Выбор моделей прогнозирования потерь электроэнергии в распределительных сетях на основе критерия сложности данных

Аннотация

Актуальность:  рост объемов AMI и smart-meter данных делает научно-обоснованный выбор прогнозной модели самостоятельной задачей: одна и та же модель не обеспечивает одинаковую точность для временных рядов различной сложности.

Цель: определить рациональные диапазоны применения Regression, GMDH, ARIMA, MLP и DBSCAN-MLP по интегральному критерию, объединяющему объем и вариативность данных.

Методы: использованы 912 эксплуатационных наблюдений за 2021-2023 гг., корреляционный анализ, преобразование Фишера и Z-критерий, полиномиальная регрессия, ARIMA, GMDH, MLP, DBSCAN-MLP и показатель MAPE. Для предварительного выбора модели применен критерий .

Результаты: по 20 однофакторным и 20 многофакторным выборкам получены эмпирические границы выбора моделей. Общий MAPE составил 5,01; 3,15; 5,05; 2,58 и 2,10 %, соответственно для Regression, ARIMA, GMDH, MLP и DBSCAN-MLP.