Прогнозування обсягів споживання електроенергії в умовах ракетно-дронових атак на енергосистему

С.Є. Саух, чл.-кор. НАН України, О.І. Клюзко, аспірант
Інститут проблем моделювання в енергетиці
ім. Г.Є. Пухова НАН України
Україна, 03164, Київ, вул. Олега Мудрака, 15
e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.; Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.

Èlektron. model. 2025, 47(5):87-104

https://doi.org/10.15407/emodel.47.05.087

АНОТАЦІЯ

Запропоновано методологію підвищення адекватності короткострокових прогнозів пого­динних обсягів електроспоживання в умовах руйнівного впливу ракетно-дронових атак на енергосистему. Для кількісної оцінки такого впливу введено спеціальний load-shedding-фактор, який поєднує бінарні, рангові та масштабні характеристики аварійних від­ключень. На основі запропонованої методології прогнозування розроблено програмний комплекс Energy AI, що реалізує повний цикл обробки даних – від визначення ключових факторів впливу до генерації прогнозу та оцінювання його адекватності. При цьому ви­користовується алгоритм машинного навчання Random Forest з автоматичною оптимі­зацією гіперпараметрів за допомогою інтелектуальних алгоритмів фрейворку Optuna. В якості вхідних даних алгоритму Random Forest використано дані відкритих оперативних звітів щодо обсягів споживання електроенергії та дані інформаційних повідомлень щодо ракетно-дронових атак на об’єкти критичної інфраструктури та запровадження графіків аварійних відключень споживачів електроенергії. Представлені результати обчислю­валь­них експериментів підтверджують необхідність використання load-shedding-фактора для підвищення адекватності прогнозів. Запропонована методологія прогнозування обсягів споживання електроенергії рекомендована для застосування в енергетичних інформаційно- аналітичних системах для підвищення адекватності прогнозних розрахунків та мінімізації збитків компаній-постачальників електроенергії.

КЛЮЧОВІ СЛОВА:

постачання електричної енергії, прогнозування, алгоритм Random Forest, ракетно-дронові атаки, аварійні відключення споживачів.

СПИСОК ЛІТЕРАТУРИ

1. Інформація щодо масованих ударів по критичній інфраструктурі України (Ukr). URL: https://map.ua-energy.org/uk/resources/12f3148d-841a-478d-b9ed-72bf0764b286/ (дата звернення: 11.06.2025).
2. Саух, С., Борисенко, А. Моделювання електроенергетичної системи україни та оці­нювання її резильєнтності в умовах систематичних терористичних атак. Технічна елект­ро­динаміка. 2025. № 2. С. 57—70. DOI: https://doi.org/10.15407/techned2025.02.057.
3. Інформація щодо застосування заходів обмеження споживання електроенергії URL: https://map.ua-energy.org/uk/resources/0f8f9882-1fb2-47c6-81dc-31fbad914f16/ (дата звернення: 11.06.2025).
4. Rangelov, D., Boerger, M., Tcholtchev, N., Lämmel, P. and Hauswirth, M. "Design and Development of a Short-Term Photovoltaic Power Output Forecasting Method Based on RF, Deep Neural Network and LSTM Using Readily Available Weather Features," in IEEE Access, vol. 11, pp. 41578—41595, 2023, doi: 10.1109/ACCESS.2023.3270714.
5. Xuan, Y. et al., "Multi-Model Fusion Short-Term Load Forecasting Based on RF Feature Selection and Hybrid Neural Network," in IEEE Access, vol. 9, pp. 69002—69009, 2021, doi: 10.1109/ACCESS.2021.3051337.
6. Sartini, Luthfia Rohimah, Yana Iqbal Maulana, Supriatin Supriatin, Dewi Yuliandari. Optimization of RF Prediction for Industrial Energy Consumption Using Genetic Algorithms, PIKSEL Penelitian Ilmu Komputer Sistem Embedded and Logic March 2023. 11(1). P. 35—44, doi:10.33558/piksel.v11i1.5886
7. Wang W., Keen J., Bank J., Giraldez J. and Montano-Martinez K. "An Automated Approach for Screening Residential PV Applications Using a RF Model," in IEEE Open Access Journal of Power and Energy, vol. 10, pp. 327—334, 2023, doi: 10.1109/OAJPE. 2023.3270223.
8. Liu F., Dong T., Hou T., Liu Y. A Hybrid Short-Term Load Forecasting Model Based on Improved Fuzzy C-Means Clustering, Random Forest and Deep Neural Networks in IEEE Access. 2021. Vol. 9. P. 59754—59768. DOI: 10.1109/ACCESS.2021.3063123. A_Hybrid _Short-Term_Load
9. Olcay K., Tunca S.G., Özgür M.A. Forecasting and Performance Analysis of Energy Production in Solar Power Plants Using Long Short-Term Memory (LSTM) and Random Forest Models IEEE Access 2024. Vol. 12. P. 103299—103312. DOI: 10.1109/ACCESS.2024.3432574.
10. Contreras J., Espínola R., Nogales F.J., Conejo A.J. Day-Ahead Electricity Price Forecasting Using the Wavelet Transform and ARIMA Models in IEEE Transactions on Power Systems 2003. Vol. 18, no. 2. P. 1014—1020. DOI: 10.1109/TPWRS.2003.811182.
11. Mohammadi, Sahar and Nabavi, Seyed Azad and Motlagh, Naser Hossein and Anvari-Moghaddam, Amjad and Tarkoma, Sasu and Geyer, Philipp, A Comparative Study of Machine Learning Modeling in Electricity Load Forecasting. SSRN Electronic Journal 2022. Available at SSRN:  http://dx.doi.org/10.2139/ssrn.4200148
12. Планові і аварійні графіки відключень. Офіційний сайт ДТЕК Київські Електромержі URL: https://www.dtek-kem.com.ua/ua/shutdowns (дата звернення: 15.06.2025).
13. Офіційний сайт НЕК «УКРЕНЕРГО» URL: https://ua.energy/uchasnikam_rinku/ (дата звернення: 15.06.2025).
14. Проходження осінньо-зимових періодів 2022-2024: State of the Energy System. DiXi Group. Kyiv. URL: https://dixigroup.org/wp-content/uploads/2024/04/2024_winterseasons_analysis_dixi_group_final.pdf  (дата звернення: 10.06.2025).

Повний текст: PDF