Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Модели анализа и прогнозирования спроса на электроэнергию: На примере предприятий электроснабжения

Диссертация: Модели анализа и прогнозирования спроса на электроэнергию: На примере предприятий электроснабжения
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Основные результаты работы докладывались и обсуждались на на четырех международных, всероссийских и региональных конференциях в г. Новочеркасске («Компьютерные технологии в науке, производстве, социальных и экономических процессах», 2002, «Теория, методы и средства измерений, контроля и диагностики», «Методы и алгоритмы прикладной математики в технике, медицине и экономике», 2003, «Проблемы… Читать ещё >

Содержание

  • 1. СОСТОЯНИЕ И ПРОБЛЕМЫ РАЗВИТИЯ ТЕОРИИ, МОДЕЛЕЙ И МЕТОДОВ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭЛЕКТРОЭНЕРГИЮ
    • 1. 1. Состояние теории моделирования и прогнозирования временных рядов спроса на электроэнергию
    • 1. 2. Анализ опыта и специфики объекта исследования
    • 1. 3. Проблемы анализа и прогнозирования и пути их решения
  • 2. МОДЕЛИ И ПРОЦЕДУРА АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭЛЕКТРОЭНЕРГИЮ
    • 2. 1. Классификация временных рядов спроса на электроэнергию
    • 2. 2. Модель анализа и прогнозирования спроса на электроэнергию
    • 2. 3. Разработка системы анализа и прогнозирования
  • 3. ИССЛЕДОВАНИЕ ЭФФЕКТА ПРИМЕНЕНИЯ МОДЕЛЕЙ И ПРОЦЕДУР
    • 3. 1. Алгоритмический базис системы анализа и прогноза временных рядов «АС-Прогноз»
    • 3. 2. Исследование точности и возможностей системы «АС-Прогноз»
    • 3. 3. Эффективность применения системы «АС-Прогноз» в решении задач анализа и прогнозирования спроса на электроэнергию

Модели анализа и прогнозирования спроса на электроэнергию: На примере предприятий электроснабжения (реферат, курсовая, диплом, контрольная)

Интенсивное изменение экономических условий хозяйствования оказывает огромное влияние на развитие и функционирование электроэнергетического комплекса. В условиях общей нестабильности рынка и продолжающихся реформ обостряется проблема анализа, прогнозирования, планирования деятельности и развития предприятия.

Переход к оптовому рынку электроэнергии обострил проблемы, связанные с точностью прогнозирования спроса на электроэнергию, ужесточив требования, предъявляемые к скорости составления и надежности прогнозов. Новые условия, связанные с введением жестких штрафных санкций, требуют от снабженческих организаций внедрения современных программно-аппаратных комплексов, осуществляющих сбор информации об электропотреблении и составление точных прогнозов с использованием моделей, гибко и адекватно реагирующих на изменение тенденций.1.

Актуальность исследований проявляется в применении полученных результатов для оперативного и тактического управления производством электроэнергии, позволяющих повысить эффективность ее производства и распределения и, как следствие, сдерживать рост цен (тарифов) на ' электроэнергию, добиваться относительного снижения тарифов. Знание тенденций и закономерностей спроса на электроэнергию позволяет выбрать тип воспроизводства, структуру территориального размещения производства электроэнергии, а также организовать эффективное.

1 Постановление Правительства Российской Федерации от 24.10.2003 № 643 «О правилах оптового рынка электрической энергии (мощности) переходного периода», Постановление правительства РФ от 02.04.2002 № 226 «О ценообразовании в отношении энергетической и тепловой энергии». управление во всей вертикально ориентированной системе производства, распределения и сбыта электроэнергии.

Рыночные отношения между производителями и потребителями энергоресурсов по-новому ставят вопросы энергоснабжения, нормирования и повышения эффективности использования энергоресурсов. Важной задачей исследований является постановка и решение проблем электроснабжения во взаимосвязи с энергосистемой, а именно прогнозирование и управление спросом на электроэнергию по прогнозу спроса и анализ предложения электроэнергии.

Контроль, прогнозирование и управление производством электроэнергии важны с точки зрения соблюдения установленных предельных значений для мощности потребителей и количества использованной электроэнергии. Несоблюдение этих норм потребителями оборачивается значительными денежными штрафами и санкциями энергоснабжающей организации, а в энергосистеме может привести к ухудшению качества электроэнергии, перерасходу топлива на электростанциях и т. п.

Анализ отечественных и зарубежных публикаций показал, что существующие модели и методы прогнозирования недостаточно точно учитывают существующие тенденции, в связи с исключением из рассмотрения наиболее важных в современных условиях параметров.

