Анализ данных мониторинга электропотребления и выявление сверхпотребления электроэнергии на основе предлагаемого алгоритма

Е. В. Пупкова; А. С. Дулесов; Н. В. Дулесова

doi:10.47813/2782-2818-2024-4-2-0280-0290

Авторы

Е. В. Пупкова
А. С. Дулесов
Н. В. Дулесова

DOI:

https://doi.org/10.47813/2782-2818-2024-4-2-0280-0290

Ключевые слова:

сверхпотребление электроэнергии, анализ данных, технология Data Mining, обработка информации, кластерный анализ, дерево решений

Аннотация

Предложен алгоритм выявления сверхпотребления электрической энергии в электросетях низкого напряжения. В основе исследования лежит системный подход, основанный на комплексе методов интеллектуального сбора и обработки информации. Для извлечения, сжатия, выборки, анализа и представления данных использована технология Data Mining. Методом экспертных оценок определены основополагающие критерии влияния на исследуемый процесс. Выполнена обработка массива данных путем деления их на кластеры. Предложен анализ исследуемого процесса методом дерева принятия решений, на базе статистического пакета IBM SPSS Statistics. В ходе проделанной работы из большого массива данных извлечены элементы, отвечающих установленным критериям отбора. Получен алгоритм, применимый для анализа поведенческого потребления электроэнергии, позволяющий отслеживать количественные и качественные показатели сверхпотребления электроэнергии, в процессе производственной деятельности исследуемого объекта, на выбранном временном интервале. Применение данного алгоритма позволило оптимизировать процесс решения проблемы неконтролируемого использование энергоресурсов путем выявления незаконной предпринимательской деятельности, в частности майнинга криптовалюты.

Биографии авторов

Е. В. Пупкова

Пупкова Евгения Владимировна, инженер 1 категории, ООО «Сетевая компания Сибири», Абакан, Россия

А. С. Дулесов

Дулесов Александр Сергеевич, доктор технических наук, доцент, профессор кафедры цифровых технологий и дизайна, Хакасский государственный университет имени Н.Ф. Катанова, Абакан, Россия

Н. В. Дулесова

Дулесова Наталья Валериевна, кандидат экономических наук, доцент кафедры электроэнергетики, машиностроения и автомобильного транспорта, Хакасский технический институт – филиал ФГАОУ ВО «СФУ», Абакан, Россия

Библиографические ссылки

Савина Н.В., Воронин А.В., Тыхидинов О.Г. Влияние майнинга криптовалюты на электропотребление и надежность электроснабжения. 2022; 97: 129-133. doi:10.22250/20730268_2022_97_129

Федеральная служба государственной статистики. Единая межведомственная информационно – статистическая система (ЕМИСС) [Электронный ресурс] URL: https://fedstat.ru/ (дата обращения 28.05.2024)

Ершова И.В., Трофимова Е.В. Майнинг и предпринимательская деятельность: в поисках соотношения. 2019; 6: 73-81.

Трофимова Л.А., Трофимов В.В. Методы принятия управленческих решений: Учебное пособие. СПб.; 2012. 101.

Мусаев А.А. Интеллектуальный анализ данный: Учебное пособие. СПб.: СПбГТИ.; 2018. 56.

Макшанов А. В., Журавлев А. Е., Тындыкарь Л. Н. Большие данные. Big Data: Учебник. СПб.; 2024. 188.

Орлов А.И. Организационно-экономическое моделирование: Учебник: ч.2. Экспертные оценки. М.; 2011. 486.

Головинский П.А., Шаталова А.О., Еникеев Э.И. Кластеризация данных: Учебное пособие. Воронеж; 2021. 23.

Махитарян В.С., Сажин Ю.В., Кремер Н.Ш. Анализ данных: Учебник. М.; 2013. 490.

Груздев А.В. Прогнозное моделирование в IBM SPSS Statistics, R и Python: метод деревьев решений и случайный лес: Практическое руководство. М.; 2018. 642.

REFERENCES

Savina N.V., Voronin A.V., Tyhidinov O.G. Vlijanie majninga kriptovaljuty na jelektropotreblenie i nadezhnost' jelektrosnabzhenija. 2022; 97: 129-133. doi:10.22250/20730268_2022_97_129 (in Russian) DOI: https://doi.org/10.22250/20730268_2022_97_129

Federal'naja sluzhba gosudarstvennoj statistiki. Edinaja mezhvedomstvennaja informacionno – statisticheskaja sistema (EMISS) [Jelektronnyj resurs] URL: https://fedstat.ru/ (data obrashhenija 28.05.2024) (in Russian)

Ershova I.V., Trofimova E.V. Majning i predprinimatel'skaja dejatel'nost': v poiskah sootnoshenija. 2019; 6: 73-81. (in Russian) DOI: https://doi.org/10.17803/1994-1471.2019.103.6.073-082

Trofimova L.A., Trofimov V.V. Metody prinjatija upravlencheskih reshenij: Uchebnoe posobie. St. Petersburg; 2012. 101. (in Russian)

Musaev A.A. Intellektual'nyj analiz dannyj: Uchebnoe posobie. St. Petersburg: SPbGTI.; 2018. 56. (in Russian)

Makshanov A. V., Zhuravlev A. E., Tyndykar' L. N. Bol'shie dannye. Big Data: Uchebnik. St. Petersburg; 2024. 188. (in Russian)

Orlov A.I. Organizacionno-jekonomicheskoe modelirovanie: Uchebnik: ch.2. Jekspertnye ocenki. Moscow; 2011. 486. (in Russian)

Golovinskij P.A., Shatalova A.O., Enikeev Je.I. Klasterizacija dannyh: Uchebnoe posobie. Voronezh; 2021. 23. (in Russian)

Mahitarjan V.S., Sazhin Ju.V., Kremer N.Sh. Analiz dannyh: Uchebnik. Moscow; 2013. 490. (in Russian)

Gruzdev A.V. Prognoznoe modelirovanie v IBM SPSS Statistics, R i Python: metod derev'ev reshenij i sluchajnyj les: Prakticheskoe rukovodstvo. Moscow; 2018. 642. (in Russian)