TY - JOUR AU - Osipova, Valeriya Eduardovna AU - Yakovlev, Dmitry Alexandrovich PY - 2022/03/31 TI - Применение нейросетевых методов прогнозирования электропотребления на железнодорожном транспорте JF - Современные информационные технологии и ИТ-образование; Том 18 № 1 (2022): Современные информационные технологии и ИТ-образованиеDO - 10.25559/SITITO.18.202201.107-118 KW - N2 - В статье показана актуальность прогнозирования электропотребления с использованием автоматизированной системы учёта электрической энергии, учитывающей различные уровни иерархии системы тягового электроснабжения. Рассмотрены особенности современного управления топливно-энергетическими ресурсами предприятия, на примере Забайкальской дирекции по энергообеспечению ‒ структурного подразделения Трансэнерго ‒ филиала открытого акционерного общества "Российские Железные Дороги". Рациональное использование топливно-энергетических ресурсов, внедрение энергосберегающих и ресурсосберегающих технологий являются одними из наиболее актуальных как в целом в России, так и на железнодорожном транспорте в частности. Специфика экономического развития России и особенности формирования тарифов на рынке электрической энергии повлекли за собой рост ее стоимости. В связи с этим, снижение затрат на приобретение топливно-энергетических ресурсов одна из основных целей энергетической стратегии железнодорожного транспорта. Результатом энергосберегающей политики железнодорожного транспорта, почти по всем составляющим потребления топливно-энергетических ресурсов, исключая тягу поездов, является снижение затрат на покупку электрической энергии в ситуации реформирования электроэнергетики путем выхода на оптовый рынок электрической энергии (ОРЭ). Что позволяет значительно снизить стоимость потребляемой энергии, так как стоимость электроэнергии, получаемой железной дорогой с ОРЭ, будет существенно ниже стоимости электроэнергии, получаемой от гарантирующего поставщика ‒ региональной энергосистемы. В работе проведен анализ факторов, влияющих на величину потребления электрической энергии на тягу поездов. Рассмотрены нейросетевые модели, обладающие высокой аппроксимирующей способностью, позволяющие обрабатывать статистическую информацию и выполнять прогнозные оценки. Показано, что наиболее приемлемыми для прогноза электропотребления следует считать многослойные нейронные сети. Рассмотрен метод нейросетевого прогнозирования потребления электрической энергии. UR - http://sitito.cs.msu.ru/index.php/SITITO/article/view/829