електроенергія, электроэнергия ; електроенергетичні системи, ЕЕС, электроэнергетические системы, ЭЭС ; методи навчання, методы обучения ; нейро-фаззі мережі , нейро-фаззи сети ; нейронні мережі, нейронные сети ; штучні нейронні мережі, ШНМ, искусственные нейронные сети, ИНС

В диссертации предложена архитектура локально-рекуррентной искусственной нейронной сети (ИНС) для долгосрочного прогнозирования процессов электро- потребления , где первый скрытый слой содержит нелинейные модели авторег- рессии - скользящего среднего различных порядков, лучшая из которых автома- тически выбирается в выходном слое сети. Рассмотрен алгоритм обучения для каждого типа нейронов сети. Работа предложенной искусственной нейронной се- ти (ИНС) промоделирована на синтетических и реальных данных электропотреб- ления, проведено сравнение с известными методами прогнозирования, показав- шее преимущество предложенного подхода. Применение всего комплекса интел- лектуальных методов позволило повысить эффективность решения задач прог- нозирования процессов потребления электроэнергии на интервалах от 1 часа до нескольких лет. Эффективность метода обучения ИНС встречного распростране- ния за счет использования стратегии "победитель получает больше"с использо- ванием биполярной функции сосе

• УДК // Нейронні мережі