Машинне навчання для прогнозування споживання та генерації електроенергії

Основний зміст сторінки статті

Dmytro Serhiyovych Zaruba
Mykhailo Yuriyovych Shvets
Yurii Vitaliyovich Khokhlov

Анотація

Стаття присвячена підготовці і аналізу даних для покращення прогнозування кількості використаної та згенерованої електроенергії методами машинного навчання, а також оцінка важливості та впливу на прогнозування періоду доби, місяця, року, температури, вологості повітря, атмосферного тиску та інших ознак. Набір даних, що використовувався в даній статті, містить відомості про використання та генерацію електроенергії, а також погодні показники за 11 місяців з періодом фіксації даних 1 хвилина. Оброблення даних ґрунтувалось на статистичних методах обробки інформації, визначенні кількості пропущених даних, лінійних залежностях між ознаками, сумісності типів даних. Для оцінки точності прогнозування було використано коефіцієнт детермінації.

Блок інформації про статтю

Як цитувати
[1]
D. S. Zaruba, M. Y. Shvets, і Y. V. Khokhlov, «Машинне навчання для прогнозування споживання та генерації електроенергії», Мікросист., Електрон. та Акуст., т. 24, вип. 6, с. 17–21, Груд 2019.
Розділ
Електронні системи та сигнали

Посилання

A. D. Papalexopoulos and T. C. Hesterberg, “A regression-based approach to short-term system load forecasting,” IEEE Trans. Power Syst., vol. 5, no. 4, pp. 1535–1547, 1990, DOI: 10.1109/59.99410.

E. A.-J. Al-Shareef, A.J., E.A. Muhammad, “One Hour Ahead Load Forecasting Using Artificial Neural Network for the Western Area of Saudi Arabia,” Int. J. Electr. Syst. Sci. Eng., vol. 37, p. 7, 2008, URL: https://www.researchgate.net/publication/238738216_One_Hour_Ahead_Load_Forecasting_Using_Artificial_Neural_Network_for_the_Western_Area_of_Saudi_Arabia.

E. A. Feinberg and D. Genethliou, “APPLIED MATHEMATICS FOR POWER SYSTEMS, Chapter 12; LOAD FORECASTING,” Short-Term Load Forecast. Proc. IEEE, vol. 75, pp. 269–285, 1987, URL: http://www.ams.sunysb.edu/~feinberg/public/lf.pdf

I. Moghram and S. Rahman, “Analysis and evaluation of five short-term load forecasting techniques,” IEEE Trans. Power Syst., vol. 4, no. 4, pp. 1484–1491, 1989, DOI: 10.1109/59.41700.

G. M. Rao, I. Narasimhaswamy, and B. S. Kumar, “Deregulated power system load forecasting using artificial intelligence,” 2010 IEEE Int. Conf. Comput. Intell. Comput. Res. ICCIC 2010, pp. 136–140, 2010, DOI: 10.1109/ICCIC.2010.5705745.

S. Dowdy, S., Wearden, “Statistics for research, by Shirley Dowdy and Stanley Wearden. New York: Wiley, 1983, 537 pp.,” J. Policy Anal. Manag., vol. 3, no. 4, pp. 637–637, 2007, DOI: 10.1002/pam.4050030448.

D. P. Francis, A. J. S. Coats, and D. G. Gibson, “How high can a correlation coefficient be? Effects of limited reproducibility of common cardiological measures,” Int. J. Cardiol., vol. 69, no. 2, pp. 185–189, 1999, DOI: 10.1016/S0167-5273(99)00028-5.

N. R. Draper and H. Smith, “Applied Regression Analysis: Third Edition,” Wiley Ser. Probab. Stat., vol. 47, no. 3, p. 706, 1998, DOI: 10.1198/tech.2005.s303.

Bakhrushin V. Ye., “Programmnaya Realizatsiya Metodov Analiza Nelineynykh Statisticheskikh Svyazey V Sisteme [Software Implementation of Non-Linear Statistical Relations Analysis Methods in a System],” Software Systems And Computing Methods, vol. 2, no. 2, pp. 228–238, 2014, DOI: 10.7256/2305-6061.2014.2.11477.

S. A. Glantz and B. K. Slinker, “Primer of Applied Regression and Analysis of Variance,” McGraw-Hill, p. 777, 1990, URL: https://books.google.com/books?id=UcR6QgAACAAJ&pgis=1.

A library of scikit-learn Python programming languages. URL: https://scikit-learn.org/stable/_downloads/scikit-learn-docs.pdf