Optymalizacja wyboru metody prognozowania szczytowego dobowego zapotrzebowania mocy KSE wykorzystująca zautomatyzowane metody typujące parametry wejściowe do modelu prognostycznego

• Autorzy: Czapaj R. , Rzepka P. , Szablicki M.

Warianty tytułu

EN

Selection of forecasting method optimization based on the National Power System peak daily load forecasting using automated methods of nominating input parameters for the forecasting model

• Języki publikacji: PL

Abstrakty

PL

Opracowanie prognoz dowolnego parametru wykazującego charakter zmienności wiąże się z koniecznością właściwego (optymalnego) doboru zestawu parametrów wejściowych wykorzystywanych w modelu prognostycznym. Dodatkowo, zmienność czynników determinujących prognozowany parametr implikuje potrzebę stosowania dynamicznych modeli prognostycznych w miejsce modeli statycznych (jako modele statyczne uznaje się takie, które bazują na raz ustalonych wzorcach i wagach udziału parametrów wejściowych w modelu). Stosowanie modeli dynamicznych niejednokrotnie wiąże się z koniecznością częstego (nawet dla każdej nowej prognozy) doboru nowych parametrów wejściowych ze wszystkich posiadanych parametrów. W celu zmniejszenia czasochłonności i kosztów procesu doboru optymalnych parametrów wejściowych do modeli prognostycznych możliwe jest zastosowanie nie tylko dotychczasowej wiedzy, lecz także skorzystanie z podpowiedzi podsuwanych przez niektóre zautomatyzowane metody statystyczne. Dane wytypowane przez metody zautomatyzowane można następnie poddawać testom ex post wykonywanym za pomocą innych metod. Takie krzyżowe podejście pozwala nie tylko na optymalny wybór parametrów wejściowych, ale także na optymalizację stosowanej metody prognostycznej (modelu prognostycznego). Metodę tę można również zastosować w przypadku modeli prognostycznych, które tracą swoją czułość na dynamiczne zmiany parametrów wpływających na prognozowany parametr. Niniejsza publikacja przedstawia wybrane aspekty weryfikacji (optymalizacji) zarówno doboru parametrów wejściowych do modelu prognostycznego, jak i stosowanej metody prognostycznej. Parametrem prognozowanym wybranym do badań symulacyjnych jest szczytowe obciążenie dobowe KSE (maksymalna wartość mocy 15-minutowej obciążenia). W toku symulacji skorzystano zarówno z klasycznych metod prognostycznych, jak i metod typu „drążenie danych”.

EN

The paper presents the possibility of using the statistical methods automating the selection of the most suitable input variables for the daily peak demand of the National Power Grid in Poland. Predictions in ex post were conducted for 10 predictors’ set and both for classical and data exploring methods. The obtained matrix of ex post predictions measures gives a chance for a primal selection of the best set of input variables and statistical method.

Słowa kluczowe

PL

Krajowy System Elektroenergetyczny; KSE; zapotrzebowanie mocy

• Wydawca: Polskie Sieci Elektroenergetyczne S.A.
• Czasopismo: Elektroenergetyka : współczesność i rozwój
• Rocznik: 2017
• Tom: Nr 1(16)
• Strony: 50--55
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Czapaj R.

• PSE Innowacje

autor

Rzepka P.

• PSE Innowacje
• Politechnika Śląska, Wydział Elektryczny, Instytut Elektroenergetyki i Sterowania Układów

autor

Szablicki M.

• PSE Innowacje
• Politechnika Śląska, Wydział Elektryczny, Instytut Elektroenergetyki i Sterowania Układów

Bibliografia

• [1] Bartodziej G., Tomaszewski M., Polityka energetyczna i bezpieczeństwo energetyczne – wydanie II, Wydawnictwo Nowa Energia, Racibórz, 2008.
• [2] Weron A., Weron R., Giełda Energii – Strategie zarządzania ryzykiem, Wydawnictwo CIRE, Centrum Metod Stochastycznych im. Hugona Steinhausa, Politechnika Wrocławska, Wrocław, 2000.
• [3] Klóska R., Hundert M., Czyżycki R., Wybrane zagadnienia z prognozowania, Wydawnictwo Economicus, Szczecin, 2007, n 5.
• [4] Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne – Teoria, przykłady, zadania, Wydawnictwo Naukowe PWN, Warszawa, 2003.
• [5] Dobrzańska I., (pod redakcją), Prognozowanie w elektroenergetyce – Zagadnienia wybrane, Wydawnictwo Politechniki Śląskiej, Częstochowa, 2012.
• [6] Kopecki K., Dobrzańska I. i inni, Analiza i prognoza obciążeń elektroenergetycznych, Wydawnictwa Naukowo-Techniczne, Warszawa, 1971.
• [7] Witkowska D., Podstawy ekonometrii i teorii prognozowania (Podręcznik z przykładami i zadaniami), Oficyna Ekonomiczna, Kraków, 2005.
• [8] Kot S.M., Jakubowski J., Sokołowski A., Statystyka – Podręcznik dla studiów ekonomicznych, Centrum Doradztwa i Informacji, Warszawa, 2007.
• [9] Witryna internetowa www.pse.pl
• [10] Witryna internetowa www.twojapogoda.pl
• [11] Witryna internetowa www.tvnmeteo.tvn24.pl
• [12] StatSoft Polska, STATISTICA – Przewodnik, Wydawnictwo StatSoft Polska Sp. z o.o., Kraków, 2008.
• [13] StatSoft Polska, Zastosowania statystyki i Data Mining, Wydawnictwo StatSoft Polska Sp. z o.o., Kraków, 2006.
• [14] StatSoft Polska, Praktyczne wykorzystanie analizy danych i Data Mining, Wydawnictwo StatSoft Polska Sp. z o.o., Kraków, 2008.
• [15] StatSoft Polska, Data Mining – Metody i przykłady – Seminarium, Wydawnictwo StatSoft Polska Sp. z o.o., Kraków-Warszawa, 2002.
• [16] StatSoft Polska, Statystyka i Data Mining w badaniach naukowych – Seminarium, Wydawnictwo StatSoft Polska Sp. z o.o., Kraków, 2006.
• [17] Helt P., Parol M., Piotrowski P., Metody sztucznej inteligencji w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2000.
• [18] Czapaj R., Rzepka P., Szablicki M., Typowanie zmiennych objaśniających przy wykorzystaniu zautomatyzowanych metod statystycznych jako sposób optymalizacji wyboru metody estymacji szczytowego dobowego obciążenia KSE, Konferencja Naukowa Prognozowanie w Elektroenergetyce, Podlesice 2016.
• [19] Czapaj R., Optymalizacja kosztów zakupu danych wejściowych do prognoz dobowego obciążenia KSE przy wykorzystaniu zautomatyzowanych metod statystycznych, Materiał zakwalifikowany na konferencję APE 2017.