Industry Energy Demand Forecast in Real Time via Singular Spectrum Analysis

• Autorzy: Lopes R. , Costa F. F. , Lima A. C.

Warianty tytułu

PL

Przewidywanie zapotrzebowania na energię w czasie rzeczywistym z wykorzystaniem metody SSA

• Języki publikacji: EN

Abstrakty

EN

This paper proposes a method for demand forecasting based on the Singular Spectrum Analysis (SSA). The method is to be used by large power utility's customers and to be implemented in real-time and prevents peaks from surpassing the contracted power demand with the utility. It can be applied as an auxiliary tool for management of electrical power demand in industrial plants. The effectiveness of the method is endorsed by the high correlation between the forecasted and actual time-series forecasted.

PL

W artykule zaproponowano metodę prognozowania popytu na podstawie analizy widma Singular (SSA).Metoda ma być wykorzystywane przez duże koncerny energetyczne i klientów do realizacji w czasie rzeczywistym i zapobiega piki przekroczenie zapotrzebowania mocy umownej za pomocą tego programu. Można ją stosować do zarządzania zapotrzebowania mocy elektrycznej w zakładach przemysłowych. Skuteczność metody jest potwierdzony korelację pomiędzy prognozowanym a faktycznym zużyciem energii.

Słowa kluczowe

EN

singular spectrum analysis; demand side management; forecast

PL

metoda SSA; prognozowanie zapotrzebowania na energię; czas rzeczywisty

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 12
• Strony: 21--25
• Opis fizyczny: Bibliogr. 8 poz., rys., wykr.

Twórcy

autor

Lopes R.

• Federal University of Bahia, Department of Electrical Engineering, Rua Aristidis Novis Nro. 2, 40210-630, Salvador-BA-Brazil

autor

Costa F. F.

• Federal University of Bahia, Department of Electrical Engineering, Rua Aristidis Novis Nro. 2, 40210-630, Salvador-BA-Brazil

autor

Lima A. C.

• Federal University of Bahia, Department of Electrical Engineering, Rua Aristidis Novis Nro. 2, 40210-630, Salvador-BA-Brazil

Bibliografia

• [1] Konrad Bojar, Trend extraction from noisy discrete signals by means of singular spectrum analysis and morphological despiking. Przeglad Elektrotechniczny ed. 06/2011 Page n. 241
• [2] Mirosław Parol, Paweł Piotrowski, Long-term forecasting method of annual electrical energy demand in electric distribution companies. Przeglad Elektrotechniczny ed. 08/2010 Page n. 182.
• [3] ANEEL – Agência Nacional de Energia Elétrica (Brasil). Resolução n°. 456, de 29 de novembro de 2000.Art. 2°, II. Available in: <http://www.aneel.gov.br/cedoc/res2000456.pdf>. Acesso em: 11 set. 2014.
• [4] Golyandina N., Nekrutkin V., Zhigljavsky A., Analysis of time series structure: SSA and related techniques. Chapman Hall/CRC, New York; 2001.
• [5] Golyandina N., Osipov E., The “Caterpillar”-SSA method for analysis of time series with missing values. Journal of Statistical Planning and Inference. n.137, 2642–2653, 2007.
• [6] Hassani H., Singular Spectrum Analysis: Methodology and Comparison. Journal of Data Science, n.5, 239-257, 2007.
• [7] Hassani H., Heravic S., Zhigljavsky A., Forecasting European industrial production with SSA. International Journal of Forecasting, n.25, 103-118, 2009.
• [8] Esquivel R. M., Análise Espectral Singular: Modelagem de séries temporais através de estudos comparativos usando diferentes estratégias de previsão. 2012. 173 p. Dissertação de Mestrado em Modelagem Computacional e Tecnologia Industrial, CIMATEC/SENAI-BA, Salvador, 2012.