Разработка и исследование методов предиктивного управления мощностью ветроэлектростанций в электроэнергетических системах тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Орлов Дмитрий Викторович

• Орлов Дмитрий Викторович
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Орлов Дмитрий Викторович

ВВЕДЕНИЕ

ГЛАВА1 КРИТИЧЕСКИЙ ОБЗОР ИССЛЕДОВАНИЙ В ОБЛАСТИ УПРАВЛЕНИЯ ВЕТРОЭНЕРГЕТИЧЕСКИМИ УСТАНОВКАМИ

1.1 Основные тренды мировой энергетики к переходу на возобновляемые источники энергии

1.2 Основные принципы управления ветроэнергетическими установками. Математические модели и методы

1.3 Математические модели прогнозирования параметров генерируемой мощности возобновляемых источников энергии

1.4 Условия возможной реализации предлагаемых исследований

Выводы по главе

ГЛАВА 2 ИССЛЕДОВАНИЕ И АНАЛИЗ ЗАКОНОВ РАСПРЕДЕЛЕНИЯ СКОРОСТИ И НАПРАВЛЕНИЯ ВЕТРА

2.1 Постановка задачи

2.2 Определение законов распределения скорости ветрового потока

2.3 Определение законов распределения направления ветрового потока

Выводы по главе

ГЛАВА 3 РАЗРАБОТКА АРХИТЕКТУРЫ НЕЙРОННОЙ СЕТИ ДЛЯ ПРОГНОЗИРОВАНИЯ СКОРОСТИ И НАПРАВЛЕНИЯ ВЕТРОВОГО ПОТОКА

3.1 Структура математической модели прогнозирования характеристик ветрового потока на основе искусственной нейронной сети

3.2 Математическая модель прогноза направления ветрового потока

3.3 Математическая модель прогноза скорости ветрового потока

Выводы по главе

ГЛАВА 4 ПРЕДИКТИВНОЕ УПРАВЛЕНИЕ УГЛОМ ПОВОРОТА ВЕТРОЭНЕРГЕТИЧЕСКОЙ УСТАНОВКИ

4.1 Постановка задачи

4.2 Математическая модель выработки электроэнергии при учете дисперсии скорости ветрового потока

4.3 Предиктивное управление углом поворота ветроэнергетической установки

4.4 Управление поворотом гондолы на основе теории игр

4.5 Управление поворотом гондолы на основе прогнозных характеристик ветрового потока методом анализа иерархий

Выводы по главе

ГЛАВА 5 ТЕХНИКО-ЭКОНОМИЧЕСКАЯ ОЦЕНКА ПОВЫШЕНИЯ ЭНЕРГОЭФФЕКТИВНОСТИ ПРЕДИКТИВНОГО УПРАВЛЕНИЯ ВЕТРОЭЛЕКТРОСТАНЦИЕЙ

5.1 Экономический эффект предиктивного управления ветроэлектростанцией

5.2 Покрытие графиков нагрузки ветроэлектростанцией в энергосистеме

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ «А» СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ «Б» АКТЫ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов предиктивного управления мощностью ветроэлектростанций в электроэнергетических системах»

ВВЕДЕНИЕ

Актуальность работы. Энергетические стратегии развития многих стран предполагают переход от традиционного способа получения электроэнергии на возобновляемые и альтернативные источники. Согласно данным международного агентства IRENA, с 2008 по 2018 год доля электроэнергии, полученной с помощью ветроэнергетических установок, возросла в 22 раза, а с помощью солнечных парков - в 700 раз. Активное развитие возобновляемой энергетики обусловливает необходимость разработки и внедрения современных систем мониторинга, прогнозирования и предиктивного управления. Управление на основе прогноза будущего состояния объекта позволяет существенно повысить параметры качества электроэнергии за счет более оптимального регулирования суточных графиков нагрузки, участвовать в ценообразовании тарифа на электроэнергию с помощью выбора оптимальной ценовой категории, что позволит значительно снизить затраты на покупку электроэнергии на оптовом рынке и уменьшить количество штрафов за счет качественного среднесрочного и краткосрочного прогноза электропотребления предприятия. Для повышения точности прогнозных моделей и повышения качества управляющего воздействия необходимо применение методов статистического анализа законов распределения и предварительной обработки данных, что позволит определить существующие тренды и зависимости внутри выборки и повысит эффективность предиктивного управления. Применение прогнозных моделей позволит, также, оценить как режим работы предприятия в целом, так и каждого потребителя по отдельности, а также повысить надежность электроснабжения за счет снижения числа аварий. Применение моделей предиктивного управления для ветровых электростанций позволит провести оценку необходимости поворота, определить оптимальное время начала и угол поворота с целевой функцией максимизации вырабатываемой мощности и снижения затрат электроэнергии на поворот. Применение возобновляемых источников энергии особенно актуально в географически удаленных регионах, не имеющих связи с единой энергосистемой России, к которым относятся районы

крайнего Севера. В таких изолированных населенных пунктах электроэнергия добывается при помощи дизельных электростанций с высокой себестоимостью вырабатываемой электроэнергии. Город Салехард Ямало-Ненецкого автономного округа с 2018 года считается подключенным к единой энергосистеме России, что позволяет больше не считать его автономным, однако, до сих пор большая часть потребляемой электроэнергии вырабатывается дизель-генераторными установками, а величина дефицита располагаемой мощности возрастет с 25,4 МВт в 2021 г. до 63,6 МВт в 2040 г, согласно официального отчета проектного института ООО «ИНПЭС». Также, большую проблему составляют сроки и методы поставки горючего топлива для дизельных электростанций. С другой стороны, регионы крайнего севера обладают высоким ветроэнергетическим потенциалом развития. При этом, себестоимость электроэнергии, вырабатываемой ветроэлектростанцией, по сравнению с дизельной существенно ниже, а сроком нормальной эксплуатации ветроустановки считается период в 25 лет, что делает их перспективным проектом развития.

Объект исследования - локальные энергосистемы с долей генерации ветроэнергетическими электростанциями.

Предмет исследования - краткосрочное прогнозирование и предиктивное управление режимами энергосистемы.

Цель диссертационной работы - повышение энергоэффективности и качества функционирования режимов локальных энергосистем, включающих в себя ветровые электростанции.

Для достижения данной цели поставлены и решены следующие задачи:

1. Выполнить критический обзор исследований в области управления ветроэлектростанциями;

2. Исследование и анализ законов распределения скорости и направления ветра;

3. Разработать архитектуру нейронной сети для прогнозирования скорости и направления ветрового потока;

4. Разработать систему предиктивного управления выбора угла поворота на основе предсказания характеристик ветрового потока;

5. Провести технико-экономическую оценку повышения энергоэффективности режимов локальной энергосистемы.

Концепция научной работы - улучшение оперативного управления и планирования установившимися режимами в локальных энергосистемах.

Степень разработанности темы. Задача управления установившимися режимами электрических сетей возникла с их активным развитием в период масштабной индустриализации, применение моделей прогнозирования, методов статистического анализа законов распределения и предварительной обработки данных о потреблении и генерации электроэнергии также развивалось в этот период. Среди отечественных и зарубежных учёных заметный вклад в развитие этих методов внесли: Н.И. Воропай, В.З. Манусов, В.К. Федоров, Д.С. Осипов, В.Н. Горюнов, А.В. Седельников, В.Г. Курбацкий, Гнатюк В.И., В.А. Стенников, Д.Н. Карамов, А.С. Гусев, А.В. Прохоров, В.И. Пантелеев, С.Е. Кокин, А.В. Паздерин,

B.И. Полищук, М.Г. Тягунов, В.О. Самойленко, Ю.А. Секретарев, С.Н. Постовалов,

C.В. Горелов, Б.В. Лукутин, А.В. Лыкин, В.А. Веников, Н.С. Чемборисова, С.Г. Обухов, А.Г. Русина, Б.Ю. Лемешко, В.И. Нагай, П.А. Попов, Y.Y. Chen, G.W. Chang, M.B. Ozkan, D.T. Viet, V.V. Phuong, M.G. Lobo, D.Y. Hong, L.L. Zhang, M.S. Li, Q.H. Wu, H.G. Beyer, M.L. Kolhe, S.Y. Konara, B.G. Kumaraswamy, B.K. Keshavan, Y.T. Ravikiran, M.A. Khan, A.T. Eseye, G.A. Bhatt, P.R. Gandhi, S.M. Yerma, A.H. Escribano, M.M. Tripathi и многие другие.

Научная новизна работы состоит в следующем:

1. Обоснована и доказана целесообразность учета в математической модели генерируемой мощности ветроэлектростанции угла направления ветрового потока, позволяющая учесть дополнительную генерируемую мощность;

2. Определены статистически достоверные законы распределения скорости и направления ветрового потока для двух моделей: полного временного ряда и почасовых значений;

3. Впервые предложена математическая модель выработки мощности, отличающаяся учетом флуктуаций скорости ветрового потока;

4. Разработана система предиктивного управления углом поворота с использованием комбинированного метода на основе искусственной нейронной сети и теории игр.

Практическая значимость работы определяется следующими результатами:

1. Разработан алгоритм и программа прогнозирования мощности ветроэнергетических установок;

2. Разработан алгоритм и программа предиктивного управления мощностью ветроустановок в локальных электроэнергетических системах;

3. Разработан алгоритм и программа диагностики текущего технического состояния электрооборудования;

4. Получены акты внедрения в производственный процесс предприятия АО «Региональные Электрические Сети» города Новосибирска и в учебные дисциплины «Интеллектуальные системы электроснабжения», «Выбор и принятие решений в электроэнергетике», «Проектирование и эксплуатация систем электроснабжения» кафедры «Системы электроснабжения предприятий» Новосибирского Государственного Технического Университета.

Основные положения, выносимые на защиту:

1. Установленные законы распределения скорости и направления ветра;

2. Предложенная архитектура нейронной сети для предсказания мощности генерирующих ветровых электростанций;

3. Система предиктивного управления выбора угла поворота на основе комбинированного метода искусственной нейронной сети и теории игр;

4. Обоснование целесообразности учета направления и флуктуаций ветрового потока;

5. Технико-экономическое обоснование системы предиктивного управления ветроэлектростанциями.

Соответствие паспорту специальности

Диссертация соответствует следующим пунктам паспорта специальности 2.4.3 - Электроэнергетика:

п. 10 - «Разработка цифровых и физических методов анализа и мониторинга режимных параметров основного оборудования электростанций, электрических сетей и систем электроснабжения»;

п. 11 - «Разработка методов мониторинга и анализа режимных параметров основного оборудования электростанций, подстанций и электрических сетей энергосистем, мини- и микрогрид»;

п. 14 - «Разработка методов расчета и моделирования установившихся режимов, переходных процессов и устойчивости электроэнергетических систем и сетей, включая технико-экономическое обоснование технических решений, разработка методов управления режимами их работы»;

п. 20 - «Разработка методов использования информационных и телекоммуникационных технологий и систем, искусственного интеллекта в электроэнергетике, включая проблемы разработки и применения информационно-измерительных, геоинформационных и управляющих систем для оперативного и ретроспективного мониторинга, анализа, прогнозирования и управления электропотреблением, режимами, надежностью, уровнем потерь энергии и качеством электроэнергии».

Степень достоверности и обоснованность результатов. Достоверность полученных результатов подтверждается корректным использованием классических методов теории электрических систем, планированием режимов генерируемых источников, методам статистической обработки данных и прогнозирования.

Использованы реальные ретроспективные ряды по скорости и направлению ветрового потока для северного региона России. Показано, что погрешность за десятилетний ретроспективный период по общей выборке составляет от 2.63 до 7.27 %.

Апробация работы. Основные материалы диссертации докладывались и обсуждались на конференциях:

1. 22nd International Conference of Young Professionals in Electron Devices and Materials, June 30 - July 4, 2022;

2. Intelligent Information Technology and Mathematical Modeling 2021 (IITMM 2021), 2021;

3. Aspire to Science: материалы городской научно-практической конференции школьников, студентов, магистрантов и аспирантов, 18 апреля 2019;

4. Международная научно-практическая конференция: «Энергетика региона: состояние и перспективы развития», 20-21 декабря 2019;

5. International Conference on Industrial Engineering, 15-18 May, 2018;

6. International Conference on Environment and Electrical Engineering and Industrial and Commercial Power Systems Europe, 12-15 June, 2018;

7. Aspire to Science: материалы городской научно-практической конференции школьников, студентов, магистрантов и аспирантов, 12 апреля 2017. Публикации.

По теме диссертационной работы опубликовано 6 научных работ из перечня рецензируемых изданий ВАК, 6 работ в WoS и Scopus. Общее число работ 38. В работах в соавторстве личный вклад автора составляет не менее 60 %. Структура и объём диссертации.

Диссертация состоит из введения, пяти глав, заключения, списка литературы, включающего 234 наименования, и двух приложений. Общий объем работы составляет 229 страниц.

ГЛАВА1 КРИТИЧЕСКИЙ ОБЗОР ИССЛЕДОВАНИЙ В ОБЛАСТИ УПРАВЛЕНИЯ ВЕТРОЭНЕРГЕТИЧЕСКИМИ УСТАНОВКАМИ

1.1 Основные тренды мировой энергетики к переходу на возобновляемые

источники энергии

Технологии SMART GRID являются одними из самых популярных и обсуждаемых в современных реалиях. Тенденции развития мировой энергетики направлены на сокращение сжигания органического топлива для получения электрической энергии и снижения выбросов продуктов переработки в атмосферу. Переход на возобновляемые источники энергии (ВИЭ) является главным трендом мировой энергетической политики. Разработанные стратегии, представленные в [1 - 8], определяют цели и темпы развития возобновляемой энергетики (ВЭ). Согласно этим стратегиям, к 2050 году 22% производимой в мире электрической энергии будет произведено солнечными электростанциями, а 26% - ветряными.

