Краткосрочное прогнозирование электропотребления горного предприятия в условиях оптового рынка электроэнергии и мощности тема диссертации и автореферата по ВАК РФ 05.09.03, кандидат технических наук Валь, Пётр Владимирович

• Валь, Пётр Владимирович
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Валь, Пётр Владимирович

ВВЕДЕНИЕ.

1 Методологический анализ проблемы краткосрочного прогнозирования электропотребления электротехнической системы предприятия в условиях оптового рынка электроэнергии и мощности.

1.1 Особенности оборота электроэнергии на оптовом рынке электроэнергии и мощности.

1.2 Электрическое хозяйство предприятия как объект прогнозирования.

1.3 Выбор метода прогнозирования электропотребления.

1.4 Обзор методов краткосрочного прогнозирования электропотребления

1.5 Требования к системе прогнозирования электропотребления.

Выводы по разделу 1.

2 Теоретические основы построения модели краткосрочного прогнозирования электропотребления предприятия.

2.1 Постановка задачи краткосрочного прогнозирования электропотребления предприятия.

2.2 Искусственные нейронные сети как инструмент прогнозирования электропотребления.

2.3 Анализ качества модели прогнозирования электропотребления.

2.4 Алгоритм построения модели прогнозирования электропотребления

2.5 Традиционные методы прогнозирования электропотребления.

Выводы по разделу 2.

3 Теоретическая и алгоритмическая разработка системы краткосрочного прогнозирования электропотребления предприятия.

3.1 Концепция построения системы прогнозирования электропотребления предприятия.

3.2 Структура системы прогнозирования электропотребления предприятия.

3.3 Краткий обзор программных средств реализации системы прогнозирования электропотребления.

3.4 База данных системы прогнозирования электропотребления.

3.5 Поиск информативных признаков модели прогнозирования электропотребления.

3.6 Идентификация модели прогнозирования электропотребления.

Выводы по разделу 3.

4 Практическая разработка системы краткосрочного прогнозирования электропотребления горного предприятия.

4.1 Особенности электропотребления Сорского производственного комплекса.

4.2 Формализация входной информации модели прогнозирования электропотребления Сорского производственного комплекса.

4.3 Идентификация модели прогнозирования электропотребления Сорского производственного комплекса.

4.4 Тестирование модели прогнозирования электропотребления Сорского производственного комплекса.

Выводы по разделу 4.

5 Анализ практического использования системы краткосрочного прогнозирования электропотребления горного предприятия.

5.1 Анализ результатов тестирования модели прогнозирования электропотребления Сорского производственного комплекса.

5.2 Особенности системы прогнозирования электропотребления Сорского производственного комплекса.

Выводы по разделу 5.

Введение диссертации (часть автореферата) на тему «Краткосрочное прогнозирование электропотребления горного предприятия в условиях оптового рынка электроэнергии и мощности»

В настоящее время прогнозирование является неотъемлемой частью любой сферы человеческой жизни, и электроэнергетика не является исключением. Необходимость точного определения будущих значений параметров электротехнических систем возникла с момента начала глобальной электрификации отраслей экономики развитых стран. Результаты прогнозирования электропотребления являются информационной основой процессов планирования оптимальных режимов работы электротехнических систем предприятий.

В последние годы в электроэнергетике большинства развитых стран необходимость качественного прогнозирования электропотребления (преимущественно краткосрочного) стала еще более острой, в том числе и для конечных потребителей электроэнергии, в связи с введением конкурентных отношений в отрасли. В новых рыночных условиях функционирования электротехнических систем предприятий качество краткосрочного прогнозирования стало напрямую влиять на финансовое благополучие участников рынка электроэнергии.

В России вслед за развитыми западными странами результатом либерализации электроэнергетической отрасли стал запуск оптового рынка электроэнергии и мощности (ОРЭМ). У крупных предприятий, суммарная присоединенная мощность которых превышает 20 МВА, появилась возможность выбора: покупать электроэнергию у гарантирующих поставщиков (или энергосбытовых компаний) либо напрямую участвовать в торгах наравне с гарантирующими поставщиками и энергосбытовыми компаниями. Все большее число крупных предприятий выбирает второй вариант (к середине 2011 г. на ОРЭМ насчитывалось 45 крупных потребителей), что главным образом обусловлено желанием предприятий снизить долю оплаты за электроэнергию в себестоимости своей продукции и тем самым снизить издержки производства.

В последние годы для отечественных предприятий характерно стабильное увеличение доли оплаты за электроэнергию в себестоимости продукции. Главным образом это вызвано высокой энергоемкостью продукции отечественных предприятий [59], а также устойчивым ростом уровня цен на электроэнергию в стране. 11 марта 2011 г. президент России Д.А. Медведев, посещая крупнейшие энергетические объекты Сибири, выразил серьезные опасения о том, что дальнейший рост уровня цен на электроэнергию в России может затормозить экономическое развитие страны. С 2000 г. тарифы на электроэнергию в среднем в стране возросли более чем в три раза. Российские предприятия становятся менее конкурентоспособными на мировом рынке, так как в условиях рынка конкурентоспособность предприятия определяется себестоимостью его продукции.

