Search academic texts

Information × Registration Number 0824U002814, PhD dissertation Status Доктор філософії Date 11-09-2024 popup.evolution o Title Short-term Forecasting of Electricity Imbalances in the Integrated Power System of Ukraine Author Viktoriia Sychova, popup.head Ihor Blinov popup.opponent Mykola Kuznietsov popup.opponent Oleksandr Zgurovets popup.review Tugay Yuriy popup.review Steliuk Anton Description Необхідність розв'язання задач прогнозування в енергетичній системі України зумовлена сучасним станом та перспективами розвитку Об'єднаної енергетичної системи (ОЕС) України та ринку електроенергії. Балансуючий ринок є ключовим для забезпечення стабільності та надійності функціонування ОЕС України, оскільки на ньому здійснюється балансування виробництва та споживання електроенергії через конкурентні механізми ціноутворення. Руйнування енергетичної інфраструктури, збільшення частки відновлюваних джерел енергії та неточності у прогнозуванні споживання призводять до небалансів електроенергії в ОЕС України. Це робить актуальними задачі короткострокового прогнозування сумарних небалансів електроенергії та споживання, що підвищує ефективність вибору ресурсів для покриття споживання та балансування ОЕС. У роботі проведено дослідження та запропоновано нові моделі і методи прогнозування сумарного електричного навантаження та небалансів в ОЕС України. Комплексний підхід забезпечив всебічний розгляд задачі прогнозування небалансів, враховуючи підвищення точності прогнозування, зменшення обсягів небалансів та планування дій щодо їх покриття. Аналіз літератури показав, що моделі часто не враховують зовнішні фактори, такі як температура повітря. Вітчизняні дослідження майже не розглядають прогнозування небалансів електроенергії та попиту на балансуючі послуги, що є новими задачами після впровадження нової моделі ринку електроенергії України. У роботі обґрунтовано необхідність багатофакторного прогнозування для підвищення точності короткострокового прогнозування добових графіків електричного навантаження. Запропоновано декомпозиційну парадигму, яка адекватно враховує вплив зовнішніх чинників. Робота пропонує кілька емпіричних підходів до декомпозиції часових рядів електричного навантаження. Для підвищення надійності виділення температурної складової електричного навантаження запропоновано метод визначення меж «зони нечутливості» електричного навантаження до температури повітря з використанням перетворення Гільберта-Хуанга для декомпозиції часових рядів. Для прогнозування сумарного електричного навантаження застосовано різні методи: регресійні, метод Холта-Вінтерса, штучну нейронну мережу LSTM. Розроблено гібридну модель для короткострокового прогнозування електричного навантаження, в якій рекурентна ШНМ LSTM використана для прогнозування базової складової, а поліноміальні регресійні залежності для кожного годинного профілю – для складової, що відображає вплив температури. Цей підхід підвищив точність короткострокового прогнозування сумарного електричного навантаження в середньому на 25%. Третій розділ роботи присвячено детальному статистичному аналізу вибірок небалансів електричної енергії та обсягу попиту на послугу балансування в Україні. Дослідження показало нестаціонарність та високу варіативність цих вибірок, виявивши, що вибірки небалансів електроенергії в основному підпорядковані закону розподілу Пуассона. Було відхилено гіпотези про нормальний та рівномірний розподіли для обох вибірок. Для прогнозування сумарних небалансів електроенергії запропоновано використання авторегресійних моделей та моделі штучної нейронної мережі типу LSTM. Для прогнозування обсягу попиту на послугу балансування, який позбавлений явних закономірностей, запропоновано використання ймовірнісних ШНМ, зокрема баєсових мереж (BNN) та генеративно-змагальних нейронних мереж (GAN). Моделі BNN дозволяють оцінити максимальні відхилення обсягу попиту від прогнозованого значення з заданою ймовірністю, а моделі GAN ефективні при роботі з асиметричними розподілами та складною структурою даних. Застосування цих моделей підвищує точність прогнозування обсягу попиту на послугу балансування. У четвертому розділі аналізуються результати випробовування розроблених моделей для прогнозування небалансів електроенергії та обсягу попиту на послугу балансування. Досягнуто задовільних результатів прогнозування сумарних небалансів електроенергії ОЕС України за допомогою авторегресійних моделей ARIMA та VARMA, які використовуються через високу автокореляцію вибірок. Дослідження підтвердили доцільність побудови однофакторних моделей. Для підвищення точності прогнозування небалансів електроенергії запропоновано застосування штучної нейронної мережі LSTM. Проведено модифікації моделі, зокрема додано компонент для автоматичного вибору гіперпараметрів. Це спростило налаштування моделі та покращило точність прогнозування. Також випробувано ансамблі моделей LSTM з різними значеннями довжини вікна, які підбирають оптимальні гіперпараметри. Результати ансамблю, обчислені як середнє арифметичне прогнозів, підвищили надійність та точність прогнозування. Розроблено застосунки для короткострокового прогнозування добових графіків сумарного електричного навантаження та сумарних небалансів електроенергії на період від однієї до семи діб. Також створено програму для розрахунку цін та тарифів на електроенергію, яка обчислює значення тарифу та вартості залежно від типу закупівлі. Registration Date 2024-07-30 popup.nrat_date 2024-07-30 Close