Модуль прогнозування енергоспоживання для IoT-системи розумного будинку з використанням методів прогнозування часових рядів

Abstract

Проблема, яка вирішується, полягає у відсутності локально-розгорнутого інструменту прогнозування енергоспоживання, адаптованого до специфіки зонних тарифів та сезонних умов України. Реалізовано ансамблеву модель (SARIMA, Prophet, XGBoost, LSTM) із зваженням за MAE на валідаційній вибірці, що забезпечує точність MAPE 7–14 % на горизонті 30 діб та потенційну економію 10–25 % щомісяця.

The problem addressed is the absence of a locally deployed energy consumption forecasting tool adapted to Ukrainian zone tariffs and seasonal conditions. An ensemble model (SARIMA, Prophet, XGBoost, LSTM) weighted by MAE on a validation set has been implemented, achieving MAPE 7–14% on a 30-day horizon and enabling potential monthly savings of 10–25%.