Согласно данным международного агентства IRENA, представленным в [9], с 2008 по 2018 год доля электроэнергии, полученной с помощью ветроэнергетических установок (ВЭУ), возросла в 22 раза, а с помощью солнечных парков - в 700 раз. В США представлен проект [10] для развития возобновляемой энергетики на сумму 2 триллиона долларов и сроком в четыре года, в котором приоритет отдается развитию ВЭУ, солнечной энергетики и зарядных станций для электромобилей. Электропотребление промышленности, и, соответственно, спрос на энергоресурсы вырастет в 2040 году на 40 % по отношению к 2014 году. Также, нагрузку будут составлять транспортный, коммерческий и жилые секторы. В России потребление электроэнергии увеличится на 30 % к 2030 году по отношению к 2010 [11]. Структура общего спроса на электроэнергию в Россию представлена на рисунке 1.1.

Рисунок 1.1 - Структура общего объема спроса на первичную энергию в РФ (%

На рисунке 1.2 представлена прогнозируемая структура спроса на первичную энергию к 2030 году. На фоне прогноза увеличения потребления электроэнергии неизбежно возникает проблема сокращения природных запасов органического топлива, а увеличение электроэнергии, добытой с помощью ВИЭ увеличится в 10 - 14 раз [12].

Рисунок 1.2 - Прогнозируемая структура спроса на первичную энергию: 2030 (%)

В работах [13, 14] определены закономерности и тенденции развития энергосистем на основе многолетнего опыта развития систем электроснабжения СССР и зарубежных стран с применением современных методологий и особенностей. Проанализирован проект энергетической стратегии развития России до 2035 года с поправкой на развитие топливно-энергетического комплекса,

проведен анализ необходимости внесения изменений для качественного повышения энергоэффективности и безопасности современной энергетики.

В статье [15] рассмотрены стратегии развития России до 2030 года, представлены результаты анализа отпуска электроэнергии на всех уровнях напряжения на примере Омского филиала сетевой компании ПАО «МРСК Сибири». Определены основные тенденции развития, выполнена оценка показателей качества выдаваемой электрической энергии.

Все тренды энергетической политики условно, могут быть структурированы по категориям на: политические и культурно-ценностные, технологические и магистральные, социальные, экономические, экологические.

Под культурно-ценностными трендами понимается привитие культуры заботы об окружающей среде, стремления к развитию и ресурсосбережению на индивидуальном уровне каждого человека. Поощряются развитие и реализация программ по рациональному использованию энергоресурсов, разработка нормативно-правовой документации и автоматизация технологического процесса производства, применяются финансовые меры поощрения к участникам такого движения развития [11].

Политические тренды рассматривают повышение конкурентоспособности государства на мировом рынке энергоресурсов. Также, рассматриваются вопросы обострения межгосударственных отношений на фоне повышения энергетической зависимости стран с дефицитом природных ресурсов от стран-экспортеров. Мировое соглашение о снижении расходов на ядерную энергетику и переход к возобновляемым источникам энергии, ужесточение системы государственного регулирования в области политики национальных стандартов и безопасности.

В работе [16] рассмотрена задача определения оптимального места строительства станций ВИЭ в Мьянме на основе метода анализа иерархий Саати.

В статьях [17 - 20] рассмотрены современные модели автономных энергосистем с применением возобновляемых источников энергии и современных систем хранения электроэнергии. Произведен обзор современных систем аккумулирования электроэнергии, которые позволяют существенно повысить

энергоэффективность используемых установок благодаря значительному сокращению времени зарядки и большей аккумулирующей способности с применением современных материалов и разработок. Произведена оценка долгосрочных ретроспективных данных метеонаблюдений и на основе полученных результатов осуществлен выбор оптимальных конструкций и видов генерирующих источников возобновляемой энергии. Верификация результатов работы была проведена в реальных условиях энергосистемы Германии и показала отличный результат, который отражен в статье [19].

В работе [21] рассмотрены нормативно-правовые акты на территории Румынии, определяющие перспективы развития возобновляемой энергетики для достижения целей, установленных Евросоюзом. Определена необходимость прогнозирования энергии ветра на фоне увеличения выработки электроэнергии с помощью ВИЭ для помощи системным операторам.

В работах [22, 23] на примере энергосистемы Памира в Республике Таджикистан рассмотрена возможность внедрения возобновляемых источников энергии. По критериям выработки максимальной мощности при минимальных затратах выбраны ВИЭ на основе солнечных панелей. С помощью вычислительного комплекса PSCAD реализована модель фотоэлектрической ячейки и солнечной электростанции. Произведен расчет установившегося режима работы модернизированной энергосистемы. Работа солнечных панелей рассмотрена совместно с малыми гидроэлектростанциями. Результаты показали, что значительно улучшились показатели качества выдаваемой электроэнергии в часы максимума нагрузок, повысилась динамическая устойчивость системы, возросла надежность бесперебойной работы.

К технологическим трендам относится развитие современных технологий в различных областях энергетического сектора. Одним из направлений является добыча топливных ресурсов, которые могут быть использованы в экстремальных природно-климатических условиях, например, добыча углеводородов из низкопроницаемых коллекторов. Такую добычу планируют вести США, Канада, Китай и другие развитые страны. В РФ к 2030 году планируется добывать до 70

миллионов тонн сверхвязкой нефти, газового конденсата и других жидких углеводородов [24]. К 2040 году мировая доля потребления нетрадиционного газа составит 20 % от всего добытого газа, из них сланцевый газ - 14%, угольный метан - 5%, биогаз - 2% [25]. Видно, что имеется тенденция к увеличению потребления энергоресурсов, однако проведенный в работе [26] анализ показывает, что для обеспечения к 2030 году требуемого уровня добычи сырья выше 420 миллионов тонн нефти в год потребуется нарастить более 12 миллиардов тонн новых запасов, в том числе добываемых открытым способом.

Другим направлением технологического тренда является развитие возобновляемых, нетрадиционных и альтернативных источников электрической энергии. Прогнозы, относящиеся к возобновляемым источникам энергии, выполняются значительно раньше. Так, доля ВИЭ в общем объеме произведенной электроэнергии прогнозируемая на 2020 год была выполнена в 2010 году, как показано в [27], и в настоящее время продолжает стремительно развиваться. Это обусловлено развитием перспективных технологий и методологий в данной области, а также снижением стоимости строительства ВИЭ. Согласно [28], финансирование возобновляемых источников энергии в 2014 году достигло 270 миллиардов долларов и продолжает расти. Согласно зарубежным перспективам энергетического перехода к низкоуглеродным энергетическим системам [29], к 2050 году ВИЭ будут преобладать, доля ветровой электроэнергии составит 34%, гидроэнергетики 30 %, а солнечной 18%.

В работах [16, 30 - 33] рассмотрены концепции применения технологий Smart Grid в системах с распределенной генерацией. Авторы описывают проблему отсутствия системного подхода к внедрению объектов распределенной генерации в инфраструктуру промышленных предприятий. Также рассмотрен анализ влияния объектов распределенной генерации, к которой относятся и возобновляемые источники энергии, на работу существующих энергосистем.

В работах [34 - 37] представлены современные имитационные модели ветропарков с применением метода Монте-Карло и метода анализа иерархий Саати на основе передовых контроллеров HDVC и FACTS. Рассмотрена система

мониторинга и анализа данных на основе измерительных устройств PMU с применением методов искусственного интеллекта. Представлен вариант интеллектуальной сети Energy ring.

В работах [38 - 40] представлены методы повышения устойчивой работы гибридных систем ВИЭ на примере ветро-фотоэлектрической фермы с применением системы аккумулирования электроэнергии суперконденсаторами. Оценена эффективность рассматриваемого метода и представлены полученные результаты. Также, проанализирована динамическая устойчивость рассматриваемой гибридной системы в реальных условиях работы электроэнергетической системы на основе программного комплекса MatLab Simulink. Полученные результаты свидетельствуют о повышении динамической устойчивости, снижении колебаний величины напряжения в течение суток и улучшении параметров качества электроэнергии в сетях напряжением 35 кВ.

В работе [41] подробно описано динамическое развитие возобновляемой энергетики в децентрализованных электроэнергетических системах и на отдаленных территориях. Рассмотрены различные виды возобновляемых источников электроэнергии, предложены модели для выбора оптимального источника генерации для каждого отдельного региона по географическим, экономическим и прочим критериям. Отдельное внимание уделено вопросам повышения энергоэффективности преобразования первичного энергоресурса. Рассмотрены некоторые возможные варианты моделей на примере некоторых регионов Сибири.

В работе [42] представлена модель ветроэнергетической установки на основе программно-технического комплекса MatLab Simulink. Представлен детальный анализ необходимости перехода на возобновляемые источники энергии в совокупной работе с единой энергосистемой. Модель показала достаточную эффективность преобразования энергии наряду с высокой точностью встроенных компонентов и стабильной воспроизводимостью режимов моделирования. Результаты моделирования работы ВЭУ в энергосистеме показали улучшение показателей качества вырабатываемой электроэнергии в часы максимума нагрузок,

повышение надежности электроснабжения потребителей и значительное снижение себестоимости электрической энергии.

В работах [43 - 46] рассмотрено применение гибридных моделей ВИЭ для электроснабжения новых объектов месторождений углеводородов на удаленных территориях с отсутствием возможности подключения к центральной электрической сети. В частности, выбрана модель ветроэнергетической установки совместно с современной системой аккумулирования электроэнергии. В работах на основе применения современных методологий проводится прогнозирование скорости ветра в выбранном регионе и оценка потенциала вырабатываемой мощности. Проведен анализ существующих традиционных методов прогнозирования скорости ветра и показана их неэффективность применительно к ВИЭ. Применен новый метод на основе стохастического дифференциального уравнения дробного процесса Орнштейна-Уленбека с периодической функцией среднего значения, которая позволяет полностью учесть различные варианты изменения скоростных характеристик ветра. Результаты расчетов представлены в программном комплексе Ма1ЪаЬ 81шиНпк и доказывают эффективность применения новой модели. Модель определяет суточные и сезонные тренды и периодические составляющие. Выполнена верификация работы модели с использованием реальных данных архива значений скорости ветра Всероссийского института гидрометеорологической информации. Проведена оценка потенциала использования различных типов аккумуляторных батарей при работе в блоке с ветроэнергетической установкой на предмет увеличения себестоимости генерируемой электроэнергии. Предложены решения, позволяющие устранить неэффективное использование ВИЭ, оптимизировать алгоритмы управления ими и повысить срок эксплуатации аккумуляторных блоков. Результаты моделирования представлены в программном комплексе Ма1ЪаЬ 81шиНпк. Применение современных типов двухконтурных накопителей позволяет увеличить ресурс батареи в 2 раза и значительно снизить число отказов блока ВЭУ.

В работе [47] описывается метод генерации улучшенных вероятностных прогнозов мощности ветряных электростанций в иерархической структуре с

включением производственных данных из отдельных ветряных турбин. Для прогнозирования выработки энергии ветряных электростанций предлагается многоуровневый подход, при котором детерминистские прогнозы нижнего слоя (уровня турбины) используются в качестве входных функций вероятностной модели верхнего уровня (ветропарка).

Под магистральным трендом понимается активное внедрение в энергетику современных интеллектуальных компьютерных технологий. Процессы производства и управления автоматизируются на всех этапах. Это включает в себя разработку и внедрение в технологический процесс предприятий автоматизированных систем управления и учета, которые используются для мониторинга, обработки, анализа и предиктивного управления. Во многих странах процессы электропотребления на всех этапах от производства до потребления стремятся полностью автоматизировать и минимизировать влияние человека [19]. Разработка и внедрение интеллектуальных сетей в деятельность всех энергетических и промышленных компаний является активным этапом развития и поддерживается энергетической стратегией РФ до 2035 года. Например, системный оператор ОАО «ФСК ЕЭС» реализует крупный пилотный проект по созданию интеллектуальных сетей Северо-Запада и Востока. Также, такое внедрение планируется в Тюменской, Калининградской областях и Краснодарском крае. Реализуются в полной мере программы национальной технологической инициативы «EnergyNet» [20].

В работах [48 - 51] рассмотрены современные методологии мониторинга и обработки данных, такие как вейвлет-анализ данных, что является актуальным в задачах предиктивного управления производственным процессом предприятий и позволяет наглядно оценить характер электропотребления, выделить составляющие и тренды.

Список литературы диссертационного исследования кандидат наук Орлов Дмитрий Викторович, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Germany's New Energy Policy: Heading Towards 2050 with Secure, Affordable and Environmentally Sound Energy: Special Brochure Spotlight on Economic Policy. -Berlin: Federal Ministry of Economics and Technology. - URL: http://www.bmwi.de/English/Redaktion/Pdf/germanys-new-energy-policy (date of treatment: 25.12.2016). - Text: electronic.

2. BP Energy Outlook 2016 edition. Outlook to 2035. - URL: https://www.bp.com/content/dam/bp/business-sites/en/global/corporate/pdfs/news-and-insights/speeches/bp-energy-outlook-2016.pdf (date of treatment: 20.07.2016). - Text: electronic.

3. Creutzig, F. Global Typology of Urban Energy Use and Potentials for an Urbanization Mitigation Wedge / F. Creutzig, G. Baiocchi, R. Bierkandt [et al.]. - Text: direct // Proceedings of the National Academy of Sciences. - 2015. - Vol. 112. - № 20. - P. 6283-6288.

4. Lapillonne, B. World Energy Technology Outlook - 2050 - WETO-H2 / B. Lapillonne, B. Chateau, P. Criqui [et al.]; European Commission. - Brussels: European Commission, 2006. - Text: direct.

5. Carlsson, J. 2013 Technology Map of the European Strategic Energy Technology Plan / J. Carlsson, R. L. Arantegui, A. Jager-Waldau [et al.]; European Commission. - Luxembourg: Publications Office of the European Union, 2014. - Text: direct.

