Poddano analizie dwa statystyczne podejścia do prognozowania zapotrzebowania na energię elektryczną. W obu modelowano zapotrzebowanie jako sumę dwóch komponent - deterministycznej (reprezentującej sezonowości) oraz stochastycznej (reprezentującej szum). Różnią się one jednak zastosowaną techniką usuwania sezonowości. W modelu A używa się różnicowania, natomiast w modelu B wykorzystuje niedawno zaproponowaną technikę sezonowej zmienności. W obu modelach komponenta stochastyczna opisywana jest szeregiem ARMA. Modele są testowane na procesie zapotrzebowania (system-wide load) z rynku kalifornijskiego i porównywane z oficjalną prognozą operatora (California System Operator, CAISO). Okazuje się, że w przypadku wolnego rynku, na którym większość transakcji jest dokonywana na giełdzie, model prosty, nie korzystający z informacji o zmiennych zewnętrznych, potrafi lepiej opisać proces zapotrzebowania niż model operatora systemu.
EN
In this paper two statistical approaches to load forecasting are analyzed. In both of them electricity load as a sum of two components - a deterministic one (representing load seasonal character) and a stochastic (representing noise) is modeled. They differ in the choice of the reduction method of load seasonal character. Model A utilizes differentiating, while Model Buses recently developed seasonal volatility technique. In both models the stochastic component is described by ARMA time series. Models are tested with use of time series process of system-wide loads from the California power market and compared with the official forecast of the California System Operator (CAISO). It turns out that in the presence of an exchange driven deregulated market a simple model, that does not incorporate external variables, is capable to model electricity load better than CAISO.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.