Оценка влияния демографических, экономических и климатических факторов на долгосрочное прогнозирование потребления электроэнергии

Аннотация

Актуальность: долгосрочное прогнозирование потребления электроэнергии является важнейшей задачей
для эффективного планирования энергетических ресурсов, разработки стратегий энергоснабжения и
обеспечения устойчивости энергетической системы. Одним из ключевых аспектов долгосрочного
прогнозирования является учёт множества факторов, оказывающих влияние на спрос электроэнергии.
Демографические, экономические и климатические факторы формируют общую картину потребления
электроэнергии, однако влияние каждого из этих факторов может существенно различаться в
зависимости от конкретных условий. Весовые коэффициенты факторов, которые рассчитываются в
рамках регрессионных моделей, позволяют количественно оценить степень влияния каждого из факторов
на долгосрочные изменения в потреблении электроэнергии. Таким образом, оценка весовых
коэффициентов факторов является важной частью анализа, поскольку позволяет не только улучшить
точность предсказаний, но и выявить наиболее значимые элементы, требующие внимания при
планировании потребности в электроэнергии на долгосрочную перспективу. В связи с этим, исследование
весовых коэффициентов демографических, экономических и климатических факторов, а также их
влияние на прогноз потребления электроэнергии, является важным шагом к более точным и обоснованным прогнозам в энергетической сфере, что имеет важное практическое значение для
разработки устойчивых и адаптированных к изменяющимся условиям моделей энергоснабжения.
Цель: анализ основных факторов, влияющих на долгосрочное прогнозирование потребления
электроэнергии.
Методы: использованы статистические методы анализа и прогнозирования.
Результаты: по результатам анализа, на долгосрочное потребление электроэнергии наибольшее влияние
оказывает текущее потребление (59,54 %), за ним следуют демографические (21,91 %) и экономические
факторы (12,28 %). Климатический фактор имеет наименьшую долю влияния (6,27 %). Модель показала
высокую точность (RMSE = 0,1611) и может быть использована для долгосрочного прогнозирования в
системе электроэнергетики.