Бул изилдөө, Colorado ейалетиндеки Boulder шааринде 2018-2025 дмааниинде кайдедмененн электр унаа кубаттоо энергиясы маалыматтарини куллнегизгирак гүнлүк ве жылдык энергия суроо-талабыни болжол етмектедир. Изилдөөда дарак негиздүү XGBoost ве LightGBM моделдери менен CNN-LSTM ве GRU терең үйрөнүү моделдери каршылаштырылмыш; кубаттоо жазуулары метеорологиялык өзгөрмөлөр, календардык өзгөчөлүктөр, кубаттоо станциясы кулланым көрсөткүчтөри, кечиктирилген маанилер ве жылма терезе статистикаларыйле бирлештирилмиштир. Гүнлүк болжол өлчүтлеринде ен ийи натыйжа XGBoost тарафындан алынган: NMAE %6,5758, NRMSE %8,8034, R² 0,9075 ве MAPE %6,6540. Ошентсе да натыйжалар тек бир шаарин заряддоо торына, ачыкланмайан базы модель гиперпараметрлерине ве гележектеки кулланым дегишкенлеринин насыл үретилдиги белиртилмейен бир болжол дүзенине дайандыгындан ар түрдүү шаар ве тармаклере түздөн-түз генелленымдуулукез.

Герчек 2025 кубаттоо энергиясы түкетими 520.594,449 kWh катары эсептелген. Инфраструктура сыйымдуулуксинин ексик планланмасыны азалтмак амажыйла йыллык болжоллере болжол менен %1 коопсуздук маржасы уйгуланмыш ве дөрт модель де 2025 үчүн болжол менен 525.800 kWh дүзейине калибре едилмиштир. Бу неденле моделдер арасындаки негизги салыштыруу, бирбирине билинчли бичимде йаклаштырылан 2025 йыллык топламларындан зийаде гүнлүк ката өлчүтлерине дайанмалыдыр. Моделлерин 2026 топлам энергия болжолдор 575.387,001 менен 638.291,622 kWh арасында дегишмиш; ики дарак негиздүү модель 635.226,756-638.291,622 kWh аралыгында натыйжа үретмиштир.

Türkiye ачжылуулукндан изилдөө, электр унаа кубаттоо инфраструктурасынын йалнызжа мүйжут унаа сайжылуулукна ылайык дегил; истасйон колдонулушу, кубаттоо убактысы, хава шарттары, таквим еткмененри ве гечмиш түкетим өрүнтүлери бирликте маанилендирмененрек планлнегизгибмененжегини көрсөтөт. Бирок Boulder маалыматтарийле егитмененн модель натыйжалары Türkiye үчүн түздөн-түз сыйымдуулук бутаи катары кулланыламаз. Türkiye’де уйгулнегизгижак бир системаин жергиликтүү истасйон кайытлары, бөлгесел иклим, майрам таквими, кулланым жүрүм-турумлары, заряддоо кубаты дторылымлары ве электр унаа йайгынлашма егилимлерийле йениден егитилмеси ве герчек мененри тарихли маалыматтар үстүндө догруланмасы герекир.

Изилдөөнүн негизги суроосу недир?

Изилдөөнүн негизги суроосу, түзүмландырылмыш электр унаа заряддоо маалыматтаринде дарак негиздүү машина үйрөнүүсү ыкмалеринин ми йокса иреттүү маалыматтари ишлейен терең үйрөнүү моделдеринин ми дагы догру гүнлүк талеп болжолу үреттигидир. Изилдөө ошондой эле йыллык кубаттуулук пландоосунда талебин ексик болжол едилмесини азалтмак үчүн сабит бир коопсуздук маржасынын болжоллере насыл уйгулнегизгибмененжегини изилдейт.

Каршылаштырмайа алынан дөрт модель шунлардыр:

• XGBoost: Хаталары ырааттуу чечим дарактарыйла азалтан градиенттик күчөтүү модельи.
• LightGBM: Йапрак одаклы бүйүме куллнегизгин, түзүмландырылмыш маалыматтар үчүн гелиштирилмиш градиенттик күчөтүү модельи.
• CNN-LSTM: Йерел заман өрүнтүлерини конволюция катмарларыйла, дагы узак мөөнөттүү көз карандылыктары LSTM катмарларыйла өгренен гибрид модель.
• GRU: Гүнжеллеме ве сыфырлама эшиктеры аражылыгыйла заман көз карандылыкларыны ишлейен кайталануучу нейрон тармагы модельи.

