Prognozowanie zapotrzebowania na energię elektryczną z wykorzystaniem inteligentnych systemów pomiarowych

Widok

Metadane zasobu

Tytuł	Prognozowanie zapotrzebowania na energię elektryczną z wykorzystaniem inteligentnych systemów pomiarowych
Osoby	Autorzy: Krzysztof Gajowniczek Partner: Instytut Badań Systemowych PAN w Warszawie
Opis	Zasadniczym celem prac opisanych w rozprawie doktorskiej było opracowanie skutecznego podejścia do procesu krótkoterminowego prognozowania zapotrzebowania na energię elektryczną z wykorzystaniem inteligentnych systemów pomiarowych. Cel główny pracy zrealizowano przy pomocy sześciu zdefiniowanych celi szczegółowych. Zakres przeprowadzonych badań obejmował m.in.: opracowanie, komputerową implementację oraz optymalizację parametrów, przygotowanych modeli prognostycznych. Dokonano również analizy porównawczej metod, miar i algorytmów wykorzystywanych w pracy. W wyniku przeprowadzonych badań wykryto typowe zachowania gospodarstw domowych (pojedynczych odbiorców, rozdział 2). Odkryte zależności w użytkowaniu określonych urządzeń elektrycznych posłużyły następnie do stworzenia zmiennych objaśniających będących wejściem dla modeli prognostycznych. Skuteczność opracowanych metod prognostycznych dla pojedynczych odbiorców (rozdział 3) sprawdzono dla przypadku zapotrzebowania: • godzinowego z horyzontem prognostycznym wynoszącym 24 godziny, • godzinowego z horyzontem prognostycznym wynoszącym jedną godzinę, • dobowego z horyzontem prognostycznym wynoszącym jeden dzień (agregat 24 zapotrzebowań godzinowych). W oparciu o 10 miar podobieństwa szeregów czasowych oraz hierarchiczny algorytm grupowania danych, gospodarstwa domowe podzielono na jednorodne i rozłączne skupienia (rozdział 4). Następnie, opracowano metody prognostyczne dla agregatu zapotrzebowań pojedynczych odbiorców (agregat populacyjny) oraz dla agregatów zapotrzebowań pojedynczych od-biorców, wchodzących w skład wcześniej wyszczególnionych jednorodnych grup. Skuteczność opracowanych metod prognostycznych (dla wszystkich agregatów) sprawdzono dla horyzontu prognostycznego wynoszącego: • 24 godziny przy zapotrzebowaniu godzinowym, • jedną godzinę przy zapotrzebowaniu godzinowym, • jeden dzień przy zapotrzebowaniu dobowym (agregat 24 zapotrzebowań godzinowych). Ostatecznie, zagregowane wartości prognoz związane z modelami zbudowanymi dla po-szczególnych grup odbiorców indywidualnych (względem wyszczególnionych rodzajów po-działów), porównano z wynikami modelu bazowego zbudowanego dla wszystkich odbiorców (agregat populacyjny). (Polski) Opis w innym języku: Smart metering systems are key components for creating environmental sustainability by managing energy at homes. They are supposed to play an important role in reducing overall energy consumption and increasing energy awareness of the users, through being better in-formed about consumption patterns. Leveraging smart metering to support energy efficiency on the individual user level poses novel research challenges in monitoring usage, providing high granularity information for the end users and accurate electricity load forecasting. Installation of smart meters opens new possibilities for advanced analytics of electricity consumption at the level of the individual household. One of the most important tasks in various Smart Grid appli-cations is the short-term electricity load forecasting applied at different levels, from an individ-ual customer to a whole group of customers. Taking into account the above considerations, the main research goal of the doctoral thesis is to develop an effective approach for the short-term electricity load forecasting based on smart meter data. The scope of the study covers the following items: data preparation, development, computer implementation, optimization of the forecasting models and their parameters. The thesis is divided into three empirical parts. In the first part, the study is aimed to detect the typical behavior of households (individual customers). In the second part, the dependencies between the electrical appliances were discovered and used to create dependent variables (in-puts) for the forecasting models. The effectiveness of the forecasting methods developed for the individual customers were tested for the following electricity demands: • 24 hours forecasting horizon based on hourly data, • one hour forecasting horizon based on hourly data, • one day forecasting horizon (aggregate of the 24 hourly demands) based on daily data. In the third part, based on the time series similarity measures and hierarchical clustering al-gorithm, the households were divided into homogeneous and mutually exclusive clusters. Then, the models for the aggregated demand for the whole population were developed, as well as the models for the aggregated demands for the individual households included in the previously specified homogeneous clusters. The effectiveness of the developed forecasting models (aggre-gated for the whole population and for the specified clusters) were checked for the following forecasting horizons: • 24 hours at the hourly demand, • one hour at hourly demand, • one day at a daily demand (aggregate of the 24 hourly demands). Finally, the aggregated values of the forecasts related to the models built for different groups of individual customers (in relation to specified types of clusters), were compared with the results of the base model built for all customers (aggregate for the whole population). The undertaken research tasks contributed cognitively and helped to confirm of the follow-ing general hypothesis: • Clustering and pattern recognition algorithms can be good tools to identify patterns of user behavior, based on smart metering data. • Electricity demand can be predicted effectively using the models based on advanced machine learning algorithms (compared to the other reference methods). • It is possible to identify disjoint and homogeneous groups of households for which the forecasting will be more accurate than the forecasting applied on the entire population. (Angielski)
Słowa kluczowe	"eksploracja danych"@pl, "Uczenie maszynowe"@pl, "statystyka"@pl, "inteligentne pomiary"@pl, "systemy inteligentne"@pl, "energia elektryczna"@pl
Klasyfikacja	Typ zasobu: praca dyplomowa Dyscyplina naukowa: dziedzina nauk technicznych / informatyka (2011) Grupa docelowa: naukowcy, studenci, przedsiębiorcy Szkodliwe treści: Nie
Charakterystyka	Miejsce powstania: Warszawa Czas powstania: 2016 Liczba stron: 202 Promotor: Wiesław Szczesny Język zasobu: Polski Lokalizacja: Warszawa
Licencja	CC BY-SA 4.0
Informacje techniczne	Deponujący: Justyna Kupczak Data udostępnienia: 16-10-2018
Kolekcje	Kolekcja Instytutu Badań Systemowych PAN w Warszawie, Kolekcja e-Biblio IBS PAN

