Ключевые слова
Как цитировать
Аннотация
В работе решается задача формирования признакового пространства для устойчивой сегментации профилей нагрузки арктических энергосистем, где экстремальная климатическая нестационарность и полярные циклы нарушают предположения о классической сезонности. На основе данных трёх объектов за 2023–2025 гг. сформирован вектор из 36 признаков. Кластерный анализ выделил 4–6 физически интерпретируемых режимов с метрикой Silhouette 0,68–0,74. Внутрикластерная дисперсия снижена на 40–60% относительно единой выборки, что создаёт эмпирическую базу для локального моделирования.
Библиографические ссылки
1. Hong T., Fan S. Probabilistic electric load forecasting: A tutorial review // International Journal of Forecasting. – 2016. – Vol. 32, № 3. – P. 914–938.
2- Andersson L., Alvehag K., Söder L. Reliability considerations for microgrids in remote areas // IEEE Transactions on Smart Grid. – 2018. – Vol. 9, № 4. – P. 3137–3145.
3- Gama J., Žliobaitė I., Bifet A., et al. A survey on concept drift adaptation // ACM Computing Surveys. – 2014. – Vol. 46, № 4. – Article 44.
4- Taylor J.W. Short-term electricity demand forecasting using double seasonal exponential smoothing // Journal of the Operational Research Society. – 2003. – Vol. 54, № 8. – P. 799–805.
5- Arrieta A.B., Díaz-Rodríguez N., del Ser J., et al. Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges // Information Fusion. – 2020. – Vol. 58. – P. 82–115.
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Copyright (c) 2026 Нагибин, Н.А. (Автор)