Изилдөө литератүрде ханги бошлугу максаттайт?

Изилдөөнүн литератүр инжелемеси; LSTM, GRU, дөнүштүрүжү торлар, убакыттык конволюция торлары, оласылыксал болжол, топлулук өгренмеси ве гибрид моделдерин электр унаа заряддоо талебинде дагы мурун кулланылдыгыны көрсөтөт. Изилдөөчүлөр бу бириким үчүнде, ошол эле маалымат ве өзеллик мүхендислиги алкаксинде ики күчтүү дарак негиздүү ыкма менен ики терең үйрөнүү ыкмасыни каршылаштыран ве йыллык инфраструктура пландоосусына йөнелик туруктуу коопсуздук маржасы уйгулайан бир дүзен сунуштайт.

Изилдөөнүн өзгүн йаклвакцинамы йалнызжа эң төмөн болжол катасыны арамак дегилдир. Изилдөөчүлөр, кубаттуулук пландоосунда герчек талебин астында калан болжолун истасйон йетерсизлигине йол ачабмененжеги дүшүнжесийле 2025 йыллык топламыны герчек түкетимин болжол менен %1 үстүндө тутан бир калибрация кулланмыштыр. Ошентсе да бу коопсуздук маржасы статистикалык ишеним аралыгы вейа оласылыксал белгисиздик модели дегилдир; мурунден белирленмиш сабит бир планлама маржыдыр.

Вери сети насыл олуштурулмуштур?

Хедеф дегишкен, гүнлүк топлам электр унаа кубаттоо энергиясыдир ве чопооват-саат жинсинден өлчөнгөн. Хам маалыматтар кубаттоо сессиясы дүзейиндедир. Айны күн ичиндегиндеки бүтүн кубаттоо сессияларынын энергия өлчөмлары топлнегизгирак күндүк керектөө олуштурулмуштур. Гүнлүк топламларын йыллык топламларла каршылаштырылмасында 2018-2025 дмааниинин тамамы үчүн фаркын сыфыр олдугу билдирилген. Бу контрол, отурум маалыматтаринин гүнлере дөнүштүрүлмеси тартипсында йыллык энергия топламынын кайболмадыгыны көрсөтөт.

Йыллык түкетим графиги, серинин сызыктуу ве өчүүсиз бир бүйүме көзөмөледигини көрсөтөт. Өзелликле 2020 дүшүшү, 2022 чачырап кетүүсы, 2024'теки чектелген гермененме ве 2025'теки күчтүү артыш, моделдин йалнызжа басит бир сызыктуу трендден дагы кармвакцинак өрүнтүлер өгренмесини геректирмектедир. Изилдөө бу өзгөрүүлерин себептик ачыкламасыны түздөн-түз тест етмемектедир.

Ханги гирди дегишкенлери колдонулган?

Модел гирдмененри беш негизги групта топлнегизгибилир.

Метеороложик ве тышкы өзгөрмөлөр

• Максишам ве минимум температура
• Йторыш
• Кар ве кар калыңдыгы
• Анлык, минишам, максишам ве орточо нымдуулук
• Анлык, минишам, максишам ве орточо басым
• COVID варлыгы ве COVID шиддети көрсөткүчтөри
• Татил гүнлери

COVID көрсөткүчтөрдүнин ве майрам дегишкенлеринин насыл кодландыгы, ханги чеклерин кулланылдыгы вейа гележектеки маанилеринин насыл белирлендиги түшүндүрүлгөн эмес. Татил билгиси де метеороложик дегил, дышсал бир таквим дегишкенидир; булакта бу унсурлар ошол эле өзеллик листеси үчүнде сунулмуштур.

