دورية أكاديمية
Машинне навчання для прогнозування споживання та генерації електроенергії ; Machine Learning for a Power Consumption and Generation Prediction ; Машинное обучение для прогнозирования потребления и генерации электроэнергии
| العنوان: | Машинне навчання для прогнозування споживання та генерації електроенергії ; Machine Learning for a Power Consumption and Generation Prediction ; Машинное обучение для прогнозирования потребления и генерации электроэнергии |
|---|---|
| المؤلفون: | Заруба, Дмитро Сергійович, Швець, Михайло Юрійович, Хохлов, Юрій Віталійович |
| المصدر: | Мікросистеми, Електроніка та Акустика : науково-технічний журнал, 2019, Т. 24, № 6(113) |
| بيانات النشر: | КПІ ім. Ігоря Сікорського Київ |
| سنة النشر: | 2019 |
| مصطلحات موضوعية: | машинне навчання, коефіцієнт кореляції Пірсона, коефіцієнт детермінації, модель «Випадковий ліс», machine learning, Pearson correlation coefficient, determination coefficient, random forest model, машинное обучение, коэффициент корреляции Пирсона, коэффициент детерминации, модель «Случайный лес», 621.311.1 |
| الوصف: | Стаття присвячена підготовці і аналізу даних для покращення прогнозування кількості використаної та згенерованої електроенергії методами машинного навчання, а також оцінка важливості та впливу на прогнозування періоду доби, місяця, року, температури, вологості повітря, атмосферного тиску та інших ознак. Набір даних, що використовувався в даній статті, містить відомості про використання та генерацію електроенергії, а також погодні показники за 11 місяців з періодом фіксації даних 1 хвилина. Оброблення даних ґрунтувалось на статистичних методах обробки інформації, визначенні кількості пропущених даних, лінійних залежностях між ознаками, сумісності типів даних. Для оцінки точності прогнозування було використано коефіцієнт детермінації. ; The paper is devoted to the preparation and analysis of data sets in order to improve the prediction of the amount of consumed and generated electrical energy volumes using machine learning methods. The importance level and influence on predicting the time of day, month, year, temperature, humidity, atmospheric pressure, and other factors were determined. The dataset used in this article contains the data of smart house equipped by photovoltaic cells for the own generation of electrical energy that covers the part of house’s demand. There are following values in dataset: «time», consumed electrical energy («use [kW]»), generated electrical energy («gen [kW]»), «temperature», «humidity», «visibility», «pressure», «windSpeed», «cloudCover», «windBearing», the temperature as it felt by human «apparentTemperature», precipitation intensity «precipIntensity», «dewPoint», precipitation probability «precipProbability». The data was collected during 11 months with a data fixing period of 1 minute. Before the data analysis and further learning it’s necessary to execute preliminary processing. At first stage, it was investigated how large is the part of missed and zero values in dataset. The second stage includes elimination of outliers that are situated at anomaly distance from other values ... |
| نوع الوثيقة: | article in journal/newspaper |
| وصف الملف: | С. 17-21; application/pdf |
| اللغة: | Ukrainian |
| العلاقة: | Заруба, Д. С. Машинне навчання для прогнозування споживання та генерації електроенергії / Заруба Д. С., Швець М. Ю., Хохлов Ю. В. // Мікросистеми, Електроніка та Акустика : науково-технічний журнал. – 2019. – Т. 24, № 6(113). – С. 17–21. – Бібліогр.: 11 назв.; https://ela.kpi.ua/handle/123456789/33449Test; https://doi.org/10.20535/2523-4455.2019.24.6.186996Test |
| DOI: | 10.20535/2523-4455.2019.24.6.186996 |
| الإتاحة: | https://doi.org/10.20535/2523-4455.2019.24.6.186996Test https://ela.kpi.ua/handle/123456789/33449Test |
| حقوق: | https://creativecommons.org/licenses/by/4.0Test/ |
| رقم الانضمام: | edsbas.6A32B99 |
| قاعدة البيانات: | BASE |
| DOI: | 10.20535/2523-4455.2019.24.6.186996 |
|---|