ЦЕЛИ И ЗАДАЧИ ПРОГНОЗИРОВАНИЯ ДЛЯ СЕТЕВОЙ ОРГАНИЗАЦИИ

Для обеспечения резерва мощности, транспортировки и перераспределения электроэнергии критически важным является прогнозирование объемов потребления электроэнергии конечными потребителями.

Как сетевые, так и генерирующие организации сталкиваются с задачей расчета необходимой нагрузки сетей и энергетических блоков, на которую влияют различные возмущающие факторы: погода, климат, географическое положение, время года, время суток и экономические факторы. Компании стремятся извлечь максимум информации из имеющихся данных для составления прогноза энергопотребления. Такой прогноз снижает риски при принятии решений.

Прогнозирование энергопотребления включает несколько этапов: проведение графического или описательного анализа имеющейся исходной информации; изучение полученных временных рядов данных; выбор методов прогнозирования и построение моделей с учетом влияния внешних факторов; оценка полученных прогнозных значений.

Потребление электроэнергии имеет циклические, специфические и случайные составляющие.

Примерно 70-80% всех изменений обусловлены циклическими тенденциями.

Также одним из изучаемых факторов является сложность функционального характера.

К таким закономерностям относятся отклонения, объясняемые относительно известными факторами, специфичными для каждого предприятия.

Третьей составляющей прогноза являются случайные изменения, которые при прогнозировании носят вероятностный характер.

В зависимости от периода, на который планируется потребление энергии, прогнозы делятся на оперативные (онлайн) и неоперативные (офлайн). Согласно современной терминологии, в литературе по прогнозированию и управлению в энергетике используется следующая классификация интервалов прогнозирования: оперативный прогноз – от нескольких минут до нескольких часов; краткосрочный – от одного дня до десяти; среднесрочный – от месяца до нескольких месяцев; долгосрочный – от одного до пяти лет; перспективный – на несколько лет и более.

Статистические методы прогнозирования являются наиболее распространенными и эффективными. Основой для составления прогноза служат ретроспективные данные о нагрузке, накопленные за несколько предыдущих лет и имеющие определенную тенденцию. Прогноз – это экстраполяция всех зависимостей на следующий год.

Перспективными методами прогнозирования следует считать методы искусственного интеллекта. Нейронные сети при достаточно большом числе обучающих выборок (белее 10000), которые легко могут быть сформированы на основе имеющихся за прошлые годы суточных графиков потребления электроэнергии, позволяют получить прогнозы с точностью не более (2-3)%. Однако они требуют мощных вычислительных средств и большого времени подготовки исходных данных и обучения сети.

Прогнозирование потребления энергии позволяет снизить риски при принятии решений.

Для прогнозирования потребления энергии необходимо пройти ряд этапов: провести графический или описательный анализ имеющейся исходной информации; изучить полученные временные ряды информации; выбрать методы прогнозирования и составить прогнозные модели с учетом влияния внешних факторов; оценить полученные прогнозные значения.