Машинне навчання для прогнозування споживання та генерації електроенергії

Dmytro Serhiyovych Zaruba; Mykhailo Yuriyovych Shvets; Yurii Vitaliyovich Khokhlov

doi:10.20535/2523-4455.2019.24.6.186996

Т. 24 · № 6 · 2019 гру 27, 2019 Електронні системи та сигнали

Машинне навчання для прогнозування споживання та генерації електроенергії

Dmytro Serhiyovych Zaruba Відповідальний Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Україна

Mykhailo Yuriyovych Shvets Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Україна

Yurii Vitaliyovich Khokhlov Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Україна

Сторінки17-21 Опублікованогру 27, 2019

PDF

ТОМ 24 · № 6 · 2019 Переглянути випуск

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.

Ключові слова

#машинне навчання #коефіцієнт кореляції Пірсона #коефіцієнт детермінації #випадковий ліс

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

Наступна у випуску Розвиток методів моделювання зовнішнього та середнього вуха людини

§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.

Усі випуски

Квазістатична ідентифікація структури затінення сонячних панелей за методом векторів кардинальних чисел

PhD, доц. Олена Олегівна Абакумова, д-р техн. наук, проф. Валерій Якович Жуйков, Микола О. Лук'янов

У статті розглянуто проблему ідентифікації структури затінення сонячних панелей. Актуальність дослідження зумовлена необхідністю швидкої та адекватної реконфігурації…

#Сонячні панелі #Фотоелектрична поверхня #Моделювання структури тіней #Квазістатична ідентифікація

с. 362283.1-362283.7

10.20535/2523-4455.mea.362283

Комплексний метод виділення неінвазивного сигналу фетальної електрокардіограми та класифікації серцевих аритмій

Дмитро А. Шевчук, канд. техн. наук, доц. Наталія Георгіївна Іванушкіна

Стаття присвячена розробці комплексного методу виділення фетального електрокардіосигналу (ФЕКГ) з неінвазивних абдомінальних записів та подальшої автоматизованої…

#абдомінальні електрокардіограми #фетальна електрокардіограма #аритмія #сліпе розділення джерел

с. 356487.1-356487.11

10.20535/2523-4455.mea.356487

Імітаційне моделювання фільтро-компенсаційного перетворювача для трифазної трипровідної мережі

Іван Андрійович Вакуленко, канд. техн. наук, доц. Дмитро Анатолійович Миколаєць, канд. техн. наук, доц. Катерина Сергіївна Клен

У цій статті розглядається критична проблема погіршення якості електроенергії в сучасних енергосистемах, спричинена поширенням нелінійних навантажень. Такі навантаження…

#фільтр-компенсаційний перетворювач #трифазна трипровідна мережа #якість електроенергії #повне гармонійне спотворення

с. 361138.1-361138.6

10.20535/2523-4455.mea.361138

Схожі статті

Анастасія Володимирівна Паренюк, PhD Дмитро Володимирович Паренюк, PhD, дослідник Катерина Л. Руденька, Практичний метод оцінювання безпечних звуків для осіб із ПТСР , Мікросистеми, Електроніка та Акустика: Том 31 № 2 (2026)
Anna Serhiivna Poreva, Valentyn Ihorovych Vaityshyn, Yevgeniy Serhiiovych Karplyuk, Методи машинного навчання для дослідження сигналівзвуківлегенів , Мікросистеми, Електроніка та Акустика: Том 22 № 6 (2017)
Дмитро А. Шевчук, канд. техн. наук, доц. Наталія Георгіївна Іванушкіна, Комплексний метод виділення неінвазивного сигналу фетальної електрокардіограми та класифікації серцевих аритмій , Мікросистеми, Електроніка та Акустика: Том 31 № 2 (2026)
Anton Volodymyrovych Mnevets, Nataliia Heorhiivna Ivanushkina, Моделі сіамських нейронних мереж для класифікації серцевих аритмій за умов нестачі тренувальних ЕКГ сигналів , Мікросистеми, Електроніка та Акустика: Том 30 № 2 (2025)
Yana Vjyatsheslavivna Kabushka, Anton Serhiiovych Zotko, Ivan Viktorovich Kandrachuk, Oleksii Volodymyrovych Korzhyk, Дальність виявлення малих повітряних об’єктів наземною системою шумопеленгування , Мікросистеми, Електроніка та Акустика: Том 23 № 5 (2018)
Oleksandr Viktorovych Machulianskyi, Питома електрична поляризованість наночастинок міді в оптичному діапазоні спектру , Мікросистеми, Електроніка та Акустика: Том 23 № 2 (2018)
Valerij Kostyantynovych Bohushevych, Lidiya Mykolayivna Zamarenova, Hlib Mykhaylovych Kotov, Mykhailo Ivanovych Skipa, Прецизійні ультразвукові вимірювачі рівня рідини в закритих резервуарах , Мікросистеми, Електроніка та Акустика: Том 24 № 1 (2019)
Myhailo Yuhymovych Artemenko, Larysa Mykolaivna Batrak, Serhii Yosyfovych Polishchuk, Повна потужність та коефіцієнт корисної дії трифазної чотирипровідної системи живлення , Мікросистеми, Електроніка та Акустика: Том 23 № 3 (2018)
д-р техн. наук, проф. Сергій Анатолійович Найда, д-р техн. наук, доц. Олександр Іванович Дрозденко, канд. техн. наук, доц. Павло Васильович Попович, PhD, Assoc. Prof. Kateryna Serhiivna Drozdenko, канд. техн. наук Олександр Ігорович Нижник, канд. техн. наук Ярослав Іванович Старовойт, Акустична локалізація повітряних об’єктів та практична оцінка її точності , Мікросистеми, Електроніка та Акустика: Том 31 № 1 (2026)
Maksim Oleksiiovych Korzhyk, Serhii Viktorovych Kurdiuk, Oleksii Volodymyrovych Korzhyk, Імпедансні характеристики плоско-паралельного акустичного хвилеводу з комбінуванням межами при порушенні його двочастотних сигналом , Мікросистеми, Електроніка та Акустика: Том 23 № 3 (2018)

1-10 з 34 Наступне

Ви також можете розпочати розширений пошук схожих статей для цієї статті.

[1] 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.

[2] 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 .

[3] 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

[4] 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.

[5] 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.

[6] 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.

[7] 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.

[8] 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.

[9] 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.

[10] 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 .

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