ПРЕДИКТИВНЫЙ ЭНЕРГОМЕНЕДЖМЕНТ В ПРОМЫШЛЕННОСТИ: ИНТЕГРАЦИЯ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В АРХИТЕКТУРУ SMART ENERGY
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
В статье предложена система предиктивного энергоменеджмента на базе IIoT и нейросетей LSTM для промышленного сектора. Разработанный алгоритм позволяет выравнивать график нагрузки, снижая пиковое потребление. На примере завода ЖБИ доказано снижение пиковой мощности на 14,5%, что обеспечивает чистую экономию 4,2 млн тенге в год. Срок окупаемости системы составляет 3 месяца.
Fields of Study & Subjects
Energy Efficiency and Management
Smart Grid Energy Management
Energy Load and Power Forecasting
Publication details
- Journal / source
- Zenodo (CERN European Organization for Nuclear Research)
- Publication date
- 15 March 2026
- Language
- RU