Short-Term Load Forecasting 2019
Krátkodobé předpovědi zatížení (STLF) hrají klíčovou roli při formulování ekonomických, spolehlivých a bezpečných provozních strategií (mimo jiné plánování, rozvrhování, údržba a řízení) pro energetickou soustavu a budou mít význam i v budoucnosti. V těchto oblastech výzkumu je však stále co dělat.
Zavedení podpůrných technologií (např. inteligentních měřičů) zpřístupnilo údaje s vysokou granularitou pro mnoho segmentů zákazníků a pro přiblížení mnoha otázek, např. aby bylo možné realizovat úlohy prognózování na několika úrovních agregace poptávky.
První výzvou je zlepšení modelů STLF a jejich výkonnosti na nových úrovních agregace. Kromě toho mix obnovitelných zdrojů energie v elektrizační soustavě a nutnost zahrnout větší flexibilitu prostřednictvím iniciativ reakce na poptávku vnesly větší nejistoty, což znamená nové výzvy pro STLF v dynamičtější elektrizační soustavě v horizontu 2030-50.
Pro STLF bylo navrženo a použito mnoho technik, včetně tradičních statistických modelů a technik umělé inteligence. Kromě toho potřeby plánování distribuce a modernizace sítě iniciovaly rozvoj hierarchického předpovídání zatížení.
Analogicky potřeba čelit novým zdrojům nejistoty v energetické soustavě přikládá větší význam pravděpodobnostnímu předpovídání zatížení. Toto zvláštní vydání se zabývá jak základním výzkumem, tak praktickým aplikačním výzkumem metodik STLF, aby bylo možné čelit výzvám distribuovanějšího energetického systému zaměřeného na zákazníka.
© Book1 Group - všechna práva vyhrazena.
Obsah těchto stránek nesmí být kopírován ani použit, a to ani částečně ani úplně, bez písemného svolení vlastníka.
Poslední úprava: 2024.11.08 20:25 (GMT)