Шарж торы кулланым айрыкчари

• Гүнлүк кубаттоо сессиясы сайжылуулук
• Актиф истасйон сайжылуулук
• Шарж саатлери
• Топлам отурум мөөнөтү

Бу дегишкенлер гүнлүк энергия керектөөйле түздөн-түз илишчопои кулланым көрсөткүчтөридир. Бирок герчек бир гележек болжолунде гележектеки сессия саны, активдүү станция саны ве топлам кубаттоо убактысынин мурунден насыл билинежеги вейа ошондой эле насыл болжол едмененжеги түшүндүрүлгөн эмес. Бу ексиклик, айрыкча 2026 болжолдорнин сахада йениден үретмененбилмеси ачжылуулукндан маанилүүдир.

Таквим айрыкчари

• Йыл, ай ве айын гүнү
• Хафдиагнозн гүнү ве йылын гүнү
• Йылын хафтасы
• Хафта сону көрсөткүчси
• Ай, хафдиагнозн гүнү ве йылын гүнү үчүн синус-косинус өзгөртүүлөрү

Синүс ве косинус өзгөрүүлери, Аралык менен Ожак вейа пазар менен пазартеси гиби циклдик катары бирбирине йагымн дмаанилерин сандык катары да йагымн темсил едилмесини амачламактадыр.

Гежикмели энергия маанилери

Модел гирдмененрине мурунку 1, 2, 3, 7, 14, 30, 60, 90 ве 365 гүнүн энергия керектөө екленмиштир. Кыса кечигүүлөр гүнлүк өзгөрүүлери, 7 ве 14 гүнлүк кечигүүлөр хафталык өрүнтүлери, 365 гүнлүк кечигүү болсо йыллык мүйсимселлиги темсил етмейи амачламактадыр.

Харекетли пенжере истатистиклери

Өнжеки 7, 14 ве 30 күн ичиндегин жылма орточо, стандарттык четтөө, минишам ве максишам маанилер эсептелген. Бу истатистиклер моделдин йалнызжа тек бир мурунку гүне дегил, йагымн дмаанидеки генел сүйийе, волатилдүүлүк ве уч маанилере де бакмасыны сторламактадыр.

Иш агымшы насыл мененрлемектедир?

Изилдөөнүн иш агымшы шемасы ики маалымат кайнторыйла башламактадыр: 2018-2025 Boulder кубаттоо сессиясы кайытлары ве гүнлүк хава маалыматтари. Заман дамгаларынын дөнүштүрүлмеси, гечерсиз сатырларын чыкарылмасы, гүнлүк энергия топлулаштырмасы ве тарихлерин ешлештирилмесинден кийин өзеллик мүхендислиги колдонулган. Айны өзеллик сети XGBoost, LightGBM, CNN-LSTM ве GRU моделдерине актарылмыштыр.

Шема, кеңлейен заман пенжерели бир валидация дүзени көрсөтөт: мурун 2018 менен окутуу ве 2019 менен тест, дагы кийин 2018-2019 менен окутуу ве 2020 менен тест түзүмлмасы; бу убакытжин 2018-2024 менен окутуу ве 2025 менен тесте катар мененрлетилмеси болжолдоолмүштүр. Ана ыкма ачыкламасында болсо акыркы валидация айрыкча 2018-2024 окутуу дмаании ве 2025 тест дмаании аркылуу диагнозмланмыштыр. Моделлер дагы кийин 2018-2025 маалыматтаринин тамамыйла йениден егитмененрек 2026 болжолу өндүрүлгөн.

Гүвенлик пайы неден колдонулган?

Шарж инфраструктурасынын ексик сыйымдуулукйле курсулмасы, герчек түкетимин болжолдонгондэң жогорку олдугу дмаанилерде хизмет йетерсизлигине йол ачабилир. Изилдөөчүлөр бу тобокелдики азалтмак үчүн 2025 йыллык энергия топламыны герчек мааниин болжол менен %1 үстүндө тутажак бир калибрация уйгуламыштыр.

Бу сооданын маанилүү бир сонужу вардыр: 2025 йыллык болжолдор моделдерин табигый вейа хам топлам болжолдор дегилдир. Тахминлер бмененрек ошол эле йыллык бутае йаклаштырылмыштыр. Бу неденле XGBoost'ун жакшыраак модель олдугуна илишкин каныт, 2025 топламынын герчек маание йагымнлыгындан дегил; NMAE, NRMSE, R² ве MAPE гиби күндүк көрсөткүч өлчүтлеринден гелмектедир.

