Решение задачи прогнозирования инсоляции с использованием модифицированной нечеткой нейросети

Аннотация

Интеллектуальные системы прогнозирования инсоляции повышают эффективность солнечной электростанции и, таким образом, актуальны в соответствии с приоритетом государственной энергетической политики «Энергетической стратегии на период до 2035 года». Инсоляция имеет сложную нелинейную динамику с неопределенностями, обусловленными изменением облачности. В связи с этим, решить задачу прогнозирования инсоляции классическими методами с заданной точностью нельзя, в то время как интеллектуальные методы обеспечивают требуемую точность. При решении задач прогнозирования инсоляции интеллектуальные методы в сравнении с традиционными методами обеспечивают требуемую точность решения указанных задач способствуя безопасному и эффективному управлению электрическими сетями, интегрирующими солнечные электростанции. Решена задача почасового прогнозирования инсоляции на сутки вперед в условиях неопределенности с использованием модифицированной нечеткой нейросети, обеспечивающей средствами рекуррентных нейронов и механизма внимания эффективное формирование и передачу скрытого представления информации как сигнала скрытого слоя рекуррентных нейронов глубоких нейросетей, на основе выходов которых алгоритмом нечетко-возможностной свертки генерируется прогнозируемое значение инсоляции. Модифицирован метод создания МНН, снижающий размерность пространства поиска частиц роя и вычислительные затраты, упрощающий оптимизацию. Модифицированная нечеткая нейросеть эффективно выделяет на основе данных существенные функциональные аспекты прогнозирования инсоляции, включая аспекты идентификации облачности часа. Полученные результаты сравнительного экспериментального моделирования модифицированной нечеткой нейросети при прогнозировании инсоляции на сутки вперед демонстрируют ее робастность и снижение среднеквадратичной ошибки ее прогноза в среднем в три и шесть раз в сравнении с рекуррентными нейросетями и стандартной моделью авторегрессии скользящего среднего при воздействии на нее разных внутренних и внешних факторов неопределенности.