Нейронні мережі і керування процесом управління електропостачанням об'єктів від комбінованих електричних мереж

Abstract

Для реалізації очікуваного рівня ефективності функціонування систем електропостачання електроприймачів від комбінованих електричних мереж запропоновано тактику підходу до формування процесу керування цим процесом. Обгрунтовано структуру системи управління з прогнозованим потенціалом надійності і якості електропостачання. Для ефективного управління запропоновано використання нейроконтролера. Досягнуто переваги використання нейронних мереж з пам'яттю дозволять прогнозувати характеристики електроспоживання з накопиченням бази даних для різних режимів роботи та наступним використанням їх як навчальні вибірки нейронної мережі.

Для реализации ожидаемого уровня эффективности функционирования систем электроснабжения электро-приемников от комбинированных электрических сетей предлагается тактика подхода к формированию процесса управления этим процессом. Обоснована структура системы управления с прогнозируемым потенциалом надежности и качества электроснабжения. Для эффективного управления предложено использование нейроконтролера. Достигнутые преимущества использования нейронных сетей с памятью позволят прогнозировать характеристики электропотребления с накоплением базы данных для различных режимов работы и последующим использованием в качестве обучающих выборок нейронной сети.

Offered for realization of the expected level of efficiency of functioning of systems of power supply of consumers from combined electric networks tactic approach to the formation of the process of management of this process. Reasonable structure of a control system with a projected capacity of reliability and quality of power supply of consumers of electric energy. For effective management proposed the use of neurocontroler. The proven benefits of the use of neural networks with memory, that will allow to predict the characteristics of energy consumption with the knowledge base for different modes of operation and subsequent use as a training sample of the neural network.