Перейти до вмісту
Мікросистеми, Електроніка та Акустика
ISSN 2523-4447 · e‑ISSN 2523-4455 Відкритий доступ · CC BY-SA 4.0
Т. 27 · № 1 · 2022 кві 29, 2022 Електронні системи та сигнали

Прогнозування потужності навантаження у Microgrid методом множинної регресії

РМ
Ростислав Сергійович Марченко Відповідальний Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»,National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute” Україна
КК
Катерина Сергіївна Клен Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського»,National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute” Україна
Сторінки236697-1-236697-7 Опублікованокві 29, 2022
PDF
ТОМ 27 · № 1 · 2022 Переглянути випуск

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.

Ключові слова

#прогнозування навантаження #регресійний аналіз #кореляція #Microgrid #системи розосередженої генерації

Посилання

  1. “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].
  2. 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
  3. “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]
  4. “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]
  5. “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]
  6. 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
  7. 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
  8. 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
  9. 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 DOI: https://doi.org/10.1109/MEES.2017.8248891
  10. 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
  11. 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 .
  12. 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
  13. 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
  14. 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
  15. 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
  16. 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
  17. “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]
  18. 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
  19. 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
  20. “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].
  21. “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.
  22. 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
  23. 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
  24. 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
  25. “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].
  26. 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
  27. “Otsinka tochnosti prohnozovanoyi modeli [Estimation of accuracy of the forecasted model],” 2018. [Online]. Available: https://studfile.net/preview/7438378/ [Accessed: 22-March-2021].
  28. 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
  29. “Pohodynni znachennya parametriv navkolyshnʹoho seredovyshcha [Hourly values of environmental parameters].” [Online]. Available: https://www.worldweatheronline.com/ . [Accessed: 26-March-2021].
  30. Kateryna Osypenko, Prediction and approximation of the primary energy flow: Wroclaw, 2018, URL: http://gpw.pwr.edu.pl/lista_referatow/
  31. E. Elyseeva and M. Yuzbashev, Obshhaya teoryya statystyky [General theory of statistics], 3rd ed. Moscow: Fynansy y statystyka, 2008, ISBN: 5279018333
  32. 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].
  33. “Korrelyaciya [Correlation].” [Online]. Available: http://www.williamspublishing.com/PDF/5-8459-0710-1/part.pdf . [Accessed: 27-March-2021].
  34. “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].
  35. 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
  36. “Bahatofaktorna rehresiya [Multifactor regression],” [Online]. Available: https://ignorik.ru/docs/bagatofaktorna-regresiya-1-sutniste-bagatofaktornoyi-regre.html [Accessed: 20-March-2021].
  37. 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 .
  38. “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].
  39. 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].
§ 06 — Пов'язані

Схожі статті в цьому журналі

Пов'язані рецензовані дослідження, опубліковані в цьому журналі.
Усі випуски

Квазістатична ідентифікація структури затінення сонячних панелей за методом векторів кардинальних чисел

PhD, доц. Олена Олегівна Абакумова, д-р техн. наук, проф. Валерій Якович Жуйков, Микола О. Лук'янов

У статті розглянуто проблему ідентифікації структури затінення сонячних панелей. Актуальність дослідження зумовлена необхідністю швидкої та адекватної реконфігурації…

#Сонячні панелі #Фотоелектрична поверхня #Моделювання структури тіней #Квазістатична ідентифікація
с. 362283.1-362283.7
10.20535/2523-4455.mea.362283

Комплексний метод виділення неінвазивного сигналу фетальної електрокардіограми та класифікації серцевих аритмій

Дмитро А. Шевчук, канд. техн. наук, доц. Наталія Георгіївна Іванушкіна

Стаття присвячена розробці комплексного методу виділення фетального електрокардіосигналу (ФЕКГ) з неінвазивних абдомінальних записів та подальшої автоматизованої…

#абдомінальні електрокардіограми #фетальна електрокардіограма #аритмія #сліпе розділення джерел
с. 356487.1-356487.11
10.20535/2523-4455.mea.356487

Імітаційне моделювання фільтро-компенсаційного перетворювача для трифазної трипровідної мережі

Іван Андрійович Вакуленко, канд. техн. наук, доц. Дмитро Анатолійович Миколаєць, канд. техн. наук, доц. Катерина Сергіївна Клен

У цій статті розглядається критична проблема погіршення якості електроенергії в сучасних енергосистемах, спричинена поширенням нелінійних навантажень. Такі навантаження…

#фільтр-компенсаційний перетворювач #трифазна трипровідна мережа #якість електроенергії #повне гармонійне спотворення
с. 361138.1-361138.6
10.20535/2523-4455.mea.361138

Статті цього автора (цих авторів), які найбільше читають

Схожі статті

1-10 з 95

Ви також можете розпочати розширений пошук схожих статей для цієї статті.