Działania mające na celu poprawę efektywności energetycznej systemów zaopatrzenia w ciepło wymagają korzystania z coraz bardziej złożonych metod. Podstawowe sposoby zmniejszenia zużycia ciepła poprzez stosowanie lepszej izolacji cieplnej mają coraz bardziej ograniczone możliwości i wymagają stosunkowo dużych nakładów finansowych. Dobre efekty mogą być osiągane przez coraz lepsze dopasowanie rozwiązań technicznych, sposobów regulacji czy zasad eksploatacji źródła ciepła do warunków konkretnego obiektu zasilanego w ciepło. Wymaga to jednak zarówno badań identyfikujących skuteczność takich metod, jak i narzędzi służących do opisu wybranych elementów systemu czy jego całości. Artykuł przedstawia wyniki badań przeprowadzonych dla kotłowni gazowej zasilającej w ciepło grupę budynków mieszkalnych. Celem było zbudowanie modelu, który prognozowałby dla konkretnego dnia przedział czasowy, w którym występuje maksymalne zużycie gazu. Dysponując pomiarami zużycia gazu w kolejnych godzinach doby, zdecydowano się zbudować model prognostyczny wyznaczający tę część doby, w której takie maksimum wystąpi. W opracowanym modelu zdecydowano się zastosować procedurę lasów losowych (random forest). Do utworzenia modelu zastosowano pakiet mlr (Kassambara), w którym przeprowadzono również strojenie hiperparametrów modelu na bazie danych historycznych. W oparciu o odrębne dane dla innego okresu działania kotłowni przedstawiono wyniki oceny jego jakości. Uzyskano skuteczność niemal 44%. Strojenie modelu wpłynęło na poprawę jego zdolności predykcyjnych.

The paper proposes an adaptation of mathematical models derived from the theory of deterministic chaos to short-term power forecasts of wind turbines. The operation of wind power plants and the generated power depend mainly on the wind speed at a given location. It is a stochastic process dependent on many factors and very difficult to predict. Classical forecasting models are often unable to find the existing relationships between the factors influencing wind power output. Therefore, we decided to refer to fractal geometry. Two models based on self-similar processes (M-CO) and (M-COP) and the (M-HUR) model were built. The accuracy of these models was compared with other short-term forecasting models. The modified model of power curve adjusted to local conditions (M-PC) and Canonical Distribution of the Vector of Random Variables Model (CDVRM). Examples of applications confirm the valuable properties of the proposed approaches.