Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/24351
Or use following links to share this resource in social networks: Recommend this item
Title Прогнозирование электрических нагрузок промышленных предприятий с помощью вейвлет-нейронных сетей
Authors Moshenskyi, Ihor Vitaliiovych
Lebedynskyi, Ihor Leonidovych  
Nozdrenkov, Valerii Stanislavovych
Nozdrenko, Valerii Stanislavovych
ORCID http://orcid.org/0000-0003-2843-1032
Keywords вейвлет-нейронна мережа
електричне навантаження
прогнозування
вейвлет-нейронная сеть
электрическая нагрузка
прогнозирование
wavelet neural network
electric load
prognostication
Type Article
Date of Issue 2011
URI http://essuir.sumdu.edu.ua/handle/123456789/24351
Publisher Изд-во СумГУ
License
Citation Мошенский, И.В. Прогнозирование электрических нагрузок промышленных предприятий с помощью вейвлет-нейронных сетей [Текст] / И.В. Мошенский, И.Л. Лебединский, В.С. Ноздренков // Вісник Сумського державного університету. Серія Технічні науки. — 2011. — №3. — С. 53-58.
Abstract В даній роботі використовується модель прогнозування півгодинних електричних навантажень підприємства з безперервним циклом виробництва, яка ґрунтується на використанні вейвлет-нейронних мереж. Програмним шляхом на ЕОМ був виконаний прогноз півгодинних навантажень, при цьому отримані результати представлені в графічному і табличному вигляді. Точність прогнозних значень досягала в більшості випадків 0,3-2,2 %, максимальна похибка – 3,26 %. При цитуванні документа, використовуйте посилання http://essuir.sumdu.edu.ua/handle/123456789/24351
В данной работе используется модель прогнозирования получасовых электрических нагрузок предприятия с непрерывным циклом производства, основанная на использовании искусственных вейвлет-нейронных сетей. Программным путем на ЭВМ был выполнен прогноз получасовых электрических нагрузок, при этом полученные результаты представлены в графическом и в табличном виде. Точность прогнозируемых значений в большинстве случаев находилась в пределах 0,3-2,2 %, максимальная погрешность- 3,26 %. При цитировании документа, используйте ссылку http://essuir.sumdu.edu.ua/handle/123456789/24351
The electric demand prediction of JSC “SumyKhimprom” with the continuous cycle of production is done. Most perspective is a method based on the use of artificial neuron networks. Adequacy of application of this method is well-proven by a number of theorems, and the developed programmatic tool allows to predict the electric demand without implementation of additional operations. In the paper the structure of neural network was proposed. When you are citing the document, use the following link http://essuir.sumdu.edu.ua/handle/123456789/24351
Appears in Collections: Вісник Сумського державного університету. Технічні науки (2007-2014)

Views

Belarus Belarus
2
Belgium Belgium
1
Bulgaria Bulgaria
1
Canada Canada
1
China China
4
Denmark Denmark
1
EU EU
4
Finland Finland
1
France France
1
Germany Germany
47308
Hong Kong SAR China Hong Kong SAR China
1
Indonesia Indonesia
1
Iran Iran
1
Ireland Ireland
-519657749
Kazakhstan Kazakhstan
15797
Kyrgyzstan Kyrgyzstan
1
Latvia Latvia
1
Lithuania Lithuania
1
Moldova Moldova
1
Netherlands Netherlands
7
Portugal Portugal
2
Romania Romania
2
Russia Russia
52
Singapore Singapore
886282638
Spain Spain
1
Tajikistan Tajikistan
2
Turkey Turkey
12
Ukraine Ukraine
-519657748
United Kingdom United Kingdom
329255326
United States United States
36705979
Unknown Country Unknown Country
658259916
Venezuela Venezuela
1

Downloads

Belarus Belarus
1
China China
1
France France
209966372
Germany Germany
704887
Hong Kong SAR China Hong Kong SAR China
4
Kazakhstan Kazakhstan
15798
Kenya Kenya
1
Lithuania Lithuania
1
Mauritius Mauritius
1
Portugal Portugal
1
Russia Russia
404
Ukraine Ukraine
-1744128868
United Kingdom United Kingdom
1
United States United States
36705978
Unknown Country Unknown Country
270

Files

File Size Format Downloads
11mivvns.pdf 328.46 kB Adobe PDF -1496735148

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.