Известны математические модели для краткосрочного и долгосрочного прогнозирования, учитывающие ряд ключевых параметров, но обладающие недостаточной точностью. В сложившихся жестких экономических условиях вопросы расширения средств анализа временных рядов и усовершенствования прогнозных моделей с целью снижения ошибки прогнозирования, рассмотренные в диссертации, являются актуальными.

Целью диссертационного исследования является моделирование, анализ и прогнозирование спроса на электроэнергию. Для достижения поставленной цели необходимо решить следующие задачи:

— проанализировать состояние теории и практики моделирования временных рядов экономических показателей;

— проанализировать известные модели прогнозирования и выявить недостатки моделей анализа и прогнозирования временных рядов спроса на электроэнергию;

— выявить возможности адаптации и модификации известных моделей анализа и прогнозирования, предложить модель прогнозирования спроса на электроэнергию с учетом требований надежности прогнозных значений;

— выполнить классификацию графиков спроса на электроэнергию, исходя из анализа статистических данных;

— предложить архитектуру и реализовать комплекс программных средств, который позволит производить выбор рациональных вариантов прогнозных моделей.

Рассмотренные в диссертации задачи решаются на основе использования методов экспертной оценки, теории принятия решений, теории вероятностей и математической статистики.

Научная новизна полученных результатов заключается в разработке теоретических, методических и практических аспектов анализа и прогнозирования спроса на электроэнергию, которые выражаются в следующих основных положениях: предложен авторский подход к анализу и прогнозированию спроса на электроэнергию, который реализован при построении моделей анализа и прогнозирования спроса на электроэнергию, отличающихся от известных моделей математическим аппаратом, позволяющим проводить спектральный анализ потребления электроэнергии населением и предприятиями, расширить возможности анализа в части дифференциации и классификации условий потребления электроэнергии во времени и идентифицировать по категориям потребителей. Модели анализа и прогнозирования предназначены для использования предприятиями электроснабжения в условиях развития вертикальной и горизонтальной интеграции предприятий, ранее входивших в состав РАО ЕЭСпредложена классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной характеристики и соответствующим им периоду цикличности и процедура выделения классов временных рядов, позволяющая выполнять подбор оптимальных параметров прогнозирования модифицированным методом индексов сезонности с учетом множественных сезонных и циклических колебаний спроса на электроэнергиюпредложена методика модификации модели индексов сезонности, в которой использованы классическая модель индексов сезонности, аппарат спектрального анализа, а также численные методы, отличающаяся процедурами выделения локальных максимумов, формирования множества обобщаемых серий и массива весовых коэффициентов, допускающая учет множественной цикличности временных рядов, что позволяет повысить точность прогнозирования временных рядов спроса на электроэнергию;

— предложена система анализа и прогнозирования временных рядов спроса на электроэнергию, отличающаяся содержанием операций анализа, прогнозирования, принятия решений и последовательностью их выполнения, а именно: подбором методик, позволяющим расширить средства анализа и прогнозирования временных рядов электропотребления, подходом к учету сезонных и циклических колебаний различной периодичности в совокупности с процедурами коррекции прогнозных значений методами экспертных оценок и включающим методику модификации модели индексов сезонности. Система позволяет формировать ситуационные планы предложения электроэнергии с учетом возможных вариантов поведения отдельных потребителей и их групп, а также общего дифференцированного по потребителям и интервалам времени прогноза спроса на электроэнергию, которые обеспечивают повышение эффективности предприятий энергоснабжения и электрических станций;

— разработано инструментальное средство для реализации системы принятия решений в виде программной системы «АС-Прогноз», реализованной в среде Borland Delphi 7.0. Программная система позволяет проводить анализ и прогнозирование временных рядов спроса на электроэнергию, отличается алгоритмом, предусматривающим включение в процесс принятия решений разработанных метода, моделей, классификации, процедур и методик. Система «АС-Прогноз», предоставляет возможность использовать результаты прогнозов в среднесрочном и стратегическом планировании предложения электроэнергии предприятиями энергосетей и энергосистем. Программная система может быть использована автономно или интегрирована в автоматизированные системы поддержки и принятия решений.

Основные положения, выносимые на защиту:

— авторский подход к анализу и прогнозированию спроса на электроэнергию, отличающийся математическим аппаратом, реализованный при построении моделей анализа и прогнозирования спроса на электроэнергию, позволяющий расширить возможности анализа и повысить точность прогнозирования;

— классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной I характеристики и соответствующим им периоду цикличности, отличающаяся критерием формирования классовых групп по величине локального максимума, позволяющая выбирать более эффективные методы прогнозирования;

— процедура выделения классов временных рядов, отличающаяся алгоритмом обработки временных рядов спроса на электроэнергию, позволяющая выполнять подбор параметров прогнозирования модифицированным методом индексов сезонности с учетом сезонных и циклических колебаний спроса на электроэнергию;

