Ученые создали систему прогноза суточного электропотребления с высокой точностью

Международный коллектив ученых разработал новую систему прогнозирования графиков электропотребления. Испытания новой модели проводили на данных Центральной энергосистемы Монголии, они показали точность полученных результатов в 98,75%, сообщили ТАСС в пресс-службе Уральского федерального университета, ученые которого принимали участие в исследовании. Описание модели и результаты прогнозирования опубликованы в журнале Inventions.

"Ученые создали модель, способную прогнозировать суточный график потребления электроэнергии. Модель апробировали на реальных данных Центральной энергосистемы Монголии на протяжении трех лет. Результаты показали: модель имеет высокую точность - в краткосрочном периоде (на сутки вперед) средняя погрешность прогноза составляет 1,25%. Это высокий показатель, поскольку средняя погрешность прогнозирования у аналогов - 1-4%", - сказали в вузе.

Как пояснил ведущий научный сотрудник кафедры электротехники УрФУ Павел Матренин, полученные результаты помогут правильно планировать нагрузку на энергетические объекты, чтобы эффективно распределять электроэнергию среди потребителей. В целом прогнозирование позволит лучше планировать работу всей электроэнергетической системы, добавил ученый. Современные электроэнергетические системы сложны и включают множество структурных элементов, в том числе слабо предсказуемых объектов генерации и потребления.

"Проблема прогнозирования энергопотребления заключается в том, что на него влияет большое количество факторов, таких как погода, технологические процессы крупных предприятий, распорядок дня людей. Эксперты, прогнозирующие такие зависимости, приобретают опыт в течение месяцев и лет работы, но этот опыт очень трудно формализовать. Для снижения риска ошибок из-за человеческого фактора, повышения точности и уровня автоматизации прогнозов можно использовать программное обеспечение на основе машинного обучения", - сказал Павел Матренин.

Разработанная система основана на использовании программного обеспечения с открытым исходным кодом, метеорологических данных, а также данных об использовании электроэнергии Центральной энергосистемы Монголии, которая вырабатывает и потребляет более 94% электроэнергии страны. Чтобы построить модель и обучить ее, ученые применили алгоритм экстремального градиентного бустинга, основанного на ансамбле "деревьев решений". Такой метод подразумевает, что каждое "дерево" делает свой независимый прогноз, а итоговый результат определяется путем взвешенного усреднения прогнозов всех деревьев.

Исследование ученые УрФУ проводили совместно с коллегами из Новосибирского государственного технического и Рижского технического университетов. Исследование выполнено при финансовой поддержке по программе "Приоритет-2030". В планах исследователей апробировать модель на электроэнергетических системах других стран.