Методика планирования расхода электрической энергии на нетяговые нужды с использованием искусственных нейронных сетей. Обработка первичных исходных данных и формирование обучающей выборки

IV. Обработка первичных исходных данных и формирование обучающей выборки

22. Информация, представленная в пунктах 1, 3, 4 табл. 1 настоящей Методики (расход электрической энергии, температура воздуха, объем производственной деятельности) может непосредственно заноситься в обучающую выборку.
23. Данные о небалансе электропотребления (п. 2 табл. 1 настоящей Методики) необходимо представить в относительных значениях:

                           (Дельта)W
(дельта)  = ---------- · 100%.                              (2)
w       W

24. Информация по пунктам 5-7 табл. 1 требует дополнительной обработки для представления ее в виде приведенной мощности ЭО по условно-постоянной и переменной составляющим расхода электрической энергии.
25. Условно-постоянная составляющая обусловлена наличием ЭО, режимы работы которого не зависят от объемов производственной деятельности и носят вспомогательный характер выполнения производственно-технологического процесса.
Переменная составляющая обусловлена выполнением основного вида работ и зависит от его объема.
26. К условно-постоянной составляющей относится расход электрической энергии следующими группами ЭО, применяемого на железнодорожном транспорте:
1) наружное освещение (лампы накаливания, люминесцентные и др.);
2) внутреннее освещение (лампы накаливания, люминесцентные и др.);
3) вентиляция, кондиционирование (промышленные, бытовые вентиляторы, дымососы, воздуходувки, кондиционеры);
4) электроотопление, калориферы;
5) вычислительная и оргтехника (компьютеры, принтеры, факсы и т.д.);
6) бытовые электроприборы (электрочайники, электроплиты, телевизоры, микроволновые печи).
27. Переменную составляющую электропотребления формируют следующие группы ЭО:
1) электропривод, станки (металлорежущие, деревообрабатывающие, токарные, строгальные, фрезерные, карусельные, точильные, долбежные станки, электроинструмент, электропривод стрелочных переводов, шлагбаумов и т.д.);
2) кузнечно-прессовое оборудование (приводы молотов, ковочных машин);
3) насосы (насосы масляные, производственного водоснабжения);
4) электротермическое оборудование (печи сопротивления, индукционные печи, сушильные шкафы, горны, нагреватели, термокамеры, мелкие нагревательные приборы);
5) подъемно-транспортные механизмы (краны, кран-балки, тельферы, передаточные тележки, электрокары, поворотные устройства, толкатели, электроподъемники, электротали);
6) сварочное, наплавочное оборудование (сварочные трансформаторы и выпрямители, автоматы, полуавтоматы, оборудование для наплавки, напыления поверхностей);
7) моечные машины, дробеструйные комплексы, окрасочно-сушильное оборудование;
8) компрессоры;
9) выпрямители (установки для зарядки аккумуляторных батарей, электролизные ванны);
10) стенды, лабораторные установки (испытательные стенды, дефектоскопы, сборочные стенды, контрольно-диагностическое и монтажно-демонтажное оборудование);
11) устройства автоматики, телемеханики, СЦБ (рельсовые цепи, поездные сигналы, аппаратура ПОНАБ).
12) прочее оборудование.
28. Приведенная мощность единицы ЭО определяется по формуле:

           Р  = k  · Р  ,                                                  (3)
пр   и    н

где k  - коэффициент использования нагрузки эксплуатируемого ЭО;
и

    Р  - установленная мощность единицы эксплуатируемого ЭО.
н

29. Приведенная мощность ЭО, относящегося к одной из групп ЭО объекта моделирования, определяется по формуле:

                     T
h    см
Р      = SUM ----- Р        ,                                       (4)
пр. j   i=1   24   пр. ij

где Р      - приведенная мощность i-гo ЭО, принадлежащего j-й группе ЭО;
пр. ij

    h - количество единиц ЭО в j-й группе ЭО.
30. Приведенные мощности ЭО по условно-постоянной и переменной составляющим расхода электроэнергии определяются путем суммирования приведенных мощностей соответствующих групп ЭО:

               у.п     k
Р    =  SUM Р     ,                                           (5)
пр.    j=1  пр.j

 

               перем      m
Р       =  SUM Р     ,                                        (6)
пр.       j=1  пр.j

 

где k и m - число групп ЭО соответственно по условно-постоянной и переменной составляющим электропотребления.
31. Если за рассматриваемый период происходили изменения в составе ЭО, изменялся режим его работы, то необходимо выполнить пересчет приведенной мощности ЭО на основании данных, представленных в табл. 3 и 4.
Например,  если  известно,  что  по  состоянию  на текущий период (июнь 2011 г.)

