Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: Энергосберегающие и природоохранные технологии:; Улан-Удэ; Улан-Удэ
Год издания: 2025
Ключевые слова: load forecasting, accuracy, traditional methods, neural networks, adaptability, cost-effectiveness, synthetic data, error analysis, прогнозирование нагрузок, точность, традиционные методы, нейронные сети, адаптивность, экономическая эффективность, синтетические данные, анализ ошибки
Аннотация: Статья посвящена применению искусственного интеллекта для прогнозирования в электроэнергетике, что становится всё более актуальным в условиях роста потребления электроэнергии в последние годы. Рассматриваются задачи прогнозирования в различных временных диапазонах и сравниваются два основных метода прогнозирования: линейное моделирПоказать полностьюование и метод на основе нейронных сетей. Также в статье раскрывается принцип работы нейронной сети в условиях задачи прогнозирования нагрузок. В конце теоретической части делаются выводы о преимуществах искусственного интеллекта над классическими методами. В практической части статьи описывается создание нейронной сети для прогнозирования средней мощности на следующий час на языке программирования Python. По результатам работы делается вывод об использовании нейронной сети в реальных производственных условиях. The article is devoted to the use of artificial intelligence for forecasting in the electric power industry, which is becoming increasingly relevant in the context of increasing electricity consumption in recent years. Forecasting tasks in different time ranges are considered and two main forecasting methods are compared: linear modeling and a method based on neural networks. The article also reveals the principle of operation of a neural network in the context of a load forecasting task. At the end of the theoretical part, conclusions are drawn about the advantages of artificial intelligence over classical methods. The practical part of the article describes the creation of a neural network for predicting the average power for the next hour in the Python programming language. Based on the results of the work, a conclusion is drawn about the use of a neural network in real production conditions.
Журнал: Энергосберегающие и природоохранные технологии
Номера страниц: 80-86
Место издания: Улан-Удэ