Macromodeling of local power supply system balance forecasting using fractal properties of load and generation schedules

• Autorzy: Jarykbassov Daniyar , Lezhniuk Petr , Hunko Iryna , Lysyi Vladyslav , Dobrovolska Lyubov

Identyfikatory

DOI

10.35784/iapgos.4457

Warianty tytułu

PL

Makromodelowanie prognozowania bilansu lokalnego systemu elektroenergetycznego z wykorzystaniem fraktalnych właściwości planówobciążenia i generacji

• Języki publikacji: EN

Abstrakty

EN

A method of forecasting the balance of electricity consumption of urban development objects, civil purposes using discrete macromodels is proposed. We consider the power supply system (PSS) of the district, which is characterised by power supply from general-purpose power grids, as well as having its own generation of electricity from renewable energy sources (RES). Such a local electric power system (LES) under certain conditions can be operated as an independent balanced electrical facility. For optimal operation of the LES under these conditions, it is necessary to predict its power consumption schedules. The proposed macromodelling method allows to develop deterministic models of power consumption with the required accuracy on the basis of retrospective information without the use of data preprocessing procedures. The solution to the problem of forecasting electricity consumption schedules is simplified by using only basic or deterministic characteristics in the construction of the model. These include fractal properties of PSS load schedules.

PL

Zaproponowano metodę prognozowania bilansu zużycia energii elektrycznej przez obiekty miejskie o przeznaczeniu cywilnym z wykorzystaniem makromodeli dyskretnych. Rozważany jest system zasilania (SZ) dzielnicy, który charakteryzuje się zasilaniem z sieci ogólnego przeznaczenia, a także posiada własną produkcję energii elektrycznej z odnawialnych źródeł energii (OZE). Taki lokalny system elektroenergetyczny (LES) w pewnych warunkach może być eksploatowany jako niezależny, zrównoważony obiekt elektryczny. Aby zapewnić optymalne działanie LES w takich warunkach, konieczne jest przewidywanie jego harmonogramów poboru mocy. Proponowana metoda makromodelowania pozwala na opracowanie deterministycznych modeli poboru mocy z wymaganą dokładnością na podstawie informacji retrospektywnych bez stosowania procedur wstępnego przetwarzania danych. Rozwiązanie problemu prognozowania planów zużycia energii elektrycznej jest uproszczone poprzez wykorzystanie w konstrukcji modelu jedynie podstawowych lub deterministycznych charakterystyk. Obejmują one fraktalne właściwości harmonogramów obciążenia SZ.

Słowa kluczowe

EN

power supply system; urban development; power consumption forecasting; macromodelling; fractal properties

PL

system zasilania; rozwój miast; prognozowanie zużycia energii; makromodelowanie; właściwości fraktalne

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2023
• Tom: T. 13, nr 3
• Strony: 79--82
• Opis fizyczny: Bibliogr. 10 poz., wykr.

Twórcy

autor

Jarykbassov Daniyar

• Academy of Logistics and Transport, Almaty, Kazakhstan

• https://orcid.org/0000-0002-0051-5560

autor

Lezhniuk Petr

• Institute of Renewable Energy of the National Academy of Sciences of Ukraine, Kyiv, Ukraine

• https://orcid.org/0000-0002-9366-3553

autor

Hunko Iryna

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0003-2868-4056

autor

Lysyi Vladyslav

• Institute of Renewable Energy of the National Academy of Sciences of Ukraine, Kyiv, Ukraine

• https://orcid.org/0009-0007-0211-9100

autor

Dobrovolska Lyubov

• Lutsk National Technical University, Lutsk, Ukraine

• https://orcid.org/0000-0001-8175-7635

Bibliografia

• [1] Ahmad N. et al.: Load Forecasting Techniques for Power System: Research Challenges and Survey. IEEE Access 10, 2022, 71054–71090 [http://doi.org/10.1109/ACCESS.2022.3187839].
• [2] Feder E.: Fractals. Mir, Moscow 1991.
• [3] Kaur D. et al.: Energy forecasting in smart grid systems: recent advancements in probabilistic deep learning. IET Gener. Transm. Distrib. 16, 2022, 4461–4479 [http://doi.org/10.1049/gtd2.12603].
• [4] Lezhniuk P. et al.: Natural-simulation Model of Photovoltaic Station Generation in Process of Electricity Balancing in Electrical Power System. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska 12(3), 2022, 40–45 [http://doi.org/10.35784/iapgos.3030].
• [5] Lezhniuk P. D., Bondarchuk A. S., Shullie Iu. A.: Fractal analysis of dynamics of electric loading of civil objects. Sciences of Europe 27-1(27), 2018, 46–54.
• [6] Liu H. et al.: A Power Load Forecasting Method Based on Intelligent Data Analysis. Electronics 12(16), 2023, 3441.
• [7] Peters E.: Fractal Analysis of Financial Markets: Application of Chaos Theory in Investments and Economics. Internet-trading, Moscow 2004.
• [8] Stakhiv P. G., Kozak Y. Y., Gogolyuk O. P.: Discrete macromodelling in electrical engineering and related fields. Publishing House of Lviv Polytechnic, Lviv 2014.
• [9] Venikov V. A.: Theory of similarity and modeling. Higher School, Moscow 1976.
• [10] Zhelezko Y. S.: Power losses. Reactive power. Electricity quality: Guide for practical calculations. ENPAS, Moscow 2009.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).