Детальная информация

Целью данной работы является исследование различных моделей машинного обучения для прогнозирования нагрузки(выработки) электроэнергии и построение системы для прогнозирования на основе проведенных исследований. В ходе работы были рассмотрены две архитектуры моделей машинного обучения: Prophet и SARIMA. В ходе работы были проведены эксперименты по обучению моделей на данных, взятых из открытых источников. Было проведено сравнение по эффективности и точности прогнозирования. Результаты показали, что некоторые архитектуры, в зависимости от настраиваемых параметров, имеют лучший показатель точности прогнозирования, нежели другие. Был проведен предварительный анализ данных, с целью формирования подходящего вида dataset. На основании полученных данных, были обучены модели с использованием языка Python и различных библиотек, таких как: Keras и Tensorflow, statsmodels, sklearn и других.

The purpose of this work is to study various ma-chine learning models for predicting the load (generation) of electricity and to build a forecasting system based on the research conducted. In the course of the work, two architectures of machine learning models were considered: Prophet and SARIMA. In the course of the work, experiments were conducted to train models on data taken from open sources. A comparison was made on the effectiveness and accuracy of forecasting. The results showed that some architectures, depending on the configurable parameters, have a better predictive accuracy index than others. A preliminary analysis of the data was carried out in order to form a suitable dataset. Based on the data obtained, models were trained using the Python language and various libraries such as Keras and Tensorflow, statsmodels, sklearn and others.