• ВХОД

    •  

    Полное описание


     Алюнов, Александр Николаевич. Прогнозирование объемов потребления электрической энергии с применением методов машинного обучения = Electrical energy consumption prediction using machine learning methods / А. Н. Алюнов, К. Д. Мосолова. - DOI 10.18127/j19998554-202305-08. - Текст : непосредственный // Нейрокомпьютеры: разработка, применение = Neurocomputers : международный научно-технический журнал. - 2023. - Том 25, N 5. - С. 58-70. - Библиогр. в конце ст. - ISSN 1999-8554.
    (Шифр в БД У2414/2023/25/5)
    ГРНТИ УДК
    44.29621.311:004.8
    44.01.77621.31:5144.01.77
    28.23.25004.85
    РУБ ИИ
    04.07
    07.99

    Рубрики:
    Искусственный интеллект -- Применение в электроэнергетике
    Искусственный интеллект -- Прогнозирование
    Электроэнергетика -- Математические методы
    Машинное обучение

    Кл.слова (ненормированные): scikit-learn -- язык программирования python -- планирование ресурсов -- энергосбережение -- энергоучет -- энергопотребление -- энергоэффективность -- электроэнергетика -- прогнозирование электропотребления -- прогнозирование временных рядов -- машинное обучение
    Аннотация: Прогнозирование потребления электроэнергии является сложным и важным процессом для промышленных предприятий. Точность прогноза на ближайшее время позволяет не только избежать дополнительных затрат на энергию, но и оптимизировать производственные процессы. Для достижения этой цели необходимо использовать гибкие решения, обеспечивающие точный и интерпретируемый результат в короткие сроки. Промышленные предприятия (компании), потребляющие значительное количество электрической энергии, обязаны каждый день подавать заявки с информацией, сколько планируется закупить электроэнергии на ближайшие сутки. Отклонение фактического потребления электроэнергии в меньшую или большую сторону приводит к дополнительным расходам. Следовательно, требуется развитие алгоритмов прогнозирования объемов потребления электрической энергии, при этом использование методов машинного обучения для решения рассматриваемой задачи позволит повысить точность прогнозов на основе существующих решений. Машинное обучение может выявить и учесть закономерности, которые игнорируются как при ручных расчетах, так и при использовании статистических моделей. Цель исследования - разработать алгоритм прогнозирования потребления объемов электрической энергии на основе выбранной математической модели, обеспечивающий повышение эффективности промышленного предприятия. Предложен алгоритм прогнозирования потребления электроэнергии промышленным предприятием, который на основе собранной от систем коммерческого учета электроэнергии информации позволил достичь точности в 91%. Модель "случайный лес" может позволить оптимизировать процессы на производстве, что является преимуществом разработанного алгоритма. Результаты исследования могут послужить отправной точкой для дальнейшего изучения проблемы с целью добиться еще большей точности прогнозов, а также создания программных продуктов по прогнозированию объемов потребления электроэнергии промышленными предприятиями.
    Доп. точки доступа:
    Мосолова, К.Д.

    Экз-ры полностью У2414/2023/25/5
    Имеются экземпляры в отделах: всего 2 : ПНТ (1), ХРЦ (1)
    Свободны: ПНТ (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