Przestrzenne prognozowanie obciążeń elektrycznych w sieci NN metodą sekwencyjnej symulacji Gaussa

• Autorzy: Kamińska-Chuchmała A. , Wilczyński A.

Warianty tytułu

EN

Spatial electric load forecasting in transmission networks with sequential Gaussian simulation method

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono opis geostatystycznej metody Sekwencyjnej Symulacji Gaussa oraz jej praktyczne zastosowanie do powierzchniowego prognozowania zapotrzebowania na moc elektryczną. Zaproponowano wykorzystanie metody Sekwencyjnej Symulacji Gaussa do obliczenia prognozy obciążeń elektrycznych w sieci przesyłowej 220 i 400 kV na terenie całej Polski, z wyprzedzeniem czasowym wynoszącym jeden rok. W artykule zamieszczono rezultaty analizy wstępnej i strukturalnej danych - mocy w węzłach rozważanej sieci, które są niezbędne do przeprowadzenia dalszych obliczeń prognostycznych. Następnie przedstawiono propozycję modelu prognozy oraz wyniki przeprowadzonych obliczeń i analiz.

EN

The paper contains both, theoretical description and practical application, of the Sequential Gaussian Simulation method. This method, belonging to geostatistical methods, has been discussed in details and has been applied to spatial electric load forecasting in transmission networks with forward period of time equal to one year. Preliminary and structural data analysis required to perform further predictions have been presented. Moreover, the details of electric load forecast model has been shown. Obtained results of forecast have been analyzed and summarized.

Słowa kluczowe

PL

obciążenia elektryczne; przestrzenne prognozowanie; metody symulacyjne; geostatystyka

EN

electric load; spatial forecasting; simulation methods; geostatistics

• Wydawca: KAPRINT
• Czasopismo: Rynek Energii
• Rocznik: 2011
• Tom: nr 1
• Strony: 35--40
• Opis fizyczny: Bibliogr. 20 poz., rys., tab.

Twórcy

autor

Kamińska-Chuchmała A.

autor

Wilczyński A.

• Zakład Rozproszonych Systemów Komputerowych Instytutu Informatyki Politechniki Wrocławskiej,

Bibliografia

• [1] Bohling G.: Stochastic simulation and reservoir modeling workflow, C&PE 940, 21.10. 2005.
• [2] Borzemski L.: The experimental design for data mining to discover web performance issues in a Wide Area Network, Cybernetics and Systems: An International Journal Volume 41, Issue 1, 2010, pp. 31–45.
• [3] Christakos G.: Random Field Models in Earth Sciences. Academic Press. N.Y., 1992.
• [4] Dąsal K., Popławski T., Starczynowska E.: Badanie wpływu czynników pozapogodowych na zmiany obciążenia w KSE, „Rynek Energii”, nr 2(87) – 2010, ss. 38-42.
• [5] Gertner G.: Comparison of Computationally Intensive Spatial Statistical Methods for Generating Inputs for Spatially Explicit Error Budgets, IUFRO 4.11 Conference, Greenwich 2001.
• [6] Hansen T.M., Journel A.G., Tarantola A., Mosegaard K.: Linear Inverse Gaussian theory and geostatistics, Geophysics, Vol. 71, No. 6, November-December 2006.
• [7] Hicks P.J.: Unconditional sequential Gaussian simulation for 3-D flow in a heterogeneous core, Journal of Petroleum Science and Engineering 16, 1996, pp. 209-219.
• [8] Isaaks E.H., Srivastava R.M.: An Introduction to Applied Geostatistics, Oxford University Press, New York, Oxford 1989.
• [9] Kamińska-Chuchmała A., Wilczyński A., Przestrzenne prognozowanie obciążeń elektrycznych metodami symulacyjnymi. Materiały VI Konferencji Naukowo-Technicznej „Sieci elektroenergetyczne w przemyśle i energetyce” - SIECI 2008, Szklarska Poręba, 10-12.09.2008, pp. 235-240.
• [10] Kamińska-Chuchmała A., Wilczyński A., Zastosowanie metod symulacyjnych do przestrzennego prognozowania obciążeń elektrycznych. Rynek Energii, nr 1(80), 2009, s. 2-9.
• [11] Kamińska-Chuchmała A., Wilczyński A., Prognozowanie 3D obciążeń elektrycznych z wykorzystaniem symulacyjnej metody geostatystycznej Turning Bands, Prace Wrocławskiego Towarzystwa Naukowego, tom XVI, seria B nr 215, Wrocław 2009, pp. 41-48.
• [12] Kamińska-Chuchmała A., Wilczyński A., Analiza wpływu różnych czynników metodycznych na dokładność przestrzennego prognozowania obciążeń elektrycznych metodą Turning Bands, Rynek Energii, nr 2(87), 2010, s. 54-59.
• [13] King S.L.: Sequential Gaussian simulation vs. simulated annealing for locating pockets of high-value commercial trees in Pennsylvania, Annals of Operations Research 95, 2000, pp. 177–203.
• [14] Metropolis N., Ulam S.: The Monte Carlo Method, Journal of the American Statistical Association, Vol. 44, No. 247. (Sep., 1949), pp. 335-341.
• [15] Namysłowska-Wilczyńska B.: Geostatystyka, Oficyna Wydawnicza Politechniki Wrocławskiej, 2006
• [16] Pendrel J., Leggett M., Mesdag P.: Geostatistical Simulation for Reservoir Characterization, 2004 CSEG National Convention, Great Explorations – Canada and Beyond.
• [17] Tarantola A.: Inverse Problem Theory and Methods for Model Parameter Estimation, SCIAM Society for Industrial and Applied Mathematics, Philadelphia, 2005.
• [18] Wackernagel H.: Multivariate Geostatistics: an Introduction with Applications, Berlin: Springer, 2003.
• [19] Wang G., Gertner G.Z., Parysow P., Anderson A.B.: Spatial prediction and uncertainty analysis of topographical factors for the Revised Universal Soil Loss Equation (RUSLE). Journal of Soil and Water Conservation. 3rd Quarter, 2000.
• [20] Willis H.L.: Spatial Electric Load Forecasting. Marcel Dekker, Inc., New York, Basel, 2002.