Онисько, Андрій ІллічВербіцький, Євген Степанович2025-01-072025-01-072024Вербіцький, Є. С. Методи моніторингу та прогнозування споживання електроенергії на основі штучного інтелекту : магістерська дис. : 122 Комп’ютерні науки / Вербіцький Євген Степанович. – Київ, 2024. – 89 с.https://ela.kpi.ua/handle/123456789/71660Система моніторингу та прогнозування споживання електроенергії дозволяє користувачам отримувати точні прогнози електроспоживання на основі використання методі машинного навчання SDCA, FastTree та LightGBM, надає засоби для аналізу історичних даних та візуалізації інформації в зручному форматі за допомогою елементів візуального моніторингу (лінійні графіки, гістограми, діаграми, статистичний аналіз).Актуальність теми дослідження. Ефективне використання енергоресурсів є важливою частиною сталого розвитку всіх провідних країн світу, особливо на тлі розгортання глобальних викликів світовій економіці. Для забезпечення ефективного використання енергоресурсів важливими чинниками є моніторинг та прогнозування споживання електроенергії, що дозволить краще розуміти стан енергосистеми та її можливості з забезпечення електроенергією, а отже важливе значення має розробка програмного забезпечення, що надає відповідний функціонал. Метою дослідження є розробка програмного забезпечення, що дозволить користувачу отримувати прогнози споживання електроенергії на основі історичної інформації, а також надасть засоби візуального моніторингу споживання електроенергії. Завдання дослідження: – провести аналіз існуючих рішень для надання прогнозів та забезпечення якісного моніторингу електроспоживання; – обрати методи на засоби програмної реалізації системи моніторингу та прогнозування споживання електроенергії; – створити модель машинного навчання для надання прогнозів електроспоживання; – розробити засоби моніторингу споживання електроенергії; – провести тестування системи та усунення можливих недоліків, оцінка якості системи. Об’єктом дослідження є методи моніторингу та прогнозування споживання електроенергії на основі штучного інтелекту. Предметом дослідження є моніторинг та прогнозування споживання електроенергії на основі методів машинного навчання SDCA, FastTree та LightGBM. Апробація результатів роботи. Основні положення даної роботи були викладені на II Міжнародній науково-практичній інтернет-конференції «NUCLEAR POTENCIAL AND POSSIBLE THREATS TO THE MODERN WORLD», м. Дніпро, 7-8 жовтня 2024 року. Дисертація складається зі вступу, п’яти розділів та висновків. Повний обсяг дисертації складає 89 сторінок, 26 таблиць, 24 рисунків, 4 сторінки списку використаних джерел у кількості 32 найменувань.89 с.ukмашинне навчанняпрогнозування споживання електроенергіїштучний інтелект в енергосистемахSDCAFastTreeLightGBMMaster Thesis