Таким образом, одним из путей снижения затрат на покупку электроэнергии и тем самым снижения себестоимости продукции является выход крупного предприятия на ОРЭМ, цены которого ниже, чем розничного рынка электроэнергии у гарантирующего поставщика. Выход на ОРЭМ позволяет экономить значительные суммы преимущественно за счет организационных мероприятий, что значительно увеличивает его привлекательность в качестве меры по уменьшению затрат. Другие мероприятия, направленные на уменьшение оплаты за электроэнергию, носят преимущественно энергосберегающий характер, требуют значительных инвестиций и имеют, как правило, больший срок окупаемости.

Для выхода крупного предприятия на ОРЭМ необходимо выполнение ряда требований: заключение договора с сетевой организацией по передаче электроэнергии, заключение договора о присоединении к торговой системе, установка средств коммерческого учета электроэнергии, организация связи с Администратором торговой системы и Системным оператором и другие. Однако одним из наиболее серьезных требований является организация качественной работы в области подачи ценовых заявок на покупку электроэнергии «рынка на сутки вперед» (PCB), являющимся основной площадкой реализации электроэнергии. Некачественная подача ценовых заявок вследствие неточного краткосрочного прогнозирования электропотребления может нивелировать все выгоды от выхода на ОРЭМ, так как приведет к дополнительным издержкам, вызванным выходом предприятия на «балансирующий рынок» (БР).

Таким образом, для предприятий-участников ОРЭМ актуальной является задача обеспечения качественного краткосрочного прогнозирования электропотребления с целью подачи обоснованных ценовых заявок на покупку электроэнергии на PCB. Согласно проведенным расчетам по данным 2009-2010 гг. второй ценовой зоны ОРЭМ для покупателя электроэнергии со среднемесячным электропотреблением порядка 1 млн. МВт ч снижение среднеабсолютной процентной ошибки прогнозирования (МАРЕ) на 1 % (например, с 3 % до 2 %) способствует экономии более 2 млн. руб. в месяц [17, 26].

Решению задачи обеспечения прогнозирования параметров электротехнических систем предприятий посвящены работы многих отечественных и зарубежных исследователей: Б.И. Кудрин, Б.И. Макоклюев, В.И. Гнатюк, А.Н. Митрофанов, В.З. Манусов, И.И. Надотка, Дж. Тейлор (J. Taylor) и др. Множество отечественных и зарубежных специализированных изданий в достаточной мере освещают исследования по прогнозированию электропотребления: «Промышленная энергетика», «Transactions on Power Systems», «International Journal of Forecasting» и др.

Несмотря на столь масштабное изучение, проблема прогнозирования электропотребления продолжает оставаться актуальной. С каждым годом ужесточаются требования к качеству прогнозных расчетов в связи с изменениями условий работы предприятий на оптовом рынке. Благодаря системным уни-кальностям сложных электротехнических систем к каждому объекту необходим индивидуальный подход с целью разработки средств обеспечения краткосрочного прогнозирования электропотребления. Развитие новых интеллектуальных методов анализа данных в условиях увеличения и удешевления вычислительных мощностей современных ЭВМ также открывают новые возможности для исследований.

В настоящее время для обеспечения качественного краткосрочного прогнозирования электропотребления электротехнических систем предприятий требуется система прогнозирования электропотребления, обеспечивающая эффективное хранение и использование необходимой информации, реализующая все этапы прогнозирования и управляемая посредством графического пользовательского интерфейса. Система прогнозирования электропотребления должна быть адаптивна, должна использовать современные методы анализа данных и в полной мере использовать вычислительные мощности современных ЭВМ.

Целью диссертационной работы является разработка системы краткосрочного прогнозирования электропотребления электротехнической системы горного предприятия, обеспечивающей прогнозирование заявленных объемов электропотребления на оптовом рынке электроэнергии.

Для достижения указанной цели в диссертации поставлены и решены следующие задачи:

Заключение диссертации по теме «Электротехнические комплексы и системы», Валь, Пётр Владимирович

Выводы по разделу 5

1. Результаты тестирования показали, что разработанная система прогнозирования горного предприятия (на примере Сорского производственного комплекса) позволяет снизить погрешность прогнозирования электропотребления в среднем в 1,2 раза по сравнению с традиционными методами прогнозирования и в 2,0 раза по сравнению с методами, используемыми в настоящий момент на предприятии.

2. Значительная неравномерность распределения ошибки прогнозирования электропотребления СПК для различных часов суток свидетельствует о необходимости использования индивидуальных часовых моделей для прогнозирования электропотребления каждого часа суток.

3. Анализ эффективности комбинирования искусственных нейронных сетей показал, что средняя точность комбинации превышает среднюю точность подавляющего большинства индивидуальных нейронных сетей этой комбинации. Использование комбинации нейронных сетей позволяет снизить влияние качества индивидуальных сетей комбинации на конечный результат и тем самым снизить цену ошибки за использование неадекватной сети. При этом немногочисленные нейронные сети часовой модели, которые показали среднюю точность несколько выше средней точности комбинации, выявить априори не является возможным.