6. Wind Energy Scenarios for 2030 / EWEA: The European Wind Energy Association. - Brussels, 2015. - 15 p. - Text: direct.

7. Wojnar, T. J. Outlook for Energy: A View to 2040 / T. J. Wojnar. - URL: https://corporate.exxonmobil.com/-/media/Global/Files/investor-relations/other-investor-presentations/2018-Sell-Side-meeting.pdf (date of treatment: 18.01.2016). -Text: electronic.

8. Federal Government of Germany National Strategy for Sustainable Development. - URL:

https://www.bundesregierung.de/Content/EN/StatischeSeiten/Schwerpunkte/Nachhaltigkei t/nachhaltigkeit-2006-07-27-die-nationalenachhaltigkeitsstrategie.html (date of treatment: 26.07.2016). - Text: electronic.

9. Renewable Energy Prospects: China. - Text: direct // IRENA: International Renewable Energy Agency. - 2014. - Nov.

10. The Biden Plan for a Clean Energy Revolution and Environmental Justice. -Text: electronic // Biden Harris. Democrats: [website]. - URL: https://joebiden.com/climate-plan/ (date of treatment: 20.06.2021).

11. OECD Regional Outlook 2016: Productive Regions for Inclusive Societies. - Paris: OECD Publishing, 2016. - 304 p. - URL: http://dx.doi.org/10.1787/9789264260245-en (date of treatment: 17.11.2022). - Text: electronic.

12. Прогноз развития энергетики мира и России 2016 / под ред. А. А. Макарова, Л. М. Григорьева, Т. А. Митровой; ИНЭИ РАН-АЦ при Правительстве РФ. - Москва, 2016. - 200 с. - ISBN 978-5-91438-023-3. - Текст: непосредственный.

13. Воропай, Н. И. Обоснование развития электроэнергетических систем / Н. И. Воропай. - Текст: непосредственный // Оперативное управление в электроэнергетике. - 2016. - № 2. - C. 8-12.

14. Воропай, Н. И. Перспективные направления развития ТЭК / Н. И. Воропай, В. А. Стенников. - Текст: непосредственный // Энергонадзор. - 2017. - №2 1-2. - C. 89-90.

15. Горюнов, В. Н. Анализ сведений о потерях электрической энергии в филиалах ПАО «МРСК Сибири» за период с 2010 по 2017 год / В. Н. Горюнов, А. В. Дед, Е. П. Жиленко [и др.]; Ом. гос. техн. ун-т. - Текст: непосредственный // Омский научный вестник. - 2018. - № 6 (162). - С. 30-35.

16. Thu, Y. Selection of Optimal Places for Constructions of Renewable Energy Stations in Myanmar Using Analytic Hierarchy Process (AHP) Method / Y. Thu, M. Tyagunov, H. Haiyang; Komsomolsk-on-Amur State Technical University. - Text: direct // E3S Web of Conferences. - 2021. - № 270. - P. 01022.

17. Sidorov, D. Toward Zero-Emission Hybrid AC/DC Power Systems with Renewable Energy Sources and Storages: A Case Study from Lake Baikal Region / D. Sidorov, D. A. Panasetsky, N. Tomin [et al.]. - Text: direct // Energies. - 2020. - Vol. 13. - № 5. - P. 1226.

18. Voropai, N. I. An Approach to the Modeling of Decentralized Integrated Energy Systems with Renewable Energy Sources / N. I. Voropai, V. A. Stennikov, Z. Bin [et al.]; Melentiev Energy Systems Institute of Siberian Branch of Russian Academy of Sciences. - Text: direct // Energy Systems Research. - 2019. - Vol. 2. - № 1 (5). - P. 512.

19. Sidorov, D. N. Energy Balancing Using Charge/Discharge Storages Control and Load Forecasts in a Renewable-Energy-Based Grids / D. N. Sidorov, Q. Tao, I. Muftahov [et al.]. - Text: direct // Chinese Control Conference, CCC. - 2019. - Vol. 2019-July. - P. 6865-6870.

20. Karamov, D. N. Integration of the Storage Battery Categorization Process Into the Task of Optimizing the Equipment of Stand-Alone Energy Systems with Renewable Energy Sources / D. N. Karamov. - Text: direct // Bulletin of the Tomsk Polytechnic University, Geo Assets Engineering. - 2019. - Vol. 330. - № 5. - P. 113130.

21. Razu§i, P. Finding the Representative Wind Power Plants for the Development of an Upscaling Wind Power Forecast Algorithm / P. Räzu§i, D. Gu§ä, A. Mandi§. - Text: direct // 2015 9th International Symposium on Advanced Topics in Electrical Engineering (ATEE). - 2015. - P. 781-786.

22. Русина, А. Г. PSCAD как инструментарий создания имитационной модели электроэнергетической системы с возобновляемыми источниками энергии / А. Г. Русина, Д. А. Серохвостов, Д. И. Колесников, А. В. Белоглазов; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Вестник Казанского государственного энергетического университета. - 2021. - Т. 13. - № 1 (49). - С. 163-176.

23. Rusina, A. G. PSCAD as a Tool for Development of a Simulation Model for a Power System with Renewable Energy Sources / A. G. Rusina, D. A. Serohvostov, D. I. Kolesnikov, A. Arestova; Novosibirsk State Technical University. - Text: electronic //

2020 Ural Smart Energy Conference (USEC), 13-15 November 2020. - Ekaterinburg, 2020. - P. 39-42. - URL: https://ieeexplore.ieee.org/document/9281187 (date of treatment: 17.11.2022).

24. Прогноз развития энергетики мира и России 2019 / под ред. А. А. Макарова, Т. А. Митровой, В. А. Кулагина; ИНЭИ РАН-Московская школа управления СКОЛКОВО. - Москва, 2019. - 210 с. - ISBN 978-5-91438-028-8. -Текст: непосредственный.

25. Прогноз развития энергетики мира и России до 2040 года / Ин-т энергет. исслед. РАН; Аналит. центр при Правительстве РФ. - Москва: ИНЭИ РАН, 2013. - 110 с. - Текст: непосредственный.

26. Подольский, Ю. В. Нефтегазовый потенциал России. Современное состояние, перспективы развития / Ю. В. Подольский, О. М. Прищепа. - Текст: электронный // Нефтегазовая геология. Теория и практика. - 2007. - Т. 2. - С. 23. -URL: https://cyberleninka.ru/article/n/ne^egazovyy-potentsial-rossii-sovremennoe-sostoyanie-perspektivy-razvitiya (дата обращения: 03.04.2022).

27. Renewables Global Status Report 2018. - Text: direct // REN21. - 2018. -

325 p.

28. Harrison, D. How to Increase Your Company's Renewables Portfolio / D. Harrison. - Text: electronic // BSR: [website]. - URL: https://www.bsr.org/en/our-insights/blog-view/how-to-increase-your-companys-renewable-energy-portfolio (date of publication: 15.05.2017).

29. Perspectives for the Energy Transition: Investment Needs for a Low-Carbon Energy System. - Text: direct // IRENA: International Renewable Energy Agency. -2017. - 204 p.

30. Косарев, Б. А. Динамическое перераспределение источников питания в электротехнической системе с распределенной генерацией / Б. А. Косарев, Г. А. Кощук, В. К. Федоров, Л. Г. Полынцев; Ом. гос. техн. ун-т. - Текст: непосредственный // Омский научный вестник. - 2019. - № 2 (164). - С. 50-55.

31. Федоров, В. К. Особенности проектирования электротехнических систем с распределенной генерацией / В. К. Федоров, Б. А. Косарев, Г. А. Кощук,

О. А. Лысенко; Ом. гос. техн. ун-т. - Текст: непосредственный // Актуальные вопросы энергетики: материалы Всерос. науч.-практ. конф. с междунар. участием, 21 мая 2019 г. - Омск: Ом. гос. техн. ун-т, 2019. - С. 113-116.

32. Федоров, В. К. Проблемы и перспективы использования возобновляемых источников энергии / В. К. Федоров, А. С. Татевосян, М. М. Сангов, Р. Т. Тажиев; Ом. гос. техн. ун-т. - Текст: непосредственный // Национальные приоритеты России. - 2017. - № 5 (27). - С. 88-91.

33. Федоров, В. К. Влияние распределенной генерации на потери и качество электрической энергии / В. К. Федоров, Е. Н. Леонов, Д. В. Федоров; Ом. гос. техн. ун-т; Тюм. индустр. ун-т. - Текст: непосредственный // Омский научный вестник. - 2016. - № 6 (150). - С. 72-76.

34. Пержабинский, С. М. Оценка надежности электроэнергетических систем с ветровыми электростанциями и накопителями энергии / С. М. Пержабинский, Д. Н. Карамов. - Текст: непосредственный // Известия Российской академии наук. Энергетика. - 2018. - № 5. - C. 15-25.

35. Haeger, U. Monitoring, Control and Protection of Interconnected Power Systems / U. Haeger, C. Rehtanz, N. I. Voropai [et al.]; Melentiev Energy Systems Institute of Siberian Branch of the Russian Academy of Sciences. - Berlin: SpringerVerlag Berlin Heidelberg, 2014. - 391 p. - ISBN 978-3-642-53847-6. - Text: direct.

36. Lombardi, P. Isolated Power System in Russia: A Chance for Renewable Energies? / P. Lombardi, T. Sokolnikova, K. Suslov [et al.]; Irkutsk National Research Technical University. - Text: direct // Renewable Energy. - 2016. - Vol. 90. - P. 532541.

37. Min, T. Y. Development of Renewable Energy Resources in Global Energy Interconnection / T. Y. Min, H. Haiyang, M. G. Tyagunov [et al.]. - Text: direct // EAI/Springer Innovations in Communication and Computing. - 2020. - Vol. 3. - P. 175191.

38. Wang, L. Stability Improvement of a Multimachine Power System Connected With a Large-Scale Hybrid Wind-Photovoltaic Farm Using a Supercapacitor / L. Wang, Q.-S. Vo, A. V. Prokhorov; National Cheng Kung University; Tomsk

Polytechnic University. - Text: direct // IEEE Transactions on Industry Applications. -2018. - Vol. 54. - № 1. - P. 50-60.

39. Wang, L. Dynamic Stability Analysis of a Hybrid Wave and Photovoltaic Power Generation System Integrated Into a Distribution Power Grid / L. Wang, Q.-S. Vo, A. V. Prokhorov; National Cheng Kung University. - Text: direct // IEEE Transactions on Sustainable Energy. - 2017. - Vol. 8. - № 1. - P. 404-413.

40. Пантелеев, В. И. Оценка эффективности использования распределенной генерации в сетях республики Ирак методом имитационного моделирования / В. И. Пантелеев, М. А. Авербух, Е. В. Жилин, М. В. Абдулваххаб; Сибир. федер. ун-т; Белгор. гос. технолог. ун-т им. В. Г. Шухова. - Текст: непосредственный // Промышленная энергетика. - 2020. - № 5. - С. 50-57.

41. Лукутин, Б. В. Возобновляемые источники энергии / Б. В. Лукутин. -Берлин: LAP LAMBERT Academic Publishing GmbH&Co, 2012. - 238 с. - Текст: непосредственный.

42. Gordievsky, E. Wind Turbine Matlab Simulation Model / E. Gordievsky, A. Miroshnichenko, E. Solomin; South Ural State University; National Research University. - Text: direct // Proceedings - 2020 International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2020. - Sochi: Institute of Electrical and Electronics Engineers Inc., 2020. - P. 9112076.

43. Давыдов, Д. Ю. Модель скорости ветра на основе дробного стохастического процесса / Д. Ю. Давыдов, С. Г. Обухов; Нац. исслед. Том. политехн. ун-т. - Текст: непосредственный // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2021. - Т. 332. - № 5. - С. 39-48.

44. Обухов, С. Г. Двухконтурный накопитель энергии для гибридных энергетических систем с возобновляемыми источниками энергии / С. Г. Обухов, И. А. Плотников, А. Ибрагим, В. Г. Масолов; Нац. исслед. Том. политехн. ун-т. -Текст: непосредственный // Известия Томского политехнического университета. Инжиниринг георесурсов. - 2020. - Т. 331. - № 1. - С. 64-76.

45. Obukhov, S. Modeling Wind Speed Based on Fractional Ornstein-Uhlenbeck Process / S. Obukhov, E. M. Ahmed, D. Y. Davydov [et al.]; National

Research Tomsk Polytechnic University. - Text: electronic // Energies. - 2021. - Vol. 14. - № 17. - P. 5561. - URL: https://doi.org/10.3390/en14175561 (date of treatment: 17.11.2022).

46. Enriquez-Velasquez, E. A. Estimation of Solar Resource Based on Meteorological and Geographical Data: Sonora State in Northwestern Territory of Mexico as Case Study / E. A. Enriquez-Velasquez, V. H. Benitez, S. G. Obukhov [et al.]; National Research Tomsk Polytechnic University. - Text: electronic // Energies. - 2020. - Vol. 13. - № 24. - P. 6501. - URL: https://doi.org/10.3390/en13246501 (date of treatment: 17.11.2022).

47. Gilbert, C. A Hierarchical Approach to Probabilistic Wind Power Forecasting / C. Gilbert, J. Browell, D. McMillan; University of Strathclyde. - Text: direct // 2018 IEEE International Conference on Probabilistic Methods Applied to Power Systems (PMAPS), 24-28 June 2018. - Boise, 2018. - P. 1-6.

48. Osipov, D. S. Algorithms of Packet Wavelet Transform for Power Determination Under Nonsinusoidal Modes / D. S Osipov, N. N. Dolgikh, V. N. Goryunov, D. V. Kovalenko; Omsk State Technical University. - Text: direct // 2016 Dynamics of Systems, Mechanisms and Machines (Dynamics): 10th IEEE International Scientific and Technical Conference, 15-17 November 2016. - Omsk, 2017. - P. 1-5.

