Гибридный метод краткосрочного прогнозирования потребления электрической энергии для энергосбытового предприятия с учетом метеофакторов тема диссертации и автореферата по ВАК РФ 05.09.03, кандидат наук Грицай, Александр Сергеевич

• Грицай, Александр Сергеевич
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Грицай, Александр Сергеевич

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ОПТОВЫЙ РЫНОК ЭЛЕКТРОЭНЕРГИИ, ОСНОВНЫЕ ПОЛОЖЕНИЯ, ПОСТАНОВКА ЗАДАЧИ

1.1 Текущее состояние оптового рынка электроэнергии,

основные этапы и пути его развития

1.2 Принципы организации модели оптового рынка электроэнергии

1.3 Проблемы и специфика приобретения электроэнергии на рынке

«на сутки вперед» энергосбытовыми предприятиями

1.4 Проблемы участников оптового рынка электроэнергии

1.5 Требования к программной реализации метода краткосрочного прогнозирования электропотребления энергосбытового предприятия

1.6 Выводы по первой главе

ГЛАВА 2. АНАЛИЗ МЕТОДОВ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ

2.1 Классификация методов прогнозирования электропотребления

2.1.1 Экстраполяция со скользящей средней

2.1.2 Регрессионные методы

2.1.3 Методы временных рядов

2.1.4 Экспертные методы

2.1.5 Методы с использованием нейронных сетей

2.1.6 Метод опорных векторов

2.1.7 Техноценоз

2.1.8 Гибридные методы

2.2 Обзор методов краткосрочного прогнозирования электропотребления,

применяемых на практике

2.3 Выводы по второй главе

ГЛАВА 3. РАЗРАБОТКА ГИБРИДНОГО МЕТОДА КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ОБЪЕМОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭНЕРГОСБЫТОВОГО ПРЕДПРИЯТИЯ И ПРОГРАММЫ

3.1 Спектральный анализ ретроспективных данных об электропотреблении

3.2 Влияние метеофакторов и ветро-холодового индекса в задаче краткосрочного прогнозирования электропотребления

3.3 Формирование обучающей выборки с использованием функции конкурентного сходства FRiS-Stolp

3.4 Модель краткосрочного прогнозирования электропотребления, основанная на искусственной нейронной сети

3.5 Гибридный метод краткосрочного прогнозирования объемов электропотребления для энергосбытового предприятия

3.6 Модель краткосрочного прогнозирования электропотребления для энергосбытового предприятия, с учетом метеофакторов и ветро-холодового индекса80

3.6 Программная реализация метода краткосрочного прогнозирования электропотребления

3.7 Выводы по третьей главе

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПРОГРАММЫ КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭНЕРГОСБЫТОВОГО ПРЕДПРИЯТИЯ

4.1 Структура потребителей и основные бизнес-процессы энергосбытового предприятия

4.2 Планирование исследования, характеристика ретроспективных данных и параметров

4.3 Применение модели на основе гибридного метода краткосрочного прогнозирования электропотребления для энергосбытового предприятия

4.4 Исследование модели без влияющих метеофакторов

4.5 Исследования с учетом средней температуры окружающего воздуха

4.6 Исследования с учетом средней температуры

окружающего воздуха, и витро-холодового индекса

4.7 Результаты тестирования с учетом используемой

программно-аппаратной платформы

4.8 Вывод доверительного интервала при отображении полученных результатов эксперту

4.9 Обоснование эффективности

4.10 Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Гибридный метод краткосрочного прогнозирования потребления электрической энергии для энергосбытового предприятия с учетом метеофакторов»

ВВЕДЕНИЕ

Актуальность работы. Современные условия развития электроэнергетики в Российской Федерации характеризуются, с одной стороны, повышением цен на топливно-энергетические ресурсы для производства электроэнергии, с другой стороны, удорожанием строительства электростанций при применении более высокотехнологического оборудования и ужесточением требований по охране окружающей среды. Основные этапы развития Российской электроэнергетики регламентируются Федеральным законом «Об электроэнергетике» №35-Ф3 от 26 марта 2003г.

Развитие оптового рынка электроэнергии создало дополнительные экономические рычаги для его субъектов, которые позволяют наиболее рационально использовать ресурсы и обеспечивать баланс между выработкой электроэнергии и её потреблением.

В настоящее время оптовый рынок электроэнергии Российской Федерации представляет собой модель конкурентного рынка, которая включает в себя:

а) рынок долгосрочных двусторонних договоров;

б) рынок на сутки вперёд;

в) балансирующий рынок.

Постановлением правительства Российской Федерации №529 от 31 августа 2006 г. определены планы развития оптового рынка электроэнергии. Так, доля регулируемых договоров в 2016 году распространяется на тарифную группу «население» и приравненных к ней потребителей. Порядок работы по регулируемым договорам для субъектов оптового рынка электроэнергии определен регламентом регистрации регулируемых договоров купли-продажи электрической энергии и мощности и утвержден Ассоциацией Некоммерческое партнерство «Совет рынка по организации эффективной системы оптовой и розничной торговли электрической энергией и мощностью» (с изменениями от 7 октября 2015г, 18 ноября 2015г). При этом основной объем покупки электроэнергии для энергосбытовых предприятий формируется на конкурентной основе электрогенерирующими предприятиями и гидроэлектростанциями по ценовым зонам [1].

Согласно Постановления правительства Российской Федерации от 31 августа 2006г. №530 «Об утверждении Правил функционирования розничных рынков электрической энергии в переходной период реформирования электроэнергетики» определяющего политику взаимодействия электроэнергетических компаний в России, энергосбытовые предприятия выполняют функции расчетно-кассового центра и осуществляют покупку необходимых объемов электроэнергии на оптовом рынке электроэнергии, а также продажу необходимых объемов электроэнергии потребителям (физическим и юридическим лицам).

В Европейских странах, такая практика сложилась ранее, но отличительной ее особенностью является принадлежность всей сетевой инфраструктуры государству, а наряду с энергосбытовыми предприятиями на рынке представлены обслуживающие организации, которые осуществляют непосредственную работу с потребителями.

В 2010-2014 годах в Российской Федерации наблюдалось активное перераспределение потребителей между энергосбытовыми компаниями, - оно было характерно в основном для крупных потребителей, у которых месячный объем электропотребления составлял более 500000 КВтч., поскольку такая величина электропотребления позволяла в значительной степени обеспечить существенную экономическую эффективность, за счет построения более точного прогноза электропотребления и возможностей оптового рынка электроэнергии, обеспеченными законодательством. Международная практика [2] показывает, что фундаментом целевой модели является конкуренция, при обеспечении надежного энергоснабжения потребителей

— именно этот принцип заложен в основе модели оптового рынка электроэнергии в Российской Федерации [3].

Основным фактором для энергосбытового предприятия, при расчете конечной цены электроэнергии для потребителей - является стоимость ее приобретения на рынке «на сутки вперед». При этом в коммерческих интересах субъектов оптового рынка электроэнергии является использование и развитие актуальных методик прогнозирования и инфраструктуры

- систем автоматизированного контроля и учета электроэнергии, а также, использование современного программного обеспечения с единой базой данных, отражающей все бизнес-процессы компании. В Российской Федерации цены на балансирующем рынке, как правило, отличаются от цен в рынке «на сутки вперед» на 10-30% в сторону увеличения, в странах-лидерах по оснащению системами автоматизированного коммерческого учета электроэнергии - Канаде, Франции, Германии, где нет проблем со сбором интервальных показаний приборов учета, этот показатель отличается в 2-5 раз, что несет повышенные требования к построению прогностических моделей потребления электроэнергии.

Действующая модель оптового рынка электроэнергии в Российской Федерации определяет правила покупки необходимого объема электроэнергии для субъектов следующим образом: экспертами осуществляется прогноз в режиме «на сутки вперед» с использованием наработанных методик / информационных систем и подается заявка «Администратору торговой системы» на покупку необходимых объемов электроэнергии на рынке «на сутки вперед» на каждый час последующих суток. Стоимость киловатт часа перебора/недобора от поданной величины, рассчитывается по сложившемуся факту - по тарифу балансирующего рынка. В связи с этим, возрастает степень важности процесса

краткосрочного/среднесрочного прогнозирования необходимых объемов электроэнергии на «рынке на сутки вперед» и формировании плана в среднесрочной перспективе для энергосбытового предприятия.

