Нейросетевой подход к прогнозированию потребления энергоресурсов в городской среде
Аннотация
Дата поступления статьи: 14.11.2018В настоящее время можно наблюдать общемировую тенденцию к внедрению так называемой цифровой энергетики в целях оптимизации распределения и использования энергоресурсов с помощью современных технологий сбора и обработки информации. При этом особую актуальность приобретает задача прогнозирования потребления электричества для обеспечения его бесперебойной подачи в условиях постоянного роста числа потребителей. Целью данной работы было сравнение методов классического регрессионного анализа с нейросетевыми алгоритмами при решении задачи прогнозирования энергопотребления домохозяйствами. Для исследования использовались данные, полученные с приборов учета 47 домохозяйств, расположенных в Ростовской области, за период 730 дней. Были рассмотрены прогнозирующие модели на основе регрессии; порядок модели варьировался от 1 до 3, а также модель на основе рекуррентной нейронной сети. Горизонт прогнозирования выбирался как 20% от имеющейся выборки данных (80% оставалось на обучение модели), что в среднем соответствовало трем месяцам. Из рассмотренных моделей наилучший результат продемонстрировала нейронная сеть, для которой относительная погрешность прогноза не превышала 5%.
Ключевые слова: энергоресурсы, прибор учета, жилищно-коммунальное хозяйство, прогнозирование энергопотребления, анализ данных, регрессия, временной ряд, рекуррентная нейронная сеть, машинное обучение, «умный город»
05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)
`