4. Анализ зависимости средней ошибки прогнозирования нейронных сетей (при условии их достаточной адекватности) от критериев их качества, рассчитанных на выборке, свидетельствует о неприменимости в полной мере традиционного подхода к анализу адекватности моделей для нелинейных моделей прогнозирования сложного объекта.

5. Практически полная несогласованность во времени прогнозов электропотребления различных нейронных сетей одной часовой модели свидетельствует о необходимости использования на практике комбинации из всех нейронных сетей (при условии их достаточной адекватности) данной часовой модели для прогнозирования электропотребления последующих суток.

6. Разработанная система прогнозирования электропотребления горного предприятия осуществляет работу в четырех основных режимах: пополнение базы данных; идентификация модели прогнозирования; корректировка параметров модели прогнозирования; прогнозирование и визуализация.

7. Разработанная система прогнозирования обладает гибкостью и возможностью дальнейшего усовершенствования. Система прогнозирования позволяет безболезненно ввести в модель прогнозирования дополнительную информацию (как о влияющих факторах, так и об электропотреблении различных подразделений), а также использовать дополнительные методы прогнозирования. При необходимости система прогнозирования может быть переведена на другой язык программирования.

8. Для повышения прогнозирующих качеств системы прогнозирования электропотребления предприятия были предложены и обоснованы практические мероприятия: организация учета по основным производственным и технологическим факторам (с почасовой, посменной или посуточной дискретностью); организация детализированного учета электропотребления по основным подразделениям предприятия и построение моделей прогнозирования каждого подразделения; использование приборов учета электропотребления более высокого класса точности; использование дополнительных методов прогнозирования для построения комбинации моделей.

ЗАКЛЮЧЕНИЕ

1. Произведен анализ покупки электроэнергии на оптовом рынке, на основе которого сформулированы условия задачи краткосрочного прогнозирования электропотребления предприятия и критерии качества, предъявляемые к прогнозам.

2. На основе произведенного анализа покупки электроэнергии для одного из участников второй ценовой зоны ОРЭМ получена эмпирическая формула вычисления издержек, вызванных выходом участника рынка на «балансирующий рынок» вследствие неточного краткосрочного прогнозирования электропотребления, которая может быть использована для проведения технико-экономического обоснования принимаемых решений.

3. Произведен методологический анализ проблемы краткосрочного прогнозирования электропотребления электротехнических систем предприятий, на основе которого обосновано и принято решение об использовании искусственных нейронных сетей в качестве основного инструмента прогнозирования электропотребления.

4. Предложен и обоснован алгоритм построения модели краткосрочного прогнозирования временного ряда электропотребления с суточной цикличностью, в котором для прогнозирования электропотребления каждого часа суток используется индивидуальная часовая модель, которая, в свою очередь, состоит из комбинации нейронных сетей типа многослойный персептрон, с различной степенью адекватности описывающих разные стороны процесса электропотребления. Предложенный подход позволяет использовать положительные свойства комбинирования моделей прогнозирования и при этом частично преодолеть некоторые неопределенности проектирования нейронных сетей и прогнозирования параметров электротехнических систем.

5. Разработана концепция построения современной системы краткосрочного прогнозирования электропотребления предприятия, которой может быть охвачено большинство современных электротехнических систем предприятий.

Предложенная концепция содержит полное описание процесса построения системы прогнозирования, последовательно излагает и полностью описывает основные этапы построения с указанием степени участия сторон в выполнении каждого этапа.

6. Разработаны структура и алгоритм работы и обоснована структура программного обеспечения системы краткосрочного прогнозирования электропотребления предприятия. Система прогнозирования охватывает все основные этапы прогнозирования (обработка данных, пополнение базы данных, поиск информативных признаков, идентификация модели прогнозирования, формирование прогноза) и обладает пользовательским графическим интерфейсом.

7. Предложен и обоснован алгоритм поиска входных признаков модели прогнозирования электропотребления на основе искусственных нейронных сетей с обобщенной регрессией с возможностью применения знаний эксперта, позволяющий выявлять комплексные нелинейные зависимости электропотребления от признаков различной природы.

8. Экспериментальные исследования показали, что система краткосрочного прогнозирования электропотребления, спроектированная для горного предприятия с использованием MATLAB 7 и СУБД MySQL 5, позволяет снизить погрешность прогнозирования электропотребления в 1,2 раза по сравнению с традиционными методами прогнозирования и в 2,0 раза по сравнению с методами прогнозирования, используемыми в настоящий момент на предприятии.

9. Разработанная система краткосрочного прогнозирования электропотребления горного предприятия обладает гибкостью и возможностью своего дальнейшего усовершенствования. С этой целью предложен и обоснован перечень практических мероприятий для повышения качества краткосрочного прогнозирования электропотребления на предприятии.

Список литературы диссертационного исследования кандидат технических наук Валь, Пётр Владимирович, 2012 год

1. Об электроэнергетике: Федеральный закон РФ от 26.03.2003 № 35-ФЗ Текст. // Российская газета. 2003. 1 апреля. - С.1.

