Прогнозирование объема потребляемой электроэнергии

Получение краткосрочного прогноза энергопотребления для планирования закупок на украинской энергетической бирже.

Проведя анализ алгоритмов и передовых исследований в области машинного обучения для краткосрочного прогнозирования событий в привязке к временной линии, были выбраны Рекуррентные нейронные сети (RNN). Благодаря этому стало возможным обрабатывать серии событий во времени или последовательные пространственные цепочки.
Для проведения исследования и настройки тестовых RNN нами были взяты почасовые данные потребления электроэнергии городом Нью-Йорк, которые имелись в открытом доступе и температурные изменения в этот период. В результате анализа мы получили точный прогноз потребления на 2 дня вперёд используя 3-х месячный интервал исторических данных.

Использование Рекуррентных нейронных сетей (RNN) для построения эффективной ML-модели. Получение краткосрочных прогнозов энергопотребления на основе анализа исторических данных, с точностью 96,4-99,5%.