Разработка Метода Краткосрочного Прогнозирования графика электропотребления на основе ансамблевых алгоритмов с использованием метеофакторов : магистерская диссертация

Abstract

The aim of this dissertation is to develop an ensemble algorithm for short-term electricity consumption forecasting and to assess the impact of meteorological factors and other features on the quality of the model. The work addresses issues related to improving the accuracy of electricity consumption forecasting using open meteorological data through ensemble machine learning methods and hyperparameter tuning algorithms. A review and analysis of existing methods for time series forecasting are conducted, taking into account the specific characteristics of electricity consumption time series forecasting. Additionally, a machine learning algorithm is developed using various factors as features for model training. The developed algorithm is tested on electricity consumption data from the Siberian Regional Dispatch Office.

Целью диссертационной работы является разработка ансамблевого алгоритма для краткосрочного прогнозирования электропотребления и оценка влияния на качество модели метеофакторов н других признаков. В работе рассматриваются вопросы повышения точности прогнозирования электропотребления с использованием открытых метеорологических данных с применением ансамблевых методов машинного обучения, и алгоритма подбора гиперпараметров моделей. В работе проведен обзор и анализ существующих методов для прогнозирования временных рядов с учетом особенностей прогнозирования временного ряда электропотребления. Также в работе разработан алгоритм машинного обучения с использованием различных факторов в качестве признаков для обучения моделей. Разработанный алгоритм протестирован на данных электропотребления в зоне ответственности ОДУ Сибири.