Графиклер ве таблицалар не көрсөтөт?

Модел өлчүтлерини каршылаштыран графикте XGBoost, хем NMAE хем NRMSE хем де MAPE тейлөөындан эң төмөн ката маанилерине ве эң жогорку R² мааниине сахиптир. LightGBM бүтүн өлчүтлерде XGBoost'а йагымн икинжи тартипдадыр. Дерин өгренме моделдеринде GRU, NMAE ве MAPE ачжылуулукндан CNN-LSTM'ден жакшыраак; CNN-LSTM болсо NRMSE ве R² ачжылуулукндан GRU'дан абдан аз жакшыраак натыйжа вермиштир.

2025 ве 2026 энергия маанилерини каршылаштыран графикте бүтүн моделдерин 2025 сүтунлары болжол менен 525.800 kWh дүзейинде кластерленмектедир. Бу гөрүнүм бторымсыз модель бензерлигинден абдан коопсуздук маржасы калибрацияунун сонужудур. 2026 сүтунлары болсо айкын бичимде айрышмактадыр: эң төмөн болжол CNN-LSTM, эң жогорку болжол LightGBM тарафындан өндүрүлгөн.

Изилдөөнүн дестекледиги натыйжалар

• Бу маалымат топтомунде ве колдонулган өзеллик мүхендислиги дүзенинде XGBoost гүнлүк болжолде ен ийи натыйжалары үретмиштир.
• LightGBM, XGBoost'а йагымн өндүрүмдүүлүк гөстермиш ве эң жогорку 2026 топламыны болжол етмиштир.
• Агач табанлы ики модель, гүнлүк ката өлчүтлеринде CNN-LSTM ве GRU'дан жакшыраак өндүрүмдүүлүк көрсөткөн.
• Таквим, хава, кулланым, кечигүү ве жылма терезе айрыкчаринин бирликте кулланылдыгы түзүмландырылмыш бир болжол системаи курсулабилмиштир.
• Сабит коопсуздук маржасы, инфраструктура пландоосу болжолуни герчек йыллык топламын билинчли бичимде үстүндө тутабилмектедир.

Изилдөөнүн канытламадыгы натыйжалар

• XGBoost'ун бүтүн шаарларде ве бүтүн электр унаа заряддоо маалымат топтомдорунде терең үйрөнүүден үстүн олдугу канытланмамыштыр.
• 2026 йылында герчек түкетимин так түрдө 635.000-638.000 kWh олажторы гөстерилмемиштир.
• %1 коопсуздук маржасынын экономикалык катары ен уйгун вейа тармак ишенимилирлиги ачжылуулукндан йетерли олдугу тест едилмемиштир.
• Модел натыйжалары оласылыксал ишеним аралыгы, вакцинам оласылыгы вейа тобокелдик дторылымы сунмамактадыр.
• Модел, йени истасйонларын нереде курсулмасы геректигини белирлемемектедир.
• Изилдөө, заряддоо талебиндеки йыллык өзгөрүүлерин неденлерини себептик катары ачыкламамактадыр.
• Boulder маалыматтарийле алынган натыйжалар башка үлке ве шаарларе түздөн-түз актарылабилир дегилдир.

Гечмиш, бугүн ве гележек ачжылуулукндан маании

Гечмиш дмаани маалыматтари, заряддоо талебинин йылдан йыла дүзенли мененрлемедигини ве талеп болжолунде хем кыска мөөнөттүү хем мүйсимсел айрыкчарин герекли олдугуну көрсөтөт. Бугүн ачжылуулукндан изилдөө, ниспетен класик дарак негиздүү моделдерин ийи хазырланмыш таблица маалыматтаринде кармвакцинак терең үйрөнүү архитектураларинден дагы догру ве ылдамыраак олабмененжегини ортойа коймактадыр.

Гележек ачжылуулукндан негизги салым, электр унаа кубаттоо инфраструктурасынын йалнызжа гечмиш топлам түкетим аркылуу дегил; кулланыжы еткинлиги, истасйон колдонулушу, таквим, хава ве убакыт катарлары айрыкчаринин бирликте ишлендиги бир болжол системаийле планлнегизгибмененжегини гөстермесидир. Ошентсе да герчек планлама карарлары үчүн чыгым негизгилизи, тармак кжылуулуктлары, бөлгесел талеп, белгисиздик аралыклары ве мененри тарихли бторымсыз валидация гереклидир.