Ввиду вышесказанного, каждому субъекту оптового рынка электроэнергии необходимо иметь базу ретроспективных данных и апробированных методологических моделей для построения краткосрочных/среднесрочных прогнозов электропотребления, с целью приобретения наибольшего объема электроэнергии на рынке «на сутки вперед» и обеспечения наименьших отклонений, от прогнозных величин, на «балансирующем рынке». К сожалению, до настоящего времени, единой и общепринятой методологической базы не создано. В связи с этим, разработка методологической базы для создания прогностических моделей на рынке «на сутки вперед» является актуальной задачей.

Степень разработанности проблемы. Решению задач моделирования и прогнозирования процессов электропотребления в системах электроснабжения и электротехнических системах посвящены работы российских и зарубежных авторов: Васильева И.Е., Гамма А.З., Гордеева В.И., Гросса Дж., Гнатюка В.И., Гурского С.К., Доброжанова В.И., Жежеленко И.В., Каялова Г.М., Кудрина Б.И., Курбацкого В.Г., Кирпичниковой И.М., Куренного Э.Г., Лещинской Т.Б., Макоклюева Б.И., Манусова В.З., Надтоки И.И., Осовского А.С., Пантелеева В.И., Седова А.В., Степанова В.П., Goliana F.D., Bunn D.W., Fermer E.D., Ackerman G.B., Gupta P.C., Baker A.B., Chen M.S., Fan J.Y., Huang C.M., Yang H.T. и др.

При решении задач по прогнозированию процессов электропотребления за последние годы было проведено большое количество исследований, в том числе:

Кошарная Ю.В. «Разработка методики анализа параметров электропотребления для их нормирования и оценки объемов энергосбережения при проведении энергоаудита предприятий и организаций» (05.09.03), 2015 [4].;

Соломахо К.Л «Применение метода главных компонент для прогнозирования объемов электропотребления энергосбытового предприятия» (05.09.03), 2015г. [5].

Хуссейн А. З. Б. М. «Повышение точности краткосрочного прогнозирования электрической нагрузки потребителей региона с учетом метеофакторов на основе метода опорных векторов» (05.14.02.), 2015г. [6].

Валь П.В. «Краткосрочного прогнозирование электропотребления горного предприятия в условиях оптового рынка электроэнергии и мощности» (05.09.03), 2012 г. [7].

Анушина Е.С. «Система краткосрочного прогнозирования электрической нагрузки» (05.09.03), 2009г. [8].

Гофман А.В. «Моделирование электропотребления многономенклатурного предприятия для краткосрочного прогнозирования» (05.09.03), 2013 г. [9]

Из проведенного анализа следует, что в последнее время, получили развитие гибридные методы для построения краткосрочных прогнозов электропотребления, поскольку они обеспечивают наивысшую точность и способны объединить в себе наилучшие черты используемых простых по структуре методов, которые в случае использования их по-отдельности не обеспечат высокой точности прогнозирования.

Разработанный метод краткосрочного прогнозирования потребления электрической энергии для энергосбытового предприятия учитывает метеорологические факторы и динамику процесса электропотребления и основан на принципе аппроксимации синусоидальной функцией, коэффициенты которой подбираются с использованием аппарата искусственной нейронной сети.

Объект исследования - электротехническая система, включающая энергосбытовое предприятие и потребителей электрической энергии с различным профилем нагрузки.

Предмет исследования - изучение системных свойств и связей в электротехнической системе в условиях внешних воздействий метеофакторов, модель и метод краткосрочного прогнозирования потребления электрической энергии с учетом ветро-холодового индекса.

Целью диссертации является разработка гибридного метода краткосрочного прогнозирования потребления электрической энергии, обладающего повышенной точностью, для энергосбытового предприятия в условиях оптового рынка электроэнергии.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Провести анализ специфики работы энергосбытовых предприятий в условиях оптового рынка электроэнергии, существующих методов прогнозирования, выработать требования для разработки программного обеспечения, реализующего метод прогнозирования.

2. Провести анализ процесса потребления электрической энергии потребителей энергосбытового предприятия с целью выявления в нем закономерностей и выбора типа метода прогнозирования, обеспечивающего наиболее высокую точность прогноза.

3. Разработать гибридный метод краткосрочного прогнозирования процесса потребления потребителей энергосбытового предприятия с целью покупки необходимых объемов электрической энергии на рынке на «сутки вперед».

4. Разработать прогнозную модель процесса электропотребления потребителей энергосбытового предприятия с учетом метеофакторов и ветро-холодового индекса.

5. Разработать программное обеспечение, реализующее гибридный метод краткосрочного прогнозирования процесса электропотребления потребителей энергосбытового предприятия.

6. Разработать методику формирования обучающей выборки для метода краткосрочного прогнозирования электропотребления потребителей энергосбытового предприятия с учетом критериев информативности и компактности и вывода результатов прогноза с учетом доверительного интервала.

7. Оценить неопределенность при использовании гибридного метода краткосрочного прогнозирования, с учетом специфики работы энергосбытового предприятия.

Научная новизна диссертационного исследования. В диссертационной работе получены следующие основные результаты, обладающие научной новизной:

1. Гибридный метод краткосрочного прогнозирования потребления электрической энергии для энергосбытового предприятия, отличающийся использованием аппроксимации временного ряда ретроспективных данных о потреблении электрической энергии, причем коэффициенты аппроксимации находятся с использованием искусственной нейронной сети.

2. Прогнозная модель процесса потребления электрической энергии для энергосбытового предприятия, отличающаяся учетом ветро-холодового индекса.

3. Методика формирования обучающей выборки для гибридного метода краткосрочного прогнозирования потребления электрической энергии, отличающаяся использованием климатических параметров и ретроспективных данных о потреблении электрической энергии с учетом критериев информативности и компактности.

Практическая значимость работы заключается в снижении объемов потребления электрической энергии, приобретаемых на балансирующем рынке с помощью научно -обоснованных метода и модели краткосрочного прогнозирования процесса потребления электрической энергии потребителями энергосбытового предприятия, методики формирования обучающей выборки, с учетом критериев информативности и компактности, - путем использования разработанного программного обеспечения [10-13, 156, 157] в среде аналитической информационной системы Rapidminer с широкими функциональными возможностями, которые могут адаптироваться, с учетом актуализации требований энергосбытового предприятия:

1. Разработана программа аппроксимации графика электропотребления синусоидальной функцией и нахождения коэффициентов функции аппроксимации [10] (Приложение №1).

2. Разработана программа нахождения оптимального алгоритма аппроксимации точки соединения синусоид, описывающих дневной и ночной циклы электропотребления» [11] (Приложение №2).

3. Разработана программа прогнозирования электропотребления в режиме на сутки вперед с использованием нейронной сети с учетом ветро-холодового индекса» [12] (Приложение №3).

4. Разработана программа краткосрочного прогнозирования электропотребления для субъекта оптового рынка электроэнергии и мощности энергосбытовой компании с использованием аппарата искусственной нейронной сети» [13] (Приложение №4).

5. Разработана программа краткосрочного прогнозирования электропотребления [156] (Приложение №5).

6. Разработана программа «Новый биллинг» [104] (Приложение №6).

7. Разработана программа построения доверительных интервалов для краткосрочного прогнозирования объемов электропотребления [157] (Приложение №7) Разработанный гибридный метод краткосрочного прогнозирования

электропотребления энергосбытового предприятия может быть реализован на современной элементной базе в виде отдельного устройства [14].

Методы исследования. В диссертационной работе были использованы методы статистической обработки данных, математического прогнозирования, искусственного интеллекта (искусственные нейронные сети) и когнитивного анализа данных.

Обоснованность и достоверность научных положений, выводов рекомендаций, подтверждается анализом и сравнением полученных результатов прогнозов, формируемых предложенным гибридным методом, сопоставляемых с фактическими данными о потреблении электрической энергии потребителями ООО «Омская энергосбытовая компания».