— методика модификации модели индексов сезонности, отличающаяся процедурами выделения локальных максимумов, формирования множества обобщаемых серий и массива весовых коэффициентов, допускающая учет множественной цикличности временных рядов, что позволяет повысить точность прогнозирования временных рядов спроса на электроэнергию;

— система анализа и прогнозирования временных рядов спроса на электроэнергию, отличающаяся содержанием операций анализа, прогнозирования, принятия решений и последовательностью их выполнения, позволяющая осуществлять анализ и прогнозирование с учетом сезонных и циклических колебаний различной периодичности в совокупности с процедурами коррекции прогнозных значений методами экспертных оценок;

— инструментальное средство для реализации системы принятия решений в виде программной системы «АС-Прогноз», отличающейся алгоритмическим базисом, реализованной в среде Borland Delphi 7.0 и позволяющей проводить анализ и прогнозирование временных рядов в автоматическом и пошаговых режимах.

Полученные в диссертационной работе результаты исследований позволяют:

— научно-обоснованно выбирать варианты анализа и прогноза временных рядов спроса на электроэнергию;

— уменьшить затраты на прогнозирование и снизить сроки составления прогнозов;

— при помощи разработанной программной системы конструировать и реализовывать эффективные варианты анализа и прогноза временных рядов, позволяющие повысить надежность прогнозов.

Диссертационная работа выполнена в рамках научного направления «Рациональное использование топливно-энергетических ресурсов и повышение эффективности работы электроэнергетических систем».

Предложенные математические модели и алгоритмы использованы в процессе анализа и прогнозирования временных рядов спроса на электроэнергию в ОАО «Энергосбыт Ростовэнерго».

Программная реализация алгоритмов входит в состав программной системы анализа и прогноза временных рядов «АС-Прогноз».

Основные результаты работы докладывались и обсуждались на на четырех международных, всероссийских и региональных конференциях в г. Новочеркасске («Компьютерные технологии в науке, производстве, социальных и экономических процессах», 2002, «Теория, методы и средства измерений, контроля и диагностики», «Методы и алгоритмы прикладной математики в технике, медицине и экономике», 2003, «Проблемы экономики, организации и у правления реструктуризацией и развитием предприятий промышленности, сферы услуг и коммунального хозяйства», 2005 г. г.), специализированном научно-техническом семинаре «Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии» (Москва 2004 г.), выездной сессии секции энергетики отделения энергетики, машиностроения и процессов управления РАН (Ессентуки, 2005 г.), на ежегодных научно-практических конференциях ЮРГТУ (НПИ), в период с 2002;2005 гг.

Основные материалы диссертации отражены в 10 печатных работах.

Основные выводы и практические результаты заключаются в следующем:

— предложена классификация временных рядов по величине и частоте локальных максимумов их амплитудно-частотной характеристики. Для поддержки процедуры классификации сформулирован критерий формирования классовых групп и определены его предельные значения;

— получена новая модель прогнозирования временных рядов, заключающаяся в модификации математической модели индексов сезонности на основании классической методики определения индексов сезонности в совокупности с процедурами спектрального анализа и предложенной классификацией, позволяющая учитывать мультицикличный и мультисезонный характер временных рядов.

— сформулирована и решена задача разработки системы комплексного анализа и прогнозирования временных рядов.

Разработанный алгоритм базируется на конвергенции взаимодополняющих подходов, как существовавших ранее, так и разработанных автором для решения поставленной задачи. Задача прогнозирования влияния случайных факторов представлена в виде учета последствий наступления вероятных событий и решена при помощи коррекции на основании мнений экспертов и процедуры составления ситуационных планов развития предложения электроэнергии.

— разработана программная система анализа и прогноза временных рядов «АС-Прогноз», позволяющая проводить анализ, конструировать прогнозы и ситуационные планы изменения спроса на электроэнергию, обеспечивающая сокращение временных затрат на создание прогноза.

Разработанная программная система включает три подсистемы:

— «Анализ», позволяющая снизить временные затраты на анализ, планирование и обработку исследуемых временных рядов, осуществляемых с целью получения аналитической информации, позволяющей осуществить выбор наиболее оптимальной модели прогнозирования;

— «Прогноз», позволяющая строить прогнозы временных рядов с учетом их специфики и присущих им тенденций;

— «Экспертная оценка», обеспечивающая возможность построения ситуационных планов развития предложения электроэнергии с учетов последствий наступления вероятных событий, а также прогнозирование и коррекцию значений временных рядов спроса на электроэнергию.

Достоверность научных положений и адекватность математических моделей проверялись экспериментально на реальных временных рядах спроса на электроэнергию, полученных с помощью серийных, сертифицированных и прошедших проверку технических и коммерческих автоматизированных систем учета энергоресурсов и систем телемеханики промышленных предприятий.

