Статьи

АКТУАЛЬНОСТЬ данного исследования заключается в использовании искусственной нейронной сети для прогнозирования объема воды в водохранилище Кока (гидроэлектростанция Кока в Эфиопии). Как известно, гидроэнергетика, являясь возобновляемой энергией, относится к числу технологий, которые производят электроэнергию с наименьшим воздействием на глобальное изменение климата. За это время Эфиопия получала около 87% (4674 МВт) электроэнергии от гидроэнергетики. Это одна из стран, затронутых проблемами климатических явлений, таких как наводнения, засухи и ураганы, которые влияют на потенциал гидроэнергетики.

ЦЕЛЬ. Для поддержания безопасной эксплуатации, хорошей эффективности производства, лучшего управления водными ресурсами, эффективного принятия решений, предотвращения аварий и обеспечения раннего предупреждения и ограничений на производство электроэнергии необходимо прогнозирование объема воды. Что, в свою очередь, является нелинейной задачей, и для этой цели подходит нейронная сеть типа мультилинейного персептрона (MLP).

МЕТОДЫ. В этом исследовании были определены различные модели с различным выбранным количеством узлов и слоев, поскольку не существует конкретного правила для определения архитектуры искусственной нейронной сети. Статистический анализ (среднеквадратичная ошибка (MSE) и R- квадрат (R2)) использовался для проверки достоверности модели путем сравнения фактических значений притока воды с прогнозируемыми значениями.

РЕЗУЛЬТАТЫ. Было проведено предсказание притока с использованием метода ANN, основанного на многослойном персептроне (MLP). Производительность каждой модели была оценена с использованием среднеквадратичной ошибки (MSE) и коэффициента эффективности (R2), которые являются одними из наиболее часто используемых статистических методов в гидрологическом моделировании.

ЗАКЛЮЧЕНИЕ. Полученные результаты показывают, что модели успешно предсказали паводковый сток над водохранилищем.