Метод адаптивного краткосрочного прогнозирования электропотребления промышленных предприятий с временно-метеорологической адаптацией моделей

Предложен метод адаптивного краткосрочного прогнозирования электропотребления промышленных предприятий, основанный на использовании ансамблевой модели IDT-GB, учете производственных, календарных и метеорологических факторов, а также механизмах временно-метеорологической адаптации прогнозных моделей к изменяющимся условиям функционирования объектов. Описана апробация метода на данных семи промышленных предприятий металлургической, деревообрабатывающей, горнодобывающей, угольной и нефтяной отраслей. Проведен сравнительный анализ статистических методов, ансамблевых моделей и нейросетевых архитектур. Исследовано влияние адаптации и кластеризации на качество прогнозирования, показано, что адаптация обеспечивает более устойчивое повышение точности прогнозирования по сравнению с кластеризацией. Получены количественные оценки снижения ошибок прогнозирования относительно экспертных прогнозов.

Аффилиация авторов
Матренин Павел Викторович – канд. техн. наук, ведущий научный сотрудник, e-mail: p.v.matrenin@urfu.ru.
Уральский федеральный университет имени первого Президента России Б.Н. Ельцина (УрФУ).

Список литературы
1. Холкин Д., Чаусов И., Баркин О. Управление энергетической гибкостью в России и мире // Энергетическая политика. 2022. № 11 (177). С. 42–55.
2. Макоклюев Б.И. Методы и программные средства планирования электропотребления // Энергия единой сети. 2022. № 2. С. 58–69.
3. Макоклюев Б.И., Полижаров А.С., Басов А.А. и др. Краткосрочное прогнозирование электропотребления в энергосистемах России // Электрические станции. 2018. № 4. С. 5–15.
4. Матренин П.В., Хамитов Р.Н., Сергеев Н.Н. Краткосрочное прогнозирование электропотребления промышленных предприятий методами искусственного интеллекта с учетом производственных факторов //Автоматизация в промышленности. 2025. № 6. С. 13–16.
5. Моргоев И.Д., Дзгоев А.Э., Клюев Р.В., Моргоева А.Д. Прогнозирование потребления электроэнергии предприятиями народнохозяйственного комплекса в условиях неполноты информации // Известия Кабардино-Балкарского научного центра РАН. 2022. № 3 (107). С. 9–20.
6. Горшенин А.Ю., Грицай А.С., Денисова Л.А. Применение машинного обучения деревьев решений для краткосрочного прогнозирования электропотребления //Известия ТулГУ. Технические науки. 2023. № 11. С. 226–231.
7. Глазунова А.М. Разработка стратегии управления спросом для повышения эффективности функционирования микрогрида // Методические вопросы исследования надежности больших систем энергетики. 2021. Т. 72 (1). С. 333–342.
8. Timur O., Ustunel H.Y. Short-Term Electric Load Forecasting for an Industrial Plant Using Machine Learning-Based Algorithms // Energies. 2025. Vol. 18 (5). Art. 1144.
9. Habbak H., Mahmoud M., Metwally K. et al. Load Forecasting Techniques and Their Applications in Smart Grids // Energies. 2023. Vol. 16 (3). Art. 1480.
10. Матренин П.В. Новая ансамблевая модель деревьев решений с линейными регрессионными моделями в узлах и листьях, основанная на быстром градиентном бустинге, для задач прогнозирования в электроэнергетике // Автоматизация в промышленности. 2025. № 9. С. 34–39.
11. Bin Kamilin M.H., Yamaguchi S., Bin Ahmadon M.A. Radian Scaling and Its Application to Enhance Electricity Load Forecasting in Smart Cities Against Concept Drift // Smart Cities. 2024. Vol. 7. P. 3412–3436.
12. Матренин П.В. Методология создания доверенных интеллектуальных систем прогнозирования в задачах электроэнергетики // Автоматизация в промышленности. 2026. № 2. С. 28–34.
13. Тимошенкова Ю.С., Поршнев С.В., Сафиулин Н.Т. Алгоритмическое и программное обеспечение методики интеграции формальных методов прогнозирования временных рядов и метода ассимиляции данных: монография. М.: Горячая линия-Телеком, 2024. 179 с.
14. Кротков Е.А., Алексеева А.Ю. Повышение точности прогноза графиков электрической нагрузки систем электроснабжения крупных мегаполисов на основе спектрального анализа // Вестник Самарского государственного технического университета. Серия ≪Технические науки≫. 2010. Т. 18. № 7. C. 123-130.
15. Кириллова В.В., Зенков К.В. Динамика показателей состояния электроэнергетики в РФ // Экономические исследования и разработки. 2024. № 11. С. 131–137.