15.09.2026
6 лет назад мы с НГТУ провели большой эксперимент по применению машинного обучения для прогноза электропотребления с 6-ю крупными предприятиями. Выводов было два:
- Модель была не хуже, но и не лучше опытного специалиста
- Организационные барьеры обесценят потенциал любой модели. Подробно тут.
С тех пор мы не сталкивались с обоснованными и по-настоящему зрелыми задачами, в которых решение с помощью ML было бы самым оптимальным.
Тем не менее для демонстрации возможности подключить к SEDMAX любую внешнюю модель, мы интегрировали одну из простых в демо-версию. Конкретно эта модель решает задачу прогноза потребления нашего офиса на сутки вперёд.
Основные параметры настроек модели:
- Канал с данными, на которых она обучается
- Канал, в который записываются данные
- Горизонт предсказаний (в нашем случае 48 «получасовок»)
- Расписание, по которому модель делает прогноз (у нас дважды в сутки: 8:00 и 20:00)
- Интервал переобучения модели (в нашем случае каждые 50 дней)
Посмотреть фактические и прогнозные графики можно тут (логин и пароль: demo):
ПОСМОТРЕТЬ ДЕМО-ПРОГНОЗ ПОТРЕБЛЕНИЯ
На мнемосхеме можно увидеть график и ключевые метрики. При клике на заголовок мнемосхемы можно «провалиться» в Анализ Данных Учёта для стандартного просмотра.
Здесь мы писали про подключение внешних статистических моделей наших партнёров:
Модель для расчёта плана заряда-разряда аккумуляторной батареи
Модель для расчёта режимов собcтвенной генерации в нефтянке
Фото
