Калінчик, Василь ПрокоповичПотьомкіна, Ганна Леонідівна2025-03-192025-03-192024Потьомкіна, Г. Л. Моніторинг електроспоживання гірничорудного підприємства : магістерська дис. : 141 Електроенергетика, електротехніка та електромеханіка / Потьомкіна Ганна Леонідівна. – Київ, 2024. – 74 с.https://ela.kpi.ua/handle/123456789/72976Актуальність Повномасштабна війна в Україні створила безпрецедентні виклики для енергетичної системи країни. Постійні обстріли енергооб'єктів, введення графіків погодинних обмежень та адаптація виробничих процесів до нових умов призвели до значної нестабільності в споживанні електроенергії. Точне прогнозування електричних навантажень в таких умовах є критично важливим для ефективного управління енергоресурсами, забезпечення стабільної роботи підприємств та мінімізації економічних втрат. Метою даного дослідження є покращення методів моніторингу та підвищення точності прогнозування електроспоживання гірничорудного підприємства шляхом розробки гібридної моделі прогнозування на основі штучних нейронних мереж. Ця модель враховує динамічні зміни в роботі енергосистеми, включаючи аварійні відключення, коливання споживання електроенергії, вплив погодних умов та інші фактори, які раніше було складно врахувати традиційними методами. Об’єкт дослідження: Процес транспортування і розподілу електроенергії для промислових споживачів. Предмет дослідження: Методи та моделі для прогнозування і планування споживання енергії на підприємстві. Наукова новизна одержаних результатів полягає в оригінальному методі короткострокового прогнозування споживання електроенергії, заснований на аналізі історичних даних; прогнозна модель на основі штучних нейронних мереж, яка враховує економічні фактори; та нова методика формування навчальної вибірки, що дозволяє підвищити точність прогнозування за рахунок використання кліматичних даних.74 с.ukенергоспоживанняенергетична ефективністьпрогнозуванняштучні нейронні мережімоніторингенергосистемамоделі машинного навчанняenergy consumptionenergy efficiencyforecastingartificial neural networksmonitoringpower systemmachine learning modelsMaster Thesis