Разработка предиктивной модели потребления природного газа с использованием машинного обучения

Данная работа посвящена разработке предиктивной модели потребления природного газа с использованием алгоритмов машинного обучения. Разработка подразумевает создание краткосрочного и долгосрочного прогноза потребления газа. Актуальность решения данной задачи в настоящее время обусловлена нарастающей необходимостью повышения эффективности и стабилизации как мировой газовой отрасли, так и Российской. Разработка предиктивной модели позволит предсказывать долгосрочные и краткосрочные изменения в потреблении газа, на основе чего производится выбор наиболее энергоэффективного режима работы газотранспортной системы тем самым снижая эксплуатационные затраты или в случае долгосрочного прогноза эффективно планировать капитальные затраты. Цель данной работы заключается в повышении эффективности процесса транспорта газа за счет эффективной реализации модели машинного обучения с целью предсказания газопотребления в краткосрочной и долгосрочной перспективе. Для достижения заявленной цели были поставлены следующие задачи: • Провести всесторонний анализ структуры потребления природного газа в целевом городе для выявления ключевых метрик, оказывающих влияние на его расход. Оценить степень влияния и зависимости этих метрик. • Подготовить и очистить датасет, необходимый для построения модели, обеспечивая его достоверность и полноту. • Разработать долгосрочную и краткосрочную предиктивные модели, обеспечивающие достаточную точность предсказаний. • Провести анализ полученных долгосрочных и краткосрочных прогнозов, оценить эффективность применения модели и ее влияние на планирование и управление газовыми ресурсами • Провести расчет экономического эффекта от использования данной разработки. Объектом исследования данной работы является процесс потребления природного газа в контексте единой системы газоснабжения. Предметом исследования работы являются метрики расхода природного газа, метеорологические данные, демографические и экономические показатели за период времени от 2013 до 2023. Методами, применяемыми в данной работе для целей исследования, являются: обзор научных публикаций, книг, статей, онлайн-ресурсов по теме исследования и их анализ, сбор данных о подобных реализованных проектах и их анализ, сравнение. Научная новизна данной работы заключается в оригинальности подхода применения такого инструмента как машинное обучение для решения задачи прогнозирования газопотребления в контексте российского газоснабжения. Данная задача ранее не решалась с использованием методов машинного обучения на территории России, и крайне ограниченное количество исследований посвящено анализу газопотребления в городах со значительным объемом потребления. Таким образом, работа представляет собой инновационный вклад в область энергетического управления, предоставляя новый подход к прогнозированию и оптимизации потребления природного газа на магистральных газопроводах, что является актуальным и перспективным направлением в контексте современных вызовов энергетической эффективности и автоматизации.