(Dr. Sci. (Techn.)), Professor
(д.т.н.), профессор кафедры «Электрическая техника»
Senior Lecture
старший преподаватель кафедры «Информатика и вычислительная техника»
Associate Professor
доцент кафедры «Информатика и вычислительная техника»
Head of Department
начальник управления по работе на рынках электроэнергии и мощности
Relevance of the work due to the demand of the wholesale electricity and capacity market participants on ways to build short-term forecasts of electricity consumption in order to improve the quality and accuracy of the predictive model. The method of approximation of electricity daily schedule using sinusoidal function of approximation separately for day and night cycles of electricity. The possibility of applying one of the known approximation techniques for smoothing the points of join two sine functions describing the cycles of day and night electricity. The proposed method is applicable to entities with a view to approximating historical data on power consumption, the selection of the coefficients of the approximating function - period and amplitude for the possibility of its extension to the interval up to 24 hours. Currently, there are many methods to build short-term forecasts based on statistical and factual, expert and multi-factor models, however, they are not always acceptable, since most of the consumers is not transmitting hourly data of power consumption, at the same time, energy sales company operates the system operator data (JSC System operator of the Unified energy system), which have a limited set of parameters. This method can be applied not only to energy sales company, but also an industrial enterprise, where day and night electricity cycles have distinct differences. In this case, it is necessary to choose the coefficients of the approximating function - the amplitude and frequency of the proposed method. To construct a computational model used analytical Rapidminer system. These results were obtained using historical data electricity LLC "Omsk Energy Retail Company", where a significant proportion - 75 % of the total electricity consumption business and 25 % individual customers.
Актуальность работы обусловлена спросом субъектов оптового рынка электроэнергии и мощности (ОРЭМ) на способы построения краткосрочных прогнозов электропотребления с целью повышения качества и точности прогностической модели. Рассматривается метод аппроксимации суточного графика электропотребления с использованием синусоидальной функции аппроксимации в отдельности для дневного и ночного циклов электропотребления. Анализируется возможность применения одного из известных методов аппроксимации для сглаживания точек соединения синусоидальных функций, описывающих ночной и дневной циклы электропотребления. Предложенный способ применим для субъектов ОРЭМ с целью аппроксимации ретроспективных данных электропотребления, подбора коэффициентов аппроксимирующей функции - периода и амплитуды для осуществления возможности ее продления на интервал до 24 часов. В настоящее время существует большое количество методов для построения краткосрочных прогнозов, основанных на статистических и фактографических, экспертных и многофакторный моделях, однако они не всегда практически применимы, поскольку большая часть потребителей не осуществляет передачу почасовых данных электропотребления; при этом энергосбытовая компания оперирует данными системного оператора (АО «Системный оператор Единой энергетической системы»), которые используют ограниченный набор параметров. Предлагаемой метод прогноза может быть применен не только энергосбытовой компанией, но и промышленным предприятием, где дневной и ночной циклы электропотребления имеют четко выраженные отличия. При этом необходимо подобрать параметры аппроксимирующей функции предложенным способом. Для построения расчетной модели использовалась аналитическая система Rapidminer. Представленные результаты были получены с использованием ретроспективных данных электропотребления ООО «Омская энергосбытовая компания», где значительную долю - 75 % объема электропотребления - составляют юридические лица и 25 % - физические потребители.