49. Осипов, Д. С. Алгоритмы пакетного вейвлет преобразования для определения мощности при несинусоидальных режимах / Д. С. Осипов, В. Н. Горюнов, Н. Н. Долгих, Д. В. Коваленко; Ом. гос. техн. ун-т. - Текст: непосредственный // Динамика систем, механизмов и машин. - 2016. - № 2. - С. 131-140.

50. Осипов, Д. С. Разработка метода расчета потерь мощности в токоведущих частях при наличии интергармоник / Д. С. Осипов, Д. В. Коваленко, Л. А. Файфер [и др.]; Ом. гос. техн. ун-т. - Текст: непосредственный // Омский научный вестник. - 2017. - № 4 (154). - С. 60-65.

51. Osipov, D. S. Development of Conductive Parts Power Losses Calculation Method in Case of Interharmonics / D. S. Osipov. - Text: direct // Przeglad Elektrotechniczny. - 2017. - Vol. 1. - № 6. - P. 148-151.

52. Bay, Yu. D. Stochastic Modeling of a DFIG Wind Turbine in Matpower / Yu. D. Bay, A. Suvorov, A. S. Gusev [et al.]; Tomsk Polytechnic University. - Text: direct // IEEE Access. - 2021. - Vol. 9. - P. 1-1.

53. Малькова, Я. Ю. Изучение влияния возобновляемой генерации на уровень напряжения узлов электроэнергетической системы / Я. Ю. Малькова, Р. А. Уфа, А. С. Гусев; Нац. исслед. Том. политехн. ун-т. - Текст: непосредственный // Современные технологии, экономика и образование: сб. материалов II Всерос. науч.-метод. конф., 2-4 сентября 2020 г. - Томск: Нац. исслед. Том. политехн. ун-т, 2020 . - С. 62-63.

54. Prutik, A. F. Decision Support System Prototype for Dispatch Personnel Based on CIM-standards and Modern IT-technologies / A. F. Prutik, A. S. Gusev, Yu. D. Bay. - Text: direct // AIP Conference Proceedings: Thermophysical Basis of Energy Technologies (TBET 2019). - 2020. - Vol. 2212. - № 1. - P. 020049.

55. Tsydenov, E. A. Machine Learning Based Online Estimation of Power Plant Participation Factors for Automatic Generation Control / E. A. Tsydenov, A. Prokhorov, P. Khaustov; Tomsk Polytechnic University. - Text: direct // Relay Protection and Automation (RPA 2019) Proceedings 2nd International Youth Scientific and Technical Conference, 24-25 October 2019. - New York: IEEE, 2019. - 12 p.

56. Asanova, S. M. A Method for Design of the Optimal Structure of Autonomous Distributed Hybrid Energy Complexes, and Regulation of the Energy Balance Therein / S. M. Asanova, S. E. Kokin, S. A. Dmitriev [et al.]; Kyrgyz State Technical University named after I. Razzakov; Ural Federal University. - Text: direct // Международный научный журнал Альтернативная энергетика и экология. - 2020. - № 25-27 (347-349). - P. 42-51.

57. Sedelnikov, A. Restoration of the Current Signal from Solar Panels of AIST Small Spacecraft for Estimate the Parameters of the Rotational Motion / A. Sedelnikov, T. A. Ivashova, S. L. Safronov; Samara National Research University. - Text: direct // Journal of Physics Conference Series. - 2020. - Vol. 1441. - № 1. - P. 012112.

58. Sedelnikov, A. V. Evaluation of the Level of Microaccelerations on-Board of a Small Satellite Caused by a Collision of a Space Debris Particle with a Solar Panel /

A. Sedelnikov. - Text: direct // Jordan Journal of Mechanical and Industrial Engineering. - 2017. - Vol. 11. - № 2. - P. 121-127.

59. Sedelnikov, A. V. How Does Asymmetry of Solar Panels Influence Constructive Component of Microacceleration Field of Inner Environment of Space Laboratory / A. Sedelnikov, D. P. Molyavko, K. I. Potienko; Samara National Research University. - Text: direct // Microgravity Science and Technology. - 2017. - Vol. 29. -№ 4. - P. 305-311.

60. Седельников, А. В. Сравнение спектральных характеристик измеренного и восстановленного сигналов при оценке угловой скорости вращения опытного образца малого космического аппарата «Аист» с помощью данных о токе с панелей солнечных батарей / А. В. Седельников, Т. А. Ивашова, С. Л. Сафронов [и др.]; Сам. нац. исслед. ун-т им. академика С. П. Королева. - Текст: непосредственный // Приборы и системы. Управление, контроль, диагностика. -2020. - № 2. - С. 21-28.

61. Sarry, S. Intellectual Control System of Switching Devices of High-Voltage Substations / S. Sarry, V. Nagay, P. Kireev [et al.]; Platov South-Russian State Polytechnic University (NPI). - Text: direct // Proceedings of the 10th International Scientific Symposium on Electrical Power Engineering, Elektroenergetika 2019. -Novocherkassk: Technical University of Kosice, 2019. - Vol. 10. - P. 297-301.

62. Попов, П. А. Модернизация программы автоматического расчета режимов работы участка электрической сети с ответвительными подстанциями / П. А. Попов, П. С. Киреев, В. И. Нагай; Юж.-Рос. гос. политехн. ун-т (НПИ) им. М. И. Платова. - Текст: непосредственный // Кибернетика энергетических систем: сб. материалов XXXIX сессии Всерос. науч. семинара по тематике «Электроснабжение». - Новочеркасск: Юж.-Рос. гос. политехн. ун-т (НПИ) им. М. И. Платова, 2018. - С. 298-302.

63. Sovacool, B. K. Balancing Safety with Sustainability: Assessing the Risk of Accidents for Modern Low-Carbon Energy Systems / Benjamin K. Sovacool, Rasmus Andersen, Steven Sorensen [et al.]. - Text: electronic // Journal of Cleaner Production. -

2016. - Vol. 112. - Part. 5. - P. 3952-3965. - URL: https://doi.org/10.1016/jjclepro.2015.07.059 (date of treatment: 12.11.2022).

64. Jacobson, H. K. United Nations Framework Convention on Climate Change: Climate Policy: International / H. K. Jacobson. - London: Cambridge University Press, 2001. - Text: direct.

65. Министерство энергетики РФ: офиц. сайт. - URL: http://minenergo.gov.ru (дата обращения: 12.11.2022). - Текст: электронный.

66. Пантелеев, В. И. Разработка методики рационального использования водных ресурсов Ангаро-Енисейского каскада гидроэлектростанций / В. И. Пантелеев, С. С. Труфакин; Сиб. федер. ун-т. - Текст: непосредственный / Вестник Иркутского государственного технического университета. - 2019. - Т. 23. - № 6 (149). - С. 1165-1174.

67. Филиппова, Т. А. Особенности выбора вектора независимых параметров при оптимизации режимов гидроэлектростанций / Т. А. Филиппова, Е. А. Совбан, В. И. Пантелеев, С. С. Труфакин; Новосиб. гос. техн. ун-т; Сиб. федер. ун-т. - Текст: непосредственный / Актуальные проблемы электронного приборостроения АПЭП - 2018: тр. XIV междунар. науч.-техн. конф.: в 8 т. -Новосибирск: Новосиб. гос. техн. ун-т, 2018. - Т. 7. - С. 279-282.

68. Samoylenko, V. O. Analysing Renewable Energy Flow Distribution and Its Influence on Grid Electricity Prices / V. O. Samoylenko, A. V. Pazderin, S. A. Bychkov; Department of Automated Electrical Systems; Ural Federal University. - Text: direct // Renewable Energy and Power Quality Journal. - 2020. - Vol. 18. - P. 631-636.

69. Самойленко, В. О. Перспективные тенденции развития распределительных сетей / В. Самойленко, Н. Мухлынин, А. Паздерин, А. Журавлев; Ур. федер. ун-т им. первого Президента России Б. Н. Ельцина. - Текст: непосредственный // Электроэнергия. Передача и распределение. - 2019. - № S1 (12). - С. 6-13.

70. Pazderin, A. V. An Experience of Distant Consumers Power Supply by Means of the Renewables Given Specific Conditions / A. V. Pazderin, V. O. Samoylenko,

S. Eroshenko; Ural Federal University. - Text: direct // Renewable Energy and Power Quality Journal. - 2016. - Vol. 1. - № 14. - P. 668-671.

71. Секретарев, Ю. А. Оптимальное управление режимами водохранилищ Вахшских ГЭС для повышения выработки электроэнергии в Таджикистане / Ю. А. Секретарев, Ш. М. Султонов, В. Г. Шальнев; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Электротехника. Электротехнология. Энергетика: сб. науч. тр. VII междунар. науч. конф. молодых ученых, 9-12 июня 2015 г.: в 3 ч. -Новосибирск: Новосиб. гос. техн. ун-т, 2015. - Ч. 3. - С. 173-177.

72. Лукутин, Б. В. Проектирование ветро-солнечных электростанций для систем автономного электроснабжения удаленных поселений Томской области / Б. В. Лукутин, И. О. Муравлев; Нац. исслед. Том. политехн. ун-т. - Текст: непосредственный // Энергетик. - 2013. - № 5. - С. 43-46.

73. Kolev, V. Forecasting the Hourly Power Output of Wind Farms for Day-Ahead and Intraday Markets / V. Kolev, S. Sulakov. - Text: direct // 2018 10th Electrical Engineering Faculty Conference (BulEF), 11-14 September 2018. - Sozopol, 2018. - P. 1-4.

74. Chang, G. W. Forecasting Wind Power Generation by a New Type of Radial Basis Function-Based Neural Network / G. W. Chang, H. J. Lu, Y. Y. Chen, Y. R. Chang; Department of Electrical Engineering; National Chung Cheng University. - Text: direct // 2017 IEEE Power & Energy Society General Meeting, 16-20 July 2017. - Chicago, 2017. - P. 1-5.

75. Lotfi, B. Large Scale Wind Power Integration: Extended Power System Operations / B. Lotfi, N. Bellaaj, M. El Euch; University of Tunis El Manar. - Text: direct // 2015 Saudi Arabia Smart Grid (SASG), 07-09 December 2015. - Jeddah, 2015. - P. 16.

76. Gang, W. Study on Optimal Dispatch and Control of Active Power for Wind Farm Cluster Based on the Fusion Information / Wei Gang, Wu Xingquan, Li Xiaohu, Wang Chengfu; Electric Power Design Institute of Gansu Province; Shandong University. - Text: direct // 2016 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), 25-28 October 2016. - Xi'an, 2016. - P. 2385-2389.

77. Bloomberg New Energy Finance (BNEF) Clean Energy & Energy Smart Technology League Tables 2017. - Text: direct // Bloomberg. - 2017. - 32 p.

78. BP Statistical Review of World Energy 2019. - 68th ed. - Text: direct // BP Statistical Review of World Energy. - 2019. - 62 p.

79. Spittler, N. Understanding the Current Energy Paradigm and Energy System Models for More Sustainable Energy System Development / N. Spittler, G. Gladkykh, A. Diemer, B. Davidsdottir; University of Iceland, University of Clermont Auvergne. - Text: electronic // Energies. - 2019. - Vol. 12. - № 8. - P. 1584. - URL: https://www.mdpi.com/1996-1073/12/8/1584 (date of treatment: 12.11.2022).

80. Abesamis, K. A. Short-Term Wind Power Forecasting Using Structured Neural Network / K. A. Abesamis, P. Ang, F. I. Bisquera [et al.]. - Text: direct // 2019 IEEE 11th International Conference on Humanoid, Nanotechnology, Information Technology, Communication and Control, Environment, and Management (HNICEM).

- 2019. - P. 1-4.

81. Ходоченко, А. В. Развитие возобновляемой энергетики в РФ в современных условиях / А. В. Ходоченко. - Текст: непосредственный // Организационно-экономические проблемы регионального развития в современных условиях: материалы науч.-практ. конф. молодых ученых, аспирантов и студентов.

- Симферополь: Крым. федер. ун-т им. В. И. Вернадского, 2018. - С. 355-358.

82. Косарев, Б. А. Методика управления системой электроснабжения с синхронной генерацией / Б. А. Косарев, О. А. Лысенко, В. К. Федоров, Р. Н. Хамитов; Ом. науч.-исслед. ин-т приборостроения; Ом. гос. техн. ун-т. - Текст: непосредственный // Актуальные вопросы энергетики. - 2020. - Т. 2. - №2 1 - С. 4852.

83. Косарев, Б. А. Хаотические режимы работы децентрализованных систем электроснабжения / Б. А. Косарев, О. А. Лысенко, В. К. Федоров, Р. Н. Хамитов; Ом. науч.-исслед. ин-т приборостроения; Ом. гос. техн. ун-т. - Текст: непосредственный // Актуальные вопросы энергетики. - 2020. - Т. 2. - № 1. - С. 27-31.

84. Труфакин, С. С. Оптимизация долгосрочных режимов ГЭС Ангаро-Енисейского каскада / С. С. Труфакин, В. И. Пантелеев, Е. А. Совбан, А. Г. Русина; Сиб. федер. ун-т; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Вестник Самарского государственного технического университета. Серия: Технические науки. - 2018. - № 2 (58). - С. 144-151.

85. Манчук, Г. Р. Перспективы энергоснабжения сельскохозяйственных и промышленных объектов в труднодоступных районах с суровым климатом / Г. Р. Манчук, С. В. Горелов, В. П. Горелов; Новосиб. гос. архитектур.-строит. ун-т; Новосиб. гос. акад. вод. транспорта. - Текст: непосредственный // Научные проблемы транспорта Сибири и Дальнего Востока. - 2014. - № 4. - С. 374-378.