Перечисленные новые результаты исследований обеспечили возможность:

— на стадии анализа временных рядов оценивать наличие множественной сезонности и цикличности данных;

— принимать обоснованные решения о выборе наиболее эффективных методов прогнозирования;

— проводить качественный и эффективный анализ и прогнозирование временных рядов спроса на электроэнергию;

— получать оценку эффективности различных методов прогнозирования для выделенного ряда либо осуществлять поиск наиболее предсказуемого ряда при фиксированных параметрах модели, создавать базу знаний и шаблонов;

— проводить активные эксперименты с моделями прогнозирования, анализируя при этом большое число факторов;

— проводить экспертные исследования;

— расширить для персонала отделов сбыта электроэнергии, диспетчерского управления и аналитических центров возможности работы с обрабатываемой информацией за счет интеграции необходимых функциональных операций в рамках одной системы.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе проведен анализ существующих на текущий момент методик анализа и прогнозирования временных рядов спроса на электроэнергию. Рассмотрены факторы, определяющие структуру и динамику спроса на электроэнергию и используемые на практике для построения адекватных моделей анализа и прогнозирования временных рядов спроса и предложения электроэнергии.

Сформулированы задачи, решение которых необходимо для создания системы анализа и прогнозирования временных рядов спроса на электроэнергию. Описаны проблемы учета изменений спроса на электроэнергию в условиях развития и реформации предприятий энергосистемы.

