SUSU理工学院的研究人员在网络和机器学习的工作基础上，开发了一种预测公用事业网络用电量的方法。该方法将提高用电预测的准确性，这将防止居民区的停电。该研究的结果发表在《可持续发展》杂志上。
SUSU生命安全部的工作人员开发的方法将解决用电预测中的不确定性问题。这种不确定性主要出现在城市电网中，原因是用电性质的变化和大量的电力用户的存在。新的预测方法本质是考虑到以前没有记录的因素，并进一步以不确定性因素的形式表达出来。
“电力需求预测的不确定性是由于目前没有考虑到的大量因素造成的。这些因素包括气候和气象条件的差异以及整个城市人口和城市地区内的物质状况。例如，家庭电器的数量取决于物质财富的水平。”生命安全系技术科学副博士、副教授赛琼·塔瓦罗夫解释道。
SUSU研究人员提出的不确定性系数可由向建筑物和其他低压电气装置供电的电力公司使用
“我们的预测方法最初允许我们检测相位不对称性。不对称性是指在某些时段流经各相的电流量的差异。通过考虑广义系数，我们可以找出相位负载的程度，这反过来又使我们能够确定与允许值的百分比偏差。”这位科学家说。
为了促进和提高用电计算的准确性，科学家们使用了机器学习，它依赖于电表和外部因素的连续输入。电网的应用减少了预测时间，并同时考虑到了影响预测的多种因素。
研究人员使用Matlab和Python库SciKit-Fuzzy的统计和计量经济学预测模型来收集和处理电力消耗数据。
赛琼·塔瓦罗夫强调，在全世界渴望去碳化（减少大气中的二氧化碳排放）的背景下，预测电力消耗的问题变得尤为重要。随着燃煤电厂数量的减少，非传统能源，如水电站、太阳能和风能正在发展。
这项工作的结果可以应用于处理电力分配和城市供电系统设计的组织。这些是安装和维护整个基础设施的公司：电力线和变电站。这项开发将延长供电系统元件的使用寿命。
南乌拉尔国立大学 (SUSU) 是一所数字化转型大学，在许多主要的领域引领创新研究，发展科学技术。学校按照俄罗斯联邦科技发展战略，重点发展数字工业、材料科学和生态学领域的大型科学交叉学科项目。2021年，SUSU入选优先-2030计划。该大学作为乌拉尔世界级跨区域科学和教育中心（UMNOC）的区域项目办公室，旨在实现国家项目 “科学与大学”的目标。