Положения, выносимые на защиту:

1. Гибридный метод краткосрочного прогнозирования потребления электрической энергии энергосбытового предприятия с использованием искусственной нейронной сети, основанный на аппроксимации ретроспективных данных потребления электрической энергии.

2. Прогнозная модель процесса потребления электрической энергии для энергосбытового предприятия с учетом внешних воздействий метеофакторов и ветро-холодового индекса.

3. Методика формирования обучающей выборки с учетом критериев информативности и компактности для гибридного метода прогнозирования

потребления электрической энергии с использованием климатических параметров и ретроспективных данных о потреблении электрической энергии. Реализация результатов работы. Гибридный метод краткосрочного прогнозирования потребления электроэнергии для энергосбытового предприятия был разработан в рамках работы по договору № 29.108.226.16 от 20.05.2016 г., заключенного между ФГБОУ ВО «Омский государственный технический университет» и ООО «Омская энергосбытовая компания» и обеспечил неопределенность 1,49 % на годовом интервале ретроспективных данных.

Получены - акт о внедрении от 18 октября 2016г. гибридного метода краткосрочного прогнозирования электропотребления энергосбытового предприятия в производственный процесс (Приложение №8) ООО «Омская энергосбытовая компания», и акт внедрения результатов диссертационной работы в учебный процесс ФГБОУ ВО «Омский государственный технический университет» от 11 января 2017г. (Приложение №9).

Апробация результатов работы. В полном объеме работа докладывалась и обсуждалась на расширенных заседаниях кафедры «Электрическая техника» ФГБОУ ВО «Омский государственный технический университет». Основные положения диссертационной работы докладывались и обсуждались на международных и всероссийских конференциях:

- VI Международная конференция «Динамика систем, механизмов, машин» -Омск:ОмГТУ, 2008;

- VII Международная конференция «Динамика систем, механизмов, машин» - Омск: ОмГТУ, 2009;

- VIII Всероссийская научно-практическая конференция студентов, аспирантов и молодых ученых, Томск:ТПУ, 2010 год;

- Межвузовская научно-техническая конференция «Информатика, вычислительные машины, комплексы, системы и сети» - Омск:ОмГТУ, 2014;

- XI Международная конференция «Новые информационные технологии в и сследовании сложных структур», Томск:ТПУ, 2016;

- Всероссийская научная конференция студентов, магистрантов, аспирантов «Актуальные вопросы энергетики», Омск:ОмГТУ, 2016;

- V Международная конференция школьников, студентов, аспирантов и молодых ученых «Ресурсоэффективные системы в управлении и контроле: взгляд в будущее», Томск, 2016. Получен диплом первой степени (Приложение № 10).

- X Международная конференция «Динамика систем, механизмов, машин» -Омск:ОмГТУ, 2016;

- 46-ой Международно-практическая конференция с элементами научной школы «Федоровские чтения», Москва:МЭИ, 2016.

Соответствие научной специальности 05.09.03 «Электротехнические комплексы и системы»: исследование, проводимое в рамках диссертационной работы, соответствует формуле специальности и областям исследования:

п.1 «Развитие общей теории электротехнических комплексов и систем, изучение системных свойств и связей, физическое, математическое, имитационное и компьютерное моделирование компонентов электротехнических комплексов и систем»;

п.4 «Исследование работоспособности и качества функционирования электротехнических комплексов и систем в различных режимах, при разнообразных внешних воздействиях».

Публикации. По теме диссертации опубликовано 30 научных работ (из них 5 в периодических изданиях, рекомендованных ВАК РФ, 1 работа в издании, входящем в международную систему цитирования SCOPUS), 9 докладов на конференциях, 7 свидетельств на программное обеспечение для ЭВМ, один патент.

Личное участие автора в получении научных результатов. Все основные положения диссертации разработаны автором лично. Автору принадлежат общая постановка научных проблем, формирование новых подходов разработанного гибридного метода, построение вычислительных алгоритмов в разработке программ реализации методов, основные технические решения и научное редактирование текста диссертации. В публикациях, выполненных в соавторстве, личный вклад оценивается на уровне 75-90%.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, изложенных на 136 страницах машинописного текста, содержит 63 рисунка, 23 таблицы, список используемой литературы из 158 наименований, 10 приложений на 16 стр.

Благодарности. Автор выражает благодарность заведующему кафедры «Информатика и вычислительная техника» д.т.н., профессору, Заслуженному деятелю науки и техники Российской Федерации В. И. Потапову за консультации в области построения прогностических моделей с использованием аппарата искусственных нейронных сетей.

Автор выражает благодарность научному руководителю д.т.н., профессору кафедры «Электрическая техника» Р. Н. Хамитову за помощь в проведении научных исследований по теме диссертационной работы.

Автор выражает благодарность коллективу дирекции по работе на оптовых рынках электроэнергии и мощности ООО «Омская энергосбытовая компания» и ее руководителю -Г. Э. Синицину за совместную работу в проведении экспериментов с использованием разработанных алгоритмов, метода, моделей и программного обеспечения.

ГЛАВА 1. ОПТОВЫЙ РЫНОК ЭЛЕКТРОЭНЕРГИИ, ОСНОВНЫЕ ПОЛОЖЕНИЯ,

ПОСТАНОВКА ЗАДАЧИ

1.1 Текущее состояние оптового рынка электроэнергии, основные этапы и пути его развития

В настоящее время, в России, актуальным вопросом является вопрос о производстве, распределении и передачи электрической энергии. Так одновременно с созданием РАО «ЕЭС России» был введен в действие Федеральный оптовый рынок электроэнергии и мощности, основные задачами которого стали - формирование договорных отношений между участниками. Правовой основой действующей тогда модели рынка послужил Федеральный закон N 41-ФЗ от 14 апреля 1995 года «О государственном регулировании тарифов на электрическую и тепловую энергию в Российской Федерации», а также Постановление Правительства №793 от «О федеральном общероссийском оптовом рынке электрической энергии (мощности)» от 12 июля 1996 года. На начальном этапе, в работе рынка использовалась модель двусторонних регулируемых договоров, в рамках которых, сбытовые предприятия приобретали у генерирующих предприятий электроэнергию по заранее сформированным тарифам. Модель была нацелена на дальнейшею либерализацию сектора торговли, путем уменьшения доли приобретаемой электроэнергии по двусторонним договорам и увеличению объемов поставок электроэнергии, приобретаемой в свободном секторе рынка. Так, в 2003 году, на этапе разделения единой энергетической системы РАО «ЕЭС», на профильные активы был введен оптовый рынок электроэнергии, основной задачей которого было увеличение объемов покупки/продажи электроэнергии в секторе свободной торговли. Предпосылками этого были изначально заложенные планы в законодательные акты по выделению трех различных по виду деятельности участников, ранее объединенных в рамках РАО «ЕЭС России» - генерирующих, сетевых и сбытовых компаний. Постановлением правительства Российской Федерации № 643 от 24 октября 2003 г. «О правилах оптового рынка электроэнергии и мощности переходного периода» было положено начало существующей модели рынка электроэнергии, которая была введена в действие с 1 ноября 2003 года. Данным законодательным актом были закреплены правила, которые повлекли за собой веерные изменения основных законодательных актов, обеспечивающих работу трех ранее обозначенных участников. Основным субъектом розничного рынка определен Гарантирующий поставщик - энергосбытовое предприятие, которое обязано заключить договор энергоснабжения с любым обратившимся к нему потребителем, при условии, если потребитель находится в зоне границ его ответственности, которые также были определены для всех участников рынка. Также, были выделены и

другие продавцы - поставщики электрической энергии, которые также могут заключать договора с потребителями [15]. Если потребителя не устраивает поставщик электроэнергии, он может его сменить, - положением определен срок смены не чаще чем 1 раз в год. Такой подход обеспечил конкурентную основу, при этом, у потребителя появилась свобода в выборе энергоснабжающей организации [16]. В случае, если по каким-либо причинам, поставщик отказал потребителю в заключении договора, последний может всегда обратиться к Гарантирующему поставщику. Разработанные правила также определили порядок назначения и смены Гарантирующего поставщика на закрепленной территории, кроме того, была определена система ценообразования, предусматривающая динамику роста либерализационного сектора рынка электроэнергии и уменьшение доли регулируемых договоров. Так, доля работы в конкурентной зоне оптового рынка электроэнергии в 2007 составляла лишь 5%, а основной объем электроэнергии приобретался субъектами оптового рынка по регулируемым договорам, по заранее определенным тарифы на электроэнергию. С 2014 года доля либерализационного сектора рынка составила 100% за исключением тарифных групп, приравненных к населению, на которые энергоснабжающие организации отдельно заключают регулируемые договоры с поставщиками электрической энергии.

