«УДК 621.311 Закарюкин В.П., Крюков А.В., Раевский Н.В., Яковлев Д.А. МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ПРОЦЕССОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ Под ред. ...»

101. Царегородцев, В.Г. Нейросетевые методы обработки информации в задачах прогноза климатических характеристик и лесорастительных свойств ландшафтных зон [Текст] / В.Г. Царегородцев, Н.А. Погребная // Методы нейроинформатики. – Красноярск, 1998. – С. 65–110.

102. Частотный словарь русского языка [Текст] – М.: Русский язык, 1977.

103. Четыркин, Е.М. Статистические методы прогнозирования [Текст] / Е.М. Четыркин. – М.: Статистика, 1977. – 200 с.

104. Четыркин, Е.М. Статистические методы прогнозирования [Текст] / Е.М. Четыркин. – М.: Прогресс, 1970.

105. Чукреев, Ю.А. Применение искусственных нейронных сетей в задачах оперативного управления режимами электроэнергетических систем [Текст] / Ю.А. Чукреев, М.В. Хохлов, Н.Э. Готман // Новые научные методики. – Сыктывкар, 2000. – 23 с.

106. Шумский, С.А. Нейрокомпьютинг – состязание с человеческим мозгом [Текст] / С.А. Шумский // Вестник РАН. – Т. 70. – №1. – 2000. – С.

36–44.

107. Экономическое стимулирование рационального использования электроэнергии в промышленности [Текст] – М.: Энергоатомиздат, 1988. – 80 с.

108. Яблонский, А.И. Математические модели в исследовании науки [Текст] / А.И. Яблонский. – М.: Наука, 1986.

109. Яковлев, Д.А. Прогнозирование электропотребления [Текст] / Д.А. Яковлев // Таланты и труд молодых – родному Забайкалью. – Чита, 2002. – С. 103–104.

110. Яковлев, Д.А. Прогнозирование электропотребления предприятий железной дороги на основе рангового анализа [Текст] / Д.А. Яковлев // 60–я региональная научно–практическая конференция творческой молодёжи. – Хабаровск, 2002 – С. 200–201.

111. Яковлев, Д.А. Прогнозирование потребления активной электрической энергии на предприятиях железнодорожного транспорта [Текст] / Д.А. Яковлев // Проблемы модернизации инфраструктуры транссибирской магистрали. – Чита, 2005. – С.170–172.

112. Яковлев, Д.А. Прогнозирование электропотребления предприятий железной дороги на основе рангового анализа [Текст] / Д.А. Яковлев // 60–я региональная научно–практическая конференция творческой молодёжи. – Т.1. – Хабаровск, 2002. – С. 200–202.

113. Яковлев, Д.А. Прогнозирование электропотребления тяговых подстанций с применением математического аппарата нейронных сетей [Текст] /Д.А. Яковлев, А.А. Коледаев, Д.В. Бакланов // Молодёжь Забайкалья: дорога в будущее. – Ч.2. – Чита, 2005. – С. 262–265.

114. Яковлев, Д.А. Определение годового расхода электрической энергии электрифицированного участка железной дороги [Текст] /Д.А.

Яковлев, А.А. Коледаев, Д.В. Бакланов //Наука i ocвiта 2005. – Т. 61. Днiпропетровськ, 2005. – С. 66–68.

115. A.P. Alves da Silva, V.H. Quintana and G.K.H. Pang. Solving data acquisition and processing problems in power systems using a pattern analysis approach // IЕЕ Ppoc. C. Jul. 1991. Vol. 138. – P. 365-376.

116. Alexiadis M.C., Dokopoulos P.S., Sahsamanoglou H.S., Manousaridis I.M. Short-term forecasting of wind speed and related electrical power // Solar Energy. 1998. V. 63. № 1. P. 61-68.

117. Al-Saba Т., El-Amin I. Artificial neural networks as applied to longterm demand forecasting // Artificial Intelligence in Engineering. 1999. № 13. P.

189-197.

118. Antonio Piras. These "A Multiresponse structural connectionist model for short term electrical load forecasting".- Lausanne. EPFL, 1996. – P.

174.

119. Bakirtzis A.G., Petridis V., Klartzis S. J.,Alexiadis M.C. A neural network short term load forecasting model for the Greek power system // IEEE Transactions on Power Systems, Vol. 11, No.2, May 1998, P. 858–863.