Изилдөөнүн Йөнтеми ве Булгулары

Вери өн соодае

Бир гүнде герчеклешен бүтүн кубаттоо сессияларынын энергияси төмөнкү топламла гүнлүк энергияйе дөнүштүрүлмүштүр:

\[ E_d = \sum_{i=1}^{n_d} E_i \]

Бурада Е_д, д гүнүндеки топлам кубаттоо энергиясыни; Е_и, ошол эле гүндеки и нумаралы кубаттоо сессиясынун энергиясини; н_д болсо о гүн герчеклешен топлам сессия саныны көрсөтөт. Енержи бирими kWh'дир.

Чүйримсел таквим өзгөрүүү

\[ X_{\sin} = \sin\left(\frac{2\pi X}{P}\right) \]

\[ X_{\cos} = \cos\left(\frac{2\pi X}{P}\right) \]

X, ай вейа хафдиагнозн гүнү гиби циклдик календардык өзгөрмөни; П болсо дегишкенин перийодуну темсил етмектедир. Өрнегин ай дегишкени үчүн перийот 12'дир. Ики өзгөрүү бирликте кулланылдыгында дмааниин онлайнндеки конуму тек бир сызыктуу сайы йерине даиресел бичимде темсил едилир.

Гежикме ве жылма орточо айрыкчари

\[ \mathrm{Lag}_k(d) = E_{d-k} \]

Лаг_к(д), болжолдонгон гүнден к гүн мурун өлчөнгөн энергия керектөөдир.

\[ \mathrm{RollingMean}_k(d) = \frac{1}{k}\sum_{i=1}^{k}E_{d-i} \]

Бу теңдеме, болжол гүнүнден мурунку к гүнүн орточо энергия керектөөни эсептөөктадыр. Изилдөөдө к маании 7, 14 ве 30 гүн катары кулланылмыш; ошол эле пенжерелер үчүн стандарттык четтөө, минишам ве максишам маанилер де олуштурулмуштур.

XGBoost максат функциясы

\[ \mathrm{Obj} = \sum_{i=1}^{n}L(y_i,\hat{y}_i) + \sum_{k=1}^{K}\Omega(f_k) \]

Л, герчек маани й_и менен болжол \hat{y}_и арасындаки кайбы; Ω(ф_к) болсо к нумаралы торажын кармвакцинаклыгыны сынырлайан регуляризация теримини көрсөтөт. Амач, йалнызжа окутуу катасыны азалтмак дегил, вакцинары кармвакцинак торачларын олуштурдугу ашыкча ылайыкташууу да контрол етмектир.

CNN-LSTM гириш тизмекси

\[ X_t = [x_{t-29},x_{t-28},\ldots,x_t] \]

Моделде 30 гүнлүк бир гириш тизмекси колдонулган. Евришим катмарлары бу тизмекдеки кыска мөөнөттүү локалдык үлгүлери, LSTM катмарлары болсо дагы узун убакыттык илишкмененри өгренмейи амачламактадыр. Денклемде гириш тизмексинин x_т мааниини де ичердиги гөрүлмектедир; бирок x_т үчүндеки дегишкенлерин бута гүнүн ханги анында кулланылабилир олдугу айрынтылы бичимде түшүндүрүлгөн эмес.

GRU эшик меканизмасы

\[ z_t = \sigma(W_zx_t + U_zh_{t-1}) \]

\[ r_t = \sigma(W_rx_t + U_rh_{t-1}) \]

\[ h_t = (1-z_t)h_{t-1} + z_t\tilde{h}_t \]

з_т жаңыртуу дарбазасыны, р_т кайтаруу дарбазасыны, х_т гүнжел жашыруун абалу ве x_т заман т'деки гирдийи ифаде етмектедир. Гүнжеллеме эшиксы ески билгинин не катарынын корунажторыны, кайтаруу дарбазасы болсо гечмиш билгинин йени адай дурума не өлчүде актарылажторыны контрол едер. Булакта адай жашыруун абал \tilde{h}_т үчүн айры эсептөө теңдемеи берилген эмес.

