search query: @keyword load forecasting / total: 4
reference: 3 / 4
« previous | next »
Author:Vuorinen, Matti Sakari
Title:Energiankulutuksen ennustusmallien kehittäminen sähkölaitoksessa
Development of load forecast models in an electrical utility
Publication type:Master's thesis
Publication year:2005
Pages:100      Language:   fin
Department/School:Teknillisen fysiikan ja matematiikan osasto
Main subject:Sovellettu matematiikka   (Mat-2)
Supervisor:Salo, Ahti
Instructor:Joronen, Jukka
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark TF80     | Archive
Keywords:load forecasting
generalised least squares
sähkönkulutuksen ennustaminen
kaukolämmön kulutuksen ennustaminen
yleistetty lineaarinen regressio
Abstract (fin): Nykyaikaiset energianhallintajärjestelmät mahdollistavat aikaresoluutioltaan entistä tarkempien vuosibudjettien laskennan.
Jotta järjestelmän laskentakyvystä saadaan täysi hyöty, pitää laskennan lähtötiedoissa antaa kaukolämmön ja sähkönkulutuksen kulutusennusteet tuntitasolla yhdestä kolmeen vuoteen eteenpäin.

Tässä työssä esitetään sekä kaukolämmön että sähkönkulutuksen ennustamiseen sopivat lineaariset mallit, jotka perustuvat oletukseen energiankulutuksen taustalla vaikuttavasta vuorokausirytmistä.
Mallien teoreettisessa tarkastelussa keskitytään kahteen mallien käyttöarvoa parantavaan asiaan.
Ensinnäkin työssä esitetään yleistettyyn lineaariseen regressioon perustuvat sovitus- ja rekursiivinen päivitysalgoritmi, jotka varmistavat mallien adaptoitavuuden vapautuneiden energiamarkkinoiden vallitessa tapahtuviin nopeisiin muutoksiin asiakasmäärissä.
Toiseksi työssä esitetään algoritmi, joka mahdollistaa erilaisten epä- ja yhtälörajoitusten käytön mallin kertoimien ratkaisemisessa.
Näiden rajoitusten avulla voidaan mallille antaa lisäinformaatiota esimerkiksi kuukausittaisten energiankulutusrajoitusten muodossa.

Mallien sovittamisesta saadut tulokset ovat selitysasteiden valossa erittäin positiivisia.
Molemmat energiasuureet riippuvat voimakkaasti lämpötilasta.
Kaukolämmön osalta kulutusta voidaan selittää ulkolämpötilan lisäksi kahdella erilaisella vuorokausiselittäjällä.
Sähkönkulutuksessa paras malli sisältää kolme erilaista vuorokausiprofiilia.
Molempien ennustusmallien kohdalla voimakas lämpötilariippuvuus on paitsi vahvuus myös mallien ongelmakohta.
Varsinaisten tulevaisuutta koskevien ennusteiden tarkkuus on enintään yhtä hyvä kuin käytössä oleva lämpötilaennuste.
Useamman vuoden päähän ulottuvissa ennusteissa pitää siis käyttää geneeristä lämpötilaa, esimerkiksi lämpötilan historiatietoon perustuvaa keskiarvokäyrää tai kuukausittaisista lämpötilajakaumista generoituja lämpökäyriä.

Työssä kehitettyjen mallien paras anti on lisäinformaation tuottaminen päätöksentekijälle.
Mallien avulla voidaan paitsi laskea vuosibudjetteja myös tehdä herkkyystarkasteluja lämpötilaan liittyvien epävarmuuksien suhteen.
Tällaiset herkkyystarkastelut parantavat riskien hallittavuutta ja lisäksi mallien taustalla oleva matematiikka toimii loogisena pohjana jota voidaan käyttää perusteltaessa erilaisia toimintastrategioita.
ED:2006-06-13
INSSI record number: 31999
+ add basket
« previous | next »
INSSI