ИССЛЕДОВАНИЕ ПОВЕДЕНИЯ МОДЕЛЕЙ, ИСПОЛЬЗУЕМЫХ ДЛЯ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ
3 сентября 2010Кузин П.А., Суворов А.А.
Уральский государственный технический университет – УПИ,
Россия, г. Екатеринбург, ул. Мира, 19
Прогнозирование потребления электрической энергии имеет большое значение как в задачах долгосрочного (от месяца до года вперёд) и краткосрочного (от суток до месяца вперёд) планирования, так и для оперативного управления режимами энергосистем. С переходом отрасли на конкурентную основу значительно возрос интерес к методам, позволяющим получать прогнозы потребления на различных интервалах упреждения и учитывать колебания стоимости производства электроэнергии. Этот интерес является след-
ствием потребности в максимизации экономической эффективности.
В таких условиях основным требованием, предъявляемым к прогнозированию, является обеспечение приемлемой точности получаемых прогнозов. Приведённые в [1] результаты оценочных расчётов, проведённых для энергосистем России, показывают, что даже небольшое (порядка 0,1 %) увеличение точности прогнозирования приводит к значительной экономии средств участников рынка.
Наиболее важным этапом в задачах прогнозирования является выбор адекватной реальному процессу математической модели. В случае с потреблением электроэнергии мы имеем дело со сложным нестационарным процессом, имеющим несколько уровней сезонности (регулярных колебаний) и содержащим нерегулярные и случайные составляющие, обусловленные, например, погодными и социальными факторами, оказывающими заметное влияние на уровень потребления.
Известные методы прогнозирования электропотребления можно разделить на следующие основные группы, использующие:
• одномерные модели (модели, использующие множественную авторегрессиию, динамические линейные и нелинейные модели и др.);
• причинно-следственные модели (регрессионные модели, модели осуществляющие декомпозицию нагрузки на составляющие и др.);
• средства искусственного интеллекта (экспертные системы, модели на базе нечёткой логики, искусственные нейронные сети).
О качестве выбранной модели можно судить, в частности, по тому, насколько устойчивыми получаются построенные на её основе зависимости.