Правилами были определены ценовые и неценовые зоны, а также изолированные районы. На рис. 1.1 представлена карта распределения ценовых зон на территории Российской Федерации. В первую ценовую зону входят территории Центрального, Южного, Северо-Западного Северо-Кавказского, Уральского федеральных округов, во вторую -Сибирского федерального округа. В неценовые зоны входят территория Архангельской и Калининградской области, регионы Дальнего Востока, Республика Коми), где организация рыночных отношений не возможна по технологическим причинам - территориальной замкнутости, наличия одного или нескольких поставщиков электроэнергии). По этой причине применяется государственное регулирование с помощью установленных тарифов на транспортировку и продажу электроэнергии.

1 сентября 2006 года был определен следующий этап развития модели рынка электроэнергии. С выходом Постановления Правительства РФ от 31 августа 2006 года №529 «О совершенствовании функционирования оптового рынка электрической энергии (мощности)», рынок был переименован в оптовый рынок электроэнергии и мощности (ОРЭМ). В настоящее время, Постановление Правительства РФ №1172 от 27 декабря 2010 года является актуальным и определяет правила работы субъектов оптового рынка электроэнергии. Представленная модель рынка обеспечила возможность более эффективного планирования выработки необходимых объемов электроэнергии генерирующими

Список литературы диссертационного исследования кандидат наук Грицай, Александр Сергеевич, 2017 год

ЛИТЕРАТУРА

1. Воропай, Н. И. Современное состояние и проблемы электроэнергетики России / Н. И. Воропай // Проблемы прогнозирования. - 2001. - № 5. - С.49-69.

2. Школьников, А. В. Новый поворот [Электронный ресурс] / А. В. Школьников // Энергорынок. - 2007. - № 3.

3. Энергетическая стратегия России на период до 2030 года [Электронный ресурс]. - Режим доступа: http://www.minenergo.gov.ru/node/1026 (Дата обращения: 28.11.2016).

4. Кошарная Ю.В. Разработка методики анализа параметров электропотребления для их нормирования и оценки объемов энергосбережения при проведении энергоаудита предприятий и организаций : дис. ... канд. техн. наук: 05.09.03 // Кошарная Юлия Васильевна. - М., 2015.- 189 с.

5. Соломахо К.Л. Применение метода главных компонент для прогнозирования объемов электропотребления энергосбытового предприятия : дис. . канд. техн. наук: 05.09.03 // Соломахо Ксения Львовна. - Челяб., 2015. - 141 с.

6. А.З.Б.М. Хуссейн Повышение точности краткосрочного прогнозирования электрической нагрузки потребителей региона с учетом метеофакторов на основе метода опорных векторов : дис. ... канд. техн. наук: 05.14.02 // Аль Захери Баласим Мухаммед Хуссейн.- Новочерк., 2015.-181 с.

7. Валь П.В. Краткосрочное прогнозирование электропотребления горного предприятия в условиях оптового рынка электроэнергии и мощности : дис. ... канд. техн. наук: 05.09.03 // Валь Петр Владимирович. - Красноярск., 2012. - 190 с.

8. Анушина Е.С. Система краткосрочного прогнозирования электрической нагрузки : дис. ... канд. техн. наук: 05.09.03 // Анушина Екатерина Сергеевна. - Спб., 2009. - 136 с.

9. Гофман А.В. Моделирование электропотребления многономенклатурного предприятия для краткосрочного прогнозирования : дис. ... канд. техн. наук: 05.09.03 // Гофман Андрей Владимирович, Самара, 2013. - 136 с.

10. Грицай, А. С. Программа аппроксимации графика электропотребления функцией синуса и нахождения коэффициентов функции аппроксимации : свидетельство о регистрации электронного ресурса № 22123 от 1 сентября 2016 г. / А. С. Грицай, Р. Н. Хамитов, Д. А. Тюньков. - М. : ОФЭРНиО, 2016. - 50201650401.

11. Грицай, А. С. Программа нахождения оптимального алгоритма аппроксимации точки соединения синусоид, описывающих дневной и ночной циклы электропотребления : свидетельство о регистрации электронного ресурса № 22229 от 25 октября 2016 г. / А. С. Грицай, Р. Н. Хамитов, Д. Д. Дугин. - М. : ОФЭРНиО, 2016.

12. Грицай, А. С. Прогнозирования электропотребления в режиме на сутки вперед с использованием нейронной сети с учетом ветро-холодового индекса : свидетельство о регистрации программы № 50201650266 от 24 июня 2016г. / А. С. Грицай, В. И. Потапов, Д. Д. Дугин. - М. : ГАНУ ЦИТИС, 2016.

13. Грицай, А. С. Программа краткосрочного прогнозирования электропотребления для субъекта оптового рынка электроэнергии и мощности энергосбытовой компании с использованием аппарата искусственной нейронной сети : свидетельство о регистрации электронного ресурса № 22122 от 1 сентября 2016 г. / А. С. Грицай, Р. Н. Хамитов, Д. А. Тюньков. - М. : ОФЭРНиО, 2016.

14. Заявка на полезную модель №2016145339 Устройство прогнозирования электропотребления на основе многослойной нейронной сети / Грицай, А.С., Хамитов Р.Н.// Дата подачи 18.11.2016 г. Решение о выдаче патента от 20.01.2017 г.

15. Вуколов, В. Ю. Анализ деятельности сбытовых организаций / В. Ю. Вуколов // Вестник НГИЭИ. - 2015. - № 4 (47). - С.18-22.

16. Герасимов, И. А. Поведенческий аспект в действиях потребителя при выборе поставщика электроэнергии / И. А. Герасимов // Вестник ЧГУ. - 2013. - № 4.- С. 301-305.

17. Булатов, Б. Г. Упрощенная модель определения узловых цен на рынке электроэнергии / Б. Г. Булатов, В. О. Каркунов // Вестник ЮУрГУ. Серия. Энергетика. - 2009. - № 34 (167). -С. 23-31.

18. Годлевский, М. Д. Математическая модель составления согласованного графика работы энергосистемы в конкурентной модели оптового рынка электроэнергии / М. Д. Годлевский, Е. В. Запара // ВЕЖПТ. - 2009. - № 3 (42). - С. 48-52.

19. Сорокин, М. А. «Зеленые» сертификаты как инструмент перекрестного субсидирования в электроэнергетике / М. А.Сорокин // Проблемы учета и финансов. - 2015. - №1(17). - С. 56-66.

20. АТС: Администратор торговой системы оптового рынка электроэнергии [Электронный ресурс]. - Режим доступа: http://www.atsenergo.ru/ (дата обращения: 3.07.2016).

21. Поликарпова, Т. И. Оценка и пути совершенствования системы планирования потребления электроэнергии / Т. И. Поликарпова, Т. П. Рубан // Вестник КрасГАУ. - 2012. - № 6. - С. 38.

22. Руссков, О. В. Планирование неравномерного потребления субъекта оптового рынка электроэнергии на основе прогноза соотношений часовых цен / О.В. Руссков, С. Э. Сараджишвили // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. - 2015. -№ 2. - С.115-135.

23. Давыдовский, Ф. Н. Проблемы развития оптового рынка электроэнергии и мощности: формирование тарифов и оценка качества товара на основе системы показателей / Ф. Н. Давыдовский // Экономика, предпринимательство и право. - 2012. - № 1. - C. 15-21.

24. Иващенко, В. А. Теоретико-методологические основы, методы и математические модели управления электропотреблением промышленных предприятий / В. А. Иващенко // Вестник СГТУ. - 2005. - № 1 (7). - С. 100-114.

