EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

МЕТОДИ КЛАСТЕРИЗАЦІЇ ПРОФІЛЮ СПОЖИВАЧА ЕЛЕКТРОЕНЕРГІЇ НА ОСНОВІ ЧАСОВИХ РЯДІВ

Oleksandr Horbatenko, Vira Shendryk

Modeling Control and Information Technologies · 11.11.2026 · (9) · 111

DOI: 10.31713/mcit.2026.017 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Modeling Control and Information Technologies, online erschienen am 11.11.2026. Verfasst von Oleksandr Horbatenko und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Мета. У роботі порівнюються Time Series K-means з евклідовою відстанню та Dynamic Time Warping для формування типових добових профілів електроспоживання локальної Microgrid. Основна увага приділяється тому, як часова синхронізація та сезонні зсуви впливають на якість кластеризації. Передбачається, що для відносно синхронізованих добових кривих достатньою буде евклідова відстань, тоді як за зміщення піків у часі Dynamic Time Warping має краще враховувати подібність форми профілів. Це припущення спирається на цілорядну кластеризацію (whole-series clustering) і результати попередніх досліджень часових рядів та профілів за даними Smart Meter. Матеріали та методи. Використано півгодинні дані електроспоживання одного приватного домогосподарства в м. Суми за зимовий (09.12.2025–31.01.2026) і літній (01.06.2026–12.07.2026) періоди. Добові цілорядні профілі (whole-series profiles), кожен з яких містить 48 значень, кластеризовано методом Time Series K-means із Euclidean Distance та Dynamic Time Warping. Якість кластеризації оцінювали за Silhouette Score. Результати. Для об’єднаного зимового та літнього наборів обидві метрики дали близькі результати. Узимку, коли відключення спостерігалися у 48 із 54 днів, Dynamic Time Warping досяг максимального Silhouette Score 0,48 за k = 2, тоді як Euclidean Distance — приблизно 0,20 за k = 4; для прямого зіставлення обидві метрики також розглядали за k = 2. Висновки. Вибір метрики подібності залежить від часової узгодженості добових кривих, а сформовані типові профілі можуть бути використані як основа для подальшого прогнозування електроспоживання.

Zitieren

APA

Horbatenko, O., & Shendryk, V. (2026). МЕТОДИ КЛАСТЕРИЗАЦІЇ ПРОФІЛЮ СПОЖИВАЧА ЕЛЕКТРОЕНЕРГІЇ НА ОСНОВІ ЧАСОВИХ РЯДІВ. Modeling Control and Information Technologies, 111. https://doi.org/10.31713/mcit.2026.017

Vancouver

Horbatenko O, Shendryk V. МЕТОДИ КЛАСТЕРИЗАЦІЇ ПРОФІЛЮ СПОЖИВАЧА ЕЛЕКТРОЕНЕРГІЇ НА ОСНОВІ ЧАСОВИХ РЯДІВ. Modeling Control and Information Technologies. 2026:111. doi:10.31713/mcit.2026.017

BibTeX
@article{Horbatenko2026,
  author = {Horbatenko, Oleksandr and Shendryk, Vira},
  title = {МЕТОДИ КЛАСТЕРИЗАЦІЇ ПРОФІЛЮ СПОЖИВАЧА ЕЛЕКТРОЕНЕРГІЇ НА ОСНОВІ ЧАСОВИХ РЯДІВ},
  journal = {Modeling Control and Information Technologies},
  year = {2026},
  number = {9},
  pages = {111},
  doi = {10.31713/mcit.2026.017}
}
Kostenlos starten →