Программные продукты и системы

Согласно результатам проведенных исследований, структура сети для прогнозирования электропотребления может выглядеть следующим образом. Число нейронов во входном слое равно сумме числа входных воздействий, то есть размера окна (количества предыдущих значений электропотребления, подаваемых на вход нейронной сети, – четыре значения) и количества внешних факторов, влияющих на электропотребление. При этом используются четыре значения электропотребления. Скрытый слой содержит 10 нейронов, а в выходном слое находится один нейрон.

 Обучение сети осуществляется в пакетном режиме по методу обратного распространения ошибки. На вход нейронной сети одновременно предъявляются все входные векторы. Перед началом обучения весовые коэффициенты инициализируются случайным образом. После обучения сеть используется для прогнозирования и веса не изменяются.

 Блок прогнозирования электропотребления использует обученную нейронную сеть для выполнения прогноза на трое суток вперед и далее в зависимости от содержимого файла Input Data.txt.

 Блок преобразования результатов прогноза проводит обратное преобразование спрогнозированных значений в формат, пригодный для рассмотрения экспертом-энергетиком.

 Блок вывода результатов прогноза записывает спрогнозированные значения в файл OutputData.txt.

 Подробное описание дается в статье «Применение нейронных сетей для краткосрочного прогнозирования электропотребления», авторы – Комиссарчик В.Ф., Киселев А.Н. (Тверской государственный технический университет).