Учёные из Уральского федерального университета (УрФУ) совместно с коллегами из Новосибирского государственного технического и Рижского технического университетов разработали нейросеть для оптимизации работы ТЭЦ и других энергетических объектов согласно потребностям пользователей. Нейросеть способна делать суточные прогнозы колебаний использования электричества в масштабах целой страны с точностью 98,75%. Об этом RT сообщили в пресс-службе Минобрнауки России. Исследование выполнено при финансовой поддержке по программе «Приоритет-2030». Результаты опубликованы в журнале The Inventions.
Как отмечают авторы работы, прогноз объёмов и колебаний энергопотребления позволяет оптимизировать работу энергосети. Чтобы он был точным, в расчётах нужно учитывать множество факторов — погоду, технологические процессы, распорядок дня населения и т. д. Как правило, за несколько лет работы в отрасли специалисты-энергетики учатся самостоятельно прогнозировать, как в течение суток будет меняться энергопотребление в сети. Однако такие знания сложно систематизировать, также всегда сохраняется риск ошибки.
Учёные придумали, как автоматизировать этот процесс с помощью нейросети. Компьютерная программа использует в своей работе целый набор данных.
«Модель способна прогнозировать график электропотребления на сутки вперёд, при этом она использует значения потребления за несколько прошлых дней, метеорологические данные, номер дня недели, вид дня: рабочий или выходной», — отметил в беседе с RT ведущий научный сотрудник кафедры электротехники УрФУ Павел Матренин.
Разработчики три года тестировали программу на реальных данных Центральной энергосистемы (ЦЭС) Монголии. Точность краткосрочных прогнозов нейросети составила 98,75%, что является очень высоким показателем, отмечают исследователи.
Полученные результаты помогут правильно планировать нагрузку на энергетические объекты, чтобы эффективно распределять электроэнергию среди потребителей. Кроме того, точный прогноз позволит находить правильный баланс между потреблением и генерацией либо же закупкой электроэнергии.
Авторы работы планируют апробировать модель на энергетических системах России и других стран. По словам учёных, метод можно применять в любой стране, если доработать нейросеть с учётом особенностей местной энергосистемы.