Energiankulutuksen ennustusmallien kehittäminen sähkölaitoksessa
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2005
Major/Subject
Sovellettu matematiikka
Mcode
Mat-2
Degree programme
Language
fi
Pages
100
Series
Abstract
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.Description
Supervisor
Salo, AhtiThesis advisor
Joronen, JukkaKeywords
load forecasting, sähkönkulutuksen ennustaminen, generalised least squares, kaukolämmön kulutuksen ennustaminen, yleistetty lineaarinen regressio