2. Антоненков, Д.В. Краткосрочное прогнозирование электропотребления угольного разреза в условиях оптового рынка электроэнергии : дис. . канд. техн. наук Текст. / Д.В. Антоненков ; Сибирский федеральный университет. -Красноярск, 2009 169 с.

3. Ануфриев, И.Е. MATLAB 7 Текст. / И.Е. Ануфриев, А.Б. Смирнов, E.H. Смирнова СПб.: БХВ-Петербург, 2005. - 1104 с.

4. Анушина, Е.С. Система краткосрочного прогнозирования электрической нагрузки : дис. . канд. техн. наук Текст. / Е.С. Анушина ; Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина). СПб., 2009. - 111 с.

5. Бархатов, В.И. Прогнозирование и планирование в условиях рынка : учебное пособие Текст. / В.И. Бархатов, A.A. Горшков, ЮШ. Капкаев и др. -Челябинск: ЮУрГУ, 2001. 140 с.

6. Бауэр А. Философия и прогностика: Мировоззренческие и методологические проблемы общественного прогнозирования: пер. с нем. Текст. / А. Бауэр, В. Эхгорн В., Г. Кребер-М., Прогресс, 1971. -423 с.

7. Белых, Б.П. Электрические нагрузки и электропотребление на горнорудных предприятиях Текст. / Б.П. Белых М.: Недра, 1971. - 440 с.

8. Берндт, Э.Р. Практика эконометрики. Классика и современность : пер. с англ. Текст. / Э.Р. Берндт; ред. С.А. Айвазяна М.: ЮНИТИ-ДАНА, 2005.- 863 с.

9. Бирюков, Е.В. Практическая реализация нечеткой нейронной сети при краткосрочном прогнозировании электрической нагрузки Текст. / Е.В. Бирюков, М.С. Корнеев // Сборник трудов научной сессии МИФИ, 2005. С. 207214.

10. Бокс, Дж., Анализ временных рядов, прогноз и управление : в 2 ч. : пер. с англ. Текст. / Дж. Бокс, Г. Дженкинс ; ред.В.Ф. Писаренко М.: Мир, 1974. - 406 с.

11. Большаков, В.Д. Теория ошибок наблюдений Текст. / В.Д. Большаков 2-е изд., перераб. и доп. -М.: Недра, 1983. - 223 с.

12. Борисов, В.В. Нечеткие модели и сети Текст. / В.В. Борисов, В.В. Круглов, A.C. Федулов М.: Горячая линия Телеком, 2007. - 284 с.

13. Боровиков, В.П. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере : учеб. пособие Текст. / В.П. Боровиков, Г.И. Ивченко М.: Финансы и статистика, 2000. -384 с.

14. Бэнн, Д.В. Сравнительные модели прогнозирования электрической нагрузки : пер. с англ. Текст. / Д.В. Бэнн, Е.Д. Фармер М.: Энергоатомиздат, 1987.-200 с.

15. Бэстенс, Д. Нейронные сети и финансовые рынки. Принятие решений в торговых операциях Текст. / Д. Бэстенс, В. Ван Ден Берг, Д. Вуд ; пер. с англ. C.B. Курочкина под ред. А.П. Коваленко, Е.С. Пастухова М.: ТВП, 1997.-235 с.

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

17. Валь, П.В. Краткосрочное прогнозирование электропотребления горного предприятия с использованием однофакторных методов Текст. / П.В. Валь // Вестник СибГАУ им. ак. М.Ф. Решетнева. 2011. - № 2 (35) - С. 12-17.

18. Валь, П.В. Проблема выбора метода прогнозирования электропотребления Текст. / П.В. Валь // Труды XI Международной научно-практической конференции «Интеллект и наука» Красноярск : Центр информации, 2011 - С. 166-168.

19. Воронов, И.В. Создание прогнозной модели электропотребления предприятия химической отрасли на основе искусственных нейронных сетей Текст. / Промышленная энергетика. 2011. - № 3. - С. 26-29.

20. Воронцов, К.В. Машинное обучение : курс лекций Электронный ресурс. / К.В. Воронцов. 2011. - Режим доступа: http://machinelearning.ru/wiki.

21. Галустов, Е.Е. Математическое моделирование и прогнозирование в технических системах Текст. / Е.Е. Еалустов, С.П. Бровченко, С.Н. Мелешкин Таганрог: ТТИ ЮФУ, 2008. - 30 с.

22. Евишиани, Д.М. Прогностика текст. / Д.М. Евишиани, В.А. Лисичкин М.: «Знание», 1968. - 94 с.

23. Елебов, A.A. Модель краткосрочного прогнозирования электропотребления с помощью нейро-нечетких систем : дис. . канд. техн. наук Текст. /

24. A.A. Глебов ; Астраханский государственный университет. Астрахань, 2006 -112 с.

25. Гмурман, В.Е. Теория вероятностей и математическая статистика : учеб. пособие для вузов Текст. / В.Е. Гмурман 7-е изд., стер - М.: Высшая школа, 2004. - 479 с.

