 |
Временные ряды электропотребления и влияющих на него факторов
|
|
|
|
Университет (НПИ) имени М.И. Платова»
Надтока И.И.
Конспект лекций
по дисциплине «Моделирование и прогнозирование электропотребления»
Направление подготовки:
140400 – Электроэнергетика и электротехника
Новочеркасск 2014 г.
содержание
Введение
Временные ряды электропотребления и влияющих на него факторов
Случайные процессы электропотребления
Анализ влияния метеофакторов на электропотребление
Прогнозные модели, основанные на методах теории случайных процессов
Моделирование графиков электрической нагрузки как случайных процессов
Модели нестационарных случайных процессов электропотребления
Многомерное моделирование на основе метода главных компонент
Прогнозирование электропотребления на основе сингулярного спектрального разложения
Прогнозные модели, основанные на методах искусственного интеллекта.
Моделирование и прогнозирование электропотребления на основе искусственных нейронных сетей
Прогнозная нейронная модель электропотребления с учетом метеофакторов
Нейронечеткие модели прогнозирования электропотребления
Прогнозные модели на основе опорных векторов
Введение в теорию опорных векторных машин
Решение задач классификации
Регрессионные модели на основе опорных векторов
Качество прогнозирования электропотребления
ЛИтература
Введение
Основные современные направления, по которым идет развитие научных разработок в области экспериментальных и теоретических исследований электрических нагрузок и связанных с ними параметров режима работы Электроэнергетических систем (ЭЭС) и систем электроснабжения (СЭС), формировались и формируются из задач практики проектирования и эксплуатации (ЭЭС и СЭС). К этим направлениям относят:
|
|
|
· развитие методов анализа, моделирования и расчетам электрических нагрузок;
· оптимизация режимов работы ЭЭС и СЭС и управление электропотреблением;
· прогнозирование электропотребления;
· разработка принципов построения, структуры, технических средств, алгоритмов и программного обеспечения сбора и обработки информации для автоматизированных систем управления энергопотреблением (АСУЭ) и др.
Современный этап развития электроснабжения как отрасли науки характеризуется широким применением сложных математических методов, в том числе вероятностных методов, методов линейного, нелинейного и динамического программирования, теории оптимального управления, тензорного и матричного анализа, теории графов, теории групп и др.
Применение вычислительной техники в экспериментальных и теоретических исследованиях, проектирования СЭС и внедрении АСУЭ открывает широкие возможности для практического использования теоретических разработок по обработке и анализу данных, их моделированию, агрегированию и распознаванию. Все это позволяет шире использовать математический аппарат, который ранее мог развиваться лишь теоретически из-за сложностей реализации вычислительных процедур и отставания в развитии АСУЭ и систем телемеханики.
На сегодняшний день наибольший интерес представляет решение вопросов в области моделирования электропотребления и связанных с ним процессов это объясняется наличием рядом нерешенных проблем:
1) Увеличение сложности систем электроснабжения и развития средств телемеханики и энергоучёта обостряет проблему увеличения размерности пространства параметров, описывающих объект или процесс. Решение проблемы снижения размерности пространства параметров, в частности, на основе методов ортогонализации без значительных потерь в точности моделирования, является актуальной задачей.
|
|
|
2) Построение многомерных моделей электропотребления для промышленных предприятий и других потребителей.
3) Многофакторной зависимости для предприятий и других потребителей. Такие зависимости электропотребления предприятий строится на основе моделей множественной линейной регрессии. Коррелированность факторов, входящих в модель, часто имеет место при моделировании промышленных потребителей, приводит к усложнению вычислительных процедур и потерям в точности моделирования.
Учет метеофакторов (температуры воздуха, освещённости и др.) при прогнозировании позволяет построить более точные модели изменения суточных графиков электрической нагрузки энергосистемы с точки зрения как внутрисуточного изменения освещённости (при оперативном прогнозе), так и изменения продолжительности светлого времени суток и среднесуточной освещённости (при краткосрочном прогнозе). Анализ графиков освещённости и электропотребления позволяет выявить степень влияния освещённости в различных зонах электропотребления (пиковой, полупиковой). Для учёта освещённости при оперативном прогнозе электропотребления возможно использование регрессионных моделей для остаточной составляющей типа ARX, ARMAX и т.п. Учет освещённости при краткосрочном прогнозе возможен с использованием как нейросетевых моделей, так и моделей, основанных на ортогональных разложениях.
В начальный период исследований по прогнозированию электропотребления (1990г) в качестве основного метода использовался метод главных компонент. Начиная с 1996 года в качестве вспомогательной прогнозной модели использовалась модель на основе искусственной нейронной сети, которая с 1997 года становится основной моделью в программном комплексе краткосрочного прогнозирования электропотребления.
Начиная с 2004 года ведутся исследования по прогнозированию электропотребления на основе сингулярного спектрального анализа временных рядов электропотребления (Singular Spectral Analysis (SSA)).
|
|
|
Метод главных компонент и метод SSA базируются на теоретических положениях канонических разложений случайных процессов - ортогональных разложениях корреляционных матриц, получаемых на основе матриц наблюдений, формирующихся из реализаций временных рядов электропотребления. Такой подход открывает широкие возможности по выявлению линейных зависимостей между электропотреблением и влияющими на него факторами.
Модели прогнозирования электропотребления на основе искусственных нейронных сетей позволяют, как известно, учитывать и нелинейные связи между параметрами, а также коррелированность влияющих факторов.
Разработанная специалистами ЮРГТУ (НПИ) и ООО НПП «ВНИКО» для Ростовского РДУ математическая модель прогнозирования электропотребления с учетом температуры воздуха и освещенности построена на основе методологии искусственных нейронных сетей с учетом опыта эксплуатации программного комплекса для краткосрочного прогнозирования электропотребления в ОАО «Ростовэнерго» и ОАО «Энергосбыт Ростовэнерго»
Временные ряды электропотребления и влияющих на него факторов
|
|
|