25. Политов, Е. А. Определение параметров, влияющих на электропотребление промышленного предприятия с помощью метода экспертных оценок / Е.А.Политов, И.В.Воронов // Вестник КузГТУ. - 2009. - № 5. - С. 61-64.

26. Артюхов, И. П. Экспертные оценки: методология и практика применения / И. П. Артюхов, Н. А. Горбач, С. Л. Бакшеева // Фундаментальные исследования. - 2012. - № 10-1. -С.11-15.

27. Валь, П. В. Концепция разработки системы прогнозирования электропотребления промышленного предприятия в условиях оптового рынка / П. В. Валь, Ю. П. Попов // Промышленная энергетика. - 2011. - № 10. - С. 31-35.

28. Приходько, В. М. Экономический эффект внедрения методики прогнозирования электропотребления судоремонтного предприятия / В. М. Приходько, М. Л. Ивлев // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. - 2012. - № 4 (16). - С.191-194.

29. Энергостат [Электронный ресурс]. - Режим доступа: http:// www.energostat.ru (дата обращения: 3.07.2016).

30. Созвездие - сервис [Электронный ресурс]. - Режим доступа: http://www.sozvezdie-service.ru (дата обращения: 3.07.2016).

31. StatSoft [Электронный ресурс]. - Режим доступа: http://www.statsoft.ru. - (дата обращения: 3.07.2016).

32. Rapidminer [Электронный ресурс]. - Режим доступа: http://www.rapidminer.com (дата обращения: 3.07.2016).

33. PTC [Электронный ресурс]. - Режим доступа: http://www.ptc.com/engineering-math-software/mathcad (дата обращения: 3.07.2016).

34. Приходько, В. М. Методика прогнозирования электропотребления судоремонтного предприятия / В. М. Приходько, М. Л. Ивлев // Вестник государственного университета морского и речного флота им. адмирала С.О. Макарова. - 2012. - № 1 (13). - С. 67-73.

35. Федорова, С. В. Применение техноценологического подхода к анализу электропотребления и энергосбережения предприятий Свердловской области / С. В. Федорова, А. П. Третьяков

// Вестник ЮУрГУ. Серия Энергетика. - 2012. - № 16 (275). - С. 92-97.

36. Грицай, А. С. Использование средств ЭЦП для энергосбытовой компании, обеспечивающей подачу электроэнергии предприятиям ракетно-космического комплекса / А.С. Грицай // Проблемы разработки, изготовления и эксплуатации ракетно-космической и авиационной техники: материалы V Всерос. науч. конф., посвящ. памяти гл. конструктора ПО "Полет" А. С. Клинышкова / Федерация космонавтики России [и др.]. - Омск, 2010. -С.136-138.

37. Соловьева, И. А. Прогнозирование электропотребления с учетом факторов технологической и рыночной среды / И. А. Соловьева, А. П. Дзюба // Научный диалог. -2013. - № 7 (19). - С. 97-113.

38. Наумкин, Р. Б. Ценообразование на розничном рынке электроэнергии и мощности / Р. Б. Наумкин // Вестник КузГТУ. - 2014. - № 6 (106). - С. 121-127.

39. Руссков, О. В. Планирование неравномерного потребления субъекта оптового рынка электроэнергии на основе прогноза соотношений часовых цен / О. В. Руссков, С. Э. Сараджишвили // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. - 2015. -№ 2. - С. 115-135.

40. Осорин, М. Распределение и сбыт электроэнергии по стандартам XXI века / М. Осорин // Энергорынок. - 2005. - № 10 (23). - С.19-21.

41. Осорин, М. Распределение и сбыт электроэнергии / М. Осорин // Профессиональный журнал. - 2005. - № 10. - С. 21-25.

42. Кирпичникова, И. М. Исследование методов прогнозирования электропотребления сбытового предприятия / И. М. Кирпичникова, К. Л. Соломахо // Электротехнические системы и комплексы. - 2014. - № 3. - С. 39-43.

43. Мадаров, А. Б. Исследование влияния несинусоидальности напряжения в электроустановках на качество электроэнергии / А. Б. Мадаров // Известия ВолгГТУ. -2013. - № 12 (115). - С. 88-92.

44. Наумкин, И. Б. Влияние нелинейной нагрузки на качество электроэнергии / И.Б.Наумкин, И. Н. Паскарь, В. М.Завьялов // Вестник КузГТУ. - 2015. - № 4 (110). - С.75-82.

45. Спиридонова, О. И. Структура рынка электроэнергии: рынок форвардных контрактов и стимулы к молчаливому сговору / О. И.Спиридонова // Современная конкуренция. - 2010. -№ 5. - С. 15-24.

46. Ведерников, А.С. Планирование режимов работы электроэнергетических систем / А.С. Ведерников и др. // Самара: Самар. гос. техн. ун-т.-2016.-193с.

47. Taylor, J. W. Short-Term Load Forecasting with Exponentially Weighted Methods / J. W. Taylor // IEEE Transactions on Power Systems. - 2012. - 27(1). - С. 458-464.

48. Goel, А. Regression Based Forecast of Electricity Demand of New Delhi / A. Goel // International Journal of Scientific and Research Publications. - 2014. - Vol. 4, Issue 9. - Р. 9.

49. Bianco, V. Linear Regression Models to Forecast Electricity Consumption in Italy / V. Bianco, О. Manca, S. Nardini // Energy Sources. Part B: Economics, Planning, and Policy. - 2013. - Vol. 8, Issue 1. - Р. 86-93.

50. Мокеев, В. Об использовании метода главных компонент для анализа деятельности предприятий / В. Мокеев, К. Л. Соломахо // Вестник ЮУрГУ. Серия Экономика и менеджмент. - 2013. - № 3. - С. 41-46.

51. Бурдинский, С. А. Прогнозирование электропотребления на основе устойчивого Н-распределения / С. А. Бурдинский , В. К. Кистенев, А. С. Торопов // Известия ТПУ. - 2005. - № 5. - С.159-161.

52. Вершинин, Д.В. Оценка прогнозов электропотребления в регионе / Д.В. Вершинин // Энергобезопасность и энергосбережение. - 2011. - №2. - С.15-21.

53. Чернецов, В.И. Прогнозирование потребления электрической энергии с использованием нейронных сетей / В.И. Чернецов, Е.Н. Казаковский // НиКа. - 2006. -№1.- С. 26-27.

54. Грицай, А. С. Классификация методов краткосрочного прогнозирования электропотребления для субъектов ОРЭМ / А. С. Грицай, Д. А.Тюньков // Актуальные

вопросы энергетики: материалы Всерос. науч. конф. студентов, магистрантов, аспирантов. - Омск, 2016. - С. 41-45.

55. Васильев Д.А., Колоколов М.В. Модели автоматизированного прогнозирования электрических нагрузок промышленных предприятий / Д.А. Васильев, М.В. Колоколов // УБС. 2011.-№34. - С.254-266.

56. Колодко, Д. В. Мониторинг валютного рынка Forex с помощью различных типов скользящих средних / Д. В. Колодко // УЭкС. - 2013. - № 1 (49). - С.17.

57. Мицель, А. А. Методы предобработки входных данных для системы прогнозирования финансовых временных рядов / А. А. Мицель, Е. А. Ефремова // Доклады ТУСУР. - 2005. -№ 3 (11). - С. 56-59.

58. Тимчук, С. А. Разработка критерия качества подбора коэффициентов регрессии в задачах прогнозирования электропотребления / С. А. Тимчук, И. А. Катюха // ВЕЖПТ. - 2014. - № 8 (71). - С. 16-20.

59. Айвазян, С. А. Прикладная статистика и основы эконометрики / С. А. Айвазян, В. С. Мхитарян. - М. : ЮНИТИ, 1998. - 1005 с.

60. Бокс, Д. Анализ временных рядов: прогноз и управление : пер. с англ. / Д. Бокс, Г. Дженкинс. - М. : Мир, 1974. - 406 с.

61. Артюхов, И. П. Экспертные оценки: методология и практика применения / И. П. Артюхов, Н. А. Горбач, С. Л. Бакшеева // Фундаментальные исследования. - 2012. - № 10-1. -С.11-15.

