Анализ данных мониторинга электропотребления и выявление сверхпотребления электроэнергии на основе предлагаемого алгоритма
DOI:
https://doi.org/10.47813/2782-2818-2024-4-2-0280-0290Ключевые слова:
сверхпотребление электроэнергии, анализ данных, технология Data Mining, обработка информации, кластерный анализ, дерево решенийАннотация
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.
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)
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Е. В. Пупкова, А. С. Дулесов, Н. В. Дулесова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Журнал MIST - «Modern Innovations, Systems and Technologies» / «Современные инновации, системы и технологии» публикует материалы на условиях лицензии CreativeCommons Attribution 4.0 International (CC BY 4.0), размещенной на официальном сайте некоммерческой корпорации Creative Commons:
This work is licensed under a Creative Commons Attribution 4.0 International License.
Это означает, что пользователи могут копировать и распространять материалы на любом носителе и в любом формате, адаптировать и преобразовывать тексты, использовать контент для любых целей, в том числе коммерческих. При этом должны соблюдаться условия использования — указание автора оригинального произведения и источника: следует указывать выходные данные статей, предоставлять ссылку на источник, а также указывать, какие изменения были внесены.