Прогнозирование в области энергетики и, в частности, электроэнергетики, является неотъемлемой частью процессов управления энергосистемой. При этом стабильные и точные прогнозируемые значения потребления электроэнергии очень важны как для отдельного предприятия, так и для энергетического сектора в целом по причине повышения пропускной способности сети, а также поддержания баланса спроса и предложения на электроэнергетическом рынке. При этом возникает проблема резервирования энергомощностей для регионального обеспечения потребителей электроэнергией.

Целью проекта является расчет прогнозных значений потребления электроэнергии на определенное количество дней вперед. Для математических расчетов прогнозируемых значений мы разработали собственную библиотеку машинного обучения с использованием языка программирования Java. Основным инструментом является рекуррентная нейронная сеть, разработанная с нуля, а для ее обучения мы использовали модифицированный метод обратного распространения ошибки, основным отличием которого от «классики» является добавление весового коэффициента чувствительности матрицы, функции зависимости градиента от времени и собственной метрики отклонения. Это позволяет достичь средней точности предсказания в диапазоне 90-100%.