120. Barakat E.H. Modeling of nonstationary time-series data. P. I, II // Electrical Power and Energy Syst. 2001. № 23. P. 57-68.

www.elsevier.com/locate/ijepes 121. Brierley P.O., Batty W.J. Electric load modelling with neural netwoarks: An Insight into the Black Box //Proc. ICONIP-97. Dunedin. 1997. V. 2.

P. 1326-1329.

122. C. Rodriguez, S. Rementeria, J.I. Martin, A. Lafuente, J. Muguerza, J. Perez. Fault analysis with modular neural networks. //Electrical Power & Energy Systems, 1996. Vol. 18.-№2.-P. 99-110.

123. Chang-il Kim, In-keun Yu, Song Y.H. Kohonen neural network and wavelet transform based approach to short-term load forecasting // Electric Power Syst. Res. 2002. № 63. P. 169-176. www.elsevier.com/locate/epsr 124. Che-Chiang Hsu, Chia-Yon Chen. Regional load forecasting in Taiwan-applications of artificial neural networks // Energy Conversion and Management. 2002.www.elsevier.com/locate/enconman 125. Clements K.A., Krumpholz G.R., Davis P.W. Power system state estimation residual analysis: an algorithm using network topology // IEEE Trans.

PAS, 1984. – №4. – P. 1779-1787.

126. Corchado J.M., Fyfe C. Unsupervised neural method for temperature forecasting // Artificial Intelligence in Engineering. 1999. № 13. P. 351-357.

127. Dash P.K., Satpathy H.P., Liew A.C. A real-time short-term peak and average load forecasting system using a self-organising fuzzy neural network // Engin. Applic. of Artificial Intelligence. 1998. № 11. P. 307-316.

128. Dotzauer E. Simple model for prediction of loads in district-heating www.elsevier.com/locate/apenergy 129. Fay D., Ringwood J.V., Condon M., Kelly M. 24-h electrical load data-sequential or partitioned time series // Neurocomputing. 2003.

www.computerScienceWeb.com; www.elsevier.com/locate/neu-com 130. Hopfield J., Tank D. Neural Computation of Decisions in Optimization Problems // Biological Cybernetics. 1981. v. 52.

131. Huang H.-C., Hwang R.-C., Hsieh J.-G. A new artificial intelligent peak power load forecasting based on non-fixed neural networks // Electrical www.elsevier.com/locate/ijepes 132. J.С.S. Souza, A.M. Leite da Silva, A. P. Alves da Silva. Data visualisation and identification of anomalies in power system state estimation using artificial neural networks // IEE Ppoc. Sep. 1997. Vol. 144. -№5. -P. 445-455.

133. J. C. S. Souza, A. M. Leite da Silva, A. P. Alves da Silva. Online topology determination and bad data suppression in power system operation using artificial neural networks. // IEEE Transactions on Power Systems, August 1998. Vol.13. -№ 3.-P.796-803.

134. Kalaitzakis K., Stavrakakis G.S., Anagnostakis EM. Short-term load forecasting based on artificial neural networks parallel implementation // Electric Power Syst. Res. 2002. № 63. P. 185-196. www.elsevier.com/locate/epsr 135. Kanevski M., Demyanov V., Maignan M. Spatial estimations and simulations of environmental data by using geostatistics and artificial neural network // Proc. IAMG-97. Barcelona. 1997. P. 533-538.

136. Kermanshahi В., Iwaminya H. Up to year 2020 load forecasting using neural nets // Electrical Power and Energy Syst. 2002. № 24. P. 789-797.

www.elsevier.com/locate/ijepes 137. Kodogiannis VS., Anagnostakis EM. Soft computing based techniques for short-term load forecasting // Fuzzy Sets and Systems. 2002. № 128.

P. 413-426. www.elsevier.com/locate/fss 138. Kogin H.J., Neisius TH., Beibler G., Schmitt K.D., Bad data detection and identification. // Int. J. Electr. Power Energy Syst., 1990. -№4(1 ).– P.94-103.

139. Kohonen T. Self–Organization and Associative Memory.- Berlin:

Springner–Verlag. 1988.