Показать весь текст

Список литературы

  1. A.A., Зубенко Ю. Д., Калашников H.H., Матвеев И. А. Системный анализ производственно-экономических циклов / Материалы Первой международной конференции «Циклы». Часть первая. Ставрополь: Изд-во СевКавГТУ, 1999. — С. 214−217.
  2. М.Е. Экономико-математические методы оптимизации ключевых параметров конфигурации тепловых сетей: автореф. дис. на соиск. уч. степ. канд. эк. наук / Васильева Марина Евгеньевна. — Кисловодск, 1999. — 23 с.
  3. С.Д., Каялов Г. М., Клейн П. Н., Мешель Б. С. Электрические нагрузки промышленных предприятий. JL: Энергия, 1971.-264 с.
  4. Г. М. Основы анализа нагрузок и расчета электрических сетей промышленных предприятий. Электричество, 1951, N4.-С. 28−37.
  5. А.Н., Крумберг O.A., Федоров И. П. Принятие решений на основе нечетких моделей. Примеры использования. Рига: Зинатне, 1990. — 184 с.
  6. .В. Курс теории вероятностей. — М.: Наука, 1969. 400 с.
  7. .В., Мишель Б. С. Об оценке эффективности уточнения расчетов электрических нагрузок промышленных сетей. — Электричество, 1959, N11.- С.70−72.
  8. Э.Г. Моделирование графиков электрической нагрузки квантованием времени. Изв. вузов Сер. Электромеханика, 1969, N2.-С. 204−210.
  9. Э.Г., Дмитриева E.H. и др. Прогнозирование электрических нагрузок. Изв. АН СССР. Энергетика и транспорт, 1988,1. N2.-С. 89−100.
  10. A.B., Гордеев В. И. Прогнозирование электро потребления на основе многофакторного регрессионного и корреляционного анализов. // Проблемы энергосбережения, 1991, вып.7. К.: Наукова думка, 1991. С. 54−59.
  11. A.B., Гордеев В. И., Демура A.B., Надтока И. И. Пути и результаты совершенствования методов прогнозирования электропотребления. // Промышленная энергетика, 1993, N 9. С. 23−26.
  12. В.И., Васильев И. Е., Щуцкий В. И. Управление электропотреблением и его прогнозирование. Ростов-на-Дону: Изд. РГУ, 1991.- 104с.
  13. А.Э. Метод моделирования графиков процессов // Сборник научн. трудов Новочеркасского политехнического института «Автоматизация проектирования сложных систем. Новочеркасск: Изд. НПИ, 1982.-С. 11−20.
  14. А.Э., Каждан Э. М. Метод расчета электрических нагрузок с применением кратчайших функций. /Проектирование и эксплуатация систем электроснабжения промышленных предприятий. Матер, научн-техн. конф. М.: Знание, 1984. С. 33−37.
  15. А.Э., Черепов В. А. Моделирование графиков потерь напряжения в промышленных электрических сетях на основе теоретико-группового представления для одного класса случайных процессов. Изв. вузов СССР Электромеханика, 1976, N8. — С.901−911.
  16. А.Э. Элементы бинетики и теории подмен. /В кн.: Ковалев И. Н. Макроэкономика. — Ростов-на-Дону: Изд. Ростовск. пед. унта, 1995.-308 с.
  17. А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей. Изв. АН СССР. Сер. Математическая. 1941. Т.5, № 3. С. 3−14.
  18. B.C. Теория вероятностей и математическая статистика. М.: Наука, 1979. — 496 с.
  19. В.А., Денисенко Э. В. Сопоставление моделей оперативного прогноза узловых нагрузок /Изв.АН СССР. Сер. Энергетика и транспорт, 1982, N3. С. 3−10.
  20. И.В., Саенко Ю. Л., Степанов В. П. Методы вероятностного моделирования в расчетах характеристик электрических нагрузок потребителей. — М.:Энергоатомиздат, 1990. 128 с.
  21. А.К., Вагин Г. Я., Куренный Э. Г. Расчеты электрических нагрузок систем электроснабжения промышленных предприятий. М.: Энергоатомиздат, 1992. — 224 с.
  22. В.И. Краткосрочное прогнозирование электрических нагрузок промышленных предприятий. — Изв. вузов. Энергетика, 1987, N1. С. 8−12.
  23. В.И. Управление суточным электропотреблением промышленного предприятия при лимитных ограничениях. Изв. вузов СССР. Сер. Электромеханика, 1988, N 9. — С. 66−69.
  24. A.B. Управление электропотреблением (концепция, методы и средства). Изв. АН СССР Энергетика и транспорт, 1990, N1.-С. 5−16.
  25. С.А. Комплекс технических средств «Энергия» и устройство сбора данных Е 443 для построения автоматизированной системы контроля и учета энергопотребления. Промышленная энергетика, 1991, N2.-С. 15−18.
  26. B.C. Формирование единой системы автоматизированного учета, контроля и управления энергопотреблением (ЕСАУКУЭ). Изв. вузов СССР, Энергетика, 1986, N 5. — С. 12−19.
  27. Э.А., Киреева Э. А. Автоматизация управленияпромышленным энергоснабжением. — М: Энергоатомиздат, 1990. — 384 с.
  28. Г. В. Теория вероятностей и математическая статистика. В примерах и задачах с применением Excel. — Р-н-Д.: Феникс, 2005.-480 с.
  29. Л.И., Чернова Т. В. Теория статистики. — Р-н-Д.: Феникс, 2005. 220 с.
  30. Т.А. Статистические методы прогнозирования. — М.: ЮНИТИ-ДАНА, 2003. 206 с.
