Уральские ученые разработали систему прогнозирования графиков электропотребления

ЕКАТЕРИНБУРГ. Ученые Уральского федерального университета с коллегами из Новосибирского государственного технического и Рижского технического университетов 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 %. Описание модели и результаты прогнозирования опубликованы в журнале Inventions. Исследование выполнено при финансовой поддержке по программе «Приоритет-2030». Об этом сообщает пресс-служба вуза.

«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, ведь необходимо в каждый момент времени соблюдать баланс потребления и генерации электроэнергии, обеспечивая при этом надежную, технически и экономически эффективную работу электроэнергетической системы, а также планировать закупки электроэнергии из соседних систем», - поясняет ведущий научный сотрудник кафедры электротехники УрФУ Павел Матренин.

Современные электроэнергетические системы сложны и включают в себя большое количество структурных элементов, в том числе слабо предсказуемых объектов как генерации, так 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», - комментирует Павел Матренин.

Разработанная система основана на использовании программного обеспечения с открытым исходным кодом, метеорологических данных, а также данных об использовании потребления 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.
«Модель способна прогнозировать график электропотребления на сутки вперед, при этом она использует значения потребления за несколько прошлых дней, метеорологические данные, номер дня недели, вид дня: рабочий или выходной», - объясняет Павел Матренин.

В планах исследователей апробировать модель на электроэнергетических системах других стран.

© Служба новостей «АПИ»