86. Манусов, В. З. Предиктивное управление и прогнозирование производственного процесса в условиях детерменированного хаоса / В. З. Манусов, Д. В. Орлов, Д. В. Антоненков; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Известия Российской академии наук. Энергетика. - 2022. - № 3. - С. 63-78.

87. Djagarov, N. Adaptive Control of Wind PMSG / N. Djagarov, Z. Grozdev, M. Bonev [et al.]; Nikola Vaptsarov Naval Academy; Technical University of Varna; Ural Federal University. - Text: direct // Proceedings of the 2016 17th International Scientific Conference on Electric Power Engineering (EPE 2016), 16-18 May 2016. -Prague: Czech Technical University in Prague, 2016. - P. 7521828.

88. Djagarov, N. PI Vector Control Study for Wind PMSG / N. Djagarov, J. Djagarova, Z. Grozdev [et al.]; Nikola Vaptsarov Naval Academy. - Text: direct // 2016 IEEE 16th International Conference on Environment and Electrical Engineering (EEEIC), 07-10 June 2016. - Florence, 2016. - P. 7555828.

89. Molotov, F. WPP Control Algorithm as Part of the Local Power System / F. Molotov, A. Vaskov, M. Tyagunov; National Research University. - Text: direct // 2019 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), 25-29 March 2019. - Sochi, 2019. - P. 8742925.

90. Лукутин, Б. В. Методика исследования динамических характеристик ветрогенераторов / Б. В. Лукутин, Е. Ж. Сарсикеев; Том. политехн. ун-т. - Текст:

непосредственный // Научно-технический вестник Поволжья. - 2011. - № 1. - С. 140-143.

91. Chernov, D. A. Features of Design and Operation of Wind-Diesel Complexes / D. A. Chernov, N. D. Karpov, M. G. Tyagunov. - Text: direct // 2018 International Ural Conference on Green Energy (UralCon). - 2018. - P. 34-38.

92. Чемборисова, Н. Ш. Малозатратный метод управления установившимися режимами ЭЭС / Н. Ш. Чемборисова, А. В. Пешков, Т. Б. Матковская, Д. И. Прокопец; Амур. гос. ун-т. - Текст: непосредственный // Вестник Амурского государственного университета. Серия: Естественные и экономические науки. - 2002. - № 19. - С. 44-46.

93. Samoylenko, V. Balancing Unpredictable Load and Intermittent Renewables by Semi-Dispatchable Distributed Generation / V. Samoylenko, A. Pazderin, P. Ilyushin; Ural Federal University; Saint-Petersburg Institute of Professional Development. - Text: direct // Proceedings of the 2020 Ural Smart Energy Conference, USEC 2020, 13-15 November 2020. - Ekaterinburg: Institute of Electrical and Electronics Engineers Inc., 2020. - P. 134-137.

94. Фишов, А. Г. SMART технологии для подключения к электрическим сетям и управления режимами малой генерации / А. Г. Фишов, А. К. Ландман, О.

B. Сердюков; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Электроэнергетика глазами молодежи - 2017: материалы VIII Междунар. науч.-техн. конф., 2-6 октября 2017 г.: в 3 т. - Самара: Сам. гос. техн. ун-т, 2017. - Т. 1. -

C. 27-34.

95. Чемборисова, Н. Ш. Обеспечение надежности при управлении электрическими режимами ЭЭС / Н. Ш. Чемборисова; Амур. гос. ун-т. - Текст: непосредственный // Методические вопросы исследования надежности больших систем энергетики: материалы Междунар. науч. семинара им. Ю. Н. Руденко. -Сыктыквар: Коми респ. тип., 2000. - Вып. 51. - С. 254-260.

96. Секретарев, Ю. А. Прогнозирование изменчивости энергетических характеристик гидроагрегатов в процессе эксплуатации / Ю. А. Секретарев, К. М. Денисов; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Электро.

Электротехника, электроэнергетика, электротехническая промышленность. - 2015.

- № 6. - С. 37-40.

97. Solomin, E. The Comparison of Solar-Powered Hydrogen Closed-Cycle System Capacities for Selected Locations / E. Solomin, S. Kumarasamy, A. Kovalyov [et al.]; South Ural State University; Universiti Malaysia Pahang (UMP). - Text: direct // Energies. - 2021. - Vol. 14. - № 9. - P. 2722.

98. Ozkan, M. B. Data Mining-Based Upscaling Approach for Regional Wind Power Forecasting: Regional Statistical Hybrid Wind Power Forecast Technique (RegionalSHWIP) / M. B. Ozkan, P. Karagoz. - Text: direct // IEEE Access. - 2019. -Vol. 7. - P. 171790-171800.

99. Qevik, H. H. Day Ahead Wind Power Forecasting Using Complex Valued Neural Network / H. H. Qevik, Y. E. Acar, M. Qunka§; Sel?uk University. - Text: direct // 2018 International Conference on Smart Energy Systems and Technologies (SEST), 10-12 September 2018. - Seville, 2018. - P. 1-6.

100. Li, L. Dynamic Equivalence Method of Wind Farm Considering the Wind Power Forecast Uncertainty / L. Li, X. Wang, Q. Chen, Y. Teng; Southwest Jiaotong University. - Text: direct // 2019 IEEE Innovative Smart Grid Technologies - Asia (ISGT Asia). - 2019. - P. 1677-1682.

101. Pinho da Silva, N. Ensemble-Based Estimation of Wind Power Forecast Uncertainty / N. Pinho da Silva, L. Rosa, R. Pestana. - Text: direct // 2015 12th International Conference on the European Energy Market (EEM), 19-22 May 2015. -Lisbon, 2015. - P. 1-5.

102. Ye, L. Hierarchical Model Predictive Control Strategy Based on Dynamic Active Power Dispatch for Wind Power Cluster Integration / L. Ye, C. Zhang, Y. Tang [et al.]. - Text: direct // IEEE Transactions on Power Systems. - 2019. - Vol. 34. - № 6.

- P. 4617-4629.

103. Рыхлов, А. Б. Анализ применения законов распределения для выравнивания скоростей ветра / А. Б. Рыхлов; Сарат. гос. ун-т. - Текст: электронный // Известия Саратовского университета. Новая серия. Серия: Науки о Земле. - 2010. - Т. 10. - № 2. - С. 25-30. - URL:

https://cyberleninka.ru/article/n/analiz-primeneniya-zakonov-raspredeleniya-dlya-vyravnivaniya-skorostey-vetra/viewer (дата обращения: 14.04.2022).

104. Джамалов, Дж. А. О законах распределения скорости ветра и вычислении давления на здания и сооружения / Дж. А. Джамалов; Азербайдж. науч.-исслед. ин-т строительства и архитектуры. - Текст: электронный // Актуальные проблемы гуманитарных и естественных наук. - 2013. - № 11-2. - С. 90-96. - URL: https://cyberleninka.ru/article/n/o-zakonah-raspredeleniya-skorosti-vetra-i-vychislenii-davleniya-na-zdaniya-i-sooruzheniya/viewer (дата обращения: 14.04.2022).

105. Astanei, D. Annual Energy Production Estimation Based on Wind Speed Distribution / D. Astanei, C. Nemes, F. Munteanu, A. Ciobanu. - Text: direct // 2016 International Conference and Exposition on Electrical and Power Engineering (EPE), 2022 October 2016. - Iasi, 2016. - P. 862-867.

106. Kumaraswamy, B. G. Analysis of Seasonal Wind Speed and Wind Power Density Distribution in Aimangala Wind form at Chitradurga Karnataka Using Two Parameter Weibull Distribution Function / B. G. Kumaraswamy, B. K. Keshavan, Y. T. Ravikiran. - Text: direct // 2011 IEEE Power and Energy Society General Meeting, 2428 July 2011. - Detroit, 2011. - P. 1-4.

107. Dai, Y. Wind Energy Resource Assessment and Derivation of Characteristic Wind Speed in Wind Field of Inner Mongolia / Y. Dai, Y. Lu, Y. Sun, Y. He; Xinjiang Ploytechnical College. - Text: direct // 2011 International Conference on Consumer Electronics, Communications and Networks (CECNet), 16-18 April 2011. - Xianning, 2011. - P. 3787-3790.

108. Konara, K. M. S. Y. Estimation of Annual Energy Output of a Wind Turbine Using Wind Speed Probability Distribution / K. M. S. Y. Konara, H. G. Beyer, M. L. Kolhe; University of Agder. - Text: direct // 2016 3rd International Conference on Electrical Energy Systems (ICEES), 17-19 March 2016. - Chennai, 2016. - P. 117-121.

109. Wang, R. Development of Wind Speed Forecasting Model Based on the Weibull Probability Distribution / R. Wang, W. Li, B. Bagen; Inner Mongolia University of Technology. - Text: direct // 2011 International Conference on Computer Distributed

Control and Intelligent Environmental Monitoring, 19-20 February 2011. - Changsha, 2011. - P. 2062-2065.

110. Razika, I. Comparison Between Hybrid Weibull and MEP Methods for Calculating Wind Speed Distribution / I. Razika, I. Nabila, M. Marouane. - Text: direct // 2014 5th International Renewable Energy Congress (IREC), 25-27 March 2014. -Hammamet, 2014. - P. 1-6.

111. Ramadan, A. Optimal Power Flow for Distribution Systems with Uncertainty / A. Ramadan, M. Ebeed, S. Kamel, L. Nasrat. - Text: electronic // Uncertainties in Modern Power Systems. - New York: Academic Press, 2021. - P. 145162. - URL: https://doi.org/10.1016/B978-0-12-820491-7.00005-0 (date of treatment: 12.11.2022).

112. Noratiqah, M. D. S. Seasonal Wind Speed Distribution Analysis in West Coast of Malaysia / M. D. S. Noratiqah, A. Asmat, S. Mansor; Universiti Teknologi MARA. - Text: direct // 2012 International Conference on Statistics in Science, Business and Engineering (ICSSBE), 10-12 September 2012. - Langkawi, 2012. - P. 1-5.

113. Ouarda, T. B. M. J. Distributions of Wind Speed in a Northern Environment / T. B. M. J. Ouarda, C. Charron. - Text: direct // 2018 9th International Renewable Energy Congress (IREC). - 2018. - P. 1-3.

114. Nayak, A. K. Adequacy Assessment of Wind Energy Conversion System through Simulating Wind Speed Using Weibull Distribution / A. K. Nayak, K. B. Mohanty. - Text: direct // 2017 National Power Electronics Conference (NPEC), 18-20 December 2017. - Pune, 2017. - P. 102-105.

115. Zhang, X. DC Voltage Control of AC/DC Hybrid Distribution Network with Low-Speed Distributed Wind Energy Conversion Systems / X. Zhang, W. Wei, L. Ni; Nanjing Institute of Technology. - Text: direct // 2018 2nd IEEE Conference on Energy Internet and Energy System Integration (EI2), 20-22 October 2018. - Beijing, 2018. - P. 1-6.

Jhimpir, Pakistan / M. A. Khan, Y. Zhang, J. Wang [et al.]; Xi'an Jiaotong University. -Text: direct // IEEE Access. - 2021. - Vol. 9. - P. 7011S-70141.

117. Xi, Y. Wind Direction Division of Wind Farm Based on Spontaneous Aggregation Characteristics of Wind-direction Data / Y. Xi, C. Pan, Y. Hu; North China Electric Power University. - Text: direct // 2019 Chinese Control Conference (CCC), 2730 July 2019. - Guangzhou, 2019. - P. 3715-3720.

11S. Miao, S. Modeling Wind Direction Randomness and Correlation Using a Probabilistic Approach / S. Miao, D. Li, Y. Gu, C. Jiang. - Text: direct // 2020 10th International Conference on Power and Energy Systems (ICPES). - 2020. - P. 292-299.

119. Ebuchi, N. Evaluation of Wind Vectors Observed by Oceansat-2 Scatterometer Using Statistical Distributions / N. Ebuchi; Hokkaido University. - Text: direct // 2012 IEEE International Geoscience and Remote Sensing Symposium, 22-27 July 2012. - Munich, 2012. - P. 2043-2046.

120. Bоропай, H. И. Совершенствование системы мониторинга и управления электрическими сетями мегаполисов / H. И. Bоропай, B. Г. Курбацкий, H. B. Томин, Д. А. Панасецкий; Ин-т систем энергетики им. Л. А. Мелентьева СО РАИ. - Текст: непосредственный // Энергетик. - 2016. - № 8. - С. 3-9.

121. Курбацкий, B. Г. Интеллектуальные системы и модели для задач управления электроэнергетическими системами России / B. Г. Курбацкий, H. B. Томин. - Текст: непосредственный // Современные научно-технические и прикладные проблемы энергетики: тр. Междунар. науч. конф., 2V-28 октября 2015 г. - Сумгаит, 2015. - C. 35-40.

122. Trofimov, L. N. Optimization of Capacities of Wind and Solar Power Plants in the Interstate Power Grid in North-East Asia Taking into Account the Intermittence of Their Power Output / L. N. Trofimov, I. L. Trofimov. - Text: direct // 2020 Sustainable Development and Smart Management, ENERGY-21: E3S Web of Conferences. - 2020. - Vol. 209. - P. 343-347.

123. Khalyasmaa, A. Microgrid Development for Remote Residential Customers Power Supply / A. Khalyasmaa, S. Eroshenko, A. Bramm [et al.]; Ural Federal University; Novosibirsk State Technical University. - Text: direct // 2020 International

Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE), 09-10 October 2020. - Bengaluru, 2020. - P. 186-190.

124. Khalyasmaa, A. Strategic Planning of Renewable Energy Sources Implementation Following the Country-Wide Goals of Energy Sector Development / A. Khalyasmaa, S. Eroshenko, A. Bramm [et al.]; Ural Federal University; Novosibirsk State Technical University. - Text: direct // Proceedings of the International Conference on Smart Technologies in Computing, Electrical and Electronics, ICSTCEE 2020. -Bengaluru: Institute of Electrical and Electronics Engineers Inc., 2020. - P. 433-438.

