(КПІ ім. Ігоря Сікорського, 2021) Шиманюк, П. В.; Мірошник, В. О.; Блінов, І. В.; Черненко, П. О.
Розглянуто особливості впливу даних про температуру повітря на точність прогнозування
вузлових навантажень в енергосистемах та зміну точності такого прогнозування в залежності від
навчальної вибірки та її обсягу. Показано застосування методу аналізу даних для виявлення аномальних
значень та пропусків для зменшення спотворень даних та покращення результатів прогнозування. Для
багатофакторного прогнозу вузлових навантажень було використано нейронну мережу глибинного
навчання типу LSTM. Для оцінки ефективності точності прогнозу розглянуто різні варіанти вибірок
даних для навчання нейронної мережі.