Сегментация неоднородных объектов в задачах прогнозирования энергопотребления

Abstract

The peculiarities of the forecasting problem of energy consumption are considered in the paper; the main methods and solution models for forecasting problems are presented. The accuracy of the obtained forecast depending on the qualitative pre-processing of the indicators under investigation is important for the forecasting problems of energy consumption. A new method for data pre-processing of energy consumption objects is introduced for ranking and segmentation tasks in the construction of energy consumption forecasts. A mathematical model of heterogeneous objects and the approach to the modeling of heterogeneous objects using association rules are suggested. The generation of association rules is performed using the apparatus of rough sets. The resulting model allows the adequate representation of a complex object to be obtained for further processing, analysis and forecasting. The results of the study are used while investigating the dependencies in the construction of forecast models of energy consumption, preliminary preparation of indicators for forecasting problem of energy consumption of complex objects.

В работе рассмотрены особенности задач прогнозирования энергопотребления, приведены основные методы и модели их решения. В таких задачах важна точность полученного прогноза, зависящая от качественной предварительной обработки значений исследуемых показателей. авторами предлагается новый метод предварительной обработки данных объектов энергопотребления для задач ранжирования и сегментации при построении прогнозов энергопотребления. Рекомендуется математическая модель системы неоднородных объектов, а также подход к моделированию данной системы с использованием ассоциативных правил. Генерация ассоциативных правил производится с использованием аппарата приближенных множеств. Полученная модель позволяет получить адекватное представление сложного объекта для дальнейшей обработки, анализа, прогнозирования. Результаты работы использованы в исследовании зависимостей при построении прогнозных моделей энергопотребления, предварительной подготовке показателей для задач прогнозирования энергопотребления сложных объектов.