RUS  ENG
Полная версия
ЖУРНАЛЫ // Известия Кабардино-Балкарского научного центра РАН // Архив

Известия Кабардино-Балкарского научного центра РАН, 2022, выпуск 3, страницы 9–20 (Mi izkab435)

Эта публикация цитируется в 1 статье

Системный анализ, управление и обработка информации

Прогнозирование потребления электроэнергии предприятиями народнохозяйственного комплекса в условиях неполноты информации

И. Д. Моргоевa, А. Э. Дзгоевa, Р. В. Клюевb, А. Д. Моргоеваa

a Северо-Кавказский горно-металлургический институт (государственный технологический университет), 362021, Россия, Владикавказ, ул. Николаева, 44
b Московский политехнический университет, 107023, Россия, Москва, ул. Б. Семеновская, 38

Аннотация: В работе рассмотрена проблема планирования спроса на электроэнергию для сбытовых организаций с помощью интеллектуального анализа данных. В силу того, что планирование объемов потребления открывает новые экономические возможности для предприятий при выходе на оптовый рынок электроэнергии, прогнозирование является необходимым экономическим рычагом для принятия оптимальных решений в процессе планирования и распределения ресурсов. Таким образом, целью проведенного исследования явилось получение достоверного прогноза потребления электроэнергии. Стоит отметить, что прогнозирование потребления электроэнергии позволит повысить эффективность принимаемых управленческих решений как для электросетевых компаний, так и для отдельных энергоемких потребителей (промышленных предприятий). В ходе исследования был применен комплекс методов научного познания, в том числе машинного обучения. В результате было построено несколько моделей машинного обучения, с помощью которых сделан прогноз потребления электроэнергии. Проведен сравнительный анализ результатов прогнозирования по метрикам качества: средней абсолютной ошибке прогноза и коэффициенту детерминации. Наилучшие значения указанных метрик были получены с помощью модели, основанной на алгоритме CatBoostRegressor. Стало быть, с целью прогнозирования электропотребления использование разработанной модели, на наш взгляд, будет наиболее целесообразно.

Ключевые слова: электроэнергетика, машинное обучение, регрессия, кластеризация, прогнозирование.

УДК: 004.852, 004.67

MSC: 05-04

Поступила в редакцию: 03.06.2022
Исправленный вариант: 10.06.2022
Принята в печать: 15.06.2022

DOI: 10.35330/1991-6639-2022-3-107-9-20



Реферативные базы данных:


© МИАН, 2024