Управление напряжением электросети рудника на основе интеллектуального алгоритма

Задачи исследования: анализ интеллектуальных возможностей нейронных сетей в управлении объектами электроэнергетики, и в частности напряжением электросети; построение модели нейронной сети с глубоким обучением для мониторинга, прогнозирования и регулирования напряжения электросети горнорудного комплекса. Используя теоретические методы научного исследования, было определено, что для управления напряжением электросети рудника наиболее эффективным является интеллектуальный алгоритм, основанный на вычислении градиента - Long Short-Term Memory или LSTM. В нем заложен метод обучения, основанный на усечении обратного распространения во времени, который позволяет ускорить обучение, экономит вычислительные ресурсы и память. При разработке модели нейронной сети было выявлено, что для присвоения ей диспетчерских функций необходима более совершенная интеллектуальная модель, в которой объединена сверточная нейронная сеть CNN и двунаправленная сеть с краткосрочной памятью BiLSTM. Для обучения и тестирования сети скомпонован набор данных и выбран оптимизатор Adam optimizer. Предлагаемая модель нейронной сети и условия ее реализации позволят решить проблему подержания качества электроэнергии в электросетях рудников.