Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Zeszyty Energetyczne

1 2020

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Zastosowanie przesuwnego okna czasowego do adaptacji modelu prognozowania zapotrzebowania na ciepło dla miejskiej sieci ciepłowniczej

100%

Bujalski M. , Madejski P. , Fuzowski K.

tom T. 7

267--279

System ciepłowniczy oparty o elektrociepłownię zasilającą miejską sieć ciepłowniczą stanowi powszechną formę dystrybucji ciepła w dużych obszarach miejskich w Polsce. Głównym elementem optymalizacji pracy systemu jest krótkoterminowe planowanie produkcji energii w kogeneracji (do kilku dni naprzód), a podstawową daną wejściową do tego procesu jest godzinowa prognoza zapotrzebowania na ciepło. Dobowy profil obciążenia cieplnego zmienia się w zależności od zmiany parametrów pogodowych, charakteru poboru ciepła przez odbiorców, a także na skutek dynamiki sieci ciepłowniczej pod wpływem zmiennych warunków eksploatacyjnych. W referacie przedstawiono wyniki obliczeń z opracowanego modelu zapotrzebowania na ciepło, z wykorzystaniem metody uogólnionego modelu addytywnego GAM. Opisano sposób budowy modelu predykcyjnego i procedurę jego adaptacji w oparciu o zastosowanie przesuwnego okna czasowego z danymi uczącymi model. Przedstawione wyniki uzyskano na podstawie danych pochodzących z rzeczywistego systemu ciepłowniczego, o szczytowym zapotrzebowaniu na poziomie około 200 MWt. Analizie poddano wpływ rozmiaru okna treningowego modelu (liczba dób w przedziale od kilku do kilkunastu) na błąd predykcji w horyzoncie doby następnej, podczas różnych okresów sezonu grzewczego. W rezultacie otrzymano model o średnio-sezonowym błędzie około 8%. Wykazano, że zastosowanie adaptacji z relatywnie krótkim oknem treningowym uczącym model może istotnie zwiększyć jego dokładność w okresach przejściowych (kwiecień-maj), gdzie kluczowe warunki wpływające na pracę sieci zmieniają się dynamicznie i w trudny do przewidzenia sposób.