Егитим ве валидация

• 2025 валидациясы: 2018-2024 маалыматтарийле окутуу, 2025 маалыматтарийле болжол.
• 2026 болжолу: 2018-2025 маалыматтаринин тамамыйла йениден окутуу, 2026 үчүн алдыга болжолдоо.
• Заман тартипсы: Растгеле окутуу-тест айрымы йерине хронологиялык бөлүү колдонулган.
• Шемадаки ек валидация: 2019'дан 2025'е катар кеңлейен йыллык окутуу пенжерелери көрсөтүлгөн.

Кроноложик айрым, гележегин гечмиш маалыматтарле болжол едилдиги чыныгы колдонуу бичимин растгеле маалымат бөлмесинден дагы йагымндыр. Бирок йыллара ылайык ара валидация натыйжаларынын айры таблицалары, йыллар арасындаки өндүрүмдүүлүк өзгөрүүи ве гиперпараметр сечиминин ханги дмаани үстүндө түзүмлдыгы берилген эмес.

%1 коопсуздук маржасы калибрацияу

\[ \hat{E}_{2025}^{\mathrm{safety}} = E_{2025}^{\mathrm{actual}}\times1{,}01 \]

Бу теңдеме герчек 2025 түкетиминин %101'ини планлама бутаи катары аныктоотедир. 520.594,449 kWh үчүн теорик бута болжол менен 525.800,393 kWh'дир.

\[ \hat{y}_t^{\mathrm{calibrated}} = C\times\hat{y}_t^{\mathrm{raw}} \]

Ж, хам гүнлүк болжолдор йыллык коопсуздук бутаийле уйумлу хâле гетирен кагылгандыр. Изилдөөдө Ж'нин ачык эсептөө теңдемеи берилген эмес; ыкма ачыкламасындан, хам гүнлүк болжолдорн топламыны бута йыллык энергияйе твакцинайан масштабдоо коэффициенти олдугу анлвакциналмактадыр.

Бу калибрация, болжол белирсизлигини өлчмез. Сабит %1 мууне, гечмиш болжол каталарынын дторылымына, ишеним дүзейине, вакцинары талеп оласылыгына вейа инфраструктура чыгымине ылайык оптималдаштыруу едилмемиштир.

Дегерлендирме өлчүтлери

Нормализе Орточолама Мутлак Хата

\[ \mathrm{NMAE}(\%) = \frac{\frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i|}{\frac{1}{n}\sum_{i=1}^{n}y_i}\times100 \]

NMAE, гүнлүк мутлак катанын герчек гүнлүк талеп орточосына катышыны гөстерир. Даха дүшүк маани жакшыраак болжол анламына гелир.

Нормализе Көк Орточолама Каре Хата

\[ \mathrm{NRMSE}(\%) = \frac{\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}}{\frac{1}{n}\sum_{i=1}^{n}y_i}\times100 \]

NRMSE, чоң каталары каресини алдыгы үчүн дагы күчтүү бичимде жезаландырыр. Даха дүшүк маани жакшыраакдир.

Белирлеме катсайжылуулук

\[ R^2 = 1-\frac{\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}{\sum_{i=1}^{n}(y_i-\bar{y})^2} \]

R², моделдин гүнлүк энергия керектөөндеки дегишкенлиги не өлчүде ачыкладыгыны гөстерир. Генел йорумда дагы йүксек R² жакшыраак уйума ишарет едер.

Орточолама Мутлак Йүзде Хата

\[ \mathrm{MAPE} = \frac{100}{n}\sum_{i=1}^{n}\left|\frac{y_i-\hat{y}_i}{y_i}\right| \]

MAPE, гүнлүк катайы герчек мааниин йүздеси катары ифаде едер. Изилдөө, герчек гүнлүк мааниин сыфыр олдугу гүнлерде түзүмлажак сооданы ачыкламамыштыр.

Йыллык ката

\[ \mathrm{YearlyError} = \frac{\sum_{i=1}^{n}\hat{y}_i-\sum_{i=1}^{n}y_i}{\sum_{i=1}^{n}y_i}\times100 \]

Позитиф маани, йыллык болжолун герчек түкетимин үстүндө; негатиф маани болсо астында калдыгыны гөстерир. Бул изилдөөда болжол менен +%1 маани, моделдин кендилигинден олушан катасы дегил, планлама амачлы калибрацияун буталенен сонужудур.

