This research presents an advanced methodology for smart management of energy losses in electrical distribution networks by leveraging deep neural network architectures. The primary objective is to enhance the accuracy of short-term forecasting for nodal loads and corresponding energy losses, enabling more efficient and intelligent grid operation. Two predictive approaches were explored: the first involves separate forecasting of nodal loads followed by loss calculations, while the second directly estimates network-wide energy losses. For model implementation, Long Short-Term Memory (LSTM) networks and the enhanced Residual Network (eResNet) architecture, developed at the Institute of Electrodynamics of the National Academy of Sciences of Ukraine, were utilized. The models were validated using retrospective data from a Ukrainian Distribution System Operator (DSO) covering the period from 2017 to 2019 with 30 min sampling intervals. An adapted CIGRE benchmark medium-voltage network was employed to simulate real-world conditions. Given the presence of anomalies and missing values in the operational data, a two-stage preprocessing algorithm incorporating DBSCAN clustering was applied for data cleansing and imputation. The results indicate a Mean Absolute Percentage Error (MAPE) of just 3.29% for nodal load forecasts, which significantly outperforms conventional methods. These findings affirm the feasibility of integrating such models into Smart Grid infrastructures to improve decision-making, minimize operational losses, and reduce the costs associated with energy loss compensation. This study provides a practical framework for data-driven energy loss management, emphasizing the growing role of artificial intelligence in modern power systems.

The main differences in pricing and tariffing for industrial consumers of electricity with different forms of electricity metering are considered. Based on the analysis of tariff formation for the final consumer of electricity, components are identified that have a significant impact on the results of solving the problem of assessing the feasibility of the consumer's transition to hourly electricity metering. Such components include the cost of purchasing electricity in the market segment "day ahead" and the cost of accrued imbalances. The relative daily profile of electricity consumption is considered in order to study the influence of the features of the daily load schedule on the weighted average daily market price of electricity. The importance of estimating the cost of daily load profiles when comparing the cost of electricity for the consumer in the group with integrated electricity metering and in terms of individual hourly metering is substantiated. The effect of underestimation of volumes and value of imbalances in the group with integrated electricity metering in comparison with hourly accruals of volumes and value of imbalances is theoretically substantiated. The main components for comparative assessment of the expediency of the consumer's exit from the group with integrated metering of electricity and the transition to its hourly metering according to the individual daily load schedule are identified. Mathematical models for comparative calculations are developed. The use of these models allows to make an economically justified decision on the expediency of the consumer leaving the group without hourly metering of electricity to the model of purchasing electricity with hourly metering. The main approaches to such an assessment are demonstrated on the example of calculations for an industrial enterprise in some regions of Ukraine. Bibl. 15, fig. 3.

The urgency of the problem of short-term forecasting of electricity imbalances in the conditions of the modern electricity market of Ukraine is substantiated. A comparison of the results of forecasting daily graphs of electricity imbalances using autoregressive models ARIMA, VARMA and developed on their basis combined models with the influence of predicted values of generation of renewable sources. Analysis of the obtained results shows that the VARMA vector autoregression model has accurate results. References 11, figures 2, tables 2.

