Прогнозирование потребления электроэнергии на основе технологий больших данных

Прогнозирование потребления электроэнергии является одной из самых важных задач для многих компаний. Точное прогнозирование позволяет уменьшить расходы и влияет на технологические процессы организации. В данной работе, основные подходы к построению моделей прогнозирования потребления электроэнергии были исследованы. Исторические данных о энергопотреблении в 2016, 2017 годах в металлургической компании были использованы для создания моделей. Следующие алгоритмы прогнозирования были разобраны: ARIMA, Xgboost, Случайный лес, LSTM, Линейная регрессия с регуляризацией. Сравнительный анализ этих методов показал, что Xgboost, LSTM и линейная регрессия с регуляризацией продемонстрировали хорошую точность. Также, ансамблевый метод на основе этих моделей был предложен. Результаты показали улучшение способности к обобщению, а также облегчение некоторых проблем неустойчивого прогнозирования. Главная идея описанного подхода заключается в том, чтобы брать геометрическое среднее от результатов алгоритмов, входящих в ансамбль. Предложенная модель позволила улучшить точность и достичь сокращения упущенной выгоды на пять миллионов рублей в год.