                                                 перем
приведенная мощность по переменной составляющей Р       равна 500 кВт, а в декабре
пр.

2010 г. был введен в эксплуатацию новый станок с  номинальной  мощностью  10  кВт  и
коэффициентом  использования нагрузки 0,15,  то приведенная мощность  по  переменной
составляющей с начала рассматриваемого периода по ноябрь 2010 г. включительно составит

 перем
Р     = 500 - 10 - 0,15 = 498,5 кВт. При этом мощность с декабря 2010 г. по июнь 2011 г.
пр.

остается неизменной и равной 500 кВт.
32. Обработанные исходные данные представляются по форме табл. 5.
Полученная информация является выборкой, служащей для обучения ИНС.

Таблица 5

Форма представления данных для обучения нейронной сети по объекту моделирования____________________________

┌─────┬──────────┬────────┬─────────────────┬──────────┬─────────┐
│     │          │        │   Приведенная   │          │         │
│     │          │        │   мощность по   │          │         │
│     │          │ Факти- │ соответствующей │          │ Уровень │
│     │  Объем   │ ческая │  составляющей   │  Расход  │небаланса│
│     │производ- │средне- │     расхода     │ электри- │элекгро- │
│Пери-│ ственной │месячная│ электроэнергии  │  ческой  │потребле-│
│ од  │ деятель- │темпера-├────────┬────────┤ энергии  │   ния   │
│     │  ности   │  тура  │условно-│перемен-│ W, кВт·ч │(дельта) │
│     │    V     │воздуха │постоян-│  ная   │          │        W│
│     │          │ t, °С  │  ная   │ у.п    │          │    %    │
│     │          │        │        │Р  ,кВ·т│          │         │
│     │          │        │        │ пр     │          │         │
├─────┼──────────┼────────┼────────┼────────┼──────────┼─────────┤
│     │          │        │        │        │          │         │
├─────┼──────────┼────────┼────────┼────────┼──────────┼─────────┤
│     │          │        │        │        │          │         │
├─────┼──────────┼────────┼────────┼────────┼──────────┼─────────┤
│     │          │        │        │        │          │         │
├─────┼──────────┼────────┼────────┼────────┼──────────┼─────────┤
│     │          │        │        │        │          │         │
└─────┴──────────┴────────┴────────┴────────┴──────────┴─────────┘

V. Создание и обучение ИНС

33. Создание нейронной сети подразумевает выбор топологии сети, количества скрытых слоев, количества нейронов на каждом скрытом слое и вида используемой в сети передаточной функции.
34. При решении задачи планирования расхода электрической энергии в электронном приложении к Методике используется сеть обратного распространения с одним скрытым слоем. Входной слой служит лишь для подачи входных сигналов в сеть. На скрытом и выходном слоях производится обработка поступающих сигналов. При этом может использоваться одна из двух активационных (передаточных) функций:
сигмоидная (логистическая):

                               1
f(x) = -------                                        (7)
-ax
1 + e

или радиалыно-симметричная:

                                   2
/ x \
-( --  )
\ a /
f(x) =  e      ,                                      (8)

где х - входной сигнал;
а - параметр активационной функции.
35. Создание ИНС осуществляется в электронном приложении к Методике. Для этого необходимо указать ее название, имя файла, в котором она будет сохранена и загрузить обучающую выборку, которая представляет собой совокупность данных, представленных в виде таблицы 5. Более подробно порядок работы с электронным приложением на этапе создания и обучения ИНС представлен в "Инструкции по работе с электронным приложением к методике планирования расхода электрической энергии на нетяговые нужды с использованием искусственных нейронных сетей" (прил. В).
36. В электронном приложении к Методике загружаемые данные автоматически делятся на
- выборку, непосредственно участвующую в обучении (обучающая выборка);
- выборку, использующуюся для контроля качества обучения (тестовая выборка).
37. Электронное приложение к Методике автоматически выделяет тестовую выборку в объеме двадцати процентов от общего объема информации. При этом как в тестовую, так и в обучающую выборки обязательно включаются минимальные и максимальные значения расхода электрической энергии.
Если объем загруженных данных невелик, то часть данных могут присутствовать как в обучающей, так и в тестовой выборках.
38. При загрузке данных выполняется их минимальная обработка - по каждому фактору определяется минимальное и максимальное значения для установки граничных значений факторов.
39. При обучении нейронной сети на входы созданной ИНС подаются в случайном порядке значения входных факторов. Электронное приложение к Методике автоматически подбирает внутренние параметры сети (вид и параметры активационных функций, скорость обучения, коэффициент-обратной связи и веса синапсов), таким образом, чтобы на выходе сети получались значения наиболее близкие к соответствующим выходным значениям. Достигается это с помощью минимизации выходной ошибки по двум критериям. Расхождение между выданным сетью и фактическим значениями расхода электрической энергии передается в обратном направлении (от выходного слоя к входному). На каждом слое происходит коррекция весов синапсов с учетом текущей ошибки планирования. Этот процесс многократно повторяется в автоматическом режиме, благодаря чему достигается высокая точность планирования. Этот процесс называется обучением ИНС.
40. Сравнение нейронных сетей и выбор наилучшей из них ведется электронным приложением к Методике в автоматическом режиме на основании двух безразмерных коэффициентов - K(Т1) и К(Т2).
41. Коэффициент К(Т1), оценивает близость дисперсий фактической и смоделированной выборок расхода электроэнергии:

