Априорное тестирование ИНС ............................................................... 244
5.5. Поиск оптимальных ИНС на основе данных априорного
тестирования ..................................................................................................... 251
6. СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ ПРОГНОЗА
ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ НЕЙРОСЕТЕВЫМИ МЕТОДАМИ
И МЕТОДОМ АВТОРЕГРЕССИИ И ПРОИНТЕГРИРОВАННОГО
СКОЛЬЗЯЩЕГО СРЕДНЕГО ........................................................................ 253
6.1. Модель авторегрессии и проинтегрированного скользящего
среднего для прогнозирования электрической нагрузки ..................... 253
6.2. Построение модели авторегрессии и проинтегрированного
скользящего среднего при краткосрочном прогнозировании
нагрузки .................................................................................................... 254
6.3. Модель ARIMA для машиностроительного предприятия ................... 258
6.4. Модель ARIMA для газонефтеперерабатывающего завода ................ 265
6.5. Сравнительный анализ алгоритмов обучения многослойных
персептронов ............................................................................................ 268
6.6. Определение минимального периода предыстории ............................. 280
6.7. Краткосрочное прогнозирование электрической нагрузки с уче-
том изменяющейся топологии электрической сети ............................. 282
Список сокращений ............................................................................................. 285
Глоссарий ............................................................................................................. 286
Библиографический список ................................................................................ 294