Прогнозування обсягу споживаної електроенергії

Отримання короткострокового прогнозу енергоспоживання для планування закупівель на українській енергетичній біржі.

Провівши аналіз алгоритмів та передових досліджень в області машинного навчання для короткострокового прогнозування подій в прив’язці до часової лінії, були обрані Рекурентні нейронні мережі (RNN). Завдяки цьому стало можливим обробляти серії подій у часі або послідовні просторові ланцюжки.
Для проведення дослідження та налаштування тестових RNN нами були взяті погодинні дані споживання електроенергії містом Нью-Йорк, що були у відкритому доступі та температурні зміни в цей період. В результаті аналізу ми отримали точний прогноз споживання на 2 дня вперед використовуючи 3-х місячний інтервал історичних даних.

Використання рекурентних нейронних мереж (RNN) для побудови ефективної ML-моделі. Отримання короткострокових прогнозів енергоспоживання на основі аналізу історичних даних, з точністю 96,4-99,5%.

Прошу надіслати повну версію кейса:

Інші кейси: