Συντάχθηκε 25-01-2017 12:10
από Styliani Raka
Email συντάκτη: sraka<στο>tuc.gr
Ενημερώθηκε:
-
Κύρια: ΕΤΕΠ ΜΗΧΟΠ.
Άλλες ιδιότητες: απόφοιτος προπτυχιακός ΜΗΧΟΠ, απόφοιτος ΜΔΕ/Διδ. ΜΗΧΟΠ
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Μηχανικών Ορυκτών Πόρων - ΠΜΣ Γεωτεχνολογία & Περιβάλλον
Εξεταζόμενος μεταπτυχιακός φοιτητής: Ιωάννης Ρογδάκης
Θέμα Μεταπτυχιακής Εργασίας: «Στοχαστική πρόβλεψη μεσοπρόθεσμης ζήτησης ηλεκτρικής ενέργειας με γεωστατιστικές μεθόδους»
Τριμελής Εξεταστική Επιτροπή:
Καθ. Χριστόπουλος Διονύσιος (επιβλέπων)
Αν. Καθ. Γαλετάκης Μιχαήλ
Καθ. Κουικόγλου Βασίλειος
Περίληψη
Μετά την απελευθέρωση της αγοράς ηλεκτρικής ενέργειας η ακριβής πρόβλεψη της μελλοντικής ενεργειακής ζήτησης διαδραματίζει ένα σημαντικό ρόλο στους τομείς των επενδύσεων σε συστήματα διανομής, τον προγραμματισμό του φορτίου ηλεκτρικής ενέργειας, καθώς και τις στρατηγικές διαχείρισης σε περιφερειακά και εθνικά συστήματα. Σφάλματα πρόβλεψης του ηλεκτρικού φορτίