📄Работа №128902
Тема: Поиск наилучшей модели для прогнозирования спроса на рынке электроэнергии (Новосибирский государственный университет)
Тип работы
Курсовые работы
Предмет
математическое моделирование
Объем:
40 листов
Год:
2023
Просмотров:
228
700
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
ГЛАВА 1. Состояние и проблемы электроэнергетической отрасли Австралии 5
1.1 Энергетический профиль Австралии 5
1.2 Проблемы и перспективы развития сферы электроэнергетики в Австралии и штате Виктория 9
ГЛАВА 2. Обзор моделей прогнозирования спроса на электроэнергию 17
2.1 Методы и модели прогнозирования в экономике 17
2.2 Регрессионные модели 19
2.3 Авторегрессионные модели 22
2.4 Модели экспоненциального сглаживания 23
2.5 Модели искусственных нейронных сетей 24
2.6 Метрики оценки и сравнения различных моделей 28
ГЛАВА 3. Построение и сравнение моделей 29
3.1 Визуальная оценка данных 29
3.2 Разделение данных 30
3.3 Автокорреляция и тест Дики-Фуллера 31
3.4 Прогноз по последнему значению и метод экспоненциального сглаживания 32
3.5 SARIMAX 32
3.6 NeuralProphet 33
3.7 Сравнение моделей 37
Заключение 38
Список использованной литературы 39
ГЛАВА 1. Состояние и проблемы электроэнергетической отрасли Австралии 5
1.1 Энергетический профиль Австралии 5
1.2 Проблемы и перспективы развития сферы электроэнергетики в Австралии и штате Виктория 9
ГЛАВА 2. Обзор моделей прогнозирования спроса на электроэнергию 17
2.1 Методы и модели прогнозирования в экономике 17
2.2 Регрессионные модели 19
2.3 Авторегрессионные модели 22
2.4 Модели экспоненциального сглаживания 23
2.5 Модели искусственных нейронных сетей 24
2.6 Метрики оценки и сравнения различных моделей 28
ГЛАВА 3. Построение и сравнение моделей 29
3.1 Визуальная оценка данных 29
3.2 Разделение данных 30
3.3 Автокорреляция и тест Дики-Фуллера 31
3.4 Прогноз по последнему значению и метод экспоненциального сглаживания 32
3.5 SARIMAX 32
3.6 NeuralProphet 33
3.7 Сравнение моделей 37
Заключение 38
Список использованной литературы 39
📖 Введение
Данная курсовая работа посвящена рассмотрению темы: сравнение и выбор наилучшей модели для прогнозирования спроса на рынке электроэнергии.
Эта тема является крайне актуальной, поскольку современный рынок электроэнергии постоянно расширяется и не стоит на месте: все больше аспектов жизни современного человека включает в себя различные приборы-потребители электричества, растет население земли, т.е. появляется все больше потребителей, которые точно будут предъявлять спрос на электричество, правительства многих стран стимулируют переход на электрические машины, которые так же нужно заряжать.
Объектом исследования выступает спрос на рынке электроэнергии в городе Виктория за период 2015-2020 годов. Предметом исследования является прогнозирование спроса на электроэнергию.
Целью данной курсовой работы является поиск наилучшей модели прогнозирования спроса на электроэнергию, путем сравнения самых популярных из моделей. Для этого требуется выполнение ряда задач, таких как:
1. Изучить энергетический рынок Австралии, его проблемы и перспективы
2. Рассмотреть теоретические аспекты моделей SARIMAX NeuralProphet и метрик, которые будут в дальнейшем использованы для сравнения
3. Произвести поиск и обработку данных спроса на электроэнергию за период 2015-2020 годов
4. С помощью моделей SARIMAX и NeuralProphet построить прогноз на спрос на электроэнергию и оценить их корректность
5. Сравнить качества прогнозов разных моделей, используя метрики, и сделать выводы, касаемо выбора предпочтительных моделей
В первой главе приведена информация об общем состоянии энергетической структуры Австралии и штата Виктория в частности, обоснована актуальность и необходимость проблемы исследования спроса.
