Koncepcja krótkoterminowego prognozowania warunków pogodowych na potrzeby sektora energetyki

• Autorzy: Pietrzak Michał , Świderski Jacek

Warianty tytułu

EN

Short-term weather forecasting concept for the energy sector

• Języki publikacji: PL

Abstrakty

PL

Prognozowanie zagrożeń wynikających z ekstremalnych warunków meteorologicznych jest jednym z zastosowań pomiarów meteorologicznych. Ekstremalne zjawiska pogodowe mogą powodować masowe uszkodzenia infrastruktury elektroenergetycznej i w konsekwencji prowadzić do długotrwałego pozbawienia zasilania na znacznych obszarach (blackout’u). Wykorzystanie pomiarów meteorologicznych do różnych celów w energetyce jest możliwe dzięki temu, że na słupach sieci 110 kV, na obszarze działania kilku operatorów sieci dystrybucyjnych (OSD), zostało zainstalowanych trzysta kilkadziesiąt punktów pomiarowych, z których na bieżąco, co 15 minut, do centralnych dyspozycji mocy każdego z OSD są przesyłane bieżące parametry pogodowe takie jak prędkość i kierunek wiatru, czy temperatura otoczenia. Wraz z większą ilością danych pomiarowych jest możliwe zastosowanie sztucznych sieci neuronowych do prognozowania warunków meteorologicznych. W artykule przedstawiono koncepcję metody krótkoterminowego prognozowania warunków meteorologicznych, uwzględniającą propagację ich zmian przy wykorzystaniu sieci neuronowych NAR i NARX. Podano także sposób wykorzystywania tych prognoz do generowania ostrzeżeń o zagrożeniach meteorologicznych na potrzeby systemów elektroenergetycznych.

EN

Forecasting threats resulting from extreme meteorological conditions is one of the applications of meteorological measurements. Such extreme weather phenomena can cause massive damage to the power infrastructure and, as a consequence, lead to long-term power loss in large areas (blackout). The use of meteorological measurements for various purposes in the power industry has become possible in national conditions due to the fact that in the years 2012-2019 dynamic rating systems were implemented in the 110 kV network in the area of several distribution system operators (DSOs). Therefore, about 400 meteorological stations (measuring points) have been installed on the 110 kV towers, of which current weather parameters such as wind speed and direction, or temperature are sent to the control center of each DSO every 15 minutes. With more measurement data, it is possible to use artificial neural networks to predict meteorological conditions. The article presents a method of short-term forecasting of meteorological conditions, taking into account the propagation of their changes using the neural networks NAR and NARX. The method of using these forecasts to generate warnings about meteorological hazards for the needs of power systems is also given.

Słowa kluczowe

PL

prognozowanie zagrożeń meteorologicznych; sztuczne sieci neuronowe; NAR; NARX

EN

forecasting meteorological conditions; artificial neural networks; NAR; NARX

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2020
• Tom: Nr 4
• Strony: 32--37
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Pietrzak Michał

• Instytut Energetyki – Instytut Badawczy, 01-330 Warszawa, Mory 8 (Oddział Gdańsk)

autor

Świderski Jacek

• Instytut Energetyki – Instytut Badawczy, 01-330 Warszawa, Mory 8 (Oddział Gdańsk)

Bibliografia

• [1] Lorenz E.N.: Three approaches to atmospheric predictability, Bulletin of the American Meteorological Society, vol. 50, no. 5, Massachusetts Institute of Technology, 1969, str. 345-349.
• [2] Riordan, D. and Hansen, B.K.: A fuzzy case based system for weather prediction, Engineering Intelligent System, vol. 10, no. 3, 2002, str. 139-146.
• [3] Kumar A., Kumar A., Ranjan R., Kumar S.: A rainfall prediction model using artificial neural network, In Control and System Graduate Research Colloquium (ICSGRC), 2012, str. 82-87.
• [4] Routh T.K., Yousuf A.H.B., Hossain M.N., Asasduzzaman M.M., Hossain M.I., Husnaeen U., Mubark M. Artificial neural network based temperature prediction and its impact on solar cell, Informatics, Electronics and Vision (ICIEV), 2012, str. 897-902.
• [5] Nayak R., Patheja P.S., Waoo A.A.: An artificial neural network model for weather forecasting in Bhopal, IEEE-International Conference on Advances in Engineering, Science and Management, 2012, str. 747-749.
• [6] Douglas D.A.: “Weather-dependant versus static thermal line rating”, IEEE Trans Power Deliv, vol. 3, no. 2, 1988, str. 742-753.
• [7] Foss S.D., Maraio R.A.: Dynamic line rating in the operating environment, IEEE Trans. Power Deliv., vol. 5, no. 2, 1990, str. 1095-1105.
• [8] Kim D.M., Cho J.M., Lee H.S., Jung H.S., Kim J.O.: Prediction of dynamic line rating based on as-sessment risk by time series weather model, International Conference on Probabilistic Methods Applied to Power Systems, PMAPS 2006.
• [9] Shrivastava G., Karmakar S., Kowar M.K. and Guhathakurta P.: Application of artificial neural networks in weather forecasting: a comprehensive literature review, International Journal of Computer Applications, vol. 51, no. 18, 2012, str. 17-29.
• [10] Biswas S., Sinha N.: Weather prediction by recurrent network dynamics, Int. J. Intelligent Engineering Informatics, vol. 2, no. 2/3, 2014, str. 166-180.
• [11] Menezes Jr., J.M.P. and Barreto, G.A.: A new look at nonlinear time series prediction with NARX recurrent neural network, Proceedings of the Ninth Brazilian Symposium on Neural Networks, IEEE Computer Society, 2006.
• [12] Babś A., Samotyjak T.: Krótkoterminowe prognozowanie dynamicznej obciążalności linii z wykorzystaniem techniki sztucznej inteligencji, XIX Konferencja Naukowa APE’19, Jastrzębia Góra, 12-14 czerwca 2019, str. 49-53.
• [13] Pietrzak M.: Prognozowanie warunków pogodowych dla wyznaczania dynamicznej obciążalności linii. Praca dyplomowa, Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej, 2019.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2020).