  31. . И., Жилин Б. В., Лагуткин O.E., Ошурков М. Г. Ценологическое определение параметров электропотребления многономенклатурных производств. Тула: Приокское книжное издательство, 1994. 122 с.
  32. . Г. Экономические прогнозы и принятие решений. -М.: Прогресс. 1970.
  33. С.А., Мхитарян B.C. Прикладная статистика и основы эконометрии. М.: ЮНИТИ, 1998.
  34. Бокс Дж.} Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974.
  35. К. Д. Методы прогнозирования экономических показателей. — М.: Финансы и статистика, 1986.
  36. Г. С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973.
  37. Ю.П. Адаптивные методы прогнозирования экономических показателей. — М.: Статистика, 1979.
  38. И. Применение статистических методов в прогнозировании рынка черных металлов// Национальная металлургия, март-апрель, 2003. С. 65−70.
  39. Л.Н., Смирнов Н. В. Таблицы математической статистики. М.: Наука, 1965.
  40. Дж. Эконометрические методы. М.: Статистика,
  41. Д. Временные ряды. Обработка данных и теория. -М.: Мир, 1980.
  42. Ю.Н. Общая теория цикла. Единая теория поля. — Ставрополь: Изд-во СевКавГТУ, 1999. 55 с.
  43. П.М. Распределение реальных циклов // Материалы Второй международной конференции «Циклы». Часть первая. Ставрополь: Изд-во СевКавГТУ, 2000. — С. 51−55.
  44. Ю.В. Предвидение будущего: парадигма цикличности. М.: Ассоциация «Прогнозы и циклы». Серия «Новое в прогнозировании: теория, методы, опыт», 1992.
  45. А.И., Коник Р. В. Сезонные колебания: необходимость учета и способы расчета. Электронный документ. www.mstu.edu.ru.
  46. Д.В., Фармер Е. Д. Сравнительные модели прогнозирования электрической нагрузки.-М.: Энергоатомиздат, 1987. — 200 с.
  47. Н. И., Алексеев A.A. Финансовое прогнозирование в экономических системах. М.: ЮНИТИ-ДАНА, 2002. — 285 с.
  48. А.И. Стохастические модели научной деятельности. В кн.: Системные исследования: Ежегодник, 1975. — М.: Наука, 1976.-С. 5−42.
  49. А.И. Математические модели в исследовании науки. М.: Наука, 1986. — 352 с.
  50. A.M., Воднев H.H. Композиционный метод статистического прогнозирования. // Энергетическое строительство, 1993, N3.-C. 48−53.
  51. Е.М. Статистические методы прогнозирования.
  52. М.: Статистика, 1977. 200 с.
  53. Ю.В., Михайлов Ю. Б., Кузьмин В. И. Прогнозирование количественных характеристик процессов. М: Советское радио, 1975. — 400 с.
  54. JI.C., Крумм JI.A. Применимость вероятностных методов в энергетических расчетах. // Изв. АН СССР Энергетика и транспорт, 1983, № 2. С. 3−11.
  55. М.С., Лещинская Т. Б. Методы теории решений в задачах оптимизации систем электроснабжения. — М.: ВИПКэнерго, 1989.- 130 с.
  56. В.Н. Границы применимости (Вероятностно-статистические методы и их возможности). М.: Знание, 1977. — 64 с.
  57. В.Н. Теория вероятностей и случайных процессов. Учебное пособие. М.: Изд. МГУ, 1992. — 400 с.
  58. А.Г. Долгосрочное прогнозирование и управление сложными системами. — Киев: Техника, 1975. — 312 с.
  59. М. Временные ряды.-М.: Финансы и статистика, 1981.- 199 с.
  60. С.А. Нечеткие множества в экономико-математических моделях. // Математический инструментарий в экономических исследованиях: Межвуз. сб. научн. тр. /Под ред. Г. М. Мкртчяна- Новосиб. ун-т. Новосибирск, 1990. — с. 63−87.
  61. H.A., Алексеев A.B. Обработка нечеткой информации в системах принятия решений.-М.: Радио и связь, 1989. -304 с.
  62. С.А. Проблемы принятия решений при нечеткой исходной информации. — М.: Наука, 1981. — 208 с.
  63. М.А., Браверман Э. М., Розоноэр Л. И. Метод потенциальных функций в теории обучения машин.-М.: Наука, 1970.384 с.
  64. С.И., Охонин В. А. Адаптивные сети обработки информации. Красноярск: Институт физики СО АН СССР, 1986.
  65. В.А. Прогнозирование электропотребления предприятий на основе искусственных нейронных сетей: автореф. на соиск. степ. канд. техн. наук. — Красноярск, 2002.
  66. Г. К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. — X.: Основа, 1997. — 112 с.
  67. A.B. Использование искусственной нейронной сети в качестве многомерной модели при планировании электропотребления предприятий. Известия вузов Северо-Кавказский регион. Сер. Технические науки, 1996, № 3. — с. 102−108.
  68. A.S., Gershenfield N. A. (Editor) Time series prediction: Forecasting the future and understanding the past. — Boston: Addison—Wesley, 1994.
  69. Манусов B.3., Корнев M.C., Оптимизация и обучение искусственной нейронной сети для прогнозирования электропотребления в системе. // Нейроинформатика, Ч. 1, 2003.
