АНАЛІТИЧНЕ МОДЕЛЮВАННЯ СПОЖИВАННЯ ЕЛЕКТРОЕНЕРГІЇ ПІДПРИЄМСТВАМИ НА ОСНОВІ ЦИФРОВИХ ТЕХНОЛОГІЙ ПРОГНОЗУВАННЯ

Анотація

Інноваційний потенціал є критичним для економічної стійкості та відновлення країни під
час війни. Україна демонструє значний науковий та технологічний потенціал, але реалізація
цього потенціалу стикається з перешкодами, які потребують аналізу та вирішення [1].
Стан енергетичної системи України сьогодні визначається високою нестабільністю,
зумовленою руйнуванням критичної інфраструктури, повторюваними ракетними ударами,
порушенням роботи генерації та розподільчих мереж. За останні роки масштабні
пошкодження ліній електропередач, підстанцій, теплових та гідроелектростанцій створили
нові виклики для енергетичного сектору, що потребують сучасних підходів до управління
навантаженнями. Від того, наскільки точно підприємства зможуть прогнозувати власне
споживання електроенергії, сьогодні залежить не лише їхня економічна ефективність, а й
стабільність усієї енергосистеми держави.
Сучасна електроенергетична галузь України являє собою розгалужену мережу
підприємств та установ. Підприємства з генерування віддають ресурс у загальну мережу, через
яку вона потрапляє до кінцевого споживача [2]. На сьогодні, нажаль, інфраструктура
енергетичної сфери в Україні зазнає цілеспрямованих руйнувань. Війна росії в Україні
обумовлює проблеми, які вимагають надзвичайних зусиль відповідних служб для відновлення
пошкоджень та функціонування енергетичної галузі. Забезпечення можливостей
безперебійного функціонування галузі також ускладнюється через зниження платіжної
спроможності населення України, зростання заборгованості споживачів за спожиту енергію [3].
Коректний прогноз електроспоживання дає можливість забезпечити більш точне балансування
енергосистеми, оптимально розподіляючи електроенергію між генеруючими потужностями та
розподільчими мережами. Це допомагає уникати перевантажень у критичних точках, знижувати
ризики аварійних відключень, а також забезпечує ефективніше використання доступної
генерації. Наприклад, у багатьох випадках через неправильне прогнозування частина
генеруючих потужностей змушена працювати в режимі розвантаження, тоді як інші мережеві
ділянки, навпаки, перевантажені. У воєнний період це призводить до додаткового зносу
обладнання, поглиблює дисбаланси та збільшує ймовірність системних відмов. Крім того, точне
прогнозування є необхідною умовою зниження обсягів небалансів для постачальників
72
електроенергії. У ринкових умовах небаланс – це суттєвий фінансовий чинник, адже різниця
між прогнозним та фактичним споживанням напряму відображається на загальних витратах як
підприємства-постачальника, так і підприємства-споживача. За умов постійних коливань
ринкових цін, частих аварій та зростання попиту на електроенергію точність прогнозу стає
ключовою складовою економічної стійкості будь-якого бізнесу.
Проблематика традиційних підходів до прогнозування. Попри високу важливість цього
завдання, значна частина українських підприємств і досі використовує прості табличні методи
прогнозування, здебільшого на основі Microsoft Excel або Google Sheets. У таких моделях
прогноз будується шляхом: усереднення даних минулих періодів, простого додавання типових
добових або тижневих графіків; використання стандартних формул та базових лінійних
трендів. Подібні інструменти мають низку відомих переваг: доступність, простоту
використання, швидке отримання результатів, зручну інтеграцію у внутрішні системи
підприємств. Проте обмеження табличних методів стають критичними в сучасних умовах,
оскільки вони не здатні якісно враховувати складні закономірності електроспоживання.
Споживання електроенергії суттєво змінюється залежно від пори року – взимку через
опалення та роботу додаткових систем теплопостачання, влітку через кондиціонування та
вентиляцію. Табличні методи, як правило, не дозволяють гнучко відслідковувати та коректно
враховувати такі зміни. Більшість підприємств мають усталені виробничі цикли – зміни,
технологічні перерви, добові та тижневі коливання навантаження. Прості прогностичні моделі
не здатні враховувати циклічні структури даних або оперативно адаптуватися до їх змін. На
енергоспоживання значно впливають температура повітря, характер виробничого
навантаження, дні тижня, святкові чи неробочі дні, виконання окремих виробничих замовлень.
В Excel практично неможливо врахувати такі фактори без складних багаторівневих формул та
ручних налаштувань. Періодичні відключення, зміни режиму роботи підприємств, коливання
цін на ринку «на добу наперед» та внутрішньодобовому ринку призводять до викривлень в
історичних даних, які базові моделі не здатні обробити коректно. Як наслідок, просте
усереднення або підсумовування минулих графіків призводить до суттєвих похибок.
Фактичне споживання відхиляється від прогнозного, а це – прямі економічні втрати на
небалансах, що за воєнних умов можуть бути критичними. У цьому контексті необхідним стає
перехід до методів глибшої аналітики, здатних працювати з багатофакторними та
нестабільними даними. Для сучасного можлива розробка спеціалізованого ПЗ на основі,
наприклад мови програмування Python, що реалізує сучасні методи аналітичного
моделювання споживання та дає змогу провести комплексне порівняння статистичних та
машинних моделей. Для модельного експерименту варто обрати такі моделі (табл. 1).