Интернет конференция по проблемам теории и практики управления

Название: НОВАЯ MЕТОДОЛОГИЯ АВТОМАТИЧЕСКОГО ВЫ-БОРА РАЗРАБОТАННЫХ СРАВНИТЕЛЬНЫХ МА-ТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА КАЖДЫЙ ЧАС СУТОК
Автор: Алан Эдуардович Дзгоев
Соавторы:
Дзгоев А.Э., Конюшок И.А.
Аннотация:
Прогнозирование электропотребления занимает центральное место в задачах системного анализа данных и ежедневного планирования при управлении режимами электроэнергетических систем. Целью данного исследования является разработка новой методологии и системы выбора сравни-тельных математических моделей для прогнозирования внутрисуточного электропотребления на предприятии. Отличительной особенностью разработанной методологии является комбинация методов, с помощью которых были разработаны математические модели-кандидаты: с одной стороны применялись современные методы машинного обучения, а с другой стороны было использовано два разных подхода к формированию матриц независимых и зависимых переменных - классическое формирование матрицы при поступлении новых данных и метод скользящей матрицы, адаптированный под машинное обучение. Разработанная методология обеспечила сравнительным математическим моделям конкурентоспособность при автоматическом выборе модели, которая наиболее подходящим образом описывает новые фактические данные в матрицах. Разработанный алгоритм методологии ориентирован на оперативную адаптацию математических моделей при изменении данных в матрицах, а следовательно, выбирает такую модель, которая корректнее прогнозирует электропотребление. Методология апробирована на реальных данных российской энергетической компании ПАО «Россети Северный Кавказ». Проведённое исследование и полученные результаты моделирования позволили сделать вывод, что разработанная методология автоматического выбора лучшей математической модели может быть использована как энергосбытовыми организациями для планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ), так и генерирующими компаниями, а также производственными потребителями и датацентрами для решения задачи прогнозирования электроэнергии.
Ключевые слова:
методология выбора модели, прогнозирование электропотребления, системный анализ данных, оценка качества моделей, математическая статистика, адаптированный метод скользящей матрицы.

Название: НОВАЯ MЕТОДОЛОГИЯ АВТОМАТИЧЕСКОГО ВЫ-БОРА РАЗРАБОТАННЫХ СРАВНИТЕЛЬНЫХ МА-ТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА КАЖДЫЙ ЧАС СУТОК
Автор: Алан Эдуардович Дзгоев
Соавторы:
Дзгоев А.Э., Конюшок И.А.
Аннотация:
Прогнозирование электропотребления занимает центральное место в задачах системного анализа данных и ежедневного планирования при управлении режимами электроэнергетических систем. Целью данного исследования является разработка новой методологии и системы выбора сравни-тельных математических моделей для прогнозирования внутрисуточного электропотребления на предприятии. Отличительной особенностью разработанной методологии является комбинация методов, с помощью которых были разработаны математические модели-кандидаты: с одной стороны применялись современные методы машинного обучения, а с другой стороны было использовано два разных подхода к формированию матриц независимых и зависимых переменных - классическое формирование матрицы при поступлении новых данных и метод скользящей матрицы, адаптированный под машинное обучение. Разработанная методология обеспечила сравнительным математическим моделям конкурентоспособность при автоматическом выборе модели, которая наиболее подходящим образом описывает новые фактические данные в матрицах. Разработанный алгоритм методологии ориентирован на оперативную адаптацию математических моделей при изменении данных в матрицах, а следовательно, выбирает такую модель, которая корректнее прогнозирует электропотребление. Методология апробирована на реальных данных российской энергетической компании ПАО «Россети Северный Кавказ». Проведённое исследование и полученные результаты моделирования позволили сделать вывод, что разработанная методология автоматического выбора лучшей математической модели может быть использована как энергосбытовыми организациями для планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ), так и генерирующими компаниями, а также производственными потребителями и датацентрами для решения задачи прогнозирования электроэнергии.
Ключевые слова:
методология выбора модели, прогнозирование электропотребления, системный анализ данных, оценка качества моделей, математическая статистика, адаптированный метод скользящей матрицы.