26. Гнатюк, В.И. Закон оптимального построения техноценозов. Компьютерная версия, перераб. и доп. - М.: Изд-во ТГУ - Центр системных исследований, 2005 - 2011. Электронный ресурс. / В.И. Гнатюк. - 2011. - Режим д о сту п а: http: //gnatukvi. ru/ind .html

27. Гнатюк, В.И. Прогнозирование электропотребления методом анализа главных компонент Текст. / В.И. Гнатюк, Д.В. Луценко, Л.И. Двойрис и др. // Электрика. 2007. - № 3. - С. 41-46.

28. Гольцман, В.И. MySQL 5.0. Библиотека программиста Текст. / В.И. Гольцман СПб.: ПИТЕР, 2010. - 253 с.

29. Голяндина, Н.Э. Метод «ryceHHija»-SSA: анализ временных рядов Текст. / Н.Э. Голяндина СПб.: СПбГУ, 2004. - 76 с.

30. Гужва, А.Г. Сравнительный анализ методов оценки важности входных переменных при нейросетевом прогнозировании Текст. / А.Г. Гужва, С.А. Доленко, И.Г. Персианцев и др. // Труды конференции «Нейроинформатика-2006». -М. 2006. Часть 1. - С. 31-39.

31. Гужов, Н.П. Статистическое прогнозирование режимов электропотребления предприятий : учеб. пособие Текст. / Н.П. Гужов Новосибирск : Новосиб. электротехн. ин-т., 1992. - 106 с.

32. Дейт, К.Дж. Введение в системы баз данных : пер. с англ. Текст. / К.Дж. Дейт 8-е изд. -М.: Вильяме, 2005. - 1314 с.

33. Дьяконов, В.П. MATLAB 7.*/R2006/R2007: Самоучитель Текст. / В.П. Дьяконов М.: ДМК Пресс, 2008. - 768 с.

34. Ежов, А.А. Нейрокомпьютинг и его применение в экономике и бизнесе Текст. / А.А. Ежов, С.А. Шумский М.: МИФИ, 1998. - 224 с.

35. Ермоленко, П.С. Краткосрочное прогнозирование расхода электрической энергии нефтедобывающего производства Текст. / П.С. Ермоленко // Электрика. 2010. - № 8. - С. 19-23.

36. Жданов, А.А. Автономный искусственный интеллект Текст. / А.А. Жданов. М.: БИНОМ. Лаборатория знаний, 2008. - 359 с.

37. Илюшечкин, В.М. Основы использования и проектирования баз данных : учеб. пособие Текст. / В.М. Илюшечкин. М.: Юрайт, 2011. - 213 с.

38. Ицхоки, О. Выбор модели и парадоксы прогнозирования Текст. / О. Ицхоки // Квантиль. 2006. - № 1 - С. 43-51.

39. Камаев, В.А. Применение коннективистских систем для прогнозирования потребления электроэнергии в торговых центрах Текст. / В.А. Камаев, М.В. Щербаков, Д.П. Панченко и др. // Управление большими системами. М.: 2010.-Вып. 31.-С. 92-109.

40. Кириенко, Е.И. Прогнозирование электропотребления основа надежного функционирования ЕЭС России Электронный ресурс. / Е.И. Кириенко. - 2003. - Режим доступа: http://www.energostat.ru/seminar/seminar2003/ materials.

41. Кирилова, Т.Н. Многофакторное прогнозирование потребления электроэнергии в промышленном и бытовом секторах Текст. / Т.Н. Кирилова, Д.Е. Бабинович, Г.Н. Климова, Е.А. Шутов // Энергорынок. 2009. - № 11. - С. 4045.

42. Кобзарь, А.И. Прикладная математическая статистика : для инженеров и научных работников Текст. / А.И. Кобзарь М.: Физматлит, 2006. -816 с.

43. Коморник, С. Требования к системам прогнозирования энергопотребления Текст. / С. Коморник, Е. Калечиц // Энергорынок. 2008. - № 3 -С. 8-11.

44. Копцев, Л.А. Нормирование и прогнозирование потребления электроэнергии на промышленном предприятии Текст. / Л.А. Копцев, А.Л. Копцев // Промышленная энергетика. 2011. - № 1. - С. 18-23.

45. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода Текст. / В.В. Круглов, М.И. Дли. М.: Физматлит, 2002. - 256 с.

46. Круглов, В.В. Искусственные нейронные сети. Теория и практика Текст. / В.В. Круглов, В.В. Борисов 2-е изд. - М.: Горячая Линия - Телеком, 2002.- 382 с.

47. Круглов, В.В. Нечеткая логика и искусственные нейронные сети Текст. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов -М.: Физматлит, 2001. 221 с.

48. Кудрин, Б.И. Введение в технетику Текст. / Б.И. Кудрин Томск: ТГУ, 1993.- 552 с.

49. Кудрин, Б.И. Исследования технических систем как сообществ изделий техноценозов Текст. / Б.И. Кудрин // Системные исследования. Методологические проблемы. Ежегодник 1980. -М.: Наука, 1981 - С. 236-254.

