Situational forecasting of electricity demand in the region
Journal Title: Вісник Національного технічного університету «ХПІ». Серія: Системний аналiз, управління та iнформацiйнi технологiї - Year 2018, Vol 1297, Issue 21
Abstract
<span>The process of forecasting volumes of electricity sales on the wholesale market is considered. To improve the quality of the forecast, it is proposed to use the method of machine learning Random Forests as part of the solution of the task of situational forecasting of electricity consumption. A comparison of the Random Forests with a simple linear regression is performed. The forecast is based on historical data on electricity consumption in Ukraine, as well as changes in cost per hour of consumption and a number of key factors. Forecasting takes into account weather conditions, macro – financial and economic characteristics. When the software was implemented, the library used includes the implementation of the prognostic algorithms Spark MLlib, which specializes in machine learning methods. Training samples were created based on historical data found in different open sources. In the introduction section the justification of the problem of forecasting demand for electricity and the impossibility of taking into account all factors affecting the environment when using standard approaches is made. In the results section, a number of indicators have been calculated capable of determining the accuracy of the forecast: the mean square error, the mean relative error and the absolute error. In the mathematics section, a description and analysis of the Random Forests algorithm was given. The graphs were built showing the results of the forecast in different time periods: one day, one week, one year. The results were compared with the original historical data. Added tables that show the input data and the results obtained using linear regression and the algorithm of machine learning Random Forests. In conclusion, conclusions were drawn about the effectiveness of the algorithm Random Forests, as well as a possible problem when working with machine learning algorithms.</span>
Authors and Affiliations
Serhiy Shevchenko, Dmytro Druppov, Mykola Bezmenov
Keywords
Related Articles
- EP ID EP465195
- DOI 10.20998/2079-0023.2018.21.06
- Views 134
- Downloads 0
Medium-term planning information technology for quality improvement of the software development process based on the CMMI model
<p class="304">Information technology is considered for medium-term planning for quality improvement of the software development process based on the CMMI model for the dynamic problem statement. The information system f...
РЕВЕРСНЫЕ ФУНКЦИИ И РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ СЛУЧАЙНОГО ФУНКЦИОНАЛА-СВЕРТКИ ОТ НОРМАЛЬНОГО МАРКОВСКОГО ПРОЦЕССА
Рассмотрен процесс, обладающий свойствами стационарности, нормальности и марковости. Для заданного временного интервала изучены энергетический функционал и функционал сверточного типа. При аналитическом рассмотрении зада...
Відстеження процесів із різними ознаками у Windows 7/8/10
<span>Розроблено програмний модуль визначання переліку процесів, що виконуються в комп’ютері і надання інформації про їх поточний стан, ідентифікатори й пріоритети виконання активних процесів, перелік задіяних dll бібліо...
РОЗВ’ЯЗАННЯ МАТРИЧНОГО РІВНЯННЯ СІЛЬВЕСТРА СПЕКТРАЛЬНИМ МЕТОДОМ
Матричні лінійні рівняння Сільвестра та Ляпунова широко використовуються в теорії управління і теорії стійкості руху, а також при розв’язанні рівняння Ріккаті у задачі аналітичного конструювання оптимальних регуляторів....
Инвертирование линейных динамических систем в среде квазигармонических сигналов
<span>Методы обращения динамических систем нашли широкое распространение для решения задач управления механическими и электрическими системами. Инвертирование динамических систем является эффективным способом реализации...