Εξόρυξη δεδομένων ενέργειας Ομαδικό ακαδημαϊκό έργο 2026
Classification και forecasting της κατανάλωσης ενός νοικοκυριού
Ένα δημόσιο dataset του UCI με μετρήσεις ανά λεπτό από ένα νοικοκυριό για σχεδόν τέσσερα χρόνια, συγκεντρωμένες σε 1.418 ημέρες για δύο εργασίες: τον εντοπισμό ημερών υψηλής κατανάλωσης και την πρόβλεψη της συνολικής κατανάλωσης της επόμενης ημέρας
- Περίοδος
- Ιανουάριος 2026
- Ομάδα
- Ομάδα δύο ατόμων
- Πλαίσιο
- Χαροκόπειο Πανεπιστήμιο: Εξόρυξη Δεδομένων
- Εργαλεία
- Python, pandas, scikit-learn, Keras
Classification: ημέρες υψηλής κατανάλωσης
Μια ημέρα θεωρείται υψηλής κατανάλωσης όταν το σύνολό της φτάνει τις 27,15 kWh, τον μέσο όρο μόνο των ημερών εκπαίδευσης. Χωρίσαμε τις 1.418 ημέρες χρονολογικά, 60/20/20, οπότε οι 284 ημέρες του test set είναι οι τελευταίες.
Τα δέκα features περιγράφουν την ίδια ημέρα: τα σύνολα των sub-meters, την ισχύ στην ώρα αιχμής, την ενέργεια της νύχτας, τη μέση τάση και το ημερολόγιο. Άρα το μοντέλο χαρακτηρίζει μια ημέρα εκ των υστέρων· δεν την προβλέπει. Αφαιρέσαμε το μέσο ρεύμα, που σχεδόν επαναλαμβάνει το σύνολο, αφού η ισχύς είναι τάση επί ρεύμα.
Gradient Boosting Test set, 284 ημέρες
- Accuracy
- 89,4%
- F1
- 86,1%
- ROC-AUC
- 96,3%
Το Random Forest (88,4%) και η logistic regression (86,6%) έφτασαν σε λίγο χαμηλότερη test accuracy. Μόνο το 36% των ημερών του test set είναι υψηλής κατανάλωσης, οπότε η σταθερή απάντηση «όχι υψηλή» θα έδινε ήδη 64% accuracy· γι’ αυτό το F1 και το ROC-AUC μπαίνουν δίπλα στην accuracy.
Forecasting: η κατανάλωση της επόμενης ημέρας
Εδώ ο στόχος είναι η συνολική κατανάλωση της επόμενης ημέρας σε kWh, και σημείο αναφοράς το persistence: αύριο όσο σήμερα. Κάθε μοντέλο ρυθμίστηκε ή ελέγχθηκε στις ημέρες του validation, εκπαιδεύτηκε ξανά σε training και validation και αξιολογήθηκε μία φορά στην περίοδο του test.
Δοκιμάσαμε δύο δρόμους. Ένας Random Forest regressor χρησιμοποίησε δώδεκα features της τρέχουσας ημέρας· η Ridge regression, το γραμμικό αντίστοιχό του, είχε test RMSE 5,68 kWh. Ένα LSTM χρησιμοποίησε μόνο την κατανάλωση των τελευταίων 14 ημερών.
Persistence baseline 6,84 kWh
αύριο όσο σήμερα σημείο αναφοράς
Random Forest 5,59 kWh
δώδεκα features της τρέχουσας ημέρας 18% κάτω από το baseline
LSTM 5,61 kWh
η κατανάλωση των τελευταίων 14 ημερών 18% κάτω από το baseline
Οι μπάρες ξεκινούν από το μηδέν· το baseline πιάνει όλο το πλάτος. Τα δύο μοντέλα προέρχονται από χωριστές ρυθμίσεις, αξιολογημένες σχεδόν στην ίδια περίοδο test (284 και 285 ημέρες)· το persistence δίνει 6,84 kWh και στις δύο.
Το test RMSE του Random Forest ήταν 0,02 kWh χαμηλότερο από εκείνο της εκτέλεσης του LSTM στην αναφορά μας. Το LSTM όμως δεν είχε σταθερό seed, και η τελευταία αποθηκευμένη εκτέλεση του notebook έδωσε 5,56 kWh, οπότε σε αυτό το πείραμα τα θεωρούμε ισάξια.
Τι έδειξε η σύγκριση
Το test RMSE της Ridge regression, του Random Forest και του LSTM κυμάνθηκε μεταξύ 5,56 και 5,68 kWh, έναντι 6,84 kWh του persistence. Χωρίς αυτό το baseline, τα σφάλματα μόνα τους θα έλεγαν λίγα.
Οι δύο εργασίες χρειάστηκαν και διαφορετικές μετρικές: όταν η μία κλάση είναι συχνότερη, η accuracy μόνη της κολακεύει έναν classifier, και ένα σφάλμα πρόβλεψης έχει νόημα μόνο δίπλα σε ένα απλό σημείο αναφοράς. Μία σύγκριση θα την ξανακάναμε: τα ARIMA(1,1,1) και Prophet αξιολογήθηκαν με μία ενιαία πρόβλεψη όλης της περιόδου του test, φτιαγμένη πριν από την πρώτη της ημέρα και όχι ημέρα προς ημέρα, οπότε τα σφάλματά τους δεν είναι συγκρίσιμα και μένουν εκτός.
Πίσω στα έργα