Авторы: С.М. Карпенко, Е.А. Ематин, Н.В. Карпенко, Г.М. Лебедев

Название статьи: Прогнозирование электропотребления промышленного предприятия на основе статистических моделей

Год: 2026, Номер: 4, Страницы: 3-10

Отрасль знаний: 2.4.2. Электротехнические комплексы и системы (технические науки)

Индекс УДК: 621.313:676.026

DOI: 10.26730/1816-4528-2026-4-3-10

Аннотация: Для повышения эффективности управления электропотреблением промышленного предприятия необходимо повышать точность, в том числе посуточного, прогнозирования. Приведено обоснование актуальности посуточных прогнозов и выбора статистических моделей для их построения. Предложена методика исследования, основанная на методологии Бокса-Дженкинса и включающая изучение структуры рядов электропотребления и объемов производства продукции на основе автокорреляционной и частной автокорреляционной функций, проведение кросс-корреляционного анализа, тестирование коинтеграции и причинности, выбор вида модели и определение ее параметров моделей, расчет показателей точности МАРЕ, получение линейной свертки (агрегации) прогнозов для оценки электропотребления подразделений (цехов) предприятия. Исследования проводились на основе архивных данных посуточного электропотребления и объемов производства продукции горно-металлургического предприятия. Построены модели посуточного прогнозирования электропотребления вида ADL. Для выявления наличия эффекта «ложной регрессии» в уровнях временных рядов применен критерий Энгела-Грэнжа. Коэффициенты моделей оценивались методом максимального правдоподобия. Для повышения показателей точности предложен комбинированный подход построения прогноза электропотребления промышленного предприятия как агрегации индивидуальных прогнозов подразделений (цехов) с кусочно-линейным (сегментированным) трендом и с учетом весовых коэффициентов, учитывающих вклад индивидуальных прогнозов в общее электропотребление. Нелинейный тренд электропотребления был представлен как сегментированный, в котором локальные линейные тренды соответствуют периодам выполнения технологических заданий, существенно влияющим на характер электропотребления и на вид прогнозной модели. Применение данного подхода позволяет улучшить точность прогноза МАРЕ на обучающей и тестовой выборках соответственно в 2,2 и 1,5 раза.

Ключевые слова: Электропотребление промышленное предприятие посуточное прогнозирование статистические модели сегментированный тренд агрегация прогнозов

Дата получения: 08.06.2026

Дата одобрения: 01.09.2026

Дата опубликования: 27.08.2026

ЦИТИРОВАНИЕ СКАЧАТЬ