Название: НОВАЯ MЕТОДОЛОГИЯ АВТОМАТИЧЕСКОГО ВЫ-БОРА РАЗРАБОТАННЫХ СРАВНИТЕЛЬНЫХ МА-ТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА КАЖДЫЙ ЧАС СУТОК
Автор: Алан Эдуардович Дзгоев
Соавторы:
Дзгоев А.Э., Конюшок И.А.
Аннотация:
Прогнозирование электропотребления занимает центральное место в задачах системного анализа данных и ежедневного планирования при управлении режимами электроэнергетических систем. Целью данного исследования является разработка новой методологии и системы выбора сравни-тельных математических моделей для прогнозирования внутрисуточного электропотребления на предприятии. Отличительной особенностью разработанной методологии является комбинация методов, с помощью которых были разработаны математические модели-кандидаты: с одной стороны применялись современные методы машинного обучения, а с другой стороны было использовано два разных подхода к формированию матриц независимых и зависимых переменных - классическое формирование матрицы при поступлении новых данных и метод скользящей матрицы, адаптированный под машинное обучение. Разработанная методология обеспечила сравнительным математическим моделям конкурентоспособность при автоматическом выборе модели, которая наиболее подходящим образом описывает новые фактические данные в матрицах. Разработанный алгоритм методологии ориентирован на оперативную адаптацию математических моделей при изменении данных в матрицах, а следовательно, выбирает такую модель, которая корректнее прогнозирует электропотребление. Методология апробирована на реальных данных российской энергетической компании ПАО «Россети Северный Кавказ». Проведённое исследование и полученные результаты моделирования позволили сделать вывод, что разработанная методология автоматического выбора лучшей математической модели может быть использована как энергосбытовыми организациями для планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ), так и генерирующими компаниями, а также производственными потребителями и датацентрами для решения задачи прогнозирования электроэнергии.
Ключевые слова:
методология выбора модели, прогнозирование электропотребления, системный анализ данных, оценка качества моделей, математическая статистика, адаптированный метод скользящей матрицы.

Название: НОВАЯ MЕТОДОЛОГИЯ АВТОМАТИЧЕСКОГО ВЫ-БОРА РАЗРАБОТАННЫХ СРАВНИТЕЛЬНЫХ МА-ТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА КАЖДЫЙ ЧАС СУТОК
Автор: Алан Эдуардович Дзгоев
Соавторы:
Дзгоев А.Э., Конюшок И.А.
Аннотация:
Прогнозирование электропотребления занимает центральное место в задачах системного анализа данных и ежедневного планирования при управлении режимами электроэнергетических систем. Целью данного исследования является разработка новой методологии и системы выбора сравни-тельных математических моделей для прогнозирования внутрисуточного электропотребления на предприятии. Отличительной особенностью разработанной методологии является комбинация методов, с помощью которых были разработаны математические модели-кандидаты: с одной стороны применялись современные методы машинного обучения, а с другой стороны было использовано два разных подхода к формированию матриц независимых и зависимых переменных - классическое формирование матрицы при поступлении новых данных и метод скользящей матрицы, адаптированный под машинное обучение. Разработанная методология обеспечила сравнительным математическим моделям конкурентоспособность при автоматическом выборе модели, которая наиболее подходящим образом описывает новые фактические данные в матрицах. Разработанный алгоритм методологии ориентирован на оперативную адаптацию математических моделей при изменении данных в матрицах, а следовательно, выбирает такую модель, которая корректнее прогнозирует электропотребление. Методология апробирована на реальных данных российской энергетической компании ПАО «Россети Северный Кавказ». Проведённое исследование и полученные результаты моделирования позволили сделать вывод, что разработанная методология автоматического выбора лучшей математической модели может быть использована как энергосбытовыми организациями для планирования электропотребления при подаче заявок на оптовый рынок электроэнергии и мощности (ОРЭМ), так и генерирующими компаниями, а также производственными потребителями и датацентрами для решения задачи прогнозирования электроэнергии.
Ключевые слова:
методология выбора модели, прогнозирование электропотребления, системный анализ данных, оценка качества моделей, математическая статистика, адаптированный метод скользящей матрицы.

Название: СИСТЕМНЫЙ АНАЛИЗ ДАННЫХ И МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ НА КАЖДЫЙ ЧАС СУТОК
С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Автор: Алан Эдуардович Дзгоев
Соавторы:
Дзгоев А.Э., Лагунова А.Д., Карацев С.Т., Конюшок И.А., Комаров И.А., Хузмиев И.М., Гладышев О.Я.
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. В статье 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.
Ключевые слова:
моделирование электропотребления, обработка данных, оценка качества моделей, математическая статистика, регрессионная модель, искусственный интеллект.

Название: СИСТЕМНЫЙ АНАЛИЗ ДАННЫХ И МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ НА КАЖДЫЙ ЧАС СУТОК
С ПОМОЩЬЮ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

Автор: Алан Эдуардович Дзгоев
Соавторы:
Дзгоев А.Э., Лагунова А.Д., Карацев С.Т., Конюшок И.А., Комаров И.А., Хузмиев И.М., Гладышев О.Я.
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. В статье 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.
Ключевые слова:
моделирование электропотребления, обработка данных, оценка качества моделей, математическая статистика, регрессионная модель, искусственный интеллект.