62. Мартемьянов, Ю. Ф. Экспертные методы принятия решений : учеб. пособие / Ю. Ф. Мартемьянов, Т. Я. Лазарева. - Тамбов: Изд-во Тамбов. гос. техн. ун-та, 2010. - 80 с.

63. Грицай, А. С. Нейронная сеть, как средство построения краткосрочного прогноза потребления энергии для энергосбытовой компании / А. С. Грицай // Молодежь и современные информационные технологии: материалы VIII Всерос. науч.-практ. конф. студентов, аспирантов и молодых ученых. - Томск, 2010. - С. 105-107.

64. Хайкин, С. Нейронные сети: пер. с англ. / С. Хайкин.- М. : ООО И. Д. Вильямс, 2006. -1104 с.

65. Потапов, В. И. Об эффективности обеспечения надежности избыточной нейронной системы со случайным периодом контроля и восстановления работоспособности после нейронов / В. И. Потапов // Омский научный вестник. - 2010. - № 3(93). - С. 202-203.

66. Vapnik, V. N. Statistical Learning Theory / V. N. Vapnik, A. Ja. Chervonenkis. - New York : Wiley, 1998. - 736 p.

67. Техническое творчество: теория, методология, практика : энцикл. слов.-справ. ; сост. А. И. Половинкин, В. В. Попов. - М. : Информ-система, 1995. - 410 с.

68. Кудрин, Б. И. Системный анализ техноценозов / Б. И.Кудрин // Электрификация металлургических предприятий Сибири. - Томск : Изд-во Томск. ун-та, 1978. - Вып. 4. - С. 125-165.

69. Гнатюк, В. И. Закон оптимального построения техноценозов [Электронные текстовые данные] : монография / В. И. Гнатюк. - 2-е изд., перераб. и доп. - Калининград : КИЦ Техноценоз, 2014. - Режим доступа: http://www. gnatukvi.ru/ind.html ( дата обращения: 20.11.2016).

70. Zipf, G. K. Human Behavior and the Principle of Least Effort / G. K. Zipf. - Addison : Wesley Press, 1949. - 573 р.

71. Kali, R. The city as a giant component: a random graph approach to Zipfs law / R. Kali // Applied Economics Letters . - 2003 . - N 10. - P. 717-720.

72. Жилин, Д. М. Теория систем / Д. М. Жилин. - М. : УРСС, 2004. - 183 с.

73. Филатова, Е. С. Система краткосрочного прогнозирования электропотребления / Е. С. Филатова, Д. М. Филатов, А. Д. Стоцкая // Международный журнал прикладных и фундаментальных исследований. - 2015. - № 10-1. - С.46-50.

74. Камаев, В. А. Применение коннективистских систем для прогнозирования потребления электроэнергии в торговых центрах / В. А. Камаев, М. В. Щербаков, Д. П. Панченко // УБС.

- 2010. - № 31. - С. 92-109.

75. Исмагилов, Т. С. Методы решения задачи прогнозирования в энергетике / Т. С. Исмагилов // Вестник УГАТУ. - 2010. - № 4 (39). - С. 93-96.

76. Лапинский, Г. С. Однофакторные регрессионные модели прогнозирования электропотребления промышленных предприятий / Г. С. Лапинский, З. Р. Майрансаев // Известия ЮФУ. Технические науки. - 2013. - № 5 (142). - С. 241-246.

77. A regression model for electric consumption forecasting in Eastern Saudi Arabia / Z. Ahmed [ еt al] // Energy. - 1994. - Vol.19, Issue 10. - P.1043-1049.

78. Иващенко В. А. Прогнозирование электропотребления промышленных предприятий на основе статистических методов и искусственных нейронных сетей / В. А. Иващенко, М. В. Колоколов, Д. А. Васильев // Вестник СГТУ. - 2010. - № 1(45). - С.110 -115.

79. Chen, J. F. Analysis of an adaptive time-series autoregressive moving-average (ARMA) model for short-term load forecasting / J. F. Chen, W. M. Wang, C. M. Huang // Electric Power Syst. Res. -1995. - № 34 (3) . - Р. 187-196.

80. Wang, Н. Using AMR data for load estimation for distribution system analysis / H. Wang, N.N. Schulz // Electric Power Syst. Res . - 2006. - № 76 (5) . - Р. 336-342.

81. Christianse, W. R. Short term load forecasting using general exponential smoothing / W.R. Christianse // IEEE Trans. Power Apparatus Syst. PAS-90. - 1971. - P. 900-911.

82. Mohamad, A. Finding the Best ARIMA Model of Forecast Daily Peak Electricity Demand / A. Mohamad // Applied Statistics education and Research Collaboration (ASEARC) - Conf. Papers, Uni. of Wollongong/ - Australia, 2012. - P.11.

83. Kavasseri, R. G. Day-ahead wind speed forecasting using f-ARIMA models / R. G. Kavasseri, K. Seetharaman // Renewable Energy. - 2009. - Vol. 34 - N 5. - P. 1388-1393.

84. Han, P. Drought forecasting based on the remote sensing data using ARIMA model / P. Han, P. Wang, S. Zhand // Math Comput Model. - 2010. - Vol. 51(11). - Р.1398-1403.

85. Воронов, В. М. Методика выбора входных параметров нейронной сети для прогнозирования электропотребления промышленного предприятия / В. М. Воронов, И. В. Политов, Е. А. Ефременко // Вестник КузГТУ. - 2009. - № 3. - С. 62-64.

86. Литвак, Б. Г. Экспертная информация: Методы получения и анализа / Б. Г. Литвак. - М. : Радио и связь, 1982. - 184 с.

87. Поляк, Г. Методология прогнозирования электропотребления / Г. Поляк // Энергорынок. -2008. - № 2. - С.11-13.

88. Южанников, А. Ю. Краткосрочное прогнозирование электропотребления / А. Ю. Южанников, Д. В. Антоненков // Успехи современного естествознания. -2007. - № 12. - С. 340-341.

89. Кретов, Д. А. Прогнозирование электропотребления энергосбытовой компании с использованием искусственной нейронной сети / Д. А. Кретов, Р. В. Рузанов // ИВД. - 2015.

- № 2-1. - С. 20.

90. Мокроусова, Е. С. Прогнозирование электропотребления месторождений ООО «ЛУКОЙЛ-Пермь» с помощью искусственных нейронных сетей / Е. С. Мокроусова, А. В. Ромодин, Н. В. Андриевская // Вестник ПНИПУ.Серия Электротехника, информационные технологии, системы управления. - 2009. - № 3. - С.189-199.

91. Манусов, В. З. Краткосрочное прогнозирование электрической нагрузки на основе нечеткой нейронной сети и ее сравнение с другими методами / В. З. Манусов, Е. В.Бирюков // Известия ТПУ. - 2006. - № 6. - С.153-157.

92. Catalao, J.P.S. L.A.F.M. Ferreira An artificial neural network approach for shor-term electricity process forecasting / J.P.S. Catalao, S.J.P.S. Mariano, V.M.F. Mendes // Engineering Intelligent System. - 2007. - Volume 1. - Р.15-23.

93. Саютин, А. В. Особенности применения метода анализа главных компонент для обеспечения эффективной работы энергосбытовой организации / А. В. Саютин, В.

А.Кушников // Вестник СГТУ. - 2009. - № 1. - С.99-104.

94. Abbas, S. R. Electric Load Forecasting using Support Vector Machines Optimized by Genetic Algorithm / S. Rahat Abbas, M. Arif // Proc. of Multitopic Conference. - INMIC. - 2006. - № 12. - Р. 395-399.

95. Надтока, И. И. Краткосрочное прогнозирование нагрузки с помощью теории наименьших квадратов опорных векторов (ls-svm) / И. И. Надтока, А. Баласим // Современные проблемы науки и образования. - 2013. - № 6. - С. 108.

96. Усенко, Н. В. Ранговые модели в прогнозировании электропотребления предприятий АПК / Н. В.Усенко, А. Ю. Южанников // Вестник КрасГАУ. -2009. - № 11. - С. 12-19.