Во второй главе происходит обзор различных моделей, применяемых для прогнозирования спроса на электроэнергию во всем мире.
В третьей главе будет проведен первичный анализ данных, выявлены различные закономерности, проверен ряд на стационарность, построена автокорреляции, а также применены различные модели, по ним будут построены прогнозы, по качеству которых с помощью метрик будет выбрана наилучшая.
Эта тема является крайне актуальной, поскольку современный рынок электроэнергии постоянно расширяется и не стоит на месте: все больше аспектов жизни современного человека включает в себя различные приборы-потребители электричества, растет население земли, т.е. появляется все больше потребителей, которые точно будут предъявлять спрос на электричество, правительства многих стран стимулируют переход на электрические машины, которые так же нужно заряжать.
Объектом исследования выступает спрос на рынке электроэнергии в городе Виктория за период 2015-2020 годов. Предметом исследования является прогнозирование спроса на электроэнергию.
Целью данной курсовой работы является поиск наилучшей модели прогнозирования спроса на электроэнергию, путем сравнения самых популярных из моделей. Для этого требуется выполнение ряда задач, таких как:
1. Изучить энергетический рынок Австралии, его проблемы и перспективы
2. Рассмотреть теоретические аспекты моделей SARIMAX NeuralProphet и метрик, которые будут в дальнейшем использованы для сравнения
3. Произвести поиск и обработку данных спроса на электроэнергию за период 2015-2020 годов
4. С помощью моделей SARIMAX и NeuralProphet построить прогноз на спрос на электроэнергию и оценить их корректность
5. Сравнить качества прогнозов разных моделей, используя метрики, и сделать выводы, касаемо выбора предпочтительных моделей
В первой главе приведена информация об общем состоянии энергетической структуры Австралии и штата Виктория в частности, обоснована актуальность и необходимость проблемы исследования спроса.
Во второй главе происходит обзор различных моделей, применяемых для прогнозирования спроса на электроэнергию во всем мире.
В третьей главе будет проведен первичный анализ данных, выявлены различные закономерности, проверен ряд на стационарность, построена автокорреляции, а также применены различные модели, по ним будут построены прогнозы, по качеству которых с помощью метрик будет выбрана наилучшая.
✅ Заключение
Проведенная работа показала, что самой эффективной моделью для прогнозирования спроса на рынке электроэнергии является библиотека NeuralProphet, поскольку показывает наименьшую ошибку прогноза, среди сравниваемых моделей, к которым так же относились: прогноз по последнему значению, экспоненциальная сглаживающая и SARIMAX.
Стоит отметить, что модель NeuralProphet все еще находится в стадии доработки, поэтому при нежелании исследователя пользоваться незавершенными методами, для рынка электроэнергии подойдет SARIMAX(7,1,1)x(1,1,0,12).
Также в процессе подготовки исходных данных был установлен факт реального влияния различных погодных условий на потребление электроэнергии. Подготовка данных была необходима для построения модели SARIMAX, что заняло достаточное количество времени.
На фоне SARIMAX, NeuralProphet выделяется большей неприхотливостью к данным, за счет чего сам процесс обучения модели проходит проще. Более того, в последствии модель можно модернизировать, изменяя значения различных параметров, добавляя в нее процесс авторегрессии и затем, сравнивая различные версии модели с помощью метрик, выбирать наиболее эффективную.
Стоит отметить, что модель NeuralProphet все еще находится в стадии доработки, поэтому при нежелании исследователя пользоваться незавершенными методами, для рынка электроэнергии подойдет SARIMAX(7,1,1)x(1,1,0,12).
Также в процессе подготовки исходных данных был установлен факт реального влияния различных погодных условий на потребление электроэнергии. Подготовка данных была необходима для построения модели SARIMAX, что заняло достаточное количество времени.
На фоне SARIMAX, NeuralProphet выделяется большей неприхотливостью к данным, за счет чего сам процесс обучения модели проходит проще. Более того, в последствии модель можно модернизировать, изменяя значения различных параметров, добавляя в нее процесс авторегрессии и затем, сравнивая различные версии модели с помощью метрик, выбирать наиболее эффективную.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.