Wpływ wstępnego przetwarzania danych na jakość krótkoterminowych prognoz zapotrzebowania na energię elektryczną

• Autorzy: Nęcka K.

Warianty tytułu

EN

Data pre-processing effect on the quality of short-term forecast of electricity demand

• Języki publikacji: PL

Abstrakty

PL

Celem pracy była analiza wpływu różnych metod wstępnego przetwarzania danych wejściowych, takich jak np. średnia ruchoma, wyrównywanie wykładnicze, filtr 4253H, na jakość prognoz godzinowego zapotrzebowania na energię elektryczną opracowanych metodami regresyjnymi. Cel pracy zrealizowano na podstawie badań własnych wykonanych w rozdzielni nN, zlokalizowanej na terenie nowoczesnej ubojni drobiu w południowej części Małopolski. Wykonane analizy skupień metodą k-średnich i metodą EM pokazały, że ze względu na podobieństwo przebiegu godzinowego zapotrzebowania na energię elektryczną optymalny będzie podział dni tygodnia na 3 skupienia, tj. dni robocze, dni poprzedzające dzień wolny od pracy oraz dni wolne od pracy, i budowa trzech niezależnych modeli. W zastosowaniach praktycznych najważniejszym parametrem oceny modeli jest sumaryczna wartość rzeczywistej ilości energii bilansującej ΔESR. Dla większości budowanych modeli na bazie zmiennych przekształconych zaobserwowano zmniejszenie wartości wskaźnika ΔESR względem modeli budowanych w oparciu o zmienną egzogeniczną nieprzekształconą. Największe, ponad 6% zmniejszenie wartości analizowanego wskaźnika uzyskano w modelu III dla zmiennej wejściowej wygładzonej oknem Daniela o rozpiętości 5. Ze względu na najniższą wartość sumarycznej ilości energii bilansującej w zastosowaniach praktycznych powinny być jednak preferowane modele budowane na bazie szeregu czasowego godzinowego zużycia energii elektrycznej dla całego zakładu wygładzonego filtrem 4253H.

EN

The objective of this study was to analyse the influence of different methods of preprocessing of the input data, such as moving average, exponential smoothing, filter 4253H on the quality of forecasts of hourly demand for electricity developed with regression methods. The objective of the study was carried out on the basis of own research carried out in the nN switchboard, located on the territory of a modern poultry slaughterhouse in the southern part of Małopolska region. The cluster analysis carried out with k-means and the EM method has shown that due to the similarity of the course of hourly demand for electricity division of weekdays into three days of cluster that is, working days, days preceding the days off, days off and construction of three independent models will be optimal. The total value of the actual amount of balancing energy ΔESR is the most important parameter of the models assessment in the practical applications. For majority of models constructed on the basis of the transformed variables, the decrease in the rate ΔESR towards models constructed based on exogenous not transformed variable was reported. The largest over 6% reduction in the value of the analysed indicator was obtained in model III for the input variable smoothed with 5th span Daniel window. Due to the lowest value of the total amount of balancing energy in practical applications, models built on the basis of a time series of hourly electricity consumption for the entire plant smoothed filter 4253H should be preferred.

Słowa kluczowe

PL

model regresyjny; prognoza krótkoterminowa; przetwarzanie wstępne; zużycie energii elektrycznej; zasada TPA

EN

regression model; short-term forecasts; preprocessing; electricity consumption; TPA principle

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2013
• Tom: R. 17, nr 3, t. 1
• Strony: 291--299
• Opis fizyczny: Bibliogr. 13 poz., rys.

Twórcy

autor

Nęcka K.

• Katedra Energetyki i Automatyzacji Procesów Rolniczych, Uniwersytet Rolniczy w Krakowie, ul. Balicka 116B, 30-149 Kraków

Bibliografia

• Gładysz, B. (2009). Metoda określania wielkości kontraktów na energię elektryczną. Badania Operacyjne i Decyzyjne, 3, 19-26.
• Łyp, J. (2007). Prognozy krótkoterminowe obciążeń małych odbiorców energii elektrycznej. Polityka Energetyczna, 10. Zeszyt specjalny, 2, 277-287.
• Małopolski, J.; Trojanowska, M. (2009a). Modele rozmyte zapotrzebowania na moc dla potrzeb krótkoterminowego prognozowania zużycia energii elektrycznej na wsi. Część I. Algorytmy wyznaczania modeli rozmytych. Inżynieria Rolnicza, 5(114), 177-183.
• Małopolski, J.; Trojanowska, M. (2009b). Modele rozmyte zapotrzebowania na moc dla potrzeb krótkoterminowego prognozowania zużycia energii elektrycznej na wsi. Część II. Opracowanie predykcyjnych modeli relacyjnych. Inżynieria Rolnicza, 5(114), 185-191.
• Nęcka, K. (2011a). Wykorzystanie modeli regresyjnych do prognozowania godzinowego zapotrzebowania na energię elektryczną w zakładzie przemysłu rolno-spożywczego. Technika Rolnicza Ogrodnicza Leśna, 4, 13-15.
• Nęcka, K. (2011b). Use of data mining techniques for predicting electric energy demand. TEKA Komisji Motoryzacji i Energetyki Rolnictwa, Vol. XIC, 230-236.
• Piotrowski, P. (2007). Prognozowanie krótkoterminowe godzinowych obciążeń w spółce dystrybucyjnej z wykorzystaniem sieci neuronowych – analiza wpływu doboru i przetworzenia danych na jakość prognoz. Przegląd Elektrotechniczny, 7-8(83), 40-43.
• Trojanowska, M. (2002). Krótkoterminowe prognozy sprzedaży energii elektrycznej odbiorcom w gminach wiejskich. Inżynieria Rolnicza, 3(36), 293-300.
• Trojanowska, M.; Małopolski, J. (2009). Wykorzystanie modeli Takagi–Sugeno do krótkoterminowego prognozowania zapotrzebowania na energię elektryczną odbiorców wiejskich. Inżynieria Rolnicza, 1(110), 325-330.
• Koncepcja wspólnego zakupu energii elektrycznej na wolnym rynku w oparciu o zasadę Grupy Bilansującej dla organów i instytucji samorządowych oraz biznesu. Kraków, Keriva, (2012). Pozyskano z: http://www.keriva.pl/jst3.php.
• Koszty bilansowania – zmora klienta. Wirtualny Nowy Przemysł, (2012). Pozyskano z: http://www.wnp.pl/wiadomosci/koszty-bilansowania-zmora-klienta,-3359_1_0_0_0_1.html
• Opis zasady TPA, podstawy prawne, wymagania. Warszawa, CEZPolska, (2012). Pozyskano z: http://www.cezpolska.pl/pl/produkty/oferta-dla-odbiorcow-koncowych/opis-zasady-tpapodstawy-prawne-wymagania.html.
• Pozycja konsumenta na rynku energii elektrycznej. Warszawa-Wrocław Urząd Ochrony Konkurencji i Konsumentów, (2011). Pozyskano z: www.uokik.gov.pl/download.php?plik=10178