Этап №1 «Проектирование архитектуры программы для ЭВМ с использованием искусственного интеллекта для прогнозирования часов пиковой нагрузки и оптимизации энергопотребления организации "ЭнергоБИТ" (далее - ПО "ЭнергоБИТ"). Прототипирование интерфейса ПО "ЭнергоБИТ". Разработка Альфа-версии ПО "ЭнергоБИТ", включая подсистемы: - Разработка подсистемы для анализа и прогнозирования энергопотребления с использованием методов искусственного интеллекта ПО "ЭнергоБИТ". - Разработка подсистемы для прогнозирования цен на электроэнергию с использованием методов искусственного интеллекта ПО "ЭнергоБИТ". - Разработка подсистемы для прогнозирования часов пиковой нагрузки с использованием методов искусственного интеллекта ПО "ЭнергоБИТ". Тестирование Альфа-версии ПО "ЭнергоБИТ".» (промежуточный)

Цели работ 1 этапа: 1. Проектирование архитектуры программы для ЭВМ "ЭнергоБИТ" (далее - ПО). 2. Прототипирование интерфейса ПО. 3. Разработка Альфа-версии ПО, включая подсистемы: 3.1. Разработка подсистемы для анализа и прогнозирования энергопотребления с использованием методов искусственного интеллекта ПО; 3.2. Разработка подсистемы для прогнозирования цен на электроэнергию с использованием методов искусственного интеллекта ПО; 3.3. Разработка подсистемы для прогнозирования часов пиковой нагрузки с использованием методов искусственного интеллекта ПО. 4. Тестирование Альфа-версии ПО. Результаты работ: 1. Проведено проектирование архитектуры ПО. 2. Проведены интервью с руководителями и главными энергетиками ряда предприятий по функциональным возможностям разрабатываемого ПО и визуализации информации. Проведено среди них анкетирование для прототипирования интерфейса, на основании которого проведено прототипирование интерфейса ПО. 3. В целях разработки подсистем для анализа и прогнозирования энергопотребления, прогнозирования часов пиковой нагрузки и цен на электроэнергию с использованием методов искусственного интеллекта были проведены исследования методов машинного обучения с различными гиперпараметрами для прогнозирования часа наибольшего энергопотребления, а также цены электроэнергии. Рассчитаны метрики: MAE и MAPE (для задачи прогнозирования цены электроэнергии), Accuracy (для задачи прогнозирования часа максимального энергопотребления). Для задачи прогнозирования часа пиковой нагрузки проведено построение и моделирование гибридных методов с учетом вероятностного профиля Ярославской области. Исследована зависимость точности прогнозирования энергопотребления от дополнительных факторов (температура наружного воздуха, календарь рабочих дней, длительность светового дня, отработанные человеко-часы). 4. Разработана Альфа-версия подсистем для анализа и прогнозирования энергопотребления, прогнозирования часов пиковой нагрузки и цен на электроэнергию с использованием методов искусственного интеллекта на языке программирования Python. 5. Проведено тестирование разработанных подсистем.