125. Tokarev, A. Forecasting the Solar Power Plants Generation in a Meteorological Data-Constrained Environment / A. Tokarev, A. Khalyasmaa; Ural Federal University; Novosibirsk State Technical University. - Text: direct // 2020 5th International Conference on Green Technology and Sustainable Development (GTSD), 27-28 November 2020. - Ho Chi Minh City, 2020. - P. 657-661.

126. Khalyasmaa, A. Photovoltaic Power Plant Production Operational Forecast Based on Its Short-Term Forecasting Model / A. Khalyasmaa, S. Eroshenko, D. C. Tran, D. Snegirev; Ural Federal University; Novosibirsk State Technical University. - Text: direct // 2020 International Conference on Smart Technologies in Computing, Electrical and Electronics (ICSTCEE), 09-10 October 2020. - Bengaluru, 2020. - P. 560-563.

127. Отузбаев, М. Р. Прогнозирование мощности нагрузки электроэнергетической системы с помощью искусственной нейронной сети с учетом метеорологических факторов / М. Р. Отузбаев. - Текст: непосредственный // Энергия-2020: материалы XV Всерос. (VII междунар.) науч.-техн. конф. студентов, аспирантов и молодых ученых, 7-10 апреля 2020 г.: в 6 т. Т. 3. Электроэнергетика. - Иваново: ИГЭУ, 2020. - С. 16.

128. Худжасаидов, Д. Х. Разработка моделей прогнозирования электропотребления на основе временных рядов в изолированных энергосистемах / Д. Х. Худжасаидов, А. Г. Русина, П. В. Матренин [и др.]; Таджик. техн. ун-т им. академика М. С. Осими; Новосиб. гос. техн. ун-т; Ур. федер. ун-т им. первого Президента России Б. Н. Ельцина. - Текст: непосредственный // Электротехнические системы и комплексы. - 2020. - № 3 (48). - С. 23-27.

129. Senatore, A. A Combined Modelling System for Short-Term Wind Power Forecasting Based on Mesoscale Numerical Weather Prediction / A. Senatore, D. Fuoco, G. Mendicino [et al.]. - Text: direct // 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe). - 2020. - P. 1-5.

130. Ye, C. A Combined Prediction Method of Wind Farm Power / Chen Ye, Gengyin Li, Ming Zhou. - Text: direct // 2010 5th International Conference on Critical Infrastructure (CRIS), 20-22 September 2010. - Beijing, 2010. - P. 1-5.

131. Chang, G. W. A Hybrid Model for Forecasting Wind Speed and Wind Power Generation / G. W. Chang, H. J. Lu, L. Y. Hsu, Y. Y. Chen. - Text: direct // 2016 IEEE Power and Energy Society General Meeting (PESGM). - 2016. - P. 1-5.

132. Tian, S. Wind Power Forecasting Based on ARIMA-LGARCH Model / S. Tian, Y. Fu, P. Ling [et al.]. - Text: direct // 2018 International Conference on Power System Technology (POWERCON), 06-08 November 2018. - Guangzhou, 2018. - P. 1285-1289.

133. Cui, M. A Data-Driven Methodology for Probabilistic Wind Power Ramp Forecasting / M. Cui, J. Zhang, Q. Wang [et al.]. - Text: direct // IEEE Transactions on Smart Grid. - 2019. - Vol. 10. - № 2. - P. 1326-1338.

134. Yang, M. One Parametric Approach for Short-Term JPDF Forecast of Wind Generation / M. Yang, S. Zhu, M. Liu, W.-J. Lee. - Text: direct // IEEE Transactions on Industry Applications. - 2014. - Vol. 50. - № 4. - P. 2837-2843.

135. Zhang, W. A Hybrid EMD-SVM Based Short-Term Wind Power Forecasting Model / W. Zhang, F. Liu, X. Zheng, Y. Li; Central South University. - Text: direct // 2015 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), 15-18 November 2015. - Brisbane, 2015. - P. 1-5.

136. Surussavadee, C. A Neural Network-Based Wind Forecasting Model for Wind Power Management in Northeastern Thailand / C. Surussavadee, W. Wu. - Text: direct // 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 26-31 July 2015. - Milan, 2015. - P. 3957-3960.

137. Meng, X. Application of Grey Theory and Neural Network in Medium Term Wind Power Forecasting / X. Meng, W. Zhao, H. Wang [et al.]. - Text: direct // 2017 Chinese Automation Congress (CAC), 20-22 October 2017. - Jinan, 2017. - P. 53285331.

138. Yi, T. A Novel Combination Model for Wind Power Forecasting with Error Evaluation Parameter Based on Cross Entropy Theory / T. Yi, S. Qian, C. Ning, Z. Lingzhi. - Text: direct // 2012 IEEE International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER). - 2012. - P. 233-237.

139. Bagheri, M. A Novel Wind Power Forecasting Based Feature Selection and Hybrid Forecast Engine Bundled with Honey Bee Mating Optimization / M. Bagheri, V. Nurmanova, O. Abedinia [et al.]; Nazarbayev University. - Text: direct // 2018 IEEE International Conference on Environment and Electrical Engineering and 2018 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), 12-15 June 2018. - Palermo, 2018. - P. 1-6.

140. Shen, W. An EMD-RF Based Short-Term Wind Power Forecasting Method / W. Shen, N. Jiang, N. Li. - Text: direct // 2018 IEEE 7th Data Driven Control and Learning Systems Conference (DDCLS), 25-27 May 2018. - Enshi, 2018. - P. 283-288.

141. Hong, D. Y. An Indirect Short-Term Wind Power Forecast Approach with Multi-Variable Inputs / D. Y. Hong, T. Y. Ji, L. L. Zhang [et al.]; South China University of Technology. - Text: direct // 2016 IEEE Innovative Smart Grid Technologies - Asia (ISGT-Asia). - 2016. - P. 793-798.

142. Yu, Y. A Regional Wind Power Probabilistic Forecast Method Based on Deep Quantile Regression / Y. Yu, M. Yang, X. Han [et al.]. - Text: direct // IEEE Transactions on Industry Applications. - 2021. - Vol. 57. - № 5. - P. 4420-4427.

143. Hou, C. A Wind Direction Forecasting Method Based on Z_Score Normalization and Long Short_ Term Memory / C. Hou, H. Han, Z. Liu, M. Su; Central South University. - Text: direct // 2019 IEEE 3rd International Conference on Green Energy and Applications (ICGEA). - 2019. - P. 172-176.

144. Lobo, M. G. Aggregated Wind Power Prediction Methods Based on Distances Between Weather Forecasting Vectors / M. G. Lobo, I. Sanchez; Universidad

Carlos III de Madrid. - Text: direct // 2009 International Conference on Clean Electrical Power, 09-11 June 2009. - Capri, 2009. - P. 242-247.

145. Shen-zhe, W. A Multi-Timescale Wind Power Forecasting Method Based on Selection of Similar Days / W. Shen-zhe, G. Shan, Z. Xin, Z. Ningyu. - Text: direct // 2016 China International Conference on Electricity Distribution (CICED 2016), 10-13 August 2016. - Xi'an, 2016. - P. 1-5.

146. Kaur, T. Application of Artificial Neural Network for Short Term Wind Speed Forecasting / T. Kaur, S. Kumar, R. Segal; PEC University of Technology. - Text: direct // 2016 Biennial International Conference on Power and Energy Systems: Towards Sustainable Energy (PESTSE), 21-23 January 2016. - Bengaluru, 2016. - P. 1-5.

147. Kiranvishnu, K. Comparative Study of Wind Speed Forecasting Techniques / K. Kiranvishnu, K. Sireesha, J. Ramprabhakar. - Text: direct // 2016 Biennial International Conference on Power and Energy Systems: Towards Sustainable Energy (PESTSE), 21-23 January 2016. - Bengaluru, 2016. - P. 1-6.

148. Vyalkova, S. A. Analysis of Hybrid Model Error of Short-Term Forecast of Energy Consumption in Moscow / S. A. Vyalkova, I. I. Nadtoka; Platov South-Russian State Polytechnic University (NPI). - Text: direct // 2021 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM), 17 May 2021 - 21 May 2021. - Sochi, Russian Federayion. - 2021. - P. 802-806.

149. Varanasi, J. Artificial Neural Network Based Wind Power Forecasting in Belgium / J. Varanasi, M. M. Tripathi; Delhi Technological University. - Text: direct // 2016 IEEE 7th Power India International Conference (PIICON), 25-27 November 2016. - Bikaner, 2016. - P. 1-6.

150. Lee, D. Bivariate Probabilistic Wind Power and Real-Time Price Forecasting and Their Applications to Wind Power Bidding Strategy Development / D. Lee, H. Shin, R. Baldick; Konkuk University; University of Texas at Austin. - Text: direct // IEEE Transactions on Power Systems. - 2018. - Vol. 33. - № 6. - P. 6087-6097.

151. Wilms, H. Exploiting Spatio-Temporal Dependencies for RNN-based Wind Power Forecasts / H. Wilms, M. Cupelli, A. Monti, T. Gross. - Text: direct // 2019 IEEE

PES GTD Grand International Conference and Exposition Asia (GTD Asia), 19-23 March 2019. - Bangkok, 2019. - P. 921-926.

152. Shi, J. Hybrid Forecasting Model for Very-Short Term Wind Power Forecasting Based on Grey Relational Analysis and Wind Speed Distribution Features / J. Shi, Z. Ding, W. Lee [et al.]. - Text: direct // IEEE Transactions on Smart Grid. - 2014.

- Vol. 5. - № 1. - P. 521-526.

153. Liu, Y. Hybrid Relevance Vector Machine Model for Wind Power Forecasting / Y. Liu, H. Zhang, J. Yan, S. Han; North China Electric Power University.

- Text: direct // International Conference on Renewable Power Generation (RPG 2015), 17-18 October 2015. - Beijing, 2015. - P. 1-6.

154. Zhongping, Y. Integrated Wind and Solar Power Forecasting in China / Y. Zhongping, L. Weimin, G. Feng [et al.]. - Text: direct // Proceedings of 2013 IEEE International Conference on Service Operations and Logistics, and Informatics, 28-30 July 2013. - Dongguan, 2013. - P. 500-505.

155. Tao, L. Research on Power System Active Power Scheduling Strategy Adapted to Large-Scale Wind Power Grid-Connected / L. Tao, Q. Rongfa, G. Zhenjiang [et al.]. - Text: direct // 2018 3rd International Conference on Smart City and Systems Engineering (ICSCSE), 29-30 December 2018. - Xiamen, 2018. - P. 482-486.

156. Köksoy, C. E. Improved Wind Power Forecasting Using Combination Methods / C. E. Köksoy, M. B. Özkan, S. Buhan [et al.]; Orta Dogu Teknik Universitesi; Middle East Technical University. - Text: direct // 2015 IEEE 14th International Conference on Machine Learning and Applications (ICMLA), 09-11 December 2015. -Miami, 2015. - P. 1142-1147.

157. Martínez, S. M. Influence of Wind Power Ramp Rates in Short-Time Wind Power Forecast Error for Highly Aggregated Capacity / S. M. Martínez, A. H. Escribano, M. C. Carretón [et al.]; Universidad de Castilla-La Mancha. - Text: direct // 2016 51st International Universities Power Engineering Conference (UPEC), 06-09 September 2016. - Coimbra, 2016. - P. 1-6.

158. Yang-Wu, S. Load Frequency Control Strategy for Wind Power Grid-connected Power Systems Considering Wind Power Forecast / S. Yang-Wu, M. Xun, P.

Ao [et al.]. - Text: direct // 2019 IEEE 3rd Conference on Energy Internet and Energy System Integration (EI2), 08-10 November 2019. - Changsha, 2019. - P. 1124-1128.

159. Kanna, B. Long Term Wind Power Forecast Using Adaptive Wavelet Neural Network / B. Kanna, S. N. Singh [et al.]. - Text: direct // 2016 IEEE Uttar Pradesh Section International Conference on Electrical, Computer and Electronics Engineering (UPCON), 09-11 December 2016. - Varanasi, 2016. - P. 671-676.

160. Makhloufi, S. Long-Term Forecasting of Intermittent Wind and Photovoltaic Resources by using Adaptive Neuro Fuzzy Inference System (ANFIS) / S. Makhloufi, M. Debbache, S. Boulahchiche. - Text: direct // 2018 International Conference on Wind Energy and Applications in Algeria (ICWEAA), 06-07 November 2018. - Algiers, 2018.

- P. 1-4.

161. Wu, J. L. Multistep Wind Power Forecast Using Mean Trend Detector and Mathematical Morphology-Based Local Predictor / J. L. Wu, T. Y. Ji, M. S. Li [et al.]; South China University of Technology. - Text: direct // IEEE Transactions on Sustainable Energy. - 2015. - Vol. 6. - № 4. - P. 1216-1223.

162. Ahmadi, A. Long-Term Wind Power Forecasting Using Tree-Based Learning Algorithms / A. Ahmadi, M. Nabipour, B. Mohammadi-Ivatloo [et al.]. - Text: direct // IEEE Access. - 2020. - Vol. 8. - P. 151511-151522.

163. Colak, I. Multi-Time Series and -Time Scale Modeling for Wind Speed and Wind Power Forecasting Part I: Statistical Methods, Very Short-Term and Short-Term Applications / I. Colak, S. Sagiroglu, M. Yesilbudak [et al.]. - Text: direct // 2015 International Conference on Renewable Energy Research and Applications (ICRERA), 22-25 November 2015. - Palermo, 2015. - P. 209-214.

