Прогнозування потужності навантаження у Microgrid методом множинної регресії

Основний зміст сторінки статті

Ростислав Сергійович Марченко
к.т.н. доц. Катерина Сергіївна Клен

Анотація

У статті наведено результати прогнозування потужності навантаження у системах Microgrid методом множинної регресії з дальністю прогнозу в одну добу. Розроблено прогнозну модель потужності навантаження за даними навколишнього середовища та наведено алгоритм та скріншоти її програмної реалізації. Представлені добові криві зміни потужності навантаження з дискретністю в одну годину. Наведено погодинні значення даних навколишнього середовища (температури, тиску, вологості). Обрані критерії знаходження подібних днів за даними навколишнього середовища та встановлена допустима відсоткова різниця математичного очікування та дисперсії відповідних даних. Побудовано регресійне рівняння знайдених схожих днів, на основі яких отримано регресійне прогнозне рівняння потужності навантаження на добу наперед. Точність прогнозування оцінюється за допомогою середньої абсолютної похибки MAPE. Наведено алгоритм та результати роботи розробленої програми для прогнозування потужності навантаження на добу наперед.

Блок інформації про статтю

Як цитувати
[1]
Р. С. Марченко і К. С. Клен, «Прогнозування потужності навантаження у Microgrid методом множинної регресії», Мікросист., Електрон. та Акуст., т. 27, вип. 1, с. 236697–1, Квіт 2022.
Розділ
Електронні системи та сигнали

Посилання

“Na sʹohodnishniy denʹ hostro postaye pytannya prohnozuvannya navantazhennya spozhyvachiv [To date, the issue of forecasting the load on consumers is acute].” [Online]. Available: https://ela.kpi.ua/bitstream/123456789/35756/1/Belosvetov_magistr.pdf [Accessed: 17-March-2021].

Zhuikov V. Ya., Lukyanenko L. M., Mikolaiets D. A., Osypenko K. S., Stelyuk A. O., Tereshenko T. O., Yamnenko Yu. S. Improving the efficiency of renewable energy systems. Kyiv: Kafedra, 2018. 368 p. URL: http://eds.kpi.ua/?page_id=7243

“Microgrid poyednuye vidnovlyuvani dzherela enerhiyi, a takozh instrumenty nakopychennya, rezervuvannya ta keruvannya navantazhennyam [Microgrid combines renewable energy sources as well as storage, backup and load management tools],” [Online]. Available: https://www.drawdown.org/solutions/microgrids. [Accessed: 17-March-2021]

“Systemy zhyvlyatʹsya vid vidnovlyuvanykh dzherel enerhiyi, shcho ye pryvablyvym cherez otrymannya dotatsiy ta znyzhok na rozpovsyudzhennya enerhiyi – tak zvanyy «zelenyy taryf» [Systems are powered by renewable energy sources, which is attractive due to subsidies and discounts on energy distribution - the so-called "green tariff"],” [Online]. Available: https://ela.kpi.ua/bitstream/123456789/30930/1/Zhyvohlyad_magistr.pdf [Accessed: 17-March-2021]

“Kompaniyi, yaki zaymayutʹsya elektropostachannyam, zobovʺyazani zvituvaty pro planovyy pohodynnyy hrafik elektrospozhyvannya na dobu napered [Electricity companies are required to report on the planned hourly schedule of electricity consumption for the day in advance],” 2019. [Online]. Available: https://ela.kpi.ua/bitstream/123456789/28917/1/Kramarenko_bakalavr.pdf [Accessed: 19-March-2021]

Jingfei Yang M. Sc. Power System Short-term Load Forecasting: Thesis for Ph.d degree. Germany, Darmstadt, Elektrotechnik und Informationstechnik der Technischen Universitat, 2006. 139 p. URL: http://tuprints.ulb.tu-darmstadt.de/epda/000662/Yangjingfei.pdf

Gheyas I. A., Smith L. S. “A Neural Network Approach to Time Series Forecasting” in Proceedings of the World Congress on Engineering, London, 2009, Vol 2 P. 1292 - 1296. URL: http://iaeng.org/publication/WCE2009/WCE2009_pp1292-1296.pdf

A. S. Palchikov, “Existing methods of forecasting electrical consumption of objects in the metallurgical industry” Modern research and innovation. no. 9. pp. 12–17, 2012. URL: https://web.snauka.ru/issues/2012/09/16877

Yamnenko J., Tereshchenko T. Klepach L., Palii D. "Forecasting of electricity consumption in SmartGrid" in International Conference Modern Electrical and Energy Systems MEES`17 Kremenchuk Mykhailo Ostrohradskyi National University November 15-17, 2017. URL: http://mees.kdu.edu.ua/wpcontent/uploads/2017/11/Program_MEES2017-4.pdf

V. Z. Manusov, E.V. Biryukov “Short-term forecasting electrical load based on fuzzy neural networks and its comparison with other methods” Izv. Tomsk Polytechnic University. no. 6. pp. 153-158, 2006. URL: http://earchive.tpu.ru/bitstream/11683/1345/1/bulletin_tpu-2006-309-6-36.pdf

Simon Haikin. Neural networks. Full course. Second edition. Moscow. 2006. 1150p. URL: https://books.google.ru/books?id=LPMr0iA0muwC&printsec=copyright&hl=ru&source=gbs_pub_info_r#v=onepage&q&f=false.