50. Кудрин, Б.И. Методика обеспечения почасового прогнозирования электропотребления предприятий с учетом погодных факторов Текст. / Б.И. Кудрин, A.B. Мозгалин // Вестник МЭИ, № 2. 2007.

51. Кудрин, Б.И. О ценологическом прогнозе электропотребления до 2060 года Текст. / Б.И. Кудрин // Материалы всероссийской научно-технической конференции «Электроэнергия: от получения и распределения до эффективного использования». Томск: ТПУ, 2010.

52. Кудрин, Б.И. Электроснабжение промышленных предприятий: учебник для студентов высших учебных заведений Текст. / Б.И. Кудрин. 2-е изд. - М.: Интермет Инжиниринг, 2006. - 672 с.

53. Кузовкин, А.И. Реформирование электроэнергетики и энергетическая безопасность Текст. / А.И. Кузовкин. М.: ОАО «Институт микроэкономики», 2006. - 389 с.

54. Лагутин, М.Б. Наглядная математическая статистика : учеб. пособие Текст. / М.Б. Лагутин М.: БИНОМ. Лаборатория знаний, 2007. - 472 с.

55. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH Текст. / A.B. Леоненков СПб.: БХВ-Петербург, 2005. - 736 с.

56. Лесниченко, А.И. Метод среднесрочного прогнозирования электропотребления предприятий и организация региона Текст. / А.И. Лесниченко // Электрика. 2010. - № 8. - С. 15-19.

57. Лукашин, Ю.П. Адаптивные методы прогнозирования временных рядов Текст. / Ю.П. Лукашин М.: Финансы и статистика, 2003. - 415 с.

58. Макоклюев, Б.И. Анализ и планирование электропотребления Текст. / Б.И. Макоклюев. М.: Энергоатомиздат, 2008. - 296 с.

59. Макоклюев, Б.И. Информационная структура и программные средства обработки и хранения данных технологического оборудования и режимных параметров Текст. / Б.И. Макоклюев, A.B. Антонов, Р.Ф. Набиев // Электрические станции. 2004. - № 6.

60. Макоклюев, Б.И. Методология и система моделей прогноза электропотребления Текст. / Б.И. Макоклюев // Электрические станции. 2007. - № 3.

61. Макоклюев, Б.И. Методы и средства анализа и планирования электропотребления энергообъединений и энергосистем : дис. . д-ра техн. наук Текст. / Б.И. Макоклюев ; ОАО «Научно-исследовательский институт электроэнергетики» (ОАО «ВНИИЭ»). М., 2005. - 295 с.

62. Макоклюев, Б.И. Формирование и планирование электропотребления балансов электроэнергии Дальневосточной энергетической компании (ДЭК) Текст. / Б. Макоклюев, Н. Цуприк, А. Антонов и др. // Энергорынок. 2009. -№ 6 (67). - С. 40-42.

63. Максимов, Б.К. Теоретические и практические основы рынка электроэнергии : учеб. пособие Текст. / Б.К. Максимов, В.В. Молодюк. М.: МЭИ, 2008.-292 с.

64. Медведев, B.C. Нейронные сети. MATLAB 6 текст. / B.C. Медведев, В.Г. Потемкин М.: ДИАЛОГ-МИФИ, 2002. - 496 с.

65. Методика прогнозирования графиков электропотребления для технологий краткосрочного планирования Электронный ресурс. / Н.Г. Шульгинов 2007. - Режим доступа www.so-ups.ru/fileadmin/files/marketregulations/ schedules.pdf.

66. Некоммерческое партнерство «Совет рынка» Электронный ресурс.- Официальный сайт. 2009-2011. - Режим доступа: http://www.np-sr.ru.

67. ОАО «Администратор торговой системы» Электронный ресурс. -Официальный сайт. 2009-2011. - Режим доступа: http://www.atsenergo.ru.

68. Олейников, В.К. Анализ и планирование электропотребления на горных предприятиях Текст. / В.К. Олейников М.: Недра, 1983. - 192 с.

69. Орлов, А.И. Эконометрика Текст. / А.И. Орлов М.: Экзамен, 2002.- 576 с.

70. Осовский, С. Нейронные сети для обработки информации : пер. с польского Текст. / С. Осовский М.: Финансы и статистика, 2002. - 334 с.

71. Остапюк, С.Ф. Модели построения комбинированного прогноза развития научно-технической сферы Текст. / С.Ф. Остапюк, М.А. Мотова // Проблемы прогнозирования. 2004. - № 1 - С. 146-156.

72. Ошурков, М.Г. Суточное и почасовое прогнозирование электропотребления металлургического предприятия для задач работы на оптовом рынке электроэнергии Текст. / М.Г. Ошурков, С.С. Новиков, П.А. Ширяев // Электрометаллургия. 2008. - № 10. - С. 39-43.

