Актуальность исследования обусловлена необходимостью точного прогнозирования потребления электроэнергии для повышения эффективности и снижения затрат на промышленных предприятиях, что приводит к повышению конкурентоспособности товаров, производимых предприятием. Традиционные методы прогнозирования часто не учитывают сложные взаимодействия между различными факторами, влияющими на потребление энергии, и не обеспечивают необходимую точность прогнозов. Метод анализа главных компонеНТ открывает многообещающую перспективу – уменьшение объема обрабатываемых данных (размерности) без значительной потери информации, что упрощает прогнозные модели при сохранении их точности. Целью исследования является разработка точной и эффективной модели прогнозирования электропотребления на промышленных предприятиях с использованием метода анализа главных компонеНТ. Эта модель направлена на устранение ограничений, характерных для традиционных подходов к прогнозированию, путем уменьшения размерности данных и повышения точности предсказаний, что в конечном итоге позволяет повысить эффективность потребления электроэнергии и снизить финансовые затраты, в том числе из-за ошибок в прогнозировании. Методы: метод анализа главных компонеНТ, позволивший уменьшить объем обрабатываемх данных (размерность) путем преобразования большого набора коррелированных переменных в меньший набор некоррелированных главных компонент. Исследование включает следующие этапы: импорт данных и факторный анализ, построение корреляционной матрицы, анализ выбранных и накопленных дисперсий для каждого фактора, построение матрицы факторных нагрузок, уменьшение размерности, разработка математической модели с использованием линейной регрессии и установка и валидация прогноза. Результаты. Применение метода главных компонент позволило создать модель прогнозирования электропотребления. Ее применение показало, что первая главная компонента объясняет 69,65 % общей дисперсии, вторая компонента – 17,28 %, т. е. в совокупности они объясняют почти 87 % дисперсии. Разработанная модель обеспечивает хорошее совпадение фактических и прогнозных значений электропотребления в нескольких временных интервалах со средним уровнем ошибки в пределах от +3 до –5 %. Это указывает на пригодность модели для прогнозирования электропотребления, хотя некоторые расхождения указывают на необходимость дальнейшего ее совершенствования.