Прогнозирование электропотребления по историческим данным

Бойков Артем Сергеевич
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Работа посвящена изучению задачи краткосрочного прогнозирования потребления электроэнергии предприятием по историческим данным. Был произведен анализ различных методов и подходов к решению данной задачи. В рамках исследования были реализованы модели на основе множественной линейной регрессии, регрессии опорных векторов, алгоритма случайного леса, а также нейронных сетей с радиальными базисными функциями. Проведен сравнительный анализ результатов прогнозирования на основе различных моделей. Рассмотрены различные способы кодирования исторических, календарных и метеоданных и их влияние на точность прогноза по трем метрикам качества.

Введение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Постановка задачи . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Обзор литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Глава 1. Обзор методов прогнозирования . . . . . . . . . . . . . . . 8
1.1. Множественная линейная регрессия . . . . . . . . . . . . . . 8
1.2. Регрессия опорных векторов . . . . . . . . . . . . . . . . . . 9
1.3. Случайный лес . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Нейронные сети . . . . . . . . . . . . . . . . . . . . . . . . . 13
Глава 2. Подготовка данных . . . . . . . . . . . . . . . . . . . . . . . 15
2.1. Исторические данные . . . . . . . . . . . . . . . . . . . . . . 16
2.2. Календарные данные . . . . . . . . . . . . . . . . . . . . . . 16
2.3. Метеоданные . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4. Удаление недель с выбросами . . . . . . . . . . . . . . . . . 23
2.5. Кросс-валидация . . . . . . . . . . . . . . . . . . . . . . . . 23
Глава 3. Результаты . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.1. Разработка моделей . . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Анализ результатов прогнозирования . . . . . . . . . . . . . 26
3.3. Визуализация прогноза . . . . . . . . . . . . . . . . . . . . . 30
Выводы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Приложение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

На современном рынке электроэнергии между ее производителями и
потребителями используются контракты. Эти контракты могут быть как дол-
госрочными, на несколько месяцев, и даже лет, так и краткосрочными с го-
ризонтом в одни сутки. Отклонение фактического потребления электроэнер-
гии от спрогнозированного объема влечет необходимость для предприятия
продажи излишнего или закупки недостающего объема электроэнергии по
заведомо невыгодным ценам. Поэтому задача планирования и прогнозирова-
ния энергопотребления является достаточно значимой в электроэнергетике,
и повышение точности этого прогнозирования может существенно снизить
затраты на покупку электроэнергии предприятием.
С развитием вычислительных технологий данная задача все чаще пе-
реходит от экспертных систем к системам автоматизированным, а новые ме-
тоды и алгоритмы машинного обучения и статистические модели позволяют
повышать точность этого прогноза, учитывать множество разных факторов и
находить сложные нелинейные зависимости в данных.
Таким образом, имеющей большое практическое применение и актуаль-
ной научно-технической задачей является разработка методик прогнозиро-
вания потребления электрической энергии на основе исторических и других
имеющихся данных.
Постановка задачи
Целью данной работы является построение модели для прогнозиро-
вания почасового потребления электроэнергии предприятием с горизонтом
прогноза в два дня на основе имеющихся исторических данных об электропо-
треблении и метеофакторах. Также, за это время имеются плановые значения
электропотребления, которые будут использоваться для вычисления метрик
качества построенной прогностической модели.
В связи с поставленной целью были рассмотрены следующие вопросы:

В данной работе был проведен обзор и анализ методов, применяемых
для краткосрочного прогнозирования потребления электроэнергии. Также,
были реализованы модели на основе множественной линейной регрессии, ре-
грессии опорных векторов, случайного леса и радиальных базисных нейрон-
ных сетей. Построенные модели были протестированы на основе имеющих-
ся реальных данных почасового потребления электроэнергии предприятием.
Был проведен анализ, визуализация и сравнение полученных результатов.
Для реализации программной части был использован язык программи-
рования Python 3.6 и библиотеки NumPy для работы с массивами и матема-
тическими функциями, Pandas для представления и обработки данных в виде
таблиц, Scikit Learn для реализации алгоритмов машинного обучения, Keras
для реализации нейронных сетей и Matplotlib для визуализации данных.
Для улучшения полученного результата можно рассмотреть добавление
дополнительных данных, таких как график работы предприятия и данные о
внутренних процессах. Также можно рассмотреть комбинированные методы
и разбиение данной задачи на несколько подзадач и построение отдельных
моделей для каждой из этих подзадач, например, строить отдельный про-
гноз для базового электропотребления предприятия и электропотребления
оборудования.

[1] Hong T. Short Term Electric Load Forecasting : дис. – North Carolina State
University, 2010.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Дарья Б. МГУ 2017, Журналистики, выпускник
    4.9 (35 отзывов)
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных ко... Читать все
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных компаниях, сейчас работаю редактором. Готова помогать вам с учёбой!
    #Кандидатские #Магистерские
    50 Выполненных работ
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 Выполненных работ
    Анна Александровна Б. Воронежский государственный университет инженерных технол...
    4.8 (30 отзывов)
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственно... Читать все
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственном университете инженерных технологий.
    #Кандидатские #Магистерские
    66 Выполненных работ
    Татьяна Б.
    4.6 (92 отзыва)
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!
    #Кандидатские #Магистерские
    138 Выполненных работ
    Антон П. преподаватель, доцент
    4.8 (1033 отзыва)
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публик... Читать все
    Занимаюсь написанием студенческих работ (дипломные работы, маг. диссертации). Участник международных конференций (экономика/менеджмент/юриспруденция). Постоянно публикуюсь, имею высокий индекс цитирования. Спикер.
    #Кандидатские #Магистерские
    1386 Выполненных работ
    Яна К. ТюмГУ 2004, ГМУ, выпускник
    5 (8 отзывов)
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соот... Читать все
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соответствии с Вашими требованиями.
    #Кандидатские #Магистерские
    12 Выполненных работ
    Татьяна М. кандидат наук
    5 (285 отзывов)
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    #Кандидатские #Магистерские
    495 Выполненных работ
    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 Выполненных работ
    Кормчий В.
    4.3 (248 отзывов)
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    #Кандидатские #Магистерские
    335 Выполненных работ

    Другие учебные работы по предмету