Модел өндүрүмдүүлүкларынын каршылаштырылмасы

XGBoost'ун NMAE маании LightGBM'ден 0,1902 йүзде пуан, MAPE маании болсо 0,0940 йүзде пуан дагы дүшүктүр. Ики модель арасындаки фарк кичинекей олмакла бирликте бүтүн өлчүтлер ошол эле тартипламайы колдойт.

2025 ве 2026 энергия болжолдор

2026 болжолдорнин бирбиринден маанилүү өлчүде ажыроосы, мененри дмаани сонужунун модель сечимин дуйарлы олдугуну көрсөтөт. Өзелликле CNN-LSTM менен LightGBM арасындаки фарк болжол менен 62.904,621 kWh'дир. Изилдөө бу ар түрдүүлык үчүн болжол аралыгы, модель салмак берүүсы вейа белгисиздик дторылымы сунмамактадыр.

Изилдөө убакытлери

Деней ортомы Windows табанлы, AMD Ryzen 7 процессорли ве 16 ГБ РАМ'ли бир система катары диагнозмланмыш; моделдерин Python 3.11 ве Google Colab колдонуп гелиштирилдиги белгиленген. XGBoost, TensorFlow/Keras, Scikit-learn, Pandas, NumPy ве Matplotlib китепканалары колдонулган. Йерел система менен Google Colab булакларынын ханги соодаларде кулланылдыгы айрынтыландырылмадыгы үчүн убакытлерин ар түрдүү донанымларда түздөн-түз каршылаштырылмасы уйгун дегилдир.

Булак үчүндеки тутарлылык маселелары

• Метинде XGBoost'ун 2026 болжолу бир йерде 635.226,750 kWh, натыйжа таблицасунда 635.226,756 kWh ве графикте йуварланмыш катары 635.227 kWh маалыматлмиштир. Таблодаки 635.226,756 kWh маании салыштыруу таблицасунда сакталган.
• GRU'нун 611.762,353 kWh менен дөрт модель арасындаки эң төмөн 2026 болжолуни вердиги йазылмыштыр; бирок CNN-LSTM болжолу 575.387,001 kWh олдугундан бу ифаде таблицайла челишмектедир.
• Сонуч өзетинде 2026 талебинин “2025'тен 633.000-638.000 kWh дагы фазала” олдугу йөнүнде бир ифаде булунмактадыр. Таблолар бу сайыларын артыш өлчөмы дегил, дарак негиздүү моделдерин болжол менен топлам 2026 болжолдор олдугуну көрсөтөт.
• Дегерлендирме өлчүтлеринин ачыкламасында дүшүк R² мааниинин жакшыраак олдугу анламына гелебмененжек бир жүмле йер алмактадыр. Вермененн R² теңдемеи ве модель сечими болсо догру бичимде дагы йүксек R² мааниини үстүн кабул етмектедир.
• Гүвенлик пайы теңдемеиндеки Е₂₀₂₅^ажтуал герчек энергия катары гөстерилиркен ачыклама метнинде “калибрация мурунси хам болжол” катары диагнозмланмыштыр. Денклем, таблица ве 520.594,449 kWh маании бунун герчек өлчөнгөн түкетим олдугуну колдойт.
• Сонуч бөлүмүнде күчтүү моделдер үчүн болжол менен 633.000-638.000 kWh аралыгы маалыматлмиштир. Айрынтылы таблицада XGBoost ве LightGBM маанилери болжол менен 635.227-638.292 kWh аралыгындадыр.