  70. Е.Б., Кундыков Е. Б., Пак И.Т. О методах коррекции долгосрочного нейропрогноза временных рядов. // Нейроинформатика, Ч. 1, 2003.
  71. Д.В., Фирсов A.B., Замятин Н. В. Нейросетевая система прогнозирования энергопотребления. // Нейроинформатика, Ч. 1 -2003.
  72. Weigend A.S., Huberman В.А., Rumelhart D.F. Prediction the future: A connectionist approach // Intern. J. of Neural Systems, 1990, vol. 1. -P. 193−209.
  73. Carling A. Introducing Neural Networks. — Wilmslow, UK: Sigma Press, 1992.
  74. В. Г., Погребная H.A. Нейросетевые методы обработки информации в задачах прогноза климатических характеристик и лесорастительных свойств ландшафтных зон.//Методы нейроинформатики. КГТУ, Красноярск, 1998. 205 с.
  75. С.Д., Гурвич Ф. Г. Экспертные оценки в принятии плановых решений. — М.: Экономика, 1976.
  76. С.Д., Гурвич Ф. Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1980.
  77. В.О. Эффективность экономических решений. — М.:Экономика, 1965.
  78. P.A., Абдикеев Н. М., Шахназаров М. М. Производственные системы с искусственным интеллектом. — М.: Радио и связь, 1990.-264 с.
  79. P.A., Церковный Л. Э., Мамедова Г. А. Управление производством при нечеткой исходной информации.-М.: Энергоатомиздат, 1991. —241 с.
  80. И.М., Виноградская Т. М., Рубчинский A.A., Соколов В. Б. Теория выбора и принятия решений. — М.: Наука, 1982. 328 с.
  81. .И., Курдиновский О. Ю. Методические вопросы использования экспертных оценок для составления долгосрочных прогнозов. // Математические и информационные проблемы прогнозирования и управления наукой Киев: Институт кибернетики АН УССР, 1971.
  82. Г. М., Ершов Ю. В., Левин Е. И., Смирнов Л. П. Экспертные оценки в научно-техническом прогнозировании. Киев: Наукова думка, 1974.
  83. Т.К. Процесс принятия плановых решений. — М.:Экономика, 1974.
  84. М.М., Паттерн. Метод планирования и прогнозирования научных работ. — М.: Сов. радио, 1971.85.. Беклешев В. К., Завлин П. Н. Нормирование труда в НИИ и КБ. М.:Экономика, 1973.
  85. С.Д., Карпова И. В. Выбор перспективной техники с помощью метода экспертных оценок. // Экономико и математические методы 1972, т. VIII, вып 1.
  86. Э.П., Азгальдов Г. Г. Экспертные методы в оценке качества товаров. М.:Экономика, 1974.
  87. А.Ф., Платонов В. В. Единая электроэнергетическая система России в период рыночных преобразований. М.: Изд-во МЭИ, 2003.- 152 с.
  88. Д.В. Анализ, моделирование и прогнозирование бытового электропотребления в региональной энергосистеме: автореферат дис. на соиск. к.т.н. Новочеркасск, 2001.
  89. Ф.А., Морхов А. Ю., Надтока И. И. Прогнозирование электропотребления на основе нечетких множеств. — Изв. вузов Электромеханика, 1994, N6. — С. 74.
  90. Ф.А., Надтока И. И., Подгорный Д. Э. Прогнозирование в энергосистеме в условиях неопределенности. Изв. вузов Электромеханика, 1996, N3−4. — С.23−29.
  91. Ю.В., Чуланов Б. А. Экономия электроэнергии в промышленности. Справочник. М.: Энергоатомиздат, 1982. — 112 с.
  92. Регионы России. Социально-экономические показатели 2003 // Стат. сб. М.: Гос. ком. РФ по стат. — 895 с.
  93. А. В., Надтока И. И. Системы контроля, распознавания и прогнозирования электропотребления: модели, методы, алгоритмы и средства. Ростов н/Д.: Изд-во РГУ, 2002. — 320 с.
  94. С. Система опережающих факторов для России. // Российская экономика, 2001. с. 23−42.
  95. С.Г., Кузнецов Н. Г. Региональная экономика для студентов ВУЗов. Р-н-Д: Феникс, 2003.
  96. В.А. Непараметрическое выделение динамическихсезонных циклов: Препринт WP2/2002/01. М.: ГУ ВШЭ, 2002. — 33 с.
  97. В.А., Ковальджи А. К. Выделение сезонных колебаний на основе вариационных принципов // Экономика и математические методы. 2001. Т.37. № 1.
  98. H.H. Виды циклов в экономической динамике // Сб. науч. трудов. Серия «Экономика», вып. 5 — Ставрополь, СевероКавказский государственный технический университет. 2002. 129 с.
  99. Burns A., Mitchell W. Measuring Business Cycles. N.Y. National of Economic Research, 1946.
  100. Kitchin J. Cycles and Trends in Economic Factors / Review of Economic Statistics, Jannuary, 1923 preliminary Vol. V.
  101. Berry B.J.L. Long-wave Rhythms in Economic Development and Political Behaviour. Baltimore & London 1991.
  102. E.C. Тория вероятностей. — M.: Наука, 1969. 576с.
  103. Е.С., Овчаров JI.A. Теория случайных процессов и ее инженерные приложения. М.: Наука, 1991. — 384 с.
  104. Д.В., Пресли М. Б. Взаимно-корреляционные свойства псевдослучайных и родственных последовательностей. ТИИЭР, 1980, т. 68, N5.-С. 59−90.
  105. Ю.И., Мальков B.JI. Спектральный анализ случайных процессов. М.: Энергия, 1974. — 240с.