140. Kohonen T. Self-organizing maps Berlin, Heidelberg: SpringerVerlag, 1995. P. 141. Kryukov A.V., Raevskij N.V., Jakovlev D.A. Forecasting of the energy consumption with application of neuron net-works // Abstracts of the International conference 29-31 March 2004, Irkutsk. – Irkutsk: Irkutsk state transport university-Technological educational institution of Athens.- Irkutsk, 2004. – P.79.

142. M. Kezunouit, I. Rikalo. Automating the Analysis of Faults Power Quality. //IЕЕЕ Computer Application in Power, 1999. - P.42-47.

143. Metaxiotis K., Kagiannas A., Askounis D., Psarras J. Artificial intelligence in short term electric load forecasting: a state-of-the-art survey for the researcher // Energy Conversion and Management. 2003. № 44. P. 1525-1534.

www.elsevier.com/locate/enconman 144. Mohamed E.A., Mansour MM., El-Debeiky S., Mohamed K.G.

Egyptian unified grid hourly load forecasting using artifical neural network // Electrical Power and Energy Systems. 1998. V. 20. № 7. P. 495-500.

145. Mount T. Market power and price volatility in restructured markets for electricity // Decision Support Syst. 2001. № 30. P. 311-325.

www.elsevier.com/locate/erdsw 146. Nowicka-ZagrajekJ., Weron R. Modeling electricity loads in California: ARMA models with hyperbolic noise // Signal Processing. 2002. № 82.

P. 1903-1915. www.elsevier.com/locate/sigpro 147. Peng T. M., Hubele N.F., Karady G.G. An adaptive neural network approach to one–week ahead load forecasting // IEEE Transactions on Power Systems, Vol. 8, No.3, August 1993, P. 1195–1197.

148. Piras A., Germond A., Buchenel B., Imhof K, Jaccard Y. Heterogeneous artificial neural network for term electrical load forecasting // IEEE Transactions on Power Systems, Vol. 11, No.1, February 1996, P. 397–401.

149. Piras A. A multiresponse structural connectionist model for shortterm electrical load forecasting // These № 1546. Lausanne. EPEL. 1996, P.177.

150. Principles of forecasting: a handbook for researchers and practitioners. Norwell, MA: Kluwer Academic Publish. 1999.

151. Rojas R. Neural networks. A systematic introduction. Berlin:

Springer-Verlag, 1996.

152. Rosenblatt F. Principles of neurodynamics: perseptrons and the theory of brain mechanisms. Spartans books/Washington D.C., 1962.

153. Savelieva E., Kravetski A., Chernov S. etal. Application of MLP and stochastic simulations for electricity load forecasting in Russia // Proc. ESANNBruges. Belgium. 2000.

154. Schuhler E. Apport de la geostatistique aux modeles probabilistes de la finance // These pour obtenir le grade de Docteur de la science. Ecole de Mines de Paris, 12 octobre 1998.

155. Sforna M. NEUFOR: a tool for the online short-term load forecasting correction // Electric Power Systems Researhc. 1998. № 48. P. 25-30.

www.elsevier.com/locate/epsr 156. Singh S.P., Mailk O.P. Single ANN architecture for short-term load forecasting for all seasons // Eng. Int. Syst. 1995. V. 3. № 4. P. 249-254.

157. Tamimi M., Egbert R. Short term electric load forecasting via fuzzy neural collaboration // Electric Power Syst. Res. 2000. № 56. P. 243-248.

www.elsevier.com/locate/epsr 158. Taylor J.W., Buizza R. Using weather ensemble predictions in electricity demand forecasting // Intern. J. Forecasting. 2003. № 19. P. 57-70.

www.elsevier.com/locate/ijforecast 159. Topalli A.K., Erkmen I. A hybrid learning for neural networks applied to short-term load forecasting // Neurocomputing. 2003. № 51. P. 495-500.

www.elsevier.com/locate/neucom 160. Verona F.B., Ceraolo M. Use of neural networks for customer tariff exploitation by means of short-term load forecasting // Neurocomputing. 1998.

№ 23. P. 135-149.

161. Yao S.J., Song Y.H., Zhang L.Z., Cheng X.Y. Wavelet transform and neural networks for short-term electrical load forecasting // Energy Conversion and Management. 2000. № 41. P. 1975-1988.

www.elsevier.com/locate/enconman