164. Verma, S. M. Markov Models Based Short Term Forecasting of Wind Speed for Estimating Day-Ahead Wind Power / S. M. Verma, V. Reddy, K. Verma, R. Kumar.

- Text: direct // 2018 International Conference on Power, Energy, Control and Transmission Systems (ICPECTS), 22-23 February 2018. - Chennai, 2018. - P. 31-35.

165. Shi, J. Model Optimization for Very-Short-Term Wind Power Forecasting Using Hilbert-Huang Transform / J. Shi, Y. Gong, X. Liu, X. Zhu; University of Jinan. -

Text: direct // 2016 International Conference on Smart Grid and Clean Energy Technologies (ICSGCE), 19-22 October 2016. - Chengdu, 2016. - P. 239-243.

166. Yang, G. Modelling and Design of Wind Power Forecast Error Estimation System / G. Yang, H. Chen, K. Zhang [et al.]; Southeast University. - Text: direct // 2014 IEEE Workshop on Advanced Research and Technology in Industry Applications (WARTIA), 29-30 September 2014. - Ottawa, 2014. - P. 1320-1323.

167. Wang, Y. Month-Ahead Wind Power Deterministic Prediction Based on Combination Method / Y. Wang, Y. Liang, L. Yan [et al.]. - Text: direct // 2019 IEEE International Conference on Smart Internet of Things (SmartIoT), 09-11 August 2019. -Tianjin, 2019. - P. 498-499.

168. Lu, S. Multi-Step Ahead Ultra-Short-Term Wind Power Forecasting Based on Time Series Analysis / S. Lu. - Text: direct // 2020 International Conference on Computer Information and Big Data Applications (CIBDA). - 2020. - P. 430-434.

169. González-Sopeña, J. M. Multi-Step Ahead Wind Power Forecasting for Ireland Using an Ensemble of VMD-ELM Models / J. M. González-Sopeña, V. Pakrashi, B. Ghosh. - Text: direct // 2020 31st Irish Signals and Systems Conference (ISSC). -2020. - P. 1-5.

170. Bitaraf, H. Optimal Operation of Energy Storage to Minimize Wind Spillage and Mitigate Wind Power Forecast Errors / H. Bitaraf, S. Rahman. - Text: direct // 2016 IEEE Power and Energy Society General Meeting (PESGM), 17-21 July 2016. - Boston, 2016. - P. 1-5.

171. Zhang, G. Prediction of Short-Term Wind Power in Wind Power Plant Based on BP-ANN / G. Zhang, L. Zhang, T. Xie. - Text: direct // 2016 IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference (IMCEC), 03-05 October 2016. - Xi'an, 2016. - P. 75-79.

172. Qijun, T. Research on Modeling Spatiotemporal Correlation of Wind Power Forecast Error on Multiple Wind Farms Based on Copula Theory / T. Qijun, W. Chengfu, L. Jun, L. Zhengtang; Shandong University. - Text: direct // 2017 2nd International Conference on Power and Renewable Energy (ICPRE), 20-23 September 2017. -Chengdu, 2017. - P. 447-450.

173. Hu, T. Very Short-Term Spatial and Temporal Wind Power Forecasting: A Deep Learning Approach / T. Hu, W. Wu, Q. Guo [et al.]. - Text: direct // CSEE Journal of Power and Energy Systems. - 2020. - Vol. 6. - № 2. - P. 434-443.

174. Zhu, Z. Short Term Forecast of Wind Power Generation Based on SVM with Pattern Matching / Z. Zhu, D. Zhou, Z. Fan. - Text: direct // 2016 IEEE International Energy Conference (ENERGYCON), 04-08 April 2016. - Leuven, 2016. - P. 1-6.

175. Singh, A. Short Term Wind Speed and Power Forecasting in Indian and UK Wind Power Farms / A. Singh, K. Gurtej, G. Jain [et al.]. - Text: direct // 2016 IEEE 7th Power India International Conference (PIICON), 25-27 November 2016. - Bikaner, 2016. - P. 1-5.

176. Feiyan, W. Notice of Removal: Short-term Wind Power Forecast for Wind Farm Base on Artificial Neural Network / W. Feiyan, L. Xianwen; Wuzhou University; The Beihai Campus of the Guilin University of Electronic. - Text: direct // 2018 International Computers, Signals and Systems Conference (ICOMSSC), 28-30 September 2018. - Dalian, 2018. - P. 544-548.

177. Bhatt, G. A. Statistical and ANN Based Prediction of Wind Power with Uncertainty / G. A. Bhatt, P. R. Gandhi. - Text: direct // 2019 3rd International Conference on Trends in Electronics and Informatics (ICOEI), 23-25 April 2019. -Tirunelveli, 2019. - P. 622-627.

178. Wang, G. Short-Term Wind Power Forecasting Based on BOMLS K-Means Similar Hours Clustering Method / G. Wang, L. Jia; Northeast University. - Text: direct // 2019 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), 01-04 December 2019. - Macao, 2019. - P. 1-5.

179. Wang, S. Ultra-Short-Term Wind Power Forecasting Based on Deep Belief Network / S. Wang, Y. Sun, S. Zhai [et al.]; Hohai University. - Text: direct // 2019 Chinese Control Conference (CCC), 27-30 July 2019. - Guangzhou, 2019. - P. 74797483.

direct // 2016 International Conference on Probabilistic Methods Applied to Power Systems (PMAPS), 16-20 October 2016. - Beijing, 2016. - P. 1-7.

181. Sun, Z. Short-Term Wind Power Forecasting Based on VMD Decomposition, ConvLSTM Networks and Error Analysis / Z. Sun, M. Zhao; North China University of Science and Technology. - Text: direct // IEEE Access. - 2020. -Vol. 8. - P. 134422-134434.

182. Wu, Y. Stratification-Based Wind Power Forecasting in a High-Penetration Wind Power System Using a Hybrid Model / Y.-K. Wu, P.-E. Su, J.-S. Hong; National Chung Cheng University. - Text: direct // IEEE Transactions on Industry Applications. -2016. - Vol. 52. - № 3. - P. 2016-2030.

183. Eseye, A. T. Short-Term Wind Power Forecasting Using a Double-Stage Hierarchical Hybrid GA-ANN Approach / A. T. Eseye, J. Zhang, D. Zheng [et al.]; North China Electric Power University. - Text: direct // 2017 IEEE 2nd International Conference on Big Data Analysis (ICBDA), 10-12 March 2017. - Beijing, 2017. - P. 552-556.

184. Sahay, K. B. Short-Term Wind Speed Forecasting of Lelystad Wind Farm by Using ANN Algorithms / K. B. Sahay, S. Srivastava; Madan Mohan Malaviya University of Technology. - Text: direct // 2018 International Electrical Engineering Congress (iEECON), 07-09 March 2018. - Krabi, 2018. - P. 1-4.

185. Dolara, A. Weather-Based Machine Learning Technique for Day-Ahead Wind Power Forecasting / A. Dolara, A. Gandelli, F. Grimaccia [et al.]. - Text: direct // 2017 IEEE 6th International Conference on Renewable Energy Research and Applications (ICRERA), 05-08 November 2017. - San Diego, 2017. - P. 206-209.

186. Zhang, S. Ultra-Short-Term Wind Power Forecasting Model Based on Time-Section Fusion and Pattern Classification / S. Zhang, Z. Zhen, F. Wang [et al.]; North China Electric Power University. - Text: direct // 2020 IEEE/IAS Industrial and Commercial Power System Asia (I&CPS Asia), 13-15 July 2020. - Weihai, 2020. - P. 1325-1333.

187. Mao, J. Wind Power Forecasting Based on Chaos and Wavelet Packet Theory / J. Mao, X. Zhang, J. Li; North Minzu University. - Text: direct // 2018 13th

IEEE Conference on Industrial Electronics and Applications (ICIEA), 31 May 2018 - 02 June 2018. - Wuhan, 2018. - P. 1604-1608.

188. Jyothi, M. N. Very-Short Term Wind Power Forecasting through Adaptive Wavelet Neural Network / M. Nandana Jyothi, P. V. Ramana Rao. - Text: direct // 2016 Biennial International Conference on Power and Energy Systems: Towards Sustainable Energy (PESTSE), 21-23 January 2016. - 2016. - P. 1-6.

189. Makhloufi, S. Wind Speed and Wind Power Forecasting Using Wavelet Denoising-GMDH Neural Network / S. Makhloufi, G. G. Pillai; Stephenson Building Teesside University. - Text: direct // 2017 5th International Conference on Electrical Engineering - Boumerdes (ICEE-B), 29-31 October 2017. - Boumerdes, 2017. - P. 1-5.

190. Dowell, J. Very-Short-Term Probabilistic Wind Power Forecasts by Sparse Vector Autoregression / J. Dowell, P. Pinson; University of Strathclyde; Technical University of Denmark. - Text: direct // IEEE Transactions on Smart Grid. - 2016. - Vol. 7. - № 2. - P. 763-770.

191. Yatiyana, E. Wind Speed and Direction Forecasting for Wind Power Generation Using ARIMA Model / E. Yatiyana, S. Rajakaruna, A. Ghosh; Curtin University. - Text: direct // 2017 Australasian Universities Power Engineering Conference (AUPEC), 19-22 November 2017. - Melbourne, 2017. - P. 1-6.

192. Buhan, S. Wind Pattern Recognition and Reference Wind Mast Data Correlations with NWP for Improved Wind-Electric Power Forecasts / S. Buhan, Y. Ôzkazanç, I. Çadirci. - Text: direct // IEEE Transactions on Industrial Informatics. -2016. - Vol. 12. - № 3. - P. 991-1004.

193. Zhang, P. Wind Power Accommodation Considering the Prediction Error of Wind Power / P. Zhang, C. Li, Q. Zhang. - Text: direct // 2016 International Conference on Probabilistic Methods Applied to Power Systems (PMAPS). - 2016. - P. 1-8.

194. Jianli, Z. Wind Power Forecasting by Using Artificial Neural Networks and Grubbs Criterion / Z. Jianli, W. Jiguang, B. Geping, L. Yingjun. - Text: direct // 2019 22nd International Conference on Electrical Machines and Systems (ICEMS), 11-14 August 2019. - Harbin, 2019. - P. 1-5.

195. Kerem, A. Wind Power Forecasting Using a New and Robust Hybrid Metaheuristic Approach: A Case Study of Multiple Locations / A. Kerem, A. Saygin, R. Rahmani; Kahramanmara§ Süt?ü imam University; Gazi University. - Text: direct // 2019 19th International Symposium on Electromagnetic Fields in Mechatronics, Electrical and Electronic Engineering (ISEF), 29-31 August 2019. - Nancy, 2019. - P. 1-2.

196. Liu, D. A Dynamic Economic Dispatch Method of Wind Integrated Power System Considering the Total Probability of Wind Power / D. Liu, J. Guo, Y. Huang [et al.]. - Text: direct // 2nd IET Renewable Power Generation Conference (RPG 2013). -2013. - P. 1-4.

197. Zhang, X. Reactive Voltage Partitioning Method for the Power Grid With Comprehensive Consideration of Wind Power Fluctuation and Uncertainty / X. Zhang, Y. Chen, Y. Wang [et al.]. - Text: direct // IEEE Access. - 2020. - Vol. 8. - P. 124514124525.

198. Ozkan, M. B. A Novel Wind Power Forecast Model: Statistical Hybrid Wind Power Forecast Technique (SHWIP) / M. B. Ozkan, P. Karagoz. - Text: direct // IEEE Transactions on Industrial Informatics. - 2015. - Vol. 11. - № 2. - P. 375-387.

199. Bouzidi, L. Wind Power Variability: Deterministic and Probabilistic Forecast of Wind Power Production / L. Bouzidi. - Text: direct // 2017 Saudi Arabia Smart Grid (SASG), 12-14 December 2017. - Jeddah, 2017. - P. 1-7.

200. Viet, D. T. A Short-Term Wind Power Forecasting Tool for Vietnamese Wind Farms and Electricity Market* / D. T. Viet, V. V. Phuong, M. Q. Duong [et al.]. -Text: direct // 2018 4th International Conference on Green Technology and Sustainable Development (GTSD). - 2018. - P. 130-135.

201. Peng, X. A Very Short Term Wind Power Forecasting Approach Based on Numerical Weather Prediction and Error Correction Method / X. Peng, D. Deng, J. Wen [et al.]. - Text: direct // 2016 China International Conference on Electricity Distribution (CICED). - 2016. - P. 1-4.

202. Li, D. Method for Wind Farm Cluster Active Power Optimal Dispatch under Restricted Output Condition / D. Li, S. Wang, W. Lei [et al.]. - Text: direct // 2015 5th

International Conference on Electric Utility Deregulation and Restructuring and Power Technologies (DRPT), 26-29 November 2015. - Changsha, 2015. - P. 1981-1986.

203. Liu, M. Dispatch Scheduling for a Wind Farm With Hybrid Energy Storage Based on Wind and LMP Forecasting / M. Liu, F. L. Quilumba, W.-J. Lee; The University of Texas at Arlington. - Text: direct // IEEE Transactions on Industry Applications. -2015. - Vol. 51. - № 3. - P. 1970-1977.

204. Zhu, X. Uncertainties in Directional Offshore Wind Distribution Estimate from Satellite Remote Sensing / X. Zhu, X. Yang. - Text: direct // 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 10-15 July 2016. - Beijing, 2016. - P. 4623-4626.

205. Курбацкий, В. Г. Прогнозирование нестационарных временных рядов на основе преобразования Гильберта - Хуанга и машинного обучения / В. Г. Курбацкий, Д. Н. Сидоров, В. А. Спиряев, Н. В. Томин; Ин-т систем энергетики им. Л. А. Мелентьева СО РАН; Иркут. гос. ун-т; Нац. исслед. Иркут. гос. техн. ун-т. -Текст: непосредственный // Автоматика и телемеханика. - 2014. - № 5. - С. 143158.

