Адаптивное краткосрочное прогнозирование потребления электроэнергии автономными энергосистемами малых северных поселений на основе методов корреляционного анализа

Abstract

Одной из основных проблем построения энергоэффективных и нересурсоемких систем децентрализованного электроснабжения Арктической зоны и районов Крайнего Севера является прогнозирование потребления электрической энергии малыми северными поселениями. Среди существующих методов, дающих приемлемый по точности результат, можно выделить подходы на базе эконометрического метода ARIMA. Рассмотрен метод на основе разложения Вольда и корреляционных функций стохастического процесса, построена адаптивная модель разностного уравнения, позволяющая прогнозировать процесс энергопотребления активной мощности автономных систем малого поселения на интервале 0-4 часа, за счет сведения стохастического процесса к стационарному Марковскому процессу с короткой памятью. Цель: построение методики краткосрочного прогноза потребления электрической энергии автономными энергосистемами малых северных поселений с учетом специфики энергопотребления в условиях Арктической зоны и Крайнего Севера на основании стохастического ряда данных об электрической энергии, потребленной поселением за предшествующий период. Методы: подход к получению краткосрочного прогноза потребления электроэнергии автономными энергосистемами малых северных поселений, который базируется на эконометрическом методе ARIMA. При этом конструируется разностное уравнение для детерминированной и случайной компонент имеющегося стохастического ряда энергопотребления; используются декомпозиция Вольда и корреляционные функций процесса энергопотребления. Для адаптации модели исследуемый стохастический процесс сводится к Марковскому процессу с короткой памятью. Для этого необходимо использовать разностный оператор, который уменьшает относительный вклад детерминированной составляющей процесса потребления. Результаты. На основе декомпозиции Вольда и корреляционных функций удалось получить модель, дающую краткосрочный прогноз энергопотребления активной мощности на интервал упреждения до 4 часов. Выводы. На основе декомпозиции Вольда и корреляционных функций стохастического процесса авторам работы удалось получить адаптивную модель разностного уравнения, позволяющую прогнозировать процесс энергопотребления активной мощности автономных систем малого поселения с интервалом упреждения в 4 часа. Стационарность случайного процесса производилась с помощью введения разностного оператора первого порядка, позволяющего уменьшить относительный вклад детерминированной составляющей стохастического ряда. Авторам удалось свести процесс к стационарному Марковскому процессу с короткой памятью. Коэффициенты разложения разностного уравнения оценивались с помощью решения нелинейного уравнения, заключающегося в поиске глобального максимума функции правдоподобия. Построенные 90 % вероятностные границы позволяют говорить об удовлетворительной подстройке адаптивных параметров разностного уравнения для прогнозирования системы. Результат моделирования прогноза с упреждением в 4 часа показывает хорошее согласие с экспериментом.

One of the main problems in building energy-efficient and non-resource-intensive decentralized power supply systems in the Arctic zone and regions of the Far North is forecasting the consumption of electrical energy by small northern settlements. Among the existing methods that give an acceptable result in terms of accuracy, one can single out approaches based on the ARIMA econometric method. A method based on the Wold decomposition and correlation functions of the stochastic process is considered, an adaptive model of the difference equation is constructed, which makes it possible to predict energy consumption of the active power of autonomous systems of a small settlement in the interval of 0-4 hours, by reducing the stochastic process to a stationary Markov process with short memory. The purpose of the work is to build a methodology for short-term forecasting of electric energy consumption by autonomous energy systems of small northern settlements, taking into account the specifics of energy consumption in the conditions of the Arctic zone and the Far North, based on a stochastic series of data on electric energy consumed by the settlement over the previous period. Methods: approach to obtaining a short-term forecast of electricity consumption by autonomous energy systems of small northern settlements based on the ARIMA econometric method. In this case, a difference equation is constructed for the deterministic and random components of the available stochastic series of energy consumption; Wold decomposition and correlation functions of the energy consumption are used. To adapt the model, the studied stochastic process is reduced to a Markov process with a short memory. To do this, it is necessary to use a difference operator, which reduces the relative contribution of consumption deterministic component. Results. Based on Wold decomposition and correlation functions, it was possible to obtain a model that gives a short-term forecast of active power consumption for a lead time of 4 hours. Conclusions. Based on the Wold decomposition and the correlation functions of the stochastic process, the authors of the work managed to obtain an adaptive model of the difference equation, which makes it possible to predict active power consumption of autonomous systems of a small settlement with a lead time of 4 hours. The stationarity of the random process was carried out by introducing a difference operator of the first order, which makes it possible to reduce the relative contribution of the deterministic component of the stochastic series. The authors managed to reduce the process to a stationary Markov process with a short memory. The expansion coefficients of the difference equation were estimated by solving a nonlinear equation, which consists in finding the global maximum of the likelihood function. The constructed 90 % probabilistic boundaries allow us to talk about a satisfactory adjustment of the adaptive parameters of the difference equation for predicting the system. The result of forecast modeling with four-hour lead time shows good agreement with experiment.