Report
ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ РАБОТЫ ГАЗОТУРБИННОЙ УСТАНОВКИ КОМПРЕССОРНОЙ СТАНЦИИ
| Title: | ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ РАБОТЫ ГАЗОТУРБИННОЙ УСТАНОВКИ КОМПРЕССОРНОЙ СТАНЦИИ |
|---|---|
| Publisher Information: | Международный журнал гуманитарных и естественных наук, 2025. |
| Publication Year: | 2025 |
| Subject Terms: | методы, machine learning, gas turbine unit, газотурбинная установка, машинное обучение, повышения эффективности, efficiency improvement, methods |
| Description: | The article discusses machine learning methods to improve the efficiency of a gas turbine unit of a compressor station. It is noted that when preparing and analyzing data to improve the efficiency of a gas turbine unit of a compressor station when forecasting the amount of used and generated electricity using machine learning methods, as well as assessing the importance and impact of the period of day, month, year, temperature, air humidity, atmospheric pressure and other features on forecasting. The data set used in this work contains information on the use and generation of electricity, as well as weather indicators for 11 months with a data recording period of 1 minute. It was revealed that data processing within the framework of statistical methods of information processing is most effective determination coefficient in assessing the accuracy of forecasting. It is concluded that the machine learning method greatly increases the efficiency of the gas turbine unit of the compressor station for solving the problem of forecasting the volumes of generation and consumption of electric energy in the MicroGrid based on the analysis of a large number of different parameters. At the same time, the use of preliminary data processing allows to increase the accuracy of forecasting by 2 to 25% for the considered dataset. В статье рассматриваются методы машинного обучения для повышения эффективности работы газотурбинной установки компрессорной станции. Отмечено, что при подготовке и анализу данных для улучшения эффективности работы газотурбинной установки компрессорной станции при прогнозировании количества использованной и сгенерированной электроэнергии методами машинного обучения, а также оценки важности и влияния на прогнозирование периода суток, месяца, года, температуры, влажности воздуха, атмосферного давления и других признаков. набор данных, используемых в данной работе, содержит сведения об использовании и генерации электроэнергии, а также погодные показатели за 11 месяцев с периодом фиксации данных 1 минута. Выявлено, что обработка данных в рамках статистических методов обработки информации наиболее эффективен коэффициент детерминации при оценке точности прогнозирования. Сделан вывод о том, что метод машинного обучения весьма повышает эффективность работы газотурбинной установки компрессорной станции для решения задачи прогнозирования объемов генерации и потребления электрической энергии в MicroGrid на базе анализа большого количества разнотипных параметров. При этом, использование предварительной обработки данных позволяет повысить точность прогнозирования на величину от 2 до 25% для рассматриваемого датасета. |
| Document Type: | Research |
| DOI: | 10.24412/2500-1000-2025-2-1-218-223 |
| Rights: | CC BY |
| Accession Number: | edsair.doi...........8b0ca843949f0e3dfa215560fdd0bad1 |
| Database: | OpenAIRE |
| DOI: | 10.24412/2500-1000-2025-2-1-218-223 |
|---|