KFU. Card publication. Интеграция методов машинного обучения в электроэнергетическим сектора для снижения коммерческих потерь: обзор практики в сетевой организации.

- RUS
- 中文
- ES

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

Form of presentation

Articles in Russian journals and collections

Year of publication

2025

Язык

русский

Authors, employees of KFU

Kurbangalieva Dinara Lenarovna, author

Other authors

Kurbangaliev Timur Rafaelevich, author

Usmanov Renat Raisovich, author

Yazin Shamil Rustamovich, author

Bibliographic description in the original language

Kurbangaliev T.R., Usmanov R.R., Yakhin Sh.R., Kurbangalieva D.L Integraciya metodov mashinnogo obucheniya v elektroenergeticheskim sektora dlya snizheniya kommercheskikh poter: obzor praktiki v setevoy organizacii. // Biznes-informatika. – 2025. – №4

Annotation

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.

Keywords

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

The name of the journal

Бизнес-информатика

Please use this ID to quote from or refer to the card

https://repository.kpfu.ru/eng/?p_id=320836&p_lang=2

Full metadata record

Field DC	Value	Language
dc.contributor.author	Kurbangalieva Dinara Lenarovna	ru_RU
dc.contributor.author	Kurbangaliev Timur Rafaelevich	ru_RU
dc.contributor.author	Usmanov Renat Raisovich	ru_RU
dc.contributor.author	Yazin Shamil Rustamovich	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/eng/?p_id=320836&p_lang=2	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	Articles in Russian journals and collections	ru_RU