The publication is devoted to the development of a mathematical model for the optimal allocation of hydro resources among hydroelectric units of HPPs for the production of electric energy and the provision of automatic frequency restoration reserves with an asymmetric adjustment range. The concept of building a mathematical model for the optimization problem is presented. The main goal of the optimization is to maximize the benefit of the power generation company from the use of available hydro resources for the production of electricity and the provision of services for the regulation of IPS of Ukraine modes. Areas of determining the main characteristics of the operation mode of hydropower units of HPPs were studied and a system of restrictions on the load capacity of hydrounits was formed. A system of restrictions to control the balance of water resources in the reservoir and a system of restrictions to control the values of water runoff for hydroelectric power stations have been defined. For the level of the power generating company, a system of restrictions on the control of the minimum values of the volumes of electricity and ancillary services for the fulfillment of already concluded agreements, as well as a system of restrictions on the control of the volumes of electricity and ancillary services within the predicted volumes of market demand, has been formed. The structure is substantiated and the components of the target function are described. Approaches to solving the problem of forecasting the amount of electrical energy imbalances on the balancing market of Ukraine are defined. Peculiarities of the process of finding optimal solutions regarding the loading levels of hydropower units with available hydro resources have been studied. The presence of the effects of "economic impracticality of the full use of available water resources" was noted, and the main consequences of the manifestations of this effect were investigated. References 12, figures 3, tables 2. Роботу присвячено розробці математичної моделі задля оптимального розподілу гідроресурсів по гідроагрегатах ГЕС для виробництва електричної енергії та надання послуг автоматичних резервів відновлення частоти. Наведено концепцію побудови математичної моделі для задачі оптимізації. Ціль оптимізації – максимізація вигоди генеруючої компанії від використання наявних гідроресурсів для виробництва електричної енергії та надання послуг регулювання режимів ОЕС України. Досліджено області визначення основних характеристик режиму роботи гідроагрегатів ГЕС та сформовано систему обмежень на потужність завантаження гідроагрегату. Визначено систему обмежень для контролю балансу гідроресурсів у водосховищі та систему обмежень для контролю значень водостоку для ГЕС. Для рівня енергогенеруючої компанії сформовано систему обмежень контролю мінімальних значень обсягів електричної енергії та допоміжних послуг на виконання вже укладених угод, а також систему обмежень контролю обсягів електричної енергії та допоміжних послуг в межах прогнозованих обсягів ринкового попиту. Обґрунтовано структуру та описано складові цільової функції. Визначено підходи до розв’язання задачі прогнозу обсягів небалансів електричної енергії на балансуючому ринку України. Досліджено особливості процесів пошуку оптимальних рішень щодо рівнів завантаження гідроагрегатів ГЕС наявними гідроресурсами. Відзначено наявність ефектів «економічної недоцільності повного використання наявних гідроресурсів» та досліджено основні наслідки проявів цього ефекту. Бібл. 12, рис. 3, табл. 2.

Based on the performed researches the method of decomposition of graphs of total electric loading of power system with application of a method of Hilbert-Huang is improved. This approach allows obtaining a homogeneous basic component of electrical load and temperature component, which has a close correlation with air temperature, which improves the accuracy of short-term forecasting. The results of testing the developed mathematical model are given. Ref. 9, fig. 1, table.

The market operation of the electricity distribution system has gained significant expansion due to the growing use of renewable and distributed sources. This paper presents strategies for optimizing load schedules by aggregators of local systems. Optimization of load schedules is to minimize the total costs of the supplier to reduce the cost of electricity and lower prices for the consumer. In local systems, which include diesel generators, the main component that most affects the price per 1 kW is the consumption of primary fuel of diesel generators. The objective function proposed in this study minimizes the supplier's primary fuel consumption by optimally redistributing power to each generator. The basic load schedule and application of schedule optimization strategies were studied: load reduction, load transfer, increase of minimum loads, flexible load change. When using the optimal algorithm, the costs are 5-6% relative to the uniform power distribution. Ринкова робота системи розподілу електроенергії набула значного розширення завдяки зростаючому використанню відновлювальних та розосереджених джерел. У статті розглянуто стратегії оптимізації графіків навантаження агрегаторами локальних систем. Оптимізації графіків навантаження полягає в тому, щоб мінімізувати загальні витрати постачальника для зменшення собівартість електроенергії та нижчої ціни для споживача. В локальних системах, у складі яких є дизель-генератори, основна складова яка найбільше впливає на ціну за 1 кВт, це витрати первинного палива дизель-генераторів. Цільова функція, запропонована в цьому дослідженні мінімізує витрати первинного палива постачальника, шляхом оптимального перерозподілу потужностей по кожному генератору. Досліджено базовий графік навантаження та застосування стратегій оптимізації графіків: зниження навантаження, перенесення навантаження, підвищення мінімуму навантажень,, гнучке змінення навантаження. При використанні оптимального алгоритму втрати Bпр сер% складають 5-6% відносно рівномірного розподілу потужності. Бібл 8. Рис. 4.