ЖАҢАРТЫЛАТЫН ЭНЕРГИЯ ГЕНЕРАЦИЯСЫН БОЛЖАУ: ARIMA, XGBOOST ЖӘНЕ ТЕРЕҢ ОҚЫТУҒА ҰҚСАС ПРОКСИ-МОДЕЛЬДІ САЛЫСТЫРУ

Аңдатпа

Жаңартылатын энергия көздерінен өндірілетін электр энергиясын қысқа мерзімді болжау электр желісін сенімді басқару, энергия балансын жоспарлау және генерация көлеміндегі ауытқуларды алдын ала бағалау үшін маңызды. Бұл мақалада үш тәсіл салыстырылады: классикалық ARIMA моделі, градиенттік бустингке негізделген XGBoost алгоритмі және LSTM логикасына ұқсас терезелік прокси-модель. Зерттеу бакалавриат деңгейіндегі оқу-зерттеу жұмысы ретінде орындалды және синтетикалық сағаттық деректерге негізделді. Деректер 2023 жылға арналған күн және жел генерациясының тәуліктік, маусымдық және стохастикалық заңдылықтарын имитациялайды. Модельдер алғашқы он бір айдағы деректер бойынша оқытылып, соңғы отыз күндік тестілік кезеңде бағаланды. Нәтижелер бойынша күн генерациясын болжауда терезелік прокси-модель ең төмен RMSE мәнін көрсетті (21,50 МВт), ал XGBoost нәтижесі оған жақын болды (23,44 МВт). Жел генерациясында екі модельдің нәтижелері шамалас болды, бұл жел ресурсының жоғары стохастикалық сипатын көрсетеді. Жұмыста MAPE метрикасының нөлге жақын генерация мәндері кезінде тұрақсыз болатыны көрсетіліп, RMSE және MAE метрикаларын негізгі бағалау көрсеткіштері ретінде қолдану ұсынылды.