CC BY
17
УДК 621.311
А.С. Грицай, A.S. Gritsay, e-mail: [email protected] Омский государственный технический университет, г. Омск, Россия Omsk State Technical University, Omsk, Russia
УСОВЕРШЕНСТВОВАННАЯ МЕТОДИКА ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭНЕРГООБЪЕДИНЕНИЯМИ НА ОСНОВЕ РЕТРОСПЕКТИВНЫХ ДАННЫХ
THE METHOD OF PREDICTING POWER CONSUMPTION OF POWER SYSTEMS BASED ON HISTORICAL DATA
Исследуется метод прогнозирования электропотребления на основе искусственного аппарата нейронных сетей. Данный метод применим для прогнозирования электропотребления субъектами ОРЭМ.
We investigate the method of predicting energy consumption based on artificial neural networks unit. This method is applicable for forecasting electricity wholesale market subjects.
Ключевые слова: прогнозирование электропотребления, нейронные сети
Reywords: system management electricity load, artificial neural networks
Вопросы, связанные с актуальностью прогнозирования электропотребления уже были освещены в [1]. При этом, при прогнозировании электропотребления помимо входной информации об электропотреблении использовались дополнительные параметры: температура, освещенность, долгота дня и т.д. К сожалению, в энергообъединениях не всегда имеется ретроспективная информация о дополнительных характеристических параметрах. В не зависимости от этого, иногда возникает необходимость в построении прогнозной модели на основе только ретроспективных данных о потреблении. Существующие математические модели, основанные на регрессии и корреляции параметров, дают большую погрешность прогнозирования в размере 7-12 %.
В источниках [2] уже предлагались те или иные методы, позволяющие сократить ошибку при прогнозировании электропотребления. Построение архитектуры сети, с использованием критерия «оптимальности», описано в [3].
Для исключения всех вышеописанных недостатков предлагается модифицировать метод прогнозирования (1), который используется при получении прогнозов системным оператором США (штат Калифорния)[4]. Модификация связана в первую очередь с корректировкой выходных результатов на среднюю величину отклонения прогнозных значений от фактических величин на глубине прогноза Xt-30, где Xt - Детерминированная (сезонная) составляющая электропотребления за время t, 20 - количество дней на в предыстории, за которые необходимо сделать прогноз.
(1)
где T = 168
часов, D =
24 часа,
N=4 (5), количество недель,
M=7, количество дней в неделе.
6
Динамика систем, механизмов и машин, № 2, 2014
При этом прогнозное значение электропотребления можно получить, зная остаточную составляющую по формуле:
где Хг —детерменированная (сезонная составляющая);
Жг остаточная составляющая.
Предлагается компоненту исходной составляющую рассчитать на ретроспективных данных электропотребления и скорректировать значение сезонной составляющей на её величину. Таким образом, алгоритм, минимизирующий ошибку прогноза может быть представлен следующим образом:
1. В соответствии с (1) находится детерминированная компонента на исходной выборке данных.
2. Такая же компонента находится на ретроспективных данных с глубиной погружения Т = 20 дней.
3. Вычисляется среднее отклонение фактических данных от прогнозных величин детерминированной компоненты для каждого интервала времени X., а1шТ =
где |Т1Г-средняя ошибка прогноза интервала от 1 до Т.
4. Полученный результат прогноза детерминированной компоненты фактических величин корректируется на значение иг т
Прогноз на 08.12.2009 Средняя ошибка прогноза 2,87%
Прогноз на 10.12.2009 Средняя ошибка прогноза 1,68%
Рис. 1. Результат работы метода
Библиографический список
1. Иноземцева А.А. О международном опыте функционирования розничных рынков электроэнергии // Энергорынок. - 2010. - № 7. - С. 27.
2. Потапов В.И. Математические подели и методы оптимизации надежности отказоустойчивых вычислительных систем из искусственных нейронных сетей / В.И. Потапов, И В. Потапов. - Омск : ОмГТУ, 2003 - 219 с.
3. Макоклюев Б.И. Анализ и планирование электропотребления. - М. : Энергоатомиз-дат, 2008 - 295 с.
4. Modeling and forecasting electricity loads: a comparison URL: www.im.pwr.wroc.pl/~hugo/publ/RWeronMisiorek04_EEM04_z_logo.pdf (дата обращения: 0.06.2014)
