2025, Tema 6. Digitalizacija, pp. 345-354
|
|
Projekcija i analiza potrošnje električne energije u vodosnabdevanju naselja Bački Vinogradi korišćenjem istorijskih podataka i modela mašinskog učenja (2022-2024)
Projection and analysis of electricity consumption in the water supply system of Bački Vinogradi using historical data and machine learning models (2022-2024)
Abstract
Rad prikazuje projekciju i analizu potrošnje električne energije u vodosnabdevanju naselja Bački Vinogradi, Subotica (2022-2024). Korišćeni su istorijski podaci o VTA, NTA, VTR, NTR mesečnom obračunu struje i potisnute količine vode (m³). Primenjeni su modeli Linearna i Polinomijalna regresija, K-Nearest Neighbors, Decision Tree, Random Forest, kao i ARIMA modeli vremenskih serija. Regresioni i mašinski modeli omogućavaju predviđanje mesečne potrošnje na osnovu parametra m³ i prethodnih vrednosti reaktivne struje, dok ARIMA model koristi vremenske serije za dinamičku prognozu. Analiza uključuje upoređivanje predviđenih i realnih vrednosti, identifikaciju najpreciznijih modela i vizualizaciju rezultata radi optimizacije potrošnje.
Sažetak
This study presents the projection and analysis of electricity consumption in the water supply system of Bački Vinogradi, Subotica (2022-2024). Historical data were used for VTA, NTA, VTR, NTR, monthly electricity billing and pumped water volumes (m³). For prediction, Linear and Polynomial Regression, K-Nearest Neighbors, Decision Tree, Random Forest, and ARIMA time series models were applied. Regression and machine learning models enable forecasting of monthly consumption based on the m³ parameter and previous reactive power values, while the ARIMA model uses time series for dynamic forecasting. The analysis includes a comparison of predicted and actual values, identification of the most accurate models, and visualization of results aimed at optimizing consumption.
|