  106. Л.М., Матюшкин Б. Д., Поляк М. Н. Цифроваяобработка сигналов. М.: Радио и связь, 1985. 312 с.
  107. Г., Ватте Д. Спектральный анализ и его приложения.-М.: Мир, 1971.-316 с.
  108. A.A. Модели анализа и прогноза спроса на электроэнергию: препринт. Новочеркасск: ДО МАОП, 2005. — 22 с.
  109. Д.С., Пирогов Г. Г. и др. Динамика экономической структуры общества // Известия вузов. Прикладная нелинейная динамика. 1996. Т. 4. № 3.
  110. А.Э. О NP- полноте задач электроснабжения промышленных предприятий // Изв. вузов Электромеханика. 1993, № 6 -с. 18−20.
  111. Т.В., Косматов Э. М., Ирешова А. Экономико-математические методы и модели принятия решений в энергетике. -Л.:Изд-во Лен. Ун-та, 1991.-224 с.
  112. И.И. Развитие теории и методов моделирования и прогнозирования электропотребления на основе данных средств автоматизации учета и телеизмерений: дис. на соиск. докт. техн. наук / Надтока Иван Иванович. — Новочеркасск, 1999. — 395 с.
  113. A.B., Кушнарев Ф. А., Надтока И. И., Седов A.B. Прогнозирование электропотребления в энергосистеме Ростовэнерго. -Изв. вузов России. Сер. Электромеханика, 1994, N 4−5. С. 102−110.
  114. А. В., Демура A.B., Исаев К. Н., Морхов А.Ю., Надтока
  115. И.И., Седов A.B. Анализ и прогнозирование электрической нагрузки в энергосистеме. // Улучшение экологии и повышение надежности энергетики Ростовской области. Ростов-на-Дону: Изд. СКНЦ ВШ, 1995. -С. 90−100.
  116. A.M., Тимченко В. Ф., Сааренд К. А. Моделирование динамики изменения потребления электроэнергии энергосистем при неполной информации. Электричество, 1977, № 4. — 6669 с.
  117. В.Ф. Колебания нагрузки и обменной мощности энергосистем. М: Энергия, 1975. — 60−65с.
  118. К. Факторный анализ. М.: Статистика, 1980. — 398с.
  119. М. Основы прикладной статистики. М: Энергоатомиздат, 1983. 416 с.
  120. JI. Г. Теория и практика принятия решений. — М.: Экономика, 1984. 176 с.
  121. A.A., Еремеев А. П. Экспертные системы поддержки принятия решений в энергетике. Изд-во МЭИ, 1994. — 216 с.
  122. A.M., Скрипко O.A. Применение принципов экспертных систем для прогнозирования электропотребления // Электричество, 1994, № 1. С. 26−31.
  123. Ю.Н., Киселица Е. П. Методика управления рисками с использованием ситуационного анализа положения предприятия на рынке // Проблемы и перспективы управления экономикой и маркетингом в организации. № 1, 2001.
  124. Е.П. Предпосылки и сущность формирования маркетинговых технологий как эффективного способа решения сбытовых проблем // Проблемы и перспективы управления экономикой имаркетингом в организации, № 3. 2003.
  125. Е.Е., Воропаева Ю. А., Косматов Э. М., Ногин В.Д.
  126. Принятие решений о величине среднего тарифа на электроэнергию в условиях неоднозначности исходной информации. Электрические станции, 1994, N 12. — С.2−7.
  127. В.А., Воробьев Ю. Л., Малинецкий Г. Г. Управление риском. Риск, устойчивое развитие, синергетика. М.: Наука, 2000.
  128. Ю.М., Ястремский А. И. Стохастические модели и методы в экономическом планировании. — М.: Наука, 1979. — 256 с.
  129. Н.М. Локальный уровень управления развитием производства. Ростов н/Д: СКИАПП, 1999. — 360 с.
  130. Ф. А. Менеджмент энергетических предприятий. М.: Издательство МЭИ, 2002. — 224 с.
  131. В.А. Введение в стохастическую оптимизацию. Стохастическое программирование. Кн. 1 и 2. Новочеркасск: Изд. НГТУ, 1995, 1996.
  132. В.В., Дайибегов Д. М., Мизрохи C.B., Ясеновский C.B. Автоматизированное рабочее место для статистической обработки данных. М.: Финансы и статистика, 1990.
  133. Г. Н. Статистические методы планирования экстремальных экспериментов с информационными системами // Вопросыстатистики. 1999, № 6.
  134. Г. Г., Курдюмов С. П. Нелинейная динамика и проблемы прогноза // Вестник Российской академии наук, т. 71, № 3, 2001. -С. 210−232.
  135. A.JI. Экономический анализ моделей планирования социалистического хозяйства. М.:1973.
  136. A.A., Мелентьев JI.A. Методы исследования и оптимизации энергетического хозяйства. Новосибирск, 1973.
  137. В.М., Усенко JI.H., Киреев В. Д. Оценочная деятельность в экономике. — Ростов: МарТ, 2003. — 304 с.
  138. .В. Электроэнергетический рынок и тарифы. -Н. Новгород, 2002. 252 с.
  139. Кушнарев • Ф.А., Свешников В. И., Коваленко A.B., Федорченко Г. С. Организация энергетического производства. М.: Энергоатомиздат, 2001. — 288 с.
  140. Ф.А., Свешников В. И. Энергетика России. Результаты реформирования/Юж.-Рос. гос. тех. ун-т. Новочеркасск: ЮРГТУ, 2005.- 196 с.
  141. A.A., Флаксерман Ю. Н. Экономика энергетики СССР. -М.:Энергоатомиздат, 1985.-416 с.
Заполнить форму текущей работой

На отлично!