Electrical energy consumption prediction of the federal district of Russia on the based of the reccurent neural network

В статье рассмотрено прогнозирование потребления электрической энергии с использованием рекуррентной нейронной сети. Нейронная сеть построена на данных энергопотребления крупных федеральных округов России за последние 13 лет. При построении модели были учтены доминантные факторы: данные об энергопотреблении за предшествующий прогнозу промежуток времени; метеорологические факторы (температура воздуха, облачность, количество осадков, скорость ветра, длина светового дня и т.д.); дата (день, месяц); данные производственных календарей (информация о дне недели: будний / выходной / праздничный / сокращенный); специфика промышленности рассматриваемого округа (объединение статистической информации по крупным центрам федеральных округов), отбор которых проводился на основе тестовых прогонов через нейронную сеть фиксированной конфигурации. Актуальность исследования объясняется практической значимостью поисков наиболее точных методов прогнозирования основных параметров энергетического рынка, проводимых учеными в большинстве развитых стран мира. Построенная рекуррентная нейронная сеть дала более точные результаты прогнозирования, чем широко используемые математические модели прогнозирования на основе регрессионных зависимостей. Полученный научный результат будет способствовать снижению издержек и повышению энергоэффективности субъектов электроэнергетики при работе на оптовом рынке электрической энергии и мощности России.