ПІДВИЩЕННЯ ТОЧНОСТІ ПРОГНОЗУ ВИРОБНИЦТВА ЕЛЕКТРОЕНЕРГІЇ ФОТОЕЛЕКТРИЧНИМИ СТАНЦІЯМИ НА ОСНОВІ МЕТОДУ RANDOM FOREST

Анотація

Досліджено методи, що використовуються для прогнозування виробництва енергії фотоелектричними станціями (ФЕС), а також шляхи підвищення точності прогнозу для оптимізації структури балансу електроенергії в енергосистемі. Дослідження спрямоване на виявлення ефективних підходів та алгоритмів прогнозування, оцінювання їхньої точності та надійності. За результатами дослідження запропоновано комбінацію методів регресійного аналізу та машинного навчання, що забезпечує прийнятну точність прогнозу для планування резервів потужності у енергосистемі. За основу взято метод Random Forest, оскільки він забезпечує адаптивність до особливостей енергогенерування ФЕС у різних регіонах України та в різні періоди року. Для підвищення ефективності машинного навчання запропоновано алгоритм попередньої фільтрації наборів даних з використанням методів авторегресії та ковзного середнього. Це дозволяє краще підготувати вхідні дані для подальшого використання у прогнозуванні, забезпечуючи згладжування тимчасових рядів і усунення випадкових коливань, які можуть негативно впливати на точність прогнозу. Застосування методів попередньої фільтрації дозволяє виділити основні закономірності в даних, що також підвищує точність моделей машинного навчання. Метод Random Forest вибрано не випадково: він добре підходить для завдань прогнозування, де необхідно враховувати багато різних факторів, які можуть по-різному впливати на результати в залежності від часу та регіону. Це особливо важливо у випадку прогнозування генерації енергії ФЕС, де на виробництво значно впливають такі змінні, як хмарність, температура, сезонність тощо. Використання Random Forest дозволяє враховувати нелінійні залежності та взаємодію між факторами, що сприяє підвищенню точності прогнозів. Застосування Random Forest як основного алгоритму машинного навчання зумовлене його гнучкістю та здатністю адаптуватися до різних умов, що дозволяє ефективно враховувати особливості генерації енергії в різних регіонах країни та у різні сезони року.