search query: @keyword load forecasting / total: 4
reference: 3 / 4
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 CentreIn 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
Opening a thesis
Reading the thesis
Printing the thesis
|
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
INSSI