Sodelavci Laboratorija za odprte sisteme in mreže (E5) Instituta »Jožef Stefan« so v reviji Electric Power Systems Research (2027) objavili članek »Performance of missing data imputation methods for electricity consumption time series: a comparative study« avtorjev Ramanpreet Kaur in Dušan Gabrijelčič.
Podatki o porabi električne energije, zbrani z napredno merilno infrastrukturo (AMI), pogosto vsebujejo manjkajoče vrednosti zaradi merilnih napak, komunikacijskih motenj ali izpadov naprav. V članku so avtorji izvedli primerjalno analizo enajst pogosto uporabljenih metod nadomeščanja manjkajočih podatkov – med statističnimi, metodami na podlagi časovnih vrst in pristopi strojnega učenja – na podlagi podatkov o porabi električne energije slovenskih gospodinjstev visoke ločljivosti. Metode so ocenili s pomočjo normalizirane korenske srednje kvadratne napake (NRMSE) ter preverili statistično značilnost razlik med vodilnimi metodami. Rezultati kažejo, da na uspešnost metod vplivata stopnja manjkajočnosti in velikost presledkov: interpolacija deluje dobro pri zelo kratkih presledkih, metode, ki upoštevajo zgodovinske in kontekstualne vzorce porabe, pa so učinkovitejše pri srednjih in dolgih presledkih. Med ocenjenimi metodami je XGBoost dosegel najboljšo skupno zmogljivost z najnižjo povprečno NRMSE, kar potrjujejo tudi parni Wilcoxonovi testi. Analiza na ravni posameznih potrošnikov pa kaže, da metoda, ki je v povprečju najbolj natančna, ni nujno najbolj dosledna med posameznimi gospodinjstvi.
https://doi.org/10.1016/j.epsr.2026.113963