Автор:  Дзгоев А.Э., Лагунова А.Д., Карацев С.Т., Конюшок И.А.
Название:  Системный анализ данных и моделирование поведения потребления электроэнергии на каждый час суток с помощью методов машинного обучения
Выпуск:  114
Рубрика:  Системный анализ
Год:  2025
Библиография:  Дзгоев А.Э., Лагунова А.Д., Карацев С.Т. и др. Системный анализ данных и моделирование поведения потребления электроэнергии на каждый час суток с помощью методов машинного обучения // Управление большими системами. - 2025. - Вып. 114. - С.6-40.
Ключевые слова:  моделирование электропотребления, обработка данных, оценка качества моделей, математическая статистика, регрессионная модель, искусственный интеллект
Ключевые слова (англ.):  energy consumption modeling, data processing, model quality assessment, mathematical statistics, regression model, artificial intelligence
Аннотация:  Потребление электроэнергии является ключевым фактором устойчивого развития в энергетической отрасли, и точное прогнозирование его изменений имеет важное значение для эффективного управления большими электроэнергетическими системами и ресурсами. Целью данного исследования является разработка математической (регрессионной) модели для прогнозирования поведения электропотребления на каждый час следующих суток для энергосбытовых компаний современными методами машинного обучения и искусственного интеллекта. Рассматриваются различные методы искусственного интеллекта, применяемые для моделирования и прогнозирования потребления электроэнергии. К этим методам относятся: линейная модель, случайный лес и две реализации градиентного бустинга над решающими деревьями. Научный подход, основанный на технологии искусственного интеллекта Boosting, позволяет максимально снизить ошибку прогнозирования электропотребления в крупных энергетических компаниях. Авторами разработана новая, полезная и качественная регрессионная модель, адекватно описывающая экспериментальные данные по потреблению электроэнергии за каждый час суток. Выполнено тестирование разработанной регрессионной модели на реальных производственных данных энергетической компании. Проведенное исследование и полученные результаты позволяют авторам сделать вывод о том, что разработанная математическая модель методом машинного обучения LightGBM может быть использована энергосбытовыми компаниями для почасового планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ) на несколько дней вперед. Исследование было выполнено на языке программирования Python.
Аннотация (англ.):  Electricity consumption is a key driver of sustainable development in the energy industry, and accurately predicting its changes is essential for the efficient management of large electric power systems and resources. The aim of this study is to develop a mathematical (regression) model for predicting the behavior of electricity consumption for each hour of the next day for energy supply companies using modern methods of machine learning and artificial intelligence. This article discusses various artificial intelligence methods used to model and predict electricity consumption. These methods include a linear model, a random forest, and two implementations of gradient boosting over decision trees. A scientific approach based on Boosting artificial intelligence technology allows to minimize the error in forecasting electricity consumption in large energy companies. The authors have developed a new, useful and high-quality regression model that adequately describes experimental data on electricity consumption for each hour of the day. The developed regression model was tested on real production data of an energy company. The conducted research and the obtained results allow the authors to conclude that the mathematical model developed using the machine learning method – LightGBM, can be used by energy supply companies for hourly planning of electricity consumption when submitting applications to the wholesale electricity and capacity market (WECM) for several days in advance. The research was carried out in the Python programming language.

в формате PDF

Просмотров: 75, загрузок: 26, за месяц: 10.

Назад