Курсовая работа: Нейросетевая система прогнозирования электроэнергии

Оглавление

1. Описание программы.................................................................................... 7

1.1. Алгоритмические решения......................................................................... 7

1.1.1. Безопасность............................................................................................ 7

1.1.2. Клиент..................................................................................................... 9

1.2. Описание интерфейса программы........................................................... 13

1.2.1. Навигация и Футер................................................................................ 13

1.2.2. Регистрация и Авторизация................................................................. 15

1.2.3. Главная страница.................................................................................. 17

1.2.4. Прогноз................................................................................................... 19

1.2.5. Тренировка............................................................................................. 21

1.3. Архитектура приложения........................................................................ 22

1.3.1.Зависимости проекта............................................................................ 22

1.3.2. Клиент.................................................................................................... 25

1.3.3. База данных............................................................................................ 26

2. Структура классов и их назначение в рамках проекта............................. 28

2.1. Сервер....................................................................................................... 28

2.1.1. Config...................................................................................................... 29

2.1.2. Controllers............................................................................................... 30

2.1.6. Parse....................................................................................................... 34

2.1.7. Repositories............................................................................................. 35

2.1.10.Static...................................................................................................... 38

2.1.1. Util.......................................................................................................... 38

5.2 Клиент........................................................................................................ 39

2.2.1. Template.................................................................................................. 39

2.2.2. Static........................................................................................................ 41

Заключение...................................................................................................... 43

Список использованных источников.............................................................. 44

Приложения.................................................................................................... 46

Введение

Потребление электроэнергии во всем мире стремительно растет в связи с постоянным увеличением населения, желанием улучшения уровня жизни и расширением индустриализации, что способствует положительному темпу экономического роста [1]. Прогнозирование потребления электроэнергии на средний и долгосрочный период имеет важное значение для планирования инвестиций в энергетику [2]. Например, избыточное использование ископаемого топлива для генерации электроэнергии в конце 20 века привело к истощению ресурсов. С начала 21 века все чаще используются возобновляемые источники энергии, такие как гидроэнергетика, солнечная и ветровая энергия. В отличие от традиционных источников энергии, ветровая, солнечная и гидроэнергетика обладают множеством преимуществ, таких как возможность вторичной переработки и экологическая безопасность, а также большой потенциал развития. Они способствуют установлению более эффективной и чистой энергетической структуры. Однако, из-за неопределенности и взаимосвязи гидро, ветровой и солнечной энергии, прогнозирование потребления электроэнергии становится чрезвычайно важным, но сложным. Точное прогнозирование может содействовать более эффективному использованию возобновляемой энергии. Кроме того, точное прогнозирование потребления электроэнергии может определять правительственные стратегии будущего использования и развития энергетики.

Наиболее часто используемые методы прогнозирования потребления электроэнергии включают регрессионные модели [3], модели временных рядов [4], теорию нечетких данных [5], нейронные сети [6], байесовские сети [7], гибридные методы [8] и др. Регрессионный анализ и модели временных рядов являются наиболее известными методами моделирования в прогнозировании потребления электроэнергии [9]. С развитием современных методов искусственного интеллекта в прогнозирование электроэнергии внедряются искусственные нейронные сети [10]. С точки зрения результатов

прогнозирования, существующие методы можно разделить на

детерминистические точечные прогнозы и вероятностные прогнозы, основанные на анализе неопределенностей [12]. Точный точечный прогноз не учитывает колебания потребления электроэнергии. На реальное потребление электроэнергии и рост нагрузки влияют различные факторы, в том числе экономическое развитие, структура промышленности, уровень доходов населения, климатические условия, географическая среда, национальная политика (цена на электроэнергию) и т.д. Все эти факторы взаимодействуют и влияют друг на друга. Кроме того, интеграция информатизации и индустриализации в электроэнергетике приводит к быстрому росту данных об энергетике, что приводит к большому количеству данных с разнообразными источниками, функциями и объемами.

Объектом исследования является процесс прогнозирования значений потребления электроэнергии.

Предметом исследования являются нейросетевые модели для прогнозирования временных рядов.

Таким образом, целью проекта является разработка нейросетевой системы прогнозирования потребления электроэнергии.

Для достижения поставленной цели необходимо решить следующие

задачи:

• разработка клиент-серверного приложения на языке программирования Java, предназначенного для прогнозирования потребления электроэнергии на основе искусственной нейронной сети;
• создание серверной части приложения на основе фреймворка Spring Boot, отвечающей за обработку запросов клиентов и предоставление нейросетевых прогнозных данных;
• разработка клиентской части приложения с графическим интерфейсом с помощью HTML, CSS и jаvascript, обеспечивающей удобный интерфейс для взаимодействия с сервером и получения прогнозных данных;

• применение модели MVC (Model View Controller) для разделения управляющей логики на отдельные компоненты, что позволяет улучшить фундаментальные свойства системы, в том числе и повысить читаемость исходного кода;
• создание облачной кроссплатформенной веб-геоинформационной системы для нейросетевого расчета прогнозных значений потребления электроэнергии.

Для решения выше поставленных задач используются технологии искусственного интеллекта, а также следующие инструментальные средства: Java, Spring Boot [13-15], MySQL, ORM и т.д.

Таким образом, разработка веб-ГИС является актуальным инструментом для энергетических компаний, нуждающихся в прогнозировании электроэнергии для своей деятельности.