Forecasting electricity consumption with artificial neural networks and mathematical optimization of energy allocation

This paper proposes an approach to forecasting electricity consumption with an LSTM artificial neural network and optimizing the allocation of energy among sources by linear programming. A mathematical model is formulated that links the hourly demand forecast to the energy balance, the available capacities of the sources and costs. The paper addresses the distinction between forecast accuracy and economic efficiency, chronological data splitting and the treatment of uncertainty. The work is based on theoretical modeling and presents no empirical experiments or verified savings figures. It is recommended that the proposed model be tested on real data and extended with environmental criteria.

В настоящих тезисах предлагается подход к прогнозированию потребления электроэнергии с помощью искусственной нейронной сети типа LSTM и к оптимизации распределения энергии между источниками методом линейного программирования. Формируется математическая модель, связывающая прогноз почасового спроса с энергетическим балансом, располагаемыми мощностями источников и затратами. Освещаются вопросы разграничения точности прогноза и экономической эффективности, разделения данных в хронологическом порядке и учета неопределенности. Работа основана на теоретическом моделировании и не содержит результатов эмпирических экспериментов или подтвержденных показателей экономии. Рекомендуется проверить предложенную модель на реальных данных и дополнить ее экологическими критериями.

Mazkur tezisda elektr energiyasi iste’molini LSTM turidagi sun’iy neyron tarmoq yordamida prognozlash va energiya manbalari o‘rtasidagi taqsimotni chiziqli dasturlash orqali optimallashtirish yondashuvi taklif etiladi. Soatlik talab prognozini energiya balansi, manbalarning mavjud imkoniyatlari va xarajatlar bilan bog‘lovchi matematik model shakllantiriladi. Prognoz aniqligini iqtisodiy samaradorlikdan farqlash, ma’lumotlarni vaqt tartibida ajratish hamda noaniqlikni hisobga olish masalalari yoritiladi. Ish nazariy modellashtirishga asoslangan bo‘lib, empirik tajriba yoki tasdiqlangan tejamkorlik ko‘rsatkichlarini taqdim etmaydi. Taklif etilgan modelni real ma’lumotlar asosida tekshirish va ekologik mezonlar bilan kengaytirish tavsiya qilinadi.