Застосування дискретних макромоделей для прогнозування енергоспоживання об'єктів електроенергетичних систем

1
Національний університет «Львівська політехніка»
2
Національний університет «Львівська політехніка»
3
Національний університет «Львівська політехніка»

Запропоновано метод прогнозування добового та річного споживання електроенергії визначених об'єктів з використанням дискретних макромоделей, який дозволяє оцінювати динаміку споживання електричної енергії у майбутньому на основі відомих попередніх даних. Описано процедуру побудови моделі на основі дискретних автономних макромоделей у вигляді "чорної скриньки" для прогнозування енергоспоживання з використанням еволюційного підходу для конкретних об'єктів. Побудовано дискретну автономну макромодель річного енергоспоживання реального об’'єкту за один рік як перевірку запропонованого підходу. Оцінено ефективність використання апарату дискретних рівнянь стану для прогнозування енергоспоживання об’єктів енергетики.

  1. Yu. Kozak, Modification of the Rastrigin’s director cone method, Elektronika i sviaz. Special issue on Problems of Physical and Biomedical Electronics, p. 424, 1997.
  2. E. Salinelli and F. Tomarelli, Discrete Dynamical Models, Basel, Switzerland: Springer International Pub­lishing, 2014.
  3. P. Stakhiv and O. Hoholyuk, Accelerated calcu­lation of transient processes using discrete macromodels of components on example of electric power systems, Tekhnichna elektrodynamika. Special issue on Problems of Modern Electrical Engineering, Kyiv, Part 7, pp. 17–21, 2008. (Ukrainian)
  4. P. Chernenko and O. Martynyuk, Enhancing the Effectiveness of Short-Term Forecasting of Electric Load of United Power System, Tekhnichna elektro­dynamika, no. 1, pp. 63-70, 2012. (Ukrainian)
  5. S. Huang, Short-term load forecasting using thres­hold autoregressive models, IEE Proceedings on Gene­ration, Transmission and Distribution, vol. 144, no. 5, pp. 477-481, 1997.
  6. G. Shumilova, N. Gotman, and T. Startseva, Fore­casting of electric loading using artificial intelligence techniques http://www.energy.komisc.ru/seminar/StShum1.pdf
  7. D. Infield and D. Hill, Optimal smoothing for trend removal in short term electricity demand forecasting, IEEE Trans. on PAS, vol.13. no. 3, pp. 1115 - 1120, 1998.
  8. A. Singh, I. Khatoon, and Md. Muazzam, An Over­view of Electricity Demand Forecasting Techniques, in Proc. National Conf. on Emerging Trends in Electrical, Instrumentation & Communication Engineering, vol. 3, no. 3, pp. 38-45, 2013.