СРАВНЕНИЕ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ НА ПРИМЕРЕ ПРОГНОЗИРОВАНИЯ СРЕДНЕМЕСЯЧНОГО ПОТРЕБЛЕНИЯ ЭЛЕКТРОЭНЕРГИИ ИНТЕРВАЛЬНЫХ ПРИБОРОВ УЧЕТА ПОТРЕБИТЕЛЕЙ
Поиск и снижение потерь электроэнергии – одно из ключевых направлений деятельности сетевых организаций для улучшения финансовых результатов. Прогнозирование потребления электроэнергии на основе большого количества критериев и сравнение с фактическими данными является преимущественным способом обнаружения потерь. Однако, данный процесс требует высокой доли автоматизации. Поэтому, для решения этой задачи в настоящей работе рассмотрено применение трех алгоритмов машинного обучения, а также выполнено сравнение их эффективности. Автором сформирована обучающая выборка из базы данных Валуйского района электрических сетей на основе данных приборов учета, входящих в систему АИИСКУЭ, а также проведены эксперименты по реализации на ней следующий алгоритмов: k-ближайших соседей, линейной регрессии и случайного леса. Для сравнения полученных моделей автором были использованы такие показатели эффективности как среднеквадратичная ошибка (MSE), абсолютная средняя ошибка (MAE) и коэффициент детерминации (R^2). Результаты эксперимента показали наибольшую эффективность метода случайного леса в сравнении с остальными рассматриваемыми алгоритмами.
Коржавых В.В. Сравнение эффективности алгоритмов машинного обучения на примере прогнозирования среднемесячного потребления электроэнергии интервальных приборов учета потребителей // Научный результат. Информационные технологии. – Т.9, №1, 2024. – С. 58-73. DOI: 10.18413/2518-1092-2024-9-1-0-7
Пока никто не оставил комментариев к этой публикации.
Вы можете быть первым.
С. 14-20.