Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11541
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Кондратьев Алексей Юрьевич | ru_RU |
dc.contributor.author | Бакутеев Антон Николаевич | ru_RU |
dc.contributor.author | Bakuteev Anton | en_GB |
dc.contributor.editor | Петросян Леон Аганесович | ru_RU |
dc.contributor.editor | Petrosian Leon Аgаnesovich | en_GB |
dc.date.accessioned | 2018-07-25T20:34:27Z | - |
dc.date.available | 2018-07-25T20:34:27Z | - |
dc.date.issued | 2017 | - |
dc.identifier.other | 015443 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11541 | - |
dc.description.abstract | Первая часть работы посвящена оптимизации ценовой политики водоснабжающего предприятия для уменьшения высоты ежедневного пика потребления. В работе предлагается теоретико-игровая модель, где игроки – потребители и водоснабжающая компания. Стратегии потребителей – это их расписания запуска приборов. Стратегия водоснабжающей компании – тариф, зависящий от времени дня. В частном случае представлено решение в явном виде. Для общего случая предлагается алгоритм формирования тарифов, позволяющий снизить пиковую нагрузку до 30%. Вторая часть работы посвящена потреблению воды для неавтоматизированных приборов учета воды. Для этого используется информация о доме, показания каналов ручного ввода и показания автоматизированных приборов учета. При помощи композиций методов машинного обучения и нейронных сетей обеспечивается точность прогноза до 25%. | ru_RU |
dc.description.abstract | The first part of this work is about water peak demand problem. We formulate water consumption game, where the players are the users and their strategies are the daily schedules of their household appliances. The goal of users is to reduce water bill. It is assumed that the utility company can change pricing tariffs to reduce peak demand. We provide solutions in special cases and propose peak reduction algorithm in general case. With help of computer modelling we show that in general case our algorithm provides up to 30% peak demand reduction. The second part is about the forecasting of water consumption forecasting for non-automated meters. We use information about the premise, manual register reads and consumptions for automated meters. With the help of the composition of machine-learning algorithms and neural networks, we provide the accuracy up to 25%. | en_GB |
dc.language.iso | ru | - |
dc.subject | теория игр | ru_RU |
dc.subject | машинное обучение | ru_RU |
dc.subject | управление спросом | ru_RU |
dc.subject | прогноз потребления | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | дезагрегирование потребления | ru_RU |
dc.subject | водоснабжение | ru_RU |
dc.subject | снижение пика | ru_RU |
dc.subject | game theory | en_GB |
dc.subject | machine learning | en_GB |
dc.subject | demand management | en_GB |
dc.subject | consumption forecasting | en_GB |
dc.subject | neural networks | en_GB |
dc.subject | consumption disaggregation | en_GB |
dc.subject | water supply | en_GB |
dc.subject | peak reduction | en_GB |
dc.title | Game theory applications to water supply systems | en_GB |
dc.title.alternative | Приложения теории игр к системам водоснабжения | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
master_thesis.pdf | Article | 1,72 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_nauch_ruk_Bakuteev.pdf | ReviewSV | 341,52 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Bakuteev_A_N__mag_rec_1.pdf | ReviewRev | 2,81 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Bakuteev_A_N__mag_rec.pdf | ReviewRev | 432,62 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st002262_Petrosyan_Leon_Aganesovich_(supervisor)(Ru).txt | ReviewSV | 4,6 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.