Short-Term Load Forecasting 2019
Krótkoterminowe prognozowanie obciążenia (STLF) odgrywa kluczową rolę w formułowaniu ekonomicznych, niezawodnych i bezpiecznych strategii operacyjnych (m.in. planowanie, harmonogramowanie, konserwacja i procesy kontrolne) dla systemu elektroenergetycznego i będzie miało duże znaczenie w przyszłości.
Wciąż jednak pozostaje wiele do zrobienia w tych obszarach badawczych. Wdrożenie technologii wspomagających (np. inteligentnych liczników) sprawiło, że dane o wysokiej ziarnistości stały się dostępne dla wielu segmentów klientów i pozwoliły podejść do wielu kwestii, na przykład, aby zadania prognozowania były wykonalne na kilku poziomach agregacji popytu.
Pierwszym wyzwaniem jest poprawa modeli STLF i ich wydajności na nowych poziomach agregacji. Co więcej, mieszanka odnawialnych źródeł energii w systemie elektroenergetycznym oraz konieczność uwzględnienia większej elastyczności poprzez inicjatywy reagowania na popyt wprowadziły większą niepewność, co oznacza nowe wyzwania dla STLF w bardziej dynamicznym systemie elektroenergetycznym w horyzoncie 2030-50.
Zaproponowano i zastosowano wiele technik dla STLF, w tym tradycyjne modele statystyczne i techniki sztucznej inteligencji. Ponadto, potrzeby w zakresie planowania dystrybucji, a także modernizacja sieci, zainicjowały rozwój hierarchicznego prognozowania obciążenia.
Analogicznie, potrzeba zmierzenia się z nowymi źródłami niepewności w systemie elektroenergetycznym nadaje większe znaczenie probabilistycznemu prognozowaniu obciążenia. Niniejszy numer specjalny poświęcony jest zarówno badaniom podstawowym, jak i praktycznym zastosowaniom metodologii STLF w celu sprostania wyzwaniom bardziej rozproszonego i skoncentrowanego na kliencie systemu elektroenergetycznego.
© Book1 Group - wszelkie prawa zastrzeżone.
Zawartość tej strony nie może być kopiowana ani wykorzystywana w całości lub w części bez pisemnej zgody właściciela.
Ostatnia aktualizacja: 2024.11.13 21:45 (GMT)