ПРЕДИКТИВНЫЙ ЭНЕРГОМЕНЕДЖМЕНТ В ПРОМЫШЛЕННОСТИ: ИНТЕГРАЦИЯ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ В АРХИТЕКТУРУ SMART ENERGY

Read full text Summarise with VIRAT
Authors: САУХАНОВА МЕЙРАМГҮЛ ТАЛҒАТҚЫЗЫ, СЕМЕНИХИН В.В.
Cited by: 0

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