КФУ. Карточка публикации. Интеграция методов машинного обучения в электроэнергетическим сектора для снижения коммерческих потерь: обзор практики в сетевой организации.

RUS

- EN
- 中文
- ES

ИНТЕГРАЦИЯ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В ЭЛЕКТРОЭНЕРГЕТИЧЕСКИМ СЕКТОРА ДЛЯ СНИЖЕНИЯ КОММЕРЧЕСКИХ ПОТЕРЬ: ОБЗОР ПРАКТИКИ В СЕТЕВОЙ ОРГАНИЗАЦИИ.

Форма представления

Статьи в российских журналах и сборниках

Год публикации

2025

Язык

русский

Авторы, сотрудники КФУ

Курбангалиева Динара Ленаровна, автор

Другие авторы

Курбангалиев Тимур Рафаэльевич, автор

Усманов Ренат Раисович, автор

Язин Шамиль Рустамович, автор

Библиографическое описание на языке оригинала

Курбангалиев Т.Р., Усманов Р.Р., Яхин Ш.Р., Курбангалиева Д.Л Интеграция методов машинного обучения в электроэнергетическим сектора для снижения коммерческих потерь: обзор практики в сетевой организации. // Бизнес-информатика. – 2025. – №4

Аннотация

Внедрение технологии интеллектуальных сетей или интеллектуальных приборов учета (далее – ИПУ) электроэнергии позволяет оптимизировать функционирование энергосистем. Данные, собираемые данными устройствами, позволяют фиксировать потребление энергии каждые полчаса, выявлять случаи низкого качества энергоснабжения, попытки вмешательства в работу приборов учета, а также отслеживать важные события потребления услуг. Несмотря на использование интеллектуального оборудования, проблема неоплаченного энергопотребления остается актуальной даже при наличии системы удаленных измерений. Особенно остро стоят проблемы, связанные с намеренным хищением электрической энергии, которое представляет собой серьезную угрозу для электроснабжающих организаций. Таким образом, задачей исследования стало выявление возможностей применения искусственных нейронных сетей на основании обработки данных, полученных с ИПУ, для анализа данных потребителей и выявления случаев безучетного потребления. Итоговая разработка модели собственной нейросети позволила доказать гипотезу о применимости технологий искусственного интеллекта для борьбы с коммерческими потерями электроэнергии. Анализ результатов показал эффективность свёрточных нейронных сетей (CNN) в классификации временных рядов потребляемой энергии. Это подтверждает потенциал предложенной методики для практической реализации в сфере энергетики, обеспечивая своевременную и надежную информацию для управления ресурсами.

Ключевые слова

искусственный интеллект, интеллектуальные приборы учёта, цифровая экономика, коммерческие потери, нейронные сети, машинное обучение

Название журнала

Бизнес-информатика

Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на эту карточку

https://repository.kpfu.ru/?p_id=320836

Полная запись метаданных

Поле DC	Значение	Язык
dc.contributor.author	Курбангалиева Динара Ленаровна	ru_RU
dc.contributor.author	Курбангалиев Тимур Рафаэльевич	ru_RU
dc.contributor.author	Усманов Ренат Раисович	ru_RU
dc.contributor.author	Язин Шамиль Рустамович	ru_RU
dc.date.accessioned	2025-01-01T00:00:00Z	ru_RU
dc.date.available	2025-01-01T00:00:00Z	ru_RU
dc.date.issued	2025	ru_RU
dc.identifier.citation	Курбангалиев Т.Р., Усманов Р.Р., Яхин Ш.Р., Курбангалиева Д.Л Интеграция методов машинного обучения в электроэнергетическим сектора для снижения коммерческих потерь: обзор практики в сетевой организации. // Бизнес-информатика. – 2025. – №4	ru_RU
dc.identifier.uri	https://repository.kpfu.ru/?p_id=320836	ru_RU
dc.description.abstract	Бизнес-информатика	ru_RU
dc.description.abstract	Внедрение технологии интеллектуальных сетей или интеллектуальных приборов учета (далее – ИПУ) электроэнергии позволяет оптимизировать функционирование энергосистем. Данные, собираемые данными устройствами, позволяют фиксировать потребление энергии каждые полчаса, выявлять случаи низкого качества энергоснабжения, попытки вмешательства в работу приборов учета, а также отслеживать важные события потребления услуг. Несмотря на использование интеллектуального оборудования, проблема неоплаченного энергопотребления остается актуальной даже при наличии системы удаленных измерений. Особенно остро стоят проблемы, связанные с намеренным хищением электрической энергии, которое представляет собой серьезную угрозу для электроснабжающих организаций. Таким образом, задачей исследования стало выявление возможностей применения искусственных нейронных сетей на основании обработки данных, полученных с ИПУ, для анализа данных потребителей и выявления случаев безучетного потребления. Итоговая разработка модели собственной нейросети позволила доказать гипотезу о применимости технологий искусственного интеллекта для борьбы с коммерческими потерями электроэнергии. Анализ результатов показал эффективность свёрточных нейронных сетей (CNN) в классификации временных рядов потребляемой энергии. Это подтверждает потенциал предложенной методики для практической реализации в сфере энергетики, обеспечивая своевременную и надежную информацию для управления ресурсами.	ru_RU
dc.language.iso	ru	ru_RU
dc.subject	искусственный интеллект	ru_RU
dc.subject	интеллектуальные приборы учёта	ru_RU
dc.subject	цифровая экономика	ru_RU
dc.subject	коммерческие потери	ru_RU
dc.subject	нейронные сети	ru_RU
dc.subject	машинное обучение	ru_RU
dc.title	Интеграция методов машинного обучения в электроэнергетическим сектора для снижения коммерческих потерь: обзор практики в сетевой организации.	ru_RU
dc.type	Статьи в российских журналах и сборниках	ru_RU