                             S(1)
К(Т1) = -----  ,                                       (9)
S(2)

где S(1) и S(2) - дисперсии фактической и смоделированной выборок расхода электроэнергии (отношение большей к меньшей, так что значение критерия К(1) всегда больше единицы), рассчитываемые по формуле:

                         N(Т)      _ 2
SUM (y  - y)
i=1   i
S = ----------------- ,                                (10)
N(Т) - 1

где N(Т) - объем тестовой выборки;
у  - фактическое или смоделированное значение расхода электрической энергии;
i
_
у  - среднее фактическое или смоделированное значение расхода электроэнергии.

42. Безразмерный коэффициент К(Т2) оценивает близость среднего смоделированного значения фактическому, т.е. значение средней ошибки моделирования с использованием ИНС:

                                 _____
2,1(сигма)
К(Т2) = ---------- ,                                  (11)
_
y

где 2,1 - значение t-критерия Стьюдента для доверительной вероятности Рд = 0,95 и объема выборки более 20 значений;

                    ________________
/N(Т) /      0 \ 2
_      / SUM ( y  - y   )
_____   \    /  i=1  \ i    i /
(сигма) = \  / -------------------      - среднеквадратическое отклонение
\/    N(Т) (N(Т) - 1)          средней ошибки моделирования;

    у  -  смоделированное  значение  расхода  электрической  энергии  при i-м наборе
i
входных факторов;
0
y  - фактическое значение расхода электроэнергии при i-м наборе входных факторов;
i

          N(Т) 0
SUM y
_    i=1  i
у = --------  - среднее фактическое значение расхода электроэнергии.
N(Т)

43. Наиболее подходящей считается нейронная сеть, имеющая ближайшее к единице значение коэффициента К(Т1) и ближайшее к нулю значение коэффициента К(Т2).
44. В режиме обучения электронное приложение тестирует множество сетей, меняя внутренние параметры каждой в определенных диапазонах. Скорость обучения меняется от 30 до 60 с шагом 5, а коэффициент обратной связи меняется от 0 до 0,5 с шагом 0,2. При этом проверяются два вида передаточных функций. Первый вариант сетей - сети, имеющие сигмоидную функцию на обоих слоях (скрытом и выходном). В этом случае параметр активационной функции а меняется в пределах от 0,04 до 0,2 с шагом 0,03 и от 0,2 до 0,6 с шагом 0,08. Второй вариант - сети, имеющие на скрытом слое сигмоидную активационную функцию с параметром a, меняющимся от 0,02 до 0,3 с шагом 0,02, а на выходном слое - радиально-симметричную функцию с параметром а, меняющимся от 1 до 8 с шагом 2. В электронном приложении к Методике перебор вариантов ИНС осуществляется в автоматическом режиме.
45. В результате перебора параметров электронное приложение выбирает наилучший вариант ИНС. Необходимо отметить, что обучение сети в некотором смысле является случайным процессом и в отдельных неблагоприятных случаях может завершиться неудачей. В этом случае следует повторить процесс обучения. Если второй раз сеть вновь не обучилась, тогда следует проанализировать исходные данные на корректность.
46. После создания и первичного обучения в электронном приложении к Методике ИНС должна быть сохранена на персональном компьютере.
47. При сохранении ИНС на персональном компьютере создается файл, в котором хранятся се структура, значения внутренних параметров, обучающая и тестовая выборка, на которых производилось обучение, и результаты всех выполненных расчетов расхода электроэнергии.