Прогнозування та аналіз електроспоживання на підприємстві електротехнічного виробництва
Loading...
Date
Authors
Циганенко, Владислав Ігорович
Tsyhanenko, Vladyslav
Journal Title
Journal ISSN
Volume Title
Publisher
ЦНТУ
Abstract
Ціллю кваліфікаційної роботи є розробка та впровадження моделі прогнозування енергоспоживання для підприємств, що дозволить значно підвищити точність короткострокових прогнозів та знизити похибку в оцінках обсягів споживання електроенергії. У роботі акцентовано увагу на важливості планування та прогнозування енергоспоживання, яке є критичним завданням для державних інституцій, енергетичних компаній, а також промислових споживачів електроенергії. Вчасне отримання достовірних прогнозів дозволяє знизити витрати на закупівлю електроенергії, оптимізувати виробничі процеси, а також забезпечити безперебійність енергопостачання. У кваліфікаційній роботі проведено аналіз сучасних підходів до прогнозування, які базуються як на традиційних методах статистичної екстраполяції, так і на новітніх технологіях машинного навчання. Особливу увагу приділено впливу зовнішніх факторів, таких як погодні умови, добові та сезонні цикли, політичні рішення у сфері енергоефективності, які можуть суттєво вплинути на обсяги споживання електроенергії. Використання методів машинного навчання, зокрема штучної нейронної мережі, дозволяє значно підвищити точність прогнозів порівняно з традиційними статистичними методами. Штучна нейронна мережа показала значну перевагу у порівнянні з лінійною регресією та іншими методами прогнозування. Вона забезпечила зниження похибки прогнозів більш ніж у три рази при оцінці обсягів споживання на наступний робочий день. Така ефективність моделі пов'язана зі здатністю ШНМ адаптуватися до нестабільних даних, враховувати нелінійні залежності та швидко обробляти великі обсяги інформації. The goal of the qualification work is to develop and implement an energy consumption forecasting model for enterprises, which will significantly increase the accuracy of short-term forecasts and reduce the error in estimates of electricity consumption. The work focuses on the importance of energy consumption planning and forecasting, which is a critical task for government institutions, energy companies, and industrial consumers of electricity. Timely receipt of reliable forecasts allows you to reduce the cost of purchasing electricity, optimize production processes, and also ensure the uninterrupted supply of energy. In the qualification work, an analysis of modern approaches to forecasting, which are based on both traditional methods of statistical extrapolation and the latest machine learning technologies, was carried out. Special attention is paid to the influence of external factors, such as weather conditions, daily and seasonal cycles, political decisions in the field of energy efficiency, which can significantly affect the amount of electricity consumption. The use of machine learning methods, in particular an artificial neural network, allows to significantly increase the accuracy of forecasts compared to traditional statistical methods. The artificial neural network has shown a significant advantage over linear regression and other forecasting methods. It ensured a reduction in forecast error by more than three times when estimating consumption volumes for the next working day. Such efficiency of the model is related to the ability of the ANN to adapt to unstable data, take into account nonlinear dependencies and quickly process large amounts of information.
Description
Keywords
методи прогнозування, прогнозування споживання електричної енергії, штучна нейрона мережа, forecasting methods, electricity consumption forecasting, artificial neural network
Citation
Циганенко, В. І. Прогнозування та аналіз електроспоживання на підприємстві електротехнічного виробництва : кваліфікаційна магістерська робота : спец. 141 «Електроенергетика, електротехніка та електромеханіка» / наук. кер. Р. В. Телюта ; Центральноукраїн. нац. техн. ун-т. – Кропивницький : ЦНТУ, 2025. – 95 с.