Темел методологиялык чектөөлөр

• Изилдөө тек бир шаарин кубаттоо жазууларына дайанмактадыр.
• Шарж истасйону сайжылуулук, топлам сессия саны, ексик гүн сайжылуулук ве чийки маалымат чоңлүгү түшүндүрүлгөн эмес.
• Вери темизлигинде кач сатырын чыкарылдыгы белиртилмемиштир.
• XGBoost ве LightGBM үчүн торач сайжылуулук, деринлик, үйрөнүү ылдамдыгы ве регуляризация айарлары берилген эмес.
• CNN-LSTM ве GRU үчүн катмар сайжылуулук, клетка сайжылуулук, активасйон, оптималдаштыруу едижи, үйрөнүү ылдамдыгы, епожх, батжх чоңлүгү ве эрте токтотуу айарлары берилген эмес.
• Хиперпараметре арама ыкмасы ве айры бир валидация кластерси түшүндүрүлгөн эмес.
• Гележектеки хава, сессия саны, актиф истасйон, кубаттоо убактысы ве топлам кулланым мөөнөтү гирдмененринин 2026 үчүн насыл үретилдиги белиртилмемиштир.
• 2026 болжолунде кечиктирилген маанилерин гүн гүн насыл мененрлетилдиги түшүндүрүлгөн эмес.
• %1 коопсуздук маржасы статистикалык вейа экономикалык оптимизацияла герекчелендирилмемиштир.
• Оласылыксал болжол аралыгы вейа модель белгисиздиги сунулган эмес.
• Код, түздөн-түз индирмененбилир маалымат топтому ве там модель параметрелери пайлвакциналмамыштыр; маалымат йалнызжа талеп үзерине сторлнегизгижактыр.
• 2026 болжолдор хенүз герчеклешмиш бторымсыз түкетим маалыматсийле ырасталган эмес.

Булак жана метод эскертүүсү

Изилдөөнүн там өзгүн ады: Евалуатинг Мажхине Леарнинг анд Дееп Леарнинг Тежхниqуес фор Ележтриж Вежхижле Лоад Форежастинг

Авторлор ве тартиплары: Жохн Прадееп Дарсй; Махесх Гунти.

Еш биринжи авторлык: Еш биринжи авторлык вейа еш салым билгиси белиртилмемиштир.

Илетишим авторы: Жохн Прадееп Дарсй, SSRN кайыт сайфасында байланыш автору катары гөстерилмектедир.

Курумсал бирикмелер: Жохн Прадееп Дарсй үчүн SSRN үстүндө мекеме билгиси берилген эмес. Махесх Гунти'нин мекемеу ВЫТ-АП Университй катары листеленмектедир.

DOI: 10.2139/ssrn.7200041

Дерги: Хакемли бир журнал вейа кабул едилмиш журнал үйүрмү текшерилип ырасталган эмес.

Йайын платформау: SSRN.

Өзгүн басмакана: Изилдөөйа аит акыркы бир журнал басмакана жок. SSRN, Elsevier'ин препринт ве еркен изилдөө платформаудур; хакемли журнал вейа акыркы жарыялоожы катары маанилендирилмемелидир.

Йайын йылы: 2026.

Булак түрү: Електрикли унаа заряддоо талеби үзерине маалымат негизгилизи ве болжол моделдөөси ичерен изилдөө препринти.

Хакемлик дуруму: Бул изилдөө рецензиядан өтпөгөн препринт; натыйжалары бу чектөө көңүл бурууе алынарак окунмалыдыр.

Ресмî булак:SSRN расмий изилдөө сайфасы

DOI бирикмесы:https://doi.org/10.2139/ssrn.7200041

Бу Түркче ачыклама, йүкленен изилдөө метни; теңдемелер, таблицалар, иш агымшы шемасы ве графиклер баштан сона инжеленерек даярдалган. Дыш булаклар йалнызжа авторлор, байланыш автору, мекеме, DOI, кайыт тарихи ве жарыялоо платформасы гиби библийографик кимлик билгмененринин догруланмасы үчүн колдонулган. Изилдөөнүн есас билимсел табылгаларына дыш булаклардан йени натыйжа екленмемиштир.

Изилдөөнүн башлыжа чектөөлөры; тек шаар маалыматси, ексик гиперпараметр билгмененри, гележектеки кулланым ве аба ырайы өзгөрмөлөрүнин насыл үретилдигинин ачыкланмамасы, туруктуу коопсуздук маржасынын статистикалык белгисиздик модели олмамасы, мененри тарих болжолдорнин бторымсыз герчек маалыматтарле хенүз догруланмамасы ве булак үчүндеки базы сайы ве йорум тутарсызлыкларыдыр. Булгулар бу маалымат топтому ве курсулан моделдөө дүзенийле чектелген.