206. Курбацкий, В. Г. О нейросетевом подходе к прогнозированию нестационарных временных рядов на основе преобразования Гильберта - Хуанга / В. Г. Курбацкий, Д. Н. Сидоров, В. А. Спиряев, Н. В. Томин; Ин-т систем энергетики им. Л. А. Мелентьева СО РАН. - Текст: непосредственный // Автоматика и телемеханика. - 2011. - № 7. - C. 58-68.

207. Схема электроснабжения муниципального образования город Салехард на период до 2040 года. Т. 3. Основные направления развития электроэнергетического комплекса г. Салехард на период до 2040 года. СЭС89-29/20-ДРЭС.03. Кн. 1. Пояснительная записка / Ин-т проектирования энергет. систем. - Новосибирск, 2021. - 160 с. - URL: https://salekhard.org/upload/iblock/20c/gla0toa7c7rwa6d1i7clt10g895pla61.pdf (дата обращения: 12.11.2022). - Текст: электронный.

208. Постовалов, С. Н. Математическая статистика: конспект лекций: учеб. пособие / С. Н. Постовалов, Е. В. Чимитова, В. С. Карманов; М-во образования и

науки Рос. Федерации; Новосиб. гос. техн. ун-т. - Новосибирск: Новосиб. гос. техн. ун-т, 2014. - 139 с.: ил., табл. - ISBN 978-5-7782-2531-2. - Текст: непосредственный.

209. Лемешко, Б. Ю. Непараметрические критерии согласия: рук. по применению / Б. Ю. Лемешко; М-во образования и науки Рос. Федерации; Новосиб. гос. техн. ун-т. - Москва: ИНФРА-М, 2014. - 162 с.: ил., табл. - ISBN 978-5-16010003-6. - Текст: непосредственный.

210. Проверка простых и сложных гипотез с использованием непараметрических критериев согласия. - URL: https://ami.nstu.ru/~headrd/applied/nepar/nepar.htm (дата обращения: 15.04.2022). -Текст: электронный.

211. Процентные точки распределения статистики Смирнова при использовании метода максимального правдоподобия. - URL: https://ami.nstu.ru/~headrd/applied/nepar/table_B12.htm (дата обращения: 15.04.2022).

212. Weather Basel. - Text: electronic // Meteoblue: weather close to you: [website]. - URL: https://www.meteoblue.com/en/weather/week/basel_switzerland_2661604 (date of treatment: 13.11.2022).

213. Zhuang, L. Comparison of Forecasting Methods for Power System Short-Term Load Forecasting Based on Neural Networks / L. Zhuang, H. Liu, J. Zhu [et al.]; Shandong University. - Text: direct // 2016 IEEE International Conference on Information and Automation (ICIA), 01-03 August 2016. - Ningbo, 2016. - P. 114-119.

214. Nair, A. Short Term Load Forecasting Using Probabilistic Neural Network Based Algorithm / A. Nair, S. K. Joshi. - Text: direct // 2010 International Conference on Computational Intelligence and Communication Networks. - 2010. - P. 128-132.

215. Yi, P. An Electricity Load Forecasting Approach Combining DBN-Based Deep Neural Network and NAR Model for the Integrated Energy Systems / P. Yi, Z. Jianyong, Y. Yun [et al.]. - Text: direct // 2019 IEEE International Conference on Big Data and Smart Computing (BigComp). - 2019. - P. 1-4.

216. Singh, S. Short Term Load Forecasting Using Artificial Neural Network / S. Singh, S. Hussain, M. A. Bazaz; University of Kashmir. - Text: direct // 2017 Fourth International Conference on Image Information Processing (ICIIP), 21-23 December

2017. - Shimla, 2017. - P. 1-5.

217. Hao, W. Refined Load Forecasting of Distribution Network Based on ARIMA Model with Multi-Factor Combination Analysis / W. Hao, H. Tueraili, S. Bin. -Text: direct // 2021 IEEE 4th International Electrical and Energy Conference (CIEEC). -2021. - P. 1-4.

218. Madan, R. Predicting Computer Network Traffic: A Time Series Forecasting Approach Using DWT, ARIMA and RNN / R. Madan, P. S. Mangipudi; Amity University. - Text: direct // 2018 Eleventh International Conference on Contemporary Computing (IC3), 02-04 August 2018. - Noida, 2018. - P. 1-5.

219. Kedrowski, R. Short-Term Seasonal Energy Forecasting / R. Kedrowski, J. Nelson, A. S. Nair, P. Ranganathan; University of North Dakota. - Text: direct // 2018 IEEE International Conference on Electro/Information Technology (EIT), 03-05 May

2018. - Rochester, 2018. - P. 0696-0700.

220. Matrenin, P. V. Optimization of Transformation Coefficients Using Direct Search and Swarm Intelligence / P. V. Matrenin, V. Z. Manusov, D. V. Orlov; Novosibirsk State Technical University. - Text: direct // Problemele Energeticii Regionale. - 2017. - Vol. 1. - № 33. - P. 15-23.

221. Nair, K. R. Forecasting of Wind Speed Using ANN, ARIMA and Hybrid Models / K. R. Nair, V. Vanitha, M. Jisma; Amrita University. - Text: direct // 2017 International Conference on Intelligent Computing, Instrumentation and Control Technologies (ICICICT), 06-07 July 2017. - Kerala, 2017. - P. 170-175.

222. Manusov, V. Z. Predictive Management of Enterprise Power Consumption Based on the SINGULAR SPECTRUM ANALYSIS Method Using Recurrent Forecasting / V. Z. Manusov, D. Antonenkov, D. V. Orlov, B. V. Palagushkin; Novosibirsk State Technical University. - Text: direct // Journal of Physics: Conference Series. - 2021. - Vol. 2131. - № 3. - P. 032113.

223. Yang, Z. Enhancing Sustained Oscillation Detection by Data Pre-Processing Using SSA / Z. Yang, M. Ghorbaniparvar, N. Zhou, Y. Chen; Binghamton University. -Text: direct // 2017 North American Power Symposium (NAPS), 17-19 September 2017.

- Morgantown, 2017. - P. 1-6.

224. Ou, L. Singular Spectrum Analysis for Local Differential Privacy of Classifications in the Smart Grid / L. Ou, Z. Qin, S. Liao [et al.]; Hunan University. -Text: direct // IEEE Internet of Things Journal. - 2020. - Vol. 7. - № 6. - P. 5246-5255.

225. Guo, Z. Short-Term Load Forecasting Based on SSA-LSSVM Model / Z. Guo, L. Hu, J. Wang, M. Hou. - Text: direct // 2021 4th International Conference on Energy, Electrical and Power Engineering (CEEPE). - 2021. - P. 1215-1219.

226. Ansari, K. Real-Time Positioning Based on Kalman Filter and Implication of Singular Spectrum Analysis / K. Ansari; Sejong University. - Text: direct // IEEE Geoscience and Remote Sensing Letters. - 2021. - Vol. 18. - № 1. - P. 58-61.

227. Манусов, В. З. Прогнозирование электропотребления методом анализа сингулярного спектра / В. З. Манусов, Д. В. Орлов, Д. В. Антоненков; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Промышленная энергетика. - 2022. - № 2.

- С. 2-9.

228. Manusov, V. Z. Diagnostics of Technical State of Modern Transformer Equipment Using the Analytic Hierarchy Process / V. Z. Manusov, D. V. Orlov, V. V. Frolova. - Text: direct // 2018 IEEE International Conference on Environment and Electrical Engineering and 2018 IEEE Industrial and Commercial Power Systems Europe (EEEIC/I&CPS Europe). - Palermo, 2018. - P. 2767-2773.

229. Manusov, V. Z. Fault Symptom Diagnostics for Coupling Capacitors using the Analytic Hierarchy Process / V. Z. Manusov, D. V. Orlov, J. S. Ahyoev; Novosibirsk State Technical University. - Text: direct // 2018 19th International Conference of Young Specialists on Micro/Nanotechnologies and Electron Devices (EDM), 29 June 2018 - 03 July 2018. - Erlagol, 2018. - P. 482-487.

230. Манусов, В. З. Диагностика признаков неисправностей трансформаторного оборудования по методу анализа иерархий / В. З. Манусов, Д.

В. Орлов; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Научные проблемы транспорта Сибири и Дальнего Востока. - 2017. - № 3-4. - С. 198-203.

231. Манусов, В. З. Оценка технического состояния трансформаторов с высокотемпературной сверхпроводящей обмоткой по методу анализа иерархий / В. З. Манусов, Д. В. Орлов; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Новое в Российской электроэнергетике. - 2018. - № 5. - С. 17-31.

232. Манусов, В. З. Диагностика технического состояния электрооборудования по методу анализа иерархий / В. З. Манусов, Дж. С. Ахьеев, Д. В. Орлов, Дж. Б. Рахимов; Новосиб. гос. техн. ун-т; Таджик. техн. ун-т им. академика М. С. Осими. - Текст: непосредственный // Политехнический вестник. Серия: Инженерные исследования. - 2018. - № 4 (44). - С. 13-17.

233. Манусов, В. З. Диагностика текущего технического состояния трансформатора с высокотемпературными сверхпроводящими обмотками (ВТСП) методом анализа иерархий / В. З. Манусов, Д. В. Орлов, Н. З. Месхишвили; Новосиб. гос. техн. ун-т. - Текст: непосредственный // Научные проблемы транспорта Сибири и Дальнего Востока. - 2018. - № 2. - С. 215-219.

234. Manusov, V. Z. Diagnostics of Current Technical State of Transformer Equipment Using the Analytic Hierarchy Process / V. Z. Manusov, D. V. Orlov; Novosibirsk State Technical University. - Text: direct // 2018 International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). - 2018. - P. 1-6.

ПРИЛОЖЕНИЕ «А» СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

1РШаШЮШИ ШУЩВМЩШ

& & а за &

ж ж ж

ж »

& $ % *

ш ш

ш

г£ &

$ *

ж ш

ж *

« *

ш *

к *

ж *

ж

к *

*

ш *

ш ж ж ш

с) ш К ® 0 ж я

СВИДЕТЕЛЬСТВО

о государств ей и ой регистрации программы для ЭВМ

№ 2021665977

Программа диагностики текущего технического состояния электрооборудования

Правообладатель: ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ» (ЯП)

Авторы: Манусов Вадим Зиновьевич (ЯП), Орлов Дмитрий Викторович (ЯЦ)

Заявка № 2021665337

Дата поступления 06 Октября 2021 Г.

Дата государственной регистрации в Реестре программ для ЭВМ 06 Октября 2021

Ру ководитель Федеральной службы по интеллектуальной собственности

аэкуит тмлис&Ли'''?« юй юоикыэ

-А! 'м^'в, .11.1 Дч 1Ь.'-ЮМ-<>' х

.им—Нмм'л*! Анчуп. и-"**'

И.ч к»л.«ЦЧЛ1

ГЛ. Ивлиее

3?

г

ж $

ж *

ж ш ж ж

ш &

38

ж ж ш ж ж

Я

к

ж $

8 а ж ш

ж $

ж ж ж ж я ш

Й^Я Я ЙЯЯЯ Я Я ЙЖЖЖЖЖЖЖЖЖЖЙ Я1 я ЯЯ ЯЯЯЯЯЯЯ <

№ 2021665976

Заявив 2021665336

Дата поступления 06 октября 2021 г.

Дата государственной регистрации

в Реестре программ ддя ЭВМ 06 октября 2021 г.

Руководитель Федеральной службы по интеллектуальной собственности

оэкмшт ■ваюс&злп'/зн юй тмлиою

•*-•»"•.....* ГЛ. Ивливв

I' » 1ЛМ._ МмИ'Л» 11*41'.»^ГХ I

и. ч с. .и. МДОМ! V

¡РЖтМЖАЖ ^ВД1РАЩ1£Ш

Ш й £

I ш

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2022661266

■ , » . г . > < . « «

Программа нреднктивного управления мощностью ветроустановок в локальных электроэнергетических

системах

Правообладатель: ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВ А ТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРА ЗОВАНИЯ «НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ» (ЯС)

Авторы Минусов Вадим Зиновьевич (ЯЦ), Орлов Дмитрий Викторович (ЯЦ), Хуснутдинов,Александр Олегович (ЯЦ), Карманов Виталий Сергеевич (Я11)

Заявка № 2022660762

Дата поступления 20 НЮНЯ 2022 Г. Дата государственной регистрации

в Реестре программ для ЭВМ 20 ИЮНЯ 2022 £

шоетжшшг ^ЭДМРАШМШ

Ш й £

м

СВИДЕТЕЛЬСТВО

ПРИЛОЖЕНИЕ «Б» АКТЫ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

УТВЕРЖДАЮ

АКТ

внедрения результатов диссертационной работы Д.В. Орлова на тему: «Разработка и исследование методов предиктивного

электроэнергетических системах» в учебный процесс кафедры «Системы электроснабжения предприятий» Новосибирского Государственного Технического Университета

Разработанные в диссертационной работе математические модели и методы предиктивного управления процессом электропотребления излагаются в разделах учебных курсов «Интеллектуальные системы электроснабжения», «Выбор и принятие решений в электроэнергетике», «Проектирование и эксплуатация систем электроснабжения» кафедры «Системы электроснабжения предприятий». Наряду с этим, излагаются требования нормативно-технической документации к гарантированной поставке электрической мощности в электроэнергетических системах с учетом прогнозных значений выработки электроэнергии возобновляемыми источниками энергии.

Кроме того, материалы диссертационной работы успешно используются при написании выпускных квалификационных работ бакалавров, магистерских диссертаций и в исследованиях некоторых аспирантов.

Заведующий кафедрой

«Системы электроснабжения предприятий»

управления

мощностью

ветроэлектростанций

в

к.т.н., доцент

Д.А. Павлюченко