14. Savetovanje o elektrodistributivnim mrežama Srbije, sa regionalnim učešćem (2024), Broj rada: R-5.02
АУТОР / AUTHOR(S): Sovjetka Krstonijević, Goran Jakupović, Pavle Lučić
DOI: 10.46793/CIRED24.R-5.02SK
САЖЕТАК / ABSTRACT:
U radu se predlaže unapređenje funkcionalnosti kratkoročne prognoze potrošnje koje uvažava uslove upravljanja u distributivnim sistemima. Postojeći prognostički alati koji su verifikovani u praksi, su, mahom, namenjeni centralizovanom upravljanju, značajno, razvijani za konkretnu potrošnju u prenosnom sistemu. Za funkcionalnost prognoziranja koja je karakteristična za distributivne sisteme, namenjene radu sa više potrošnji i za različite podoblasti sistema, ova generacija alata je neadekvatna i zahteva dalja unapređenja ili uvođenje novih pristupa. Ključni razlog je u heterogenosti profila potrošnje za različite oblasti sistema, usled različitih osnovnih faktora potrošnje (meteorologije, tipa i broja potrošača itd.), za koje se, postojećim alatima ne može postići zadovoljavajuća tačnost prognoze. Takođe, promene osnovnih faktora potrošnje u vremenu, nameću potrebu dinamičkog prilagođavanja prognostičkog modela, pogotovo, u prisustvu distribuiranih obnovljivih izvora, uticaja tržišta električne energije, te programa upravljanja potrošnjom (DSM) i odziva potrošnje (DR). AutoSTLF aplikacija, koja je opisana u radu, je razvijana sa ciljem povećanja fleksibilnosti i adaptibilnosti prognoziranja na različite potrošnje i u vremenu. Aplikacija je namenjena kratkoročnoj prognozi potrošnje za proizvoljnu prognostičku oblast, definisanu od strane korisnika. Za testiranje rada aplikacije koriste se otvorene baze podataka za koje se demonstrira način formiranja prognostičke oblasti i meri kvalitet prognoze MAPE greškom. Konačno, dat je predlog softverske realizacije razvijene funkionalnosti u praksi.
КЉУЧНЕ РЕЧИ / KEYWORDS:
kratkoročna prognoza potrošnje električne energije, distributivni sistemi, prediktivni alati
ЛИТЕРАТУРА / REFERENCES:
[1] G. Boyd, SPEN – DSO Vision, 24th International Conference & Exhibition on Electricity Distribution (CIRED), 12-15 June 2017.
[2] Utility analytics in 2017: Aligning data and analytics with business strategy, SAS.
[3] T. -H. Dang-Ha, F. M. Bianchi and R. Olsson, „Local short term electricity load forecasting: Automatic approaches,“ 2017 International Joint Conference on Neural Networks (IJCNN), Anchorage, AK, USA, 2017, 4267-4274, doi: 10.1109/IJCNN.2017.7966396.
[4] T.Hastie, R.Tibshirani, J.Friedman The Elements of Statistical Learning, Data Mining, Inference, and Prediction, Second Edt. Springer Series in Statistics
[5] https://www.ausgrid.com.au/Industry/Our-Research/Data-to-share/Distribution-zone-substation-data
[6] www.wundercound.com
[7] P.Lučić, G. Jakupović, S. Krstonijevič, M. Stojić, N. Čukalevski, „Realizacija programske podrške aplikacije za kratkoročnu prognozu potrošnje u sklopu SCADA/EMS sistema”, CIGRE Srbija,