| Abstract |
Šajā bakalaura darbā veikta Latvijas elektroenerģijas patēriņa īstermiņa prognozēšana, izmantojot dažādus mašīnmācīšanās algoritmus.
Elektroenerģijas patēriņa prognozēšana ir ļoti izplatīta un nemitīgi attīstoties tirgum, attīstās arī jaunas pieejas prognozēšanas metodēm, īpaši mašīnmācīšanās un mākslīgo neironu tīkli. Prognozes precizitāte ir svarīga enerģētikas nozarē strādājošiem uzņēmumiem, lai nodrošinātu efektīvu ražošanas procesu plānošanu, garantētu konkurētspējīgas cenas un apmierinātu valsts iedzīvotāju pieprasījumu pēc elektroenerģijas. Šajā darbā tika aplūkota teorētiskā bāze par elektroenerģiju, elektroenerģijas tirgu un elektroenerģijas patēriņa ietekmējošiem faktoriem, īstermiņa, vidēja un ilgtermiņa horizontā, un kāpēc nepieciešams veikt prognozēšanu. Tālāk apskatīta elektroenerģijas patēriņa prognozēšanas klasifikācija, to teorētiskais pamatojums un vēsturiski izmantotie modeļi.
Darba praktiskajā daļā izmantoti vairāki mašīnmācīšanās modeļi elektroenerģijas patēriņa prognozēšanai. Veikta ietekmējošo faktoru un patēriņa datu apstrāde, analīze un noteikti modeļu ievades dati. Pēc modeļu izveides, ja iespējams, veikta hiperparametru optimizācija labāku veiktspējas rādītājus iegūšanai. Rezultātā izdevās izveidot naivo, lineārās regresijas, gadījuma meža, atbalsta vektora regresijas un LSTM modeļus, kas prognozētu Latvijas elektroenerģijas patēriņu nākamajām 24 stundām, un izveidoti ieteikumi turpmākai modeļu attīstīšanai un uzlabošanai.
Darbs sastāv no 59 lapaspusēm, 27 attēliem, 4 tabulām, tajā ir atsauces uz 38 informācijas avotiem un 1 pielikums. |
