Прогнозирование затрат на электроэнергию угледобывающих предприятий в современных условиях

Abstract

Рассмотрена проблема прогнозирования затрат на электроэнергию угледобывающего предприятия. Выявлены основные факторы, влияющие на уровень энергопотребления: горногеологические, технологические, климатические, случайные (выбросы, горные удары, обрушение выработок). Рассмотрены используемые в настоящее время для прогнозирования методы и математические модели: регрессия, анализ Фурье, вейвлет-анализ, искусственные нейронные сети. Произведено оценивание погрешности для каждого из известных методов. Показано, что в условиях высокой степени неопределенности, характерной для горно-геологических работ, целесообразно для прогнозирования уровня затрат на энергопотребление шахты использовать нечеткие искусственные нейронные сети.

Розглянуто проблему прогнозування витрат на електроенергію вугледобувного підприємства. Виявлено основні чинники, що впливають на рівень енергоспоживання: гірничо-геологічні, технологічні, кліматичні, випадкові (викиди, гірничі удари, обвал виробок). Розглянуто методи і математичні моделі, що використовуються сьогодні для прогнозування: регресія, аналіз Фур’є, вейвлет-аналіз, штучні нейронні мережі. Оцінено помилку для кожного з відомих методів. В умовах високого рівня невизначеності, що є характерним для гірничо-геологічних робіт, доцільно для прогнозування рівня витрат на енергоспоживання шахти використовувати нечіткі штучні нейронні мережі.

The forecasting problem of the electricity’s cost for coal mine is considered. The main factors affecting the energy consumption level are identified: mining and geological, technological, climatic, random (emissions, rock bursts, collapse of mine workings). The methods and models currently used for forecasting are considered: regression, Fourier analysis, wavelet analysis, artificial neural networks. An error was estimated for each of the known methods. It is shown that in conditions of a high uncertainty that characteristic for mining and geological works is reasonable to use fuzzy artificial neural networks to predict the level of energy consumption for the coal mine.