Wavelets and Their Applications (Ed. R Coifman) Boston: Jones and Barlett Publ., 1992. URL: https://inside.mines.edu/~whereman/talks/UIA-00-Wavelet-Lectures.pdf

Kretov, Ruzanov. “Power consumption forecasting energy sales company using an artificial neural network”. Don Engineering Bulletin. 2015. 9 p. URL: https://cyberleninka.ru/article/n/prognozirovanie-elektropotrebleniya-energosbytovoy-kompanii-s-ispolzovaniem-iskusstvennoy-neyronnoy-seti/viewer

K. S . Klen, V. Ya . Zhuikov. Influence of stochastic nature of energy in distributed generation systems on their stability. - Technical electrodynamics. no. 3, p. 62-68, 2020. DOI: 10.15407/techned2020.03.062

Yaremenko, M.K. і Klen, K.S. 2019. Estimation of wind flow energy level according to accompanying data. Microsystems, Electronics and Acoustics. 24, 2 (April 2019), 56–63. DOI: 10.20535/2523-4455.2019.24.2.160751

Christopher J. Smith, Jamie M. Bright, R. Crook, “Cloud cover effect of clear-sky index distributions and differences between human and automatic cloud observations,” Solar Energy, vol. 144, pp. 10 - 21, 2017. DOI: 10.1016/j.solener.2016.12.055

“Osnovnoyu zadacheyu pry prohnozuvanni potuzhnosti navantazhennya ye znakhodzhennya pohodynnoho znachennya potuzhnosti na osnovi danykh navkolyshnʹoho seredovyshcha [The main task in forecasting the load capacity is to find the hourly value of the power based on environmental data],” 2018. [Online]. Available: https://ela.kpi.ua/bitstream/123456789/27883/1/Ponomarenko_magistr.pdf [Accessed: 25-March-2021]

Zueva V. N. Nejrosetevoe prognozirovanie grafikov nagruzki jenergosistemy. Nauchno-metodicheskij jelektronnyj zhurnal Koncept. 2015. Vol. 8. pp. 286-290. URL: https://cyberleninka.ru/article/n/regressionnye-metody-prognozirovaniya-grafika-nagruzki-elektrooborudovaniya

Tymchuk S. A., So models and information technology of decision-making support in management of hybrid power networks: dis. Dr. philos. Sciences: 122 , Kharkiv, 2020. 206 p. URL: https://lpnu.ua/sites/default/files/2020/dissertation/1646/dysertaciyakravchyshyn.pdf

“Rozvytok vidnovlyuvanyx dzherel energiyi [Development of renewable energy sources],” 2017. [Online]. Available: http://energymagazine.com.ua/wp-content/uploads/2017/03/Rozvitok-VDE-v-Ukrai-ni.pdf [Accessed: 20-March-2021].

“Forecasting power consumption based on source information,” Bull. South Ural State Univ. Ser. "Power Eng., vol. 16, no. 2, pp. 59–65, 2016, DOI: 10.14529/power160208.

V. Kalinin, K. Nabatov, A. Shuvalov, and A. Kobelev, “O vozmozhnostiakh ispolzovaniia alternativnykh istochnikov energii [About the possibilities of using alternative energy sources],” Vestn. TGTU, vol. 9, pp. 450–456, 2003, URL: http://vestnik.tstu.ru/rus/t_9/pdf/9_3_010.pdf

J. Yamnenko, T. Tereshchenko, L. Klepach, D. Palii, “Forecasting of electricity consumption in SmartGrid.,” Proceedings of the International Conference on Modern Electrical and Energy Systems, Kremenchuk, 2017. URL: http://www.tech.vernadskyjournals.in.ua/journals/2018/4_2018/part_1/9.pdf

S. Soliman, Electrical load forecasting: modeling and model construction. Burlington Butterworth-Heinemann, 2016. ISBN: 9780123815446 URL: https://www.elsevier.com/books/electrical-load-forecasting/soliman/978-0-12-381543-9 DOI: 10.1016/C2009-0-60996-X

“Chym bilʹshe sposterezhenʹ, tym tochnishoyu bude model [The more observations, the more accurate the model will be],” 2017. [Online]. Available: http://elibrary.asu.ru/xmlui/bitstream/handle/asu/3710/vkr.pdf?sequence=1&isAllowed=y [Accessed: 22-March-2021].

