Increasing the Accuracy of Short-Term Electrical Load Forecasting With Considering to Changes in the Structure of Consumption During the Year

Chernenko, P.; Miroshnyk, V.

doi:10.15407/publishing2017.48.005

Praci Inst. elektrodin. Nac. akad. nauk Ukr.

2017

DOI: 10.15407/publishing2017.48.005

|View full text |Cite

Increasing the Accuracy of Short-Term Electrical Load Forecasting With Considering to Changes in the Structure of Consumption During the Year

P. Chernenko¹,

V. Miroshnyk²

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...

Citation Types

Supporting

Mentioning

Contrasting

Year Published

2019

2020

Publication Types

Select...

Article2

Relationship

Self Cite0

Independent2

Authors

Journals

Cited by 2 publications

References 3 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

The Models, Tools, and Measures to Ensure Reliable and Efficient Operation of Energy Supply Companies, Balancing and Distribution of Electricity in the Ips of Ukraine

Kyrylenko¹,

Butkevych²,

Chernenko³

et al. 2019

Praci Inst. elektrodin. Nac. akad. nauk Ukr.

View full text Add to dashboard Cite

Загальна направленість досліджень -режими електроенергетичних систем і об'єктів та керування ними.Наукове завдання: «Розроблення інтелектуальної системи оперативного аналізу післяаварійного стану електричних мереж для підтримки рішень диспетчера з відновлення електропостачання» (науковий керівник завдання -гол. наук. співр. Буткевич О.Ф., відповідальні виконавці -ст. наук. співр. Парус Є.В., мол. наук. співр. Колесникова Н.Ф.).Мета наукового завдання -розробити засоби оперативного аналізу післяаварійного стану (ПАС) розподільних електричних мереж (ЕМ) для підвищення ефективності прийняття диспетчером ЕМ рішень з відновлення електропостачання.Суть виконаного наукового завдання. В ЕМ час від часу виникають аварійні пошкодження, що призводять до знеструмлень споживачів та недовідпуску електроенергії. Швидкість відновлення електропостачання залежить від правильності рішень, що їх приймає диспетчер ЕМ внаслідок аналізу ПАС ЕМ, визначаючи гіпотетичне місце (місця) пошкодження (об'єктів чи елементів ЕМ). До такого місця спрямовується оперативна виїзна бригада для відновлення електропостачання. У разі прийняття диспетчером правильних рішень з відновлення електропостачання мінімізуються тривалість аварійних знеструмлень та обсяги відповідних економічних збитків, транспортні витрати оперативних виїзних бригад, зменшується тривалість «незручностей» у соціальній сфері та інше.Аналіз ПАС ЕМ та прийняття диспетчером ЕМ відповідних рішень в ЕМ України відбувається за умов неповноти оперативної інформації. Під час виконання наукового завдання як об'єкт диспетчерського керування було обрано типовий підрайон ЕМ

show abstract

The Models, Tools, and Measures to Ensure Reliable and Efficient Operation of Energy Supply Companies, Balancing and Distribution of Electricity in the Ips of Ukraine

Kyrylenko¹,

Butkevych²,

Chernenko³

et al. 2019

Praci Inst. elektrodin. Nac. akad. nauk Ukr.

View full text Add to dashboard Cite

show abstract

Univariable Short-Term Forecast of Nodal Electrical Loads of Energy Systems

Chernenko¹,

Miroshnyk²,

Shymaniuk³

2020

Teh. elektrodin.

View full text Add to dashboard Cite

The paper proposes the architecture of deep learning neural network for short-term nodal electrical load forecasting. The neural network combines the recurrent module LSTM (Long short-term memory) and the multilayer perceptron on the top. Input and output of the network connected with shortcut connection. In multilayer perceptron used scaled exponential linear unit (SELU) function as a nonlinear transformation in hidden neurons. A comparative analysis of two approaches to the short-term prediction of node loadings of the grid is conducted. In the first approach, a separate model based on the artificial neural network eResNet is built for each load node. In the second approach, vector prediction of the values of the nodal load is performed using the proposed neural network. The second approach makes it possible to exploit the relationship between the loads in the nodes and reduce the number of computational operations required to build the model, especially at a large number of nodes. Recurrent network showed slightly better result when forecasting horizon was 24 hours, but eResNet showed more accurate forecast with longer horizons. References 16, figure 1, tables 3.

show abstract

scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.

Contact Info

customersupport@researchsolutions.com

10624 S. Eastern Ave., Ste. A-614

Henderson, NV 89052, USA

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Blog Terms and Conditions API Terms Privacy Policy Contact Cookie Preferences Do Not Sell or Share My Personal Information

Made with 💙 for researchers

Part of the Research Solutions Family.

Increasing the Accuracy of Short-Term Electrical Load Forecasting With Considering to Changes in the Structure of Consumption During the Year

Cited by 2 publications

References 3 publications

The Models, Tools, and Measures to Ensure Reliable and Efficient Operation of Energy Supply Companies, Balancing and Distribution of Electricity in the Ips of Ukraine

The Models, Tools, and Measures to Ensure Reliable and Efficient Operation of Energy Supply Companies, Balancing and Distribution of Electricity in the Ips of Ukraine

Univariable Short-Term Forecast of Nodal Electrical Loads of Energy Systems

Contact Info

Product

Resources

About