Краткосрочное прогнозирование электропотребления в операционной зоне регионального диспетчерского управления с учетом фактора освещенности

• Автор: Губский, Сергей Олегович
• Шифр специальности: 05.14.02
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Новочеркасск
• Количество страниц: 231 с. : ил.

Содержание

Список сокращений и обозначений

Введение.
1 Обзор и анализ современных методов и математических моделей прогнозирования электропотребления.

1.1 Временные ряды электропотребления

1.2 Методы анализа и прогнозирования временных рядов электропотребления

1.2.1 Общие положения о методах.

1.2.2 Анализ методов, используемых в настоящее время для прогнозирования электропотребления
1.2.3 Использование искусственных нейронных сетей при прогнозировании электропотребления
1.2.3.1 Многослойный персептрон, как один из способов реализации искусственных нейронных сетей

1.2.3.2 Построение модели многослойного

персептрона.
1.2.3.3 Подготовка исходных данных и обучение нейронной сети
1.3 Проблемы прогнозирования и направления исследования
1.4 Выводы.
2 Анализ временных рядов электропотребления и определяющих его факторов.
2.1 Временные ряды электропотребления и факторы, влияющие
на него
2.2 Сезонные и метеорологические факторы, влияющие
на электропотребление
2.2.1 Инструментальные замеры метеорологических факторов, влияющих на электропотребление
2.2.2 Температура и освещенность анализ их влияния на электропотребление в операционной зоне Ростовского регионального диспетчерского управления.
2.2.3 Продолжительность светового дня.
2.3 Влияние экономических факторов на электропотребление
2.4 Анализ взаимосвязей между факторами, влияющими
на электропотребление
2.4.1 Взаимосвязь облачности и освещенности.
2.4.2 Взаимосвязь электропотребления, освещенности и
статуса дня.
2.4.3 Взаимосвязь электропотребления, температуры и долготы светового дня.
2.4.4 Взаимосвязь электропотребления, освещенности и долготы светового дня.
2.4.5 Взаимосвязь электропотребления, температуры
и освещенности
2.5 Многофакторная регрессионная модель
электропотребления
2.6 Выводы.
3 Модель прогнозирования электропотребления и е программная реализация
3.1 Выбор и обоснование модели прогнозирования электропотребления
3.2 Структура прогнозной модели
3.2.1 Входной и выходной слои нейронов
3.2.2 Глубина погружения авторегрессионной компоненты
и количество скрытых нейронов.
3.3 Основные принципы работы прогнозной модели.
3.3.1 Общая схема работы модели.
3.3.2 Предобработка данных
3.3.3 Алгоритм обратного распространения ошибки.
3.3.4 Интерпретация данных в прогнозной модели
3.4 Интерфейсные элементы программной реализации прогнозной модели
3.5 Выводы.
4 Исследование прогнозной модели электропотребления для различных региональных диспетчерских управлений.
4.1 Влияния учета температуры воздуха, типа дня и дня недели на точность прогнозировния.
4.2 Особенности прогнозирования электропотребления с учетом освещнности в различные сезоны года
4.3 Анализ результатов прогнозирования электропотребления с учетом освещенности в течение суток.
4.4 Исследование способности модели выполнять точное прогнозирование при недостоверной входной информации и при существенных изменениях электропотребления
4.5 Проверка качества прогнозирования на соответствие требованиям ОАО СОЕЭС
4.6 Выводы.
Заключение.
Список использованной литературы


СГЭН относятся к классу нестационарных случайных процессов, выборочные реализации которых обладают общим детерминированным трендом. Для процессов такого типа также возможно определение статистических характеристик по отдельным реализациям ,, . При поперечном изучении случайного процесса объединение всех случайных величин , 0 в одно общее понятие реализации процесса потребляемой мощности на ТОЗ РДУ является обоснованным в силу наличия определенных корреляционных взаимосвязей между величинами и, в частности, между любой парой и г, где г сдвиг между фиксированными моментами времени. Реальные СГЭН не могут быть представлены стационарными временными рядами ЭП, так как их статистические характеристики зависят от времени, которое является определяющим аспектом для других влияющих на этот процесс факторов . Например, если СГЭН задан значениями на каждый час, либо на каждые полчаса суток, то получаем х, либо мерную плотность вероятности рр, р2, . Задачу также усложняет нестационарность СГЭН. Поэтому данный подход при изучении временных рядов ЭП на ТОЗ РДУ использовать сложно 9. Количество влияющих на ЭП факторов очень большое. Для эффективного моделирования процесса ЭП необходимо исследовать влияние на него каждой отдельной группы. На рисунке 3 представлены группы влияющих на ЭП факторов . Скорость ветра и др. Экономические факторы. Их целесообразно учитывать при обновлении моделей прогнозирования, когда переходят от одного года к следующему или от одного сезона к другому. Их действие в явном виде проявляется, как правило, на временном интервале, который значительно больше одной недели , . Темпы производства и др. День недели и др. Временные факторы к ним относятся сезонные изменения, которые в соответствии разделяют на летние, осенние, зимние и весенние. Зачастую их особенность определяется пиками производства в эти периоды, в соответствии с потребляемой мощностью. Некоторые изменения СГЭН, например, зависящие от продолжительности дня и температуры, происходят постепенно, другие резко меняют структуру Р0 в связи с изменениями в структуре тарифов в зависимости от времени суток и сезона, началом выполнения дополнительных заказов. Существуют, так называемые, нерегулярные дни это выходные, в том числе праздничные, пред и послепраздничные дни. Они также имеют свои особенности режима ЭП . Примером служит рисунок 4. На рисунке по сравнению с рисунком 4а явно снижен весь график мощности, а также отсутствует составляющая утреннего максимума. СГЭН в части вечерних часов имеет большие значения потребляемой мощности в рабочие дни рисунок 4а, чем в выходные рисунок . Погодные факторы. Погодные факторы оказывают существенное влияние на временной ряд ЭП 5. Это связано с тем, что для получения максимальной производительности человека в тех помещениях, где он находится необходимо иметь нормальные условия микроклимат помещений. Эти условия могут быть обеспечены использованием отопительных приборов, кондиционеров, сплитсистем, осветительных приборов и другой техники. Наиболее влияющим на ЭП фактором в операционной зоне РДУ является температура воздуха. Значительные отклонение температуры воздуха в помещениях от нормальной во многих случаях приводит к большим изменениям ЭП. На СГЭН также оказывают влияние прошлые температуры изменение ЭП с изменение температуры происходи с задержкой от нескольких часов до суток . Например, после череды жарких дней можно наблюдать новый пик ЭП, вызванный загрузкой
Рисунок 4 Г рафик суточной нагрузки на территории операционной зоны Ростовского РДУ а г. К другим погодным факторам, действующим на временной ряд потребляемой мощности, можно отнести влажность особенно в холодных и жарких районах, грозы так как они связаны с изменением температуры, осадки и облачность интенсивность солнечного освещения. В частности изменение освещенности может стать причиной изменения ЭП в отличие от температуры уже в течение часа. Случайные факторы это такие факторы, которые нельзя объяснить действием описанных выше факторов и нельзя предугадать начало иили степень их воздействия на ЭП.