ИНСТРУКЦИЯ ПОЛЬЗОВАТЕЛЯ ЭЛЕКТРОННОГО ПРИЛОЖЕНИЯ К МЕТОДИКЕ ПЛАНИРОВАНИЯ РАСХОДА ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ НА НЕТЯГОВЫЕ НУЖДЫ С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ. Часть 4.2

Таблица 1

Порядок столбцов в файле с исходными данными

 Номер 
столбца

             Параметр   

     Формат     

   A   

          Дата          

Дата (год, месяц)

   В   

Объем производственной  
деятельности            

    Числовой    

   С   

 Температура окружающего
воздуха                

    Числовой    

   D   

Приведенная мощность,    
обуславливающая условно-
постоянную составляющую 
расхода электрической   
энергии                 

    Числовой    

   К   

Приведенная мощность,   
обуславливающая         
переменную составляющую 
расхода электрической   
энергии                  

    Числовой    

   F   

Расход электрической    
энергии (без учета      
небаланса               
электропотребления)     

    Числовой    

   G   

Уровень небаланса       
электропотребления      

    Числовой    

К добавленным из указанного файла исходным данным можно добавлять данные из другого файла. Для этого необходимо воспользоваться командой "Управление данными > Добавить данные" или воспользоваться одноименной кнопкой в главном меню Приложения. Когда данные загружены, состояние "Данные загружены" в правом верхнем углу Приложения помечается зеленой галочкой.
Когда все необходимые для обучения нейросети данные загружены в Приложение, необходимо скорректировать значения коэффициентов нормирования, которые отображены в левом нижнем углу Приложения. Эти коэффициенты необходимы Приложению для установления крайних граничных значений по каждому параметру. Над коэффициентами нормирования отображается статистическая информация по загруженным данным.
Если фактические значения выходят за пределы интервала, заданного коэффициентами нормирования, то соответствующий коэффициент нормирования выделяется красным цветом и должен быть скорректирован.
Выход за пределы интервала, задаваемого коэффициентами нормирования, нежелателен. Поэтому чтобы в процессе эксплуатации сети не возникло ситуации, что какой-либо из параметров вышел за границы данного интервала, рекомендуется при указании коэффициентов нормирования оставлять некоторый запас как в большую, так и в меньшую сторону. Величина этого запаса определяется индивидуально экспертной оценкой.
При первичной загрузке данных программа автоматически выставляет значения коэффициентов нормирования с двадцатипроцентным запасом.
При нажатии кнопки "Сделать по умолчанию", расположенной ниже таблицы с коэффициентами нормирования, текущие значения коэффициентов сохраняются на диске в файле "_config.ini" и используются в будущем при загрузке новых данных. В этом случае Приложение автоматически не будет выставлять интервалы с двадцатипроцентым запасом, а воспользуется сохраненными значениями, что может потребовать ручной корректировки значений коэффициентов. Для того, чтобы Приложение вновь автоматически рассчитывало значения коэффициентов нормирования, необходимо удалить файл "_config.ini".
Когда установлены граничные значения интервалов по всем (как входным, так и выходным) параметрам, необходимо разбить весь имеющийся объем данных на две выборки - обучающую и тестовую. Это выполняется в Приложении автоматически при выполнении команды "Управление данными > Обработать данные" или при нажатии одноименной кнопки в главном меню.
Визуально результат разбиения отображается в основной таблице с данными - зеленым цветом устанавливаются маркеры в столбцах "Е" (обучение) и "Т" (тест). Промаркированные данные используются для соответствующих целей. Каждая строка может быть использована только при обучении, только при тесте или, если объем данных не велик, то и при обучении, и при тесте.
Когда данные разбиты на две выборки, состояние "Данные обработаны" в правом верхнем углу Приложения помечается зеленой галочкой и становится доступной функция обучения сети.
Обучение нейронной сети осуществляется при выполнении команды "Обучение ИНС > Обучить ИНС" или при нажатии одноименной кнопки в главном меню.
Обучение происходит в автоматическом режиме. В это время Приложение перебирает множество вариантов сетей с различными параметрами и выбирает наилучшую сеть из всех. Количество тестируемых сетей составляет несколько сотен тысяч, поэтому процесс обучения является крайне ресурсоемким. В зависимости от производительности компьютера этот процесс может занять от нескольких минут до получаса. Однако это разовый процесс, выполняемый при первичном обучении сети. Работа с обученной сетью и процесс дообучения осуществляются значительно быстрее.
Когда перебор параметров закончится и если была найдена наиболее подходящая сеть, то на экране появится сообщение, что сеть успешно обучена, состояние "Сеть обучена" в правом верхнем углу Приложения помечается зеленой галочкой, а также становится доступной функция сохранения сети (команда "Файл > Сохранить ИНС" или одноименная кнопка в главном меню. В случае успешного сохранения сети зеленой галочкой помечается состояние "Сеть сохранена".
Обучение сети в некотором смысле является случайным процессом и в некоторых 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.
После сохранения обученной нейронной сети Приложение можно закрывать - результаты сохраняются в папке "nns".