ВИЗНАЧЕННЯ ЗБАЛАНСОВАНОСТІ ЕЛЕКТРОЕНЕРГЕТИЧНИХ СИСТЕМ МЕТОДАМИ МАШИННОГО НАВЧАННЯ НА ОСНОВІ ІНФОРМАТИВНИХ ОЗНАК ОТРИМАНИХ КОМПОНЕНТНИМ МЕТОДОМ

Анотація

У статті запропоновано підхід до визначення збалансованості електроенергетичної системи на основі поєднання компонентного методу аналізу періодично корельованих випадкових процесів та методів машинного навчання. Процедура формування інформативного ознакового простору базується на експоненціальній апроксимації компонентного усереднення та статистичних характеристиках сигналу. Сформовано датасет із 365 добових реалізацій, на якому проведено порівняльне дослідження 14 класифікаторів. Результати статистичного аналізу підтвердили значущість ключових ознак, а найкращі моделі (KNN, Extra Trees, SVM) досягли точності 98,9% та F1-міри 0,9877. Показано, що перехід до ознакового представлення сигналу забезпечує високу точність класифікації, інтерпретованість результатів у термінах фізичних характеристик електроспоживання та зменшує розмірність вихідних даних, що знижує обчислювальні витрати й підвищує ефективність алгоритмів машинного навчання. Запропонований підхід може бути використаний для визначення стану збалансованості розподілених  електроенергетичних систем та ідентифікації незбалансованих режимів їх функціонування.