73. Полижаров, A.C. Опыт разработки и внедрения иерархической системы прогнозирования электропотребления (ИСП) СО ЕЭС Текст. / A.C. Полижаров, A.B. Антонов, Э.А. Алла и др. // Энергоэксперт. 2010. - №6. - С. 6466.

74. Рубан, А.И. Методы анализа данных : учеб. пособие Текст. / А.И. Рубан 2-е изд., исправл. и доп. - Красноярск: ИПЦ КГТУ, 2004. - 319 с.

75. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы : пер. с польского Текст. / Д. Рутковская, М. Пилиньский, Л. Рутков-ский М.: Горячая линия Телеком, 2004. - 452 с.

76. Саламатов, Ю.П. Система законов развития техники (основы теории развития технических систем) Электронный ресурс. / Ю.П. Саламатов 2-е изд. испр. и доп. - 1991-1996. - Режим доступа: http://www.trizminsk.Org/e/21101 ООО.ЫтШос.

77. Светуньков, С.Г. Методы социально-экономического прогнозирования. Том I Текст. / С.Г. Светуньков, И.С. Светуньков СПб.: СПбГУЭФ, 2009. - 147 с.

78. Светуньков, С.Г. Методы социально-экономического прогнозирования. Том II Текст. / С.Г. Светуньков, И.С. Светуньков СПб.: СПбГУЭФ, 2010.- 105 с.

79. Системный оператор Единой энергетической системы Электронный ресурс. Официальный сайт. - 2009-2011. - Режим доступа: http://www. so-ups.ru.

80. Смирнова, К.А. Понятие неопределенности экономических систем и подходы к ее оценке Текст. / К.А. Смирнова // Вестник МГТУ. 2008. №2 - С. 241-246.

81. Суслов, В.И. Эконометрия : учебное пособие Текст. / В.И. Суслов, Н.М. Ибрагимов и др. Новосибирск : СО РАН, 2005. - 744 с.

82. Сухарев, М.Г. Методы прогнозирования : учеб. пособие Текст. / М.Г. Сухарев М.: РГУ нефти и газа, 2009. - 208 с.

83. Тихонов, Э.Е. Методы прогнозирования в условиях рынка Текст. / Э.Е. Тихонов Невинномысск: СевКавГТУ, 2006. - 221 с.

84. Торопов, A.C. Анализ и прогнозирование расхода электроэнергии нетяговыми потребителями железных дорог : дис. . канд. техн. наук Текст. / A.C. Торопов ; Сибирский федеральный университет. Красноярск, 2007 -178 с.

85. Хайкин, С. Нейронные сети: полные курс : пер. с англ. Текст. / С. Хайкин 2-е изд., испр. - М.: Вильяме, 2006. - 1104 с.

86. Ю1.Халафян, A.A. STATISTICA 6. Статистический анализ данных : учебник Текст. / A.A. Халафян 3-е изд. - М.: ООО «Бином-Пресс», 2007. -512 с.

87. Хант, С. Конкуренция и выбор в электроэнергетике : пер. с англ. Электронный ресурс. / С. Хант, Г. Шаттлуорт. 1998. - Режим доступа: http://www.libertarmm.ru/ñles/libenergycon/russbook.pdf.

88. Шварц, Б. Парадокс свободы выбора. Почему «больше» значит «меньше» : пер. с англ. Текст. / Б. Шварц. М.: Добрая книга, 2005. - 288 с.

89. Шенк, X. Теория инженерного эксперимента : пер. с англ. Текст. / X. Шенк. М.: Мир, 1972. - 382 с.

90. Шумилова, Г.П. Модель суточного прогнозирования нагрузок ЭЭС с использованием нечетких нейронных сетей Текст. / Г.П. Шумилова, Н.Э. Гот-ман, Т.Б. Старцева // Известия РАН. Энергетика. 2001. - №4. - С. 52-59.

91. Шумилова, Г.П. Прогнозирование электрических нагрузок при оперативном управлении электроэнергетическими системами на основе нейросете-вых структур Текст. / Г.П. Шумилова, Н.Э. Готман, Т.Б. Старцева. Сыктывкар: КНЦ УрО РАН, 2008. - 77 с.

92. Электронный учебник StatSoft Электронный ресурс. 2011. - Режим доступа: http://www.statsoft.ru/home/textbook.

93. Ясницкий, JI.H. Введение в искусственный интеллект Текст. / JI.H. Ясницкий. 3-е изд., стер. - М. : Академия, 2010. - 176 с.

94. Яхъяева, Г.Э. Нечеткие множества и нейронные сети Текст. / Г.Э. Яхъяева. 2-е изд. испр. - М.: Бином. Лаб. знаний, 2008. - 315 с.

95. Abraham, A. A neuro-fuzzy approach for modelling electricity demand in Victoria Текст. / A. Abraham, B. Nath // Applied Soft Computing Journal. 2001. -Vol. 1.-P.127-138.

96. Alfares, H.K. Electric load forecasting: literature survey and classification of methods Текст. / H.K. Alfares, M. Nazeeruddin // International Journal of Systems Science. 2002. - Vol. 33 (no. 1). - P. 23-34.