E. A. Orlov, "Otsinka rezhymiv MicroGrid na bazi rehresiynoho analizu[Estimation of MicroGrid modes on the basis of the regression analysis]," Kiev, 2018. pp. 117. URL: https://ela.kpi.ua/bitstream/123456789/25612/1/Orlov_magistr.pdf

“Otsinka tochnosti prohnozovanoyi modeli [Estimation of accuracy of the forecasted model],” 2018. [Online]. Available: https://studfile.net/preview/7438378/ [Accessed: 22-March-2021].

Zueva V. N., Nikitina Ju. Ju. “Analiz metodov prognozirovanija grafikov nagruzki jelektrooborudovanija”. in Sbornik dokladov pobeditelej i laureatov XXII studencheskoj nauchnoj konferencii AMTI 2016. pp. 119-122. URL: http://ej.kubagro.ru/2017/08/pdf/107.pdf

“Pohodynni znachennya parametriv navkolyshnʹoho seredovyshcha [Hourly values of environmental parameters].” [Online]. Available: https://www.worldweatheronline.com/. [Accessed: 26-March-2021].

Kateryna Osypenko, Prediction and approximation of the primary energy flow: Wroclaw, 2018, URL: http://gpw.pwr.edu.pl/lista_referatow/

E. Elyseeva and M. Yuzbashev, Obshhaya teoryya statystyky [General theory of statistics], 3rd ed. Moscow: Fynansy y statystyka, 2008, ISBN: 5279018333

A. Saveleva and N. Chernenko, “Proverka znachimosti dlya koefficienta korrelyacii [Significance test for correlation coefficient],” 2018. [Online]. Available: https://www.eduherald.ru/ru/article/view?id=18221. [Accessed: 27-March-2021].

“Korrelyaciya [Correlation].” [Online]. Available: http://www.williamspublishing.com/PDF/5-8459-0710-1/part.pdf. [Accessed: 27-March-2021].

“Koeficiyent korelyaciyi Pirsona [Pearson correlation coefficient]. URL: https://uk.wikipedia.org/wiki/%D0%9A%D0%BE%D0%B5%D1%84%D1%96%D1%86%D1%96%D1%94%D0%BD%D1%82_%D0%BA%D0%BE%D1%80%D0%B5%D0%BB%D1%8F%D1%86%D1%96%D1%97_%D0%9F%D1%96%D1%80%D1%81%D0%BE%D0%BD%D0%B0 [Accessed: 27-March-2021].

Yaremenko, M.K. і Klen, K.S. “Otsinka rivnya enerhiyi vitrovoho potoku za suprovidnymy danymy [Estimation of wind flow energy level according to accompanying data],” Microsystems, Electronics and Acoustics. 24, 2 (April 2019), 56–63. DOI: 10.20535/2523-4455.2019.24.2.160751

“Bahatofaktorna rehresiya [Multifactor regression],” [Online]. Available: https://ignorik.ru/docs/bagatofaktorna-regresiya-1-sutniste-bagatofaktornoyi-regre.html [Accessed: 20-March-2021].

K. Klen, V. Martynyuk, M. Yaremenko. “Prediction of the wind speed change function by linear regression method” Computational problems of electrical engineering. Vol. 9, no. 2, pp. 28-33, 2019. URL: http://science.lpnu.ua/jcpee/all-volumes-and-issues/volume-9-number-2-2019/prediction-wind-speed-change-function-linear.

“MAPE – srednyaya absolyutnaya pokhybka [MAPE is the average absolute error],” [Online]. https://4analytics.ru/metodi-analiza/mape-srednyaya-absolyutnaya-oshibka-praktika-primeneniya.html [Accessed: 28-March-2021].

Batey, P. and Friedrich, P. "Regional Competition", Springer, New York, USA, 2000. [Online]. Available: https://books.google.com.ua/books?id=OSAPCQAAQBAJ&pg=PA183&lpg=PA183&dq=MAPE+20%25&source=bl&ots=053SpFI2vj&sig=VdrNSnN1h9EzniH6e1G5V8KQj2M&hl=uk&sa=X&ved=0CE8Q6AEwBmoVChMIrNCRw_uwyAIVQaZyCh3PaAto#v=onepage&q=MAPE%2020%25&f=false [Accessed: 28-March-2021].

Статті цього автора (авторів), які найбільше читають