ПРОГНОЗУВАННЯ ЕНЕРГОСПОЖИВАННЯ У МІКРОМЕРЕЖАХ: ОЦІНКА КОНВЕРТОВАНИХ МОДЕЛЕЙ

Анотація

У статті розглядається можливість застосування моделей машинного навчання на мобільних пристроях для прогнозування рівня споживання електроенергії у мікромережах. Дані пристрої здатні забезпечити додатковий захист при обробці приватних даних, але мають суттєвий перелік обмежень, що вимагає додаткової оцінки як способу підготовки моделей, так і способу їх запуску.У даній роботі проведено оцінку ефективності моделей прогнозування рівня споживання електроенергії на базі LSTM після їх конвертації у мобільні формати CoreML, Tensorflow Lite для подальшого використання у якості частини підсистеми прогнозування на периферійних мобільних пристроях. Для навчання та оцінки ефективності моделей було використано набори даних двох категорій споживачів: промислового підприємства закритого типу та малого об’єкта цивільної інфраструктури. Для розробки тестових прототипів моделей було використано програмний пакет Tensorflow з подальшою конвертацією даних прототипів у формати, що дозволяють їх запуск на мобільних пристроях Apple. Конвертовані моделі були оцінені за розміром, точністю прогнозування, швидкістю надання прогнозу, кількістю споживаної оперативної пам’яті, впливом на нагрів пристрою та навантаженням на його центральний процесор.В результаті оцінки було зроблено висновок, що втрата точності прогнозування після конвертації є незначною, а продуктивність конвертованих моделей дозволяє виконувати прогнозування в режимі реального часу з допустимим значенням рівня використання обчислювальних ресурсів пристрою. Даний результат підтверджує можливість використання мобільних пристроїв у якості периферійного засобу обчислення у підсистемі прогнозування рівня споживання енергії.