97. Bates, J.M. The Combination of Forecasts Текст. / J.M. Bates, C.W.J. Granger // Operational Research Quarterly. 1969. - Vol. 20 (no. 4).

98. Behera, R. A Hybrid Short Term Load Forecasting Model of an Indian Grid Текст. / R. Behera, B. P. Panigrahi, В. B. Pati // Energy and Power Engineering. 2011.-Vol. 3.-P. 190-193.

99. Cancelo, J.R. Forecasting the electricity load from one day to one week ahead for the Spanish system operator Текст. / J.R. Cancelo, A. Espasa, R. Grafe // International Journal of Forecasting. 2008. - Vol. 24 (Issue 4). - P. 588-602.

100. Chogumaira, E.N. Short-Term Electricity Price Forecasting Using a Combination of Neural Networks and Fuzzy Inference Текст. / E.N. Chogumaira, T. Hiyama // Energy and Power Engineering. 2011. - Vol. 3. - P. 9-16.

101. Clement, R.T. Combining Forecasts: A Review and Annotated Bibliography (with Discussion) Текст. / R.T. Clement // International Journal of Forecasting. 1989. - Vol.5. - P. 559-583.

102. Diebold, E.X. The Use of Prior Information in forecast Combination Текст. / E.X. Diebold, P. Pauly // International Journal of Forecasting. 1990. -Vol.6.-P. 503-508.

103. Fiordaliso, A. A Nonlinear Forecasts Combination Method Based on Tak-agi-Sugeno Fuzzy Systems Текст. / A. Fiordaliso // International Journal of Forecasting. 1998. - Vol. 14. - P. 367-379.

104. Granger, C.W. Improved Methods of Combining Forecasts Текст. / C.W. Granger, R. Ramanathan // Journal of Forecasting. 1984. - Vol. 3. - P. 197-204.

105. Hagan, M.T. Training feedforward networks with the Marquardt algorithm Текст. / M.T. Hagan, M. Menhaj // IEEE Transactions on Neural Networks. -1994.-Vol. 5. (no. 6).-P. 989-993.

106. Hornik, K. Multilayer Feedforward Networks are Universal Approximators Текст. / К. Hornik, M. Stinchcombe, H. White // Neural Networks. 1989.-Vol. 2.-P. 359-366.

107. Math Works MATLAB and Simulink for Technical Computing Электронный ресурс. - Официальный сайт разработчиков MATLAB. - Режим доступа: http://www. mathworks.com/index.html. - Яз. английский.

108. MySQL :: The world's most popular open source database Электронный ресурс. Официальный сайт разработчиков СУБД MySQL. - Режим доступа: http://www.mysql.com. - Яз. английский.

109. Nguyen, D. Improving the learning speed of 2-layer neural networks by choosing initial values of the adaptive weights Текст. / D. Nguyen, B. Widrow //

110. Proceedings of the International Joint Conference on Neural Networks. 1990. -Vol. 3,-P. 21-26.

111. Park, D.C. Electric load forecasting using an artificial neural network Текст. / D.C. Park, M.A. El-Sharkawi, R.J. Marks II at al. // Transaction on power systems. 1991. - Vol. 6 (no. 2). - P. 442-449.

112. Shapiro, S. An analysis of variance test for normality (complete samples) Текст. / S. Shapiro, M. Wilk // Biometrika. 1965. - Vol. 52 (3-4). - P. 561-611.

113. Silva, A.D. Input space to neural network based load forecasters Текст. / A.D. Silva, A.P., V.H. Ferreira, R.M.G. Velasquez // International Journal of Forecasting. 2008. - Vol. 24 (Issue 4). - P. 616-629.

114. Siwek, K. Ensemble neural network approach for accurate load forecasting in power system Текст. / К. Siwek, S. Osowski, R. Szupiluk // Int. J. Appl. Math. Comput. Sci. 2009. - Vol. 19 (no. 2). - P. 303-315.

115. Soares, L.J. Modeling and forecasting short-term electricity load: A comparison of methods with an application to Brazilian data Текст. / L.J. Soares, M.C. Medeiros // International Journal of Forecasting. 2008. - Vol. 24 (Issue 4). -P. 630-644.

116. Taylor, J.V. Investigating Improvements in the Accuracy of Prediction Intervals for Combinations of Forecasts: A Simulations Study Текст. / J.V. Taylor, D.W. Bunn // International Journal of Forecasting. 1999. - Vol.15. - P. 325-339.

117. Taylor, J.W. A comparsion of univariate methods for forecasting electricity demand up to a day ahead Текст. / J.W. Taylor, L.M. de Menezes, P.E. McSharry // International Journal of Forecasting. 2006. - Vol. 22. - P. 1-16.

118. Thyagarajah, K. Short Term Load Forecasting Using Functional Link Network Текст. / К. Thyagarajah, M. Paulraj // European Journal of Scientific Research. -2011.- Vol. 51 (no. 3). P. 315-320.

119. Winters, P.R. Forecasting sales by exponentially weighted moving averages Текст. / P.R. Winters // Management Science. 1960. - Vol. 6 (no. 3).