97. Федорова, С. В. Применение техноценологического подхода к анализу электропотребления и энергосбережения предприятий Свердловской области / С. В. Федорова, А. П. Третьяков // Вестник ЮУрГУ. Серия Энергетика. - 2012. - № 16 (275). - С. 92-97.

98. Гнатюк, В. И. Прогнозирование энергопотребления на основе GZ-анализа / В. И. Гнатюк // Энергобезопасность и энергосбережение. - 2009. - № 1. - С. 21-28.

99. Щелкалин, В. Н. Гибридные модели и методы прогнозирования временных рядов на основе методов «Гусеница»^а и Бокса-Дженкинса / В. Н.Щелкалин // ВЕЖПТ. - 2014. - № 4 (71). - С.43-62.

100. Вохмянин, С. В. Метод «Гусеница»-SSA как инструмент прогнозирования состояния финансового рынка / С. В. Вохмянин, С. И.Сенашов // Актуальные проблемы авиации и космонавтики. - 2010. - № 6. - С. 409-410.

101. Nasr, G. E. Neural networks in forecasting electrical energy consumption: unvariate and multivariate approaches / G. E. Nasr, E. A. Badr, M. R. Younes // International Journal of Energy Research. - 2002 . - Vol. 26, Issue 1. - Р.67-78.

102. Вороненко, Д. И. Категориальное Прогнозирование связного энергопотребления в коммунально-бытовом секторе / Д. И. Вороненко, К. В.Махотило // ВЕЖПТ. - 2009. - № 6 (39). - С. 37-41.

103. Петрова, И. Ю. Прогнозирование электропотребления с помощью нейро-нечеткой системы ANFIS / И. Ю. Петрова, А. А. Глебов // Наука и образование : научное издание МГТУ им. Н.Э. Баумана. - 2006. - № 7. - С. 4.

104. Грицай, А.С. Новый биллинг : свидетельство о регистрации электронного ресурса № 16747 от 24 февраля 2011г. / А. С. Грицай [и др.]. - М. : ОФЭРНиО, 2011.

105. Грицай, А.С. Особенности построения биллинговой системы для энергосбытовой компании с целью обеспечения максимальной точности прогнозирования / А.С.Грицай // Динамика систем, механизмов и машин: тез. докл. Междунар. научн.-техн. конф. - Омск : ОмГТУ, 2009. - С. 250-254.

106. Грицай, А.С. Анализ характера энергопотребления для субъектов НОРЭМ / А.С. Грицай // Проблемы разработки, изготовления и эксплуатации ракетно-космической и авиационной техники: материалы III регион. научн. конф., посвящ. памяти гл. конструктора ПО «Полет» А.С. Клинышкова / ОмГТУ . - Омск, 2008. - С. 246-251.

107. Gritsay A.S. Spectral analysis of retrospective data on power consumption / A.S. Gritsay, V.I. Potapov, D.A. Tunkov // Dynamics of Systems, Mechanisms and Machines (Dynamics), 2016.-P.1-4.

108. Шугунов, Л. Ж. Разложение, анализ и прогноз временных рядов метеопараметров / Л. Ж.Шугунов, Г. В. Куповых // Известия ЮФУ. Технические науки. - 2005. - № 11. - С.15-21.

109. Мусатов, М. В. Анализ моделей метода наименьших квадратов и методов получения оценок / М.В. Мусатов, А.А. Львов // Вестник СГТУ. - 2009. -№ 2 (43). - С. 137-140.

110. Пронина, Е. А. Об одной математической модели электропотребления с учетом данных мониторинга / Е.А. Пронина // Вестник КрасГАУ. - 2013. - № 9. - С. 333-341.

111. Карандеев, Д. Ю. Влияние типов дней на электропотребление города / Д. Ю. Карандеев // Современная техника и технологии. - 2015. - № 2. - С. 34-40.

112. Dagum, E.B. Modeling, Forecasting, and Seasonally Adjusting Economic Time Series with the

X-11 ARIMA Method / E. B. Dagum // The Statistician. - 1978 . - 27. - № 3, 4. - Р. 203-216.

113. Макоклюев, Б. И. Влияние метофакторов на режимы потребления электроэнергии энергосистем / Б. И. Макоклюев, А. В. Антонов, А. С. Полижаров // Методические вопросы исследования надежности больших систем энергетики: сб. тр. конф. - Иркутск,

2015. - Вып. 65. - С. 405-414.

114. Пичугина, Н. Ю Оценка биоклиматических условий Новосибирской области / Н. Ю. Пичугина, Л. В. Воронина // ГЕО-Сибирь-2010 : сб. материалов VI Междунар. науч. конф., 19-29 апр. - Новосибирск, 2010. - Т. 4. Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология. - С. 124-128.

115. Грицай, А. С. Усовершенствованная методика прогнозирования электропотребления энергообъединениями на основе ретроспективных данных /А.С.Грицай // Динамика систем, механизмов и машин: тез. докл. Междунар. научн.-техн. конф. - Омск : ОмГТУ, 2009. - С.6-7.

116. Грицай, А. С. Краткосрочное прогнозирование потребления электроэнергии с использованием нейронной сети / А. С. Грицай, А. В. Гаак // Энергорынок. - 2007. - № 11 (48). - С. 68-70.

117. Загоруйко, Н.Г. Когнитивный анализ данных / Н. Г. Загоруйко. - Новосибирск : Академическое издательство ГЕО, 2013. - 186 с.

118. Грицай, А. С. Построение оценочной шкалы диагностики расслаивающей аневризмы грудной аорты на догоспитальном этапе с использованием информационных технологий / А. С. Грицай, В. И. Потапов, Д. А. Тюньков. // Динамика систем, механизмов и машин: IEEE Междунар. науч.-техн. конф. - Омск. - 2016. - Т. 4, № 1. - С. 107-114.

119. Грицай, А. С. Применение информационных технологий в создании оценочной шкалы диагностики расслаивающей аневризмы грудной аорты на догоспитальном этапе / А. С. Грицай, Л. Н. Семенова, Н. А. Морова // Евразийский кардиологический журнал. - 2016. -№ 3. - С.142-143.

120. Грицай, А.С. Свидетельство о гос. рег. прогр. для ЭВМ «Программа построения оценочной шкалы диагностики расслаивающей аневризмы грудной аорты на догоспитальном этапе» / А.С. Грицай, В.И. Потапов, Д.А. Тюньков, Л.Н. Семенова, Н.А. Морова // М.: ФГУ ФИПС, № гос. рег. 2016619885.

121. Загоруийко, Н. Г. Количественная мера компактности и сходства в конкурентном пространстве / Н. Г. Загоруйко, И. А. Борисова, В. В. Дюбанов // Сибирскиий журнал индустриальной математики. - 2010. - Т. 13, № 1 (41). - С. 59-71.

122. Иващенко, В.А. Прогнозирование электропотребления промышленных предприятий на основе статистических методов и искуственных нейронных сетей / В.А. Иващенко, М.В. Колоколов, Д.А. Васильев // Вестник СГТУ.-2010.- С.26-31.

123. Воронов, В.М. Методика выбора входных параметров нейронной сети для прогнозирования электропотребления промышленного предприятия / В.М. Воронов, И.В. Политов, Е.А. Ефременко // Вестник КузГТУ - 2009. - №3. - С.62-64.

124. Горелова, А. В. Алгоритм обратного распространения ошибки / А.В.Горелова, Т.В. Любимова // Наука и современность. - 2015. - № 38. - С. 151-156.

125. Живых, С. Ю. Исследование влияния количества слоев нейронов и их количества на поведение ошибки скорость обучения сети // Молодежный научно-технический вестник. -

2013. - № 7. - URL: http://www.sntbul.bmstu.ru/file/591185.html?_s=1 (дата обращения:

05.07.2016)

126. Грицай, А.С. Использование температурно-ветрового индекса в задачах краткосрочного прогнозирования электропотребления / А.С. Грицай, Д.Д. Дугин // Актуальные вопросы энергетики: материалы Всерос. науч. конф. студентов, магистрантов, аспирантов. - Омск,

2016. - С. 51-56.

127. AccuWeather: / AccuWeather service [Электронный ресурс]. - Режим доступа: http://www.accuweather.com/ (дата обращения: 3.07.2016).

128. Rapidminer: / How to extend Rapiminer 7 [Электронный ресурс]. - Режим доступа:

http://docs.rapidminer.com/downloads/RapidMiner-extensions.pdf (дата обращения: 3.07.2016).

129. Oracle: // Java SE at a Glance [Электронный ресурс]. - Режим доступа: http ://www.oracle.com/technetwork/j ava/j avase/ overview/index.html (дата обращения: 3.07.2016).

130. Грицай, А.С. Почасовое прогнозирование потребления электроэнергии при помощи аппарата нейронных сетей / А.С. Грицай // Динамика систем, механизмов и машин: тез. докл. Междунар. научн.-техн. конф. - Омск, 2008. - С. 194-198.

131. Грицай, А.С. Спектральный анализ ретроспективных данных ООО «Омская энергосбытовая компания» об электропотреблении / А.С. Грицай, Д.А. Тюньков, В. И. Потапов // Омский научный вестник. - 2016. - № 6(149). - С. 74-76.

132. Бахвалов, Н.С. Численные методы / Бахвалов, Н.С., Жидков Н.П., Кобельков Г.М. - М.: Лаборатория базовых знаний, 2003. - 640 с.

133. Вержбицкий, В.М. Вычислительная линейная алгебра / Вержбицкий, В.М. - М.: Высшая школа, 2009. - 351 с.

134. Махотило, К. В. Модификация алгоритма Левенберга-Марквардта для повышения точности прогностических моделей связного потребления энергоресурсов в быту / К. В. Махотило, Д. И.Вороненко // Вестник НТУ ХПИ. - 2005. - № 56. - С. 83-90.

135. Грицай, А. С. Использование нейронной сети для построения краткосрочного прогноза электропотребления ООО «Омская энергосбытовая компания» / А. С. Грицай, В. И. Потапов, Д. А. Тюньков // Известия томского политехнического университета. Инжениринг георесурсов. - 2016. - Т. 327. - № 8. - C. 44-51.

136. Рудной, Г. И. Выбор функции активации при прогнозировании нейронными сетями / Г. И. Рудной // Машинное обучение и анализ данных. - 2011. - Т. 1, № 1. - С. 16-39.

137. Грицай А.С. Модель хранения и предварительной обработки данных для энергосбытовой компании при решении задачи краткосрочного прогнозирования / А.С. Грицай, Р.Н. Хамитов, Червенчук И В. // Вестник УГАТУ.-2016.-№4(74)-С.121-131.

138. Вершинин, А. Check point, или новая точка отсчета в принципах организации энергосбытовой деятельности / А. Вершинин // Энергорынок. - 2008. - № 5. - С. 100-105.

139. Чернов, С. С. Энергосбытовая деятельность в условиях реформирования: проблемы и перспективы / С. С. Чернов // Проблемы современной экономики. - 2011. - № 4. - С.157-164.

140. Смирнов, В. Проблемы и перспективы работы на розничном рынке электроэнергии / В. Смирнов // Энергорынок. - 2009. - № 3. - С.12-15.

141. Ершов, С. В. Система АСКУЭ / С. В. Ершов, Е. М. Фролков // Известия ТулГУ. Технические науки. - 2012. - № 12-3. - С. 31-37.

142. Александрова, Н. С. Повышение конкурентоспособности энергосбытовых компаний - ГП на розничном рынке электроэнергии / Н. С. Александрова // Промышленная энергетика. -2007. - № 2. - С. 9-12.

143. Основные концепции операционной системы Ubuntu Linux v.8.10. : метод. указания / ОмГТУ ; сост. А. С. Грицай. - Омск : Изд-во ОмГТУ, 2009. - 36 с. : рис.

144. Грицай, А.С. Использование средств аналитической системы RapidMiner при построении прогнозных моделей на ОРЭМ / А.С. Грицай, С.В. Сумрин // Природные и интеллектуальные ресурсы Сибири (СИБРЕСУРС-16-2010): материалы 16-й Междунар. науч.-практ. конф.- Абакан, 2010.- С. 282-285.

145. Грицай, А.С. Расширение аналитической платформы Rapidminer для построения прогнозных моделей ОРЭМ / А. С. Грицай, Н. С. Костин // Информатика, вычислительные машины, комплексы, системы и сети: тез. докл. Межвуз. науч.-техн. конф. - Омск, 2014. -С.125-129.

146. Грицай, А.С. Операционная система Android для программиста [Электронный ресурс] : учеб. текстовое электрон. изд. локального распространения: учеб. пособие / А. С.

Грицай, Д. А. Тюньков. - Электрон. текстовые дан. (2,07 Мб). - Омск : Изд-во ОмГТУ, 2016. - 1 эл. опт. диск (CD-ROM) : цв.

147. Грицай, А. С., Костин Н. С. Разработка метода прогнозирования энергопотребления с использованием аппарата искусственных нейронных сетей / А.С.Грицай, Н.С. Костин // Интеллектуальный потенциал XXI века - ступени познания: материалы XIII молодежной международной научно-практической конференции. - Новосибирск, 2012. - С. 72-77.

148. Грицай, А. С. Выбор оптимального доверительного интервала в задачах краткосрочного прогнозирования электропотребления / А. С.Грицай, Н. С. Костин // ОНВ. - 2016. - № 4.-С. 63-67.

149. Грицай, А. С. О построении доверительных интервалов в задачах краткосрочного прогнозирования электропотребления / А.С. Грицай, Н.С. Костин // Новые информационные технологии в исследовании сложных структур: материалы XI междунар. конф. - Томск., 2016. - С.32.

150. Грицай, А. С. Краткосрочное прогнозирование электропотребления в режиме на сутки вперед для энергосбытовой компании методом аппроксимации / А. С. Грицай, Р. Н. Хамитов, Г. Э. Синицин // Федоровские чтения-2016: XLVI Междунар. науч.-практ. конф. с элементами научной школы, 16-18 ноября. - М., 2016. - С.132-134.

151. Четыркин, Е. М. Статистические методы прогнозирования / Е. М. Четыркин. - 2-е изд., перераб. и доп. - М. : Статистика, 1997. - 199 с.

152. Бучатская, В. В. Методика определения интервальных оценок при прогнозировании методами экстраполяции / В. В. Бучатская // Вестник Адыгейского государственного университета. Серия 4. Естественно-математические и технические науки. - 2012. - № 3(106). - С.136-140.

153. Tanaka, К. Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach /К. Tanaka, Н. Wang. - New York : John Wiley & Sons. - 2001. - Р. 320.

154. Тимчук, С. А. Разработка критерия качества подбора коэффициентов регрессии в задачах прогнозирования электропотребления / С. А. Тимчук, И. А. Катюха // ВЕЖПТ. - 2014. -№ 8 (71). - С. 16-20.

155. Грицай, А.С. Исследование методов аппроксимации для решения задачи краткосрочного прогнозирования суточного электропотребления / А.С. Грицай, Р.Н. Хамитов, Г.Э. Синицин, И.В. Червенчук // Вестник СамГТУ. Сер. Техн. науки.- 2016. - №4(52). - С.91-97.

156. Грицай, А.С. Программа краткосрочного прогнозирования электропотребления : свидетельство о регистрации электронного ресурса № 22514 от 17 января 2017 г. / А. С. Грицай, Р. Н. Хамитов, Д.К. Габбасов. - М. : ОФЭРНиО, 2017.

157. Грицай, А.С. Программа построения доверительных интервалов для краткосрочного прогноозирования объемов электропотребления №22511 от 17 января 2017 г. / А.С. Грицай, Р. Н. Хамитов, Д.К. Габбасов. - М. : ОФЭРНиО, 2017.

158. Грицай, А. С. Краткосрочное прогнозирование электропотребления на сутки вперед для энергосбытовой компании методом аппроксимации. / А.С. Грицай, Р.Н. Хамитов, Д.А. Тюньков, Г.Э. Синицин // Промышленная энергетика. - 2017. - № 3. - С.2-8.