Cytowanie

Skopiowano

Krzysztof Gajowniczek. Prognozowanie zapotrzebowania na energię elektryczną z wykorzystaniem inteligentnych systemów pomiarowych. [praca dyplomowa] Dostępny w Atlasie Zasobów Otwartej Nauki, . Licencja: CC BY-SA 4.0, https://creativecommons.org/licenses/by-sa/4.0/legalcode.pl. Data dostępu: DD.MM.RRRR.

Podobne zasoby

Inteligentne systemy inwestycyjne w funduszach typu Quant

Piotr Ładyżyński, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / informatyka (2011)

Splunk - konfiguracja, rozpoznawanie i wizualizacja informacji o incydentach i zagrożeniach

Arkadiusz Kotynia, Julia Jancelewicz, Urszula Warmińska, inny dokument, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych / automatyka, elektronika i elektrotechnika (2018)

Predykcja zmienności w modelu Blacka-Scholesa za pomocą modeli rozmytych

Krzysztof Targiel, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / automatyka i robotyka (2011)

Usługa monitorująca rośliny

Marcin Szuster, Paulina Jacykowska, kod źródłowy, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja (2018)

Statystyka świadczeń finansowych dla studentów i doktorantów Politechniki Wrocławskiej w roku akademickim 2017/2018

zbiór, baza danych, Politechnika Wrocławska, Dziedzina nauk inżynieryjno-technicznych (2018)

Problem rozpoznawania wzorców dla zagadnień słabo zrównoważonych

Wojciech Lesiński, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / informatyka (2011)

Zobacz więcej