Abstract
<jats:p>В работе дан краткий обзор публикаций по применению методов математического моделирования для анализа закономерностей влияния различных факторов на уровень регионального энергопотребления в некоторых странах. В частности, рассмотрены: применение многопараметрической регрессионной модели для детального изучения потребления электроэнергии в регионах Китая; методы анализа неоднородных панельных данных для изучения причинно-следственных связей между экономическим ростом, потреблением электроэнергии и показателями урбанизации; эконометрическое исследование потребления электроэнергии в жилых помещениях Португалии с акцентом на определении влияния на него характеристик жилья; восходящая стохастическая имитационная модель для анализа среднего профиля регулярного потребления электроэнергии в Испании в зависимости от количества членов семьи и дней недели. В статье разработана кластерная линейная регрессионная модель потребления электроэнергии в Сибирском федеральном округе Российской Федерации по пространственной выборке данных за 2023 г. Показано, что, если в качестве расстояния между расчетными и фактическими значениями зависимой переменной используется манхэттенское расстояние, задача оценивания параметров и расчета составов задающих соответствующие кластеры индексных множеств с помощью метода наименьших модулей сводится к задаче линейно-булева программирования. Построенная модель обладает высокой точностью, существенно превышающей точность обычной линейной регрессии. В качестве независимых переменных модели задействованы объем валового регионального продукта и суммарная мощность электростанций.</jats:p> <jats:p>The paper provides a brief review of publications on the application of mathematical modeling methods to analyze the patterns of influence of various factors on regional energy consumption levels in several countries. Specifically, the following studies are examined: the use of a multiparameter regression model for a detailed analysis of electricity consumption in Chinese regions; methods for analyzing heterogeneous panel data to study causal relationships between economic growth, electricity consumption, and urbanization indicators; an econometric study of residential electricity consumption in Portugal, focusing on identifying the influence of housing characteristics; and a bottom-up stochastic simulation model for analyzing average regular electricity consumption profiles in Spain based on household size and day of the week. The article develops a cluster-based linear regression model for electricity consumption in the Siberian Federal District of the Russian Federation using spatial data for 2023. It is shown that when Manhattan distance is used as the metric between predicted and actual values of the dependent variable, the problem of parameter estimation and determining cluster-indexing sets via the least absolute deviation method reduces to a linear Boolean programming problem. The constructed model demonstrates high accuracy, significantly surpassing that of conventional linear regression. Independent variables in the model include gross regional product and total power plant capacity.</jats:p>