Ocena modelowania dynamicznego jako narzędzia do prognozowania zużycia energii elektrycznej przez odbiorców indywidualnych

Grycan, W.; Wróblewski, Z.

Artykuł - szczegóły

Tytuł artykułu

Ocena modelowania dynamicznego jako narzędzia do prognozowania zużycia energii elektrycznej przez odbiorców indywidualnych

Autorzy

Grycan W. , Wróblewski Z.

Treść / Zawartość

Pełne teksty:

Pobierz

Identyfikatory

Warianty tytułu

Assessment of Dynamic Modelling as a Tool for an Electricity Consumption Forecasting for a Group of Individual Customers

Języki publikacji

Abstrakty

Prognozowanie zużycia energii elektrycznej jest narzędziem niezbędnym dla nowoczesnego zarządzania energią elektryczną. Umiejętność właściwego przewidywania przyszłych zachowań stanowi podstawę efektywnego zarządzania. Ze względu na dużą zmienność zużycia energii w czasie i brak możliwości jej długotrwałego magazynowania, szczególnie istotnym zagadnieniem jest wybór właściwych narzędzi prognostycznych, możliwie dokładnie określających zużycie energii w rozpatrywanym czasie. W artykule opisano modelowanie dynamiczne i przedstawiono wyniki prognostyczne dla modeli dynamicznych, opracowanych dla grupy odbiorców indywidualnych. Wyniki oceniono na podstawie danych o rzeczywistym zużyciu energii elektrycznej w tym okresie.

The forecasting of the electricity consumption is an indispensable tool for the modern electrical energy management. The ability of the prediction of future behaviours is the basis for the effective management. Due to the high variability of the energy consumption over time and the impossibility of its long-term storage, particularly important issue is the selection of appropriate tools for the forecasting and determining of the consumption as precisely as possible. The article describes the dynamic modelling and the results of predictive dynamic models developed for a group of individual customers. The results were evaluated on the basis of the actual consumption of the electric energy.

Słowa kluczowe

modelowanie obciążeń krzywe obciążeń prognozowanie obciążeń

modelling of loads load curves load forecasting

Wydawca

Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki

Czasopismo

Prace Instytutu Elektrotechniki

Rocznik

2016

Tom

Z. 272

Strony

167--178

Opis fizyczny

Bibliogr. 22 poz., rys., tab., wykr., wz.

Twórcy

autor

Grycan W.

wiktoria.grycan@pwr.edu.pl

Politechnika Wrocławska, Katedra Energoelektryki, Politechnika Wrocławska, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

autor

Wróblewski Z.

zbigniew.wroblewski@pwr.edu.pl

Politechnika Wrocławska, Katedra Energoelektryki, Politechnika Wrocławska, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

Bibliografia

1. Malko J.: Wybrane zagadnienia prognozowania w elektroenergetyce – prognozowanie zapotrzebowania energii i mocy elektrycznej. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław, 1995.
2. Weron R.: Modelling and Forecasting Loads and Prices in Deregulated Electricity Markets. Opublikowano przez ARE, Warszawa, 2006.
3. Stoczkiewicz M., Jędrasik I.: Understanding the Polish anti-climate crusade. (dostęp grudzień 2014).
4. Ćwiek-Karpowicz J., Gawlikowska-Fyk A., Westphal K.: German and Polish Energy Policies: Is cooperation Possible? Policy Paper of Polish Institute of International Affairs. (dostęp: grudzień 2014).
5. Odyssee-mure raport. Energy efficiency trends & policies summary, <http://www.odyssee-mure.eu/publications/> (dostęp: grudzień 2014).
6. Paska J., Surma T.: Electricity generation from renewable energy sources in Poland. Renewable Energy, nr 71, s. 286-294, 2014.
7. Eurostat baza danych. http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/ (dostęp grudzień 2014).
8. Trojanowska M.: Wykorzystanie teorii chaosu zdeterminowanego w prognozowaniu krokowym rocznego zużycia energii elektrycznej przez odbiorców wiejskich. Infrastruktura i Ekologia Terenów Wiejskich, nr 2, s. 121-128, 2005.
9. Ka Fei, Thang.: Implementation of Neural & Neuro-Fuzzy Approaches for Short-Term Electricity Demand Forecasting. Power System Technology Power Conference, 2004; 2, s. 1213-1218, 2004.
10. Ghanbari A., Ghaderi S.F., Azadeh A.: A Clustering based Genetic Fuzzy Expert System for Electrical Energy Demand Prediction. Computer and Automation Engineering ICCAE 2010, IEEE Conference publication; 5, s. 407-411, 2010.
11. Khotanzad A, Zhou E, Elragal H. A: Neuro-Fuzzy Approach to Short-Term Load Forecasting in a Price-Sensitive Environment. Power Systems, 17(4), s. 1273-1282, 2002.
12. Ściążko A.: Zastosowanie metod sztucznej inteligencji w energetyce. Pomiary, Automatyka, Robotyka; nr 7-8, s. 53-59, 2011.
13. Xinghua L.,: Multiple linear regression analysis of energy consumption in China. Journal of Science & Technology Economy Market, vol. 6, s. 45-47, 2011.
14. Sun Q., Beach A., Cotterell M.E., Wu Z.: An Economic Model for Distributed Energy Prosumers. System Sciences (HICSS), IEEE Conference publication; 2103-2112, 2013.
15. Shyh-Jier Huang, Kuang-Rong Shih.: Short-term load forecasting via ARMA model identification including non-Gaussian process considerations. IEEE Transactions on Power Systems, vol. 18, nr 2, s. 673-679, 2003.
16. Schmitt R.W., Ben Daniel D.J., Stewart P.J., Manne A.S.: An econometric analysis of energy over the next 75 years. IEEE Transactions on Power Apparatus and Systems, vol. 96, nr 4, s.1353-1361, 1977.
17. Capasso A., Grattieri W., Lamedica R., Prudenzi A.: A bottom-up approach to residential load modeling. Power Systems, vol. 9, nr 2, s. 957-964, 1994.
18. Hendry D.F.: Predictive failure and econometric modelling in macro-economic: The transactions demand for money. Economic Modelling, Heinemann. London 1979: 217-42. Reprinted in Hendry DF. Econometrics: Alchemy or Science? Oxford: Blackwell Publishers 1993 and Oxford University Press 2000.
19. Błażejowski M., Kufel P., Kufel T.: Automatic Procedure of Building Congruent Dynamic Model in Gretl. Econometrics with gretl, Conference publication, gretl Conference 2009, Bilbao, Spain; 75-91.
20. Kufel T., Kufel P.: The congruence Postulate at the Early Stage of Dynamic Econometric Modelling, Dynamic econometric Models 2008; 8:29-36.
21. Fung WY, Lam KS, Hung WT, Pang SW, Lee YL.: Impact of urban temperature on energy consumption of Hong Kong, Energy, vol. 31, nr14 , s. 2623-2637, 2006.
22. Grycan W., Wnukowska B., Wróblewski Z.: Modelowanie uwarunkowań zużycia energii elektrycznej regionu. Przegląd Elektrotechniczny, vol. 90, nr 2, s. 230-233, 2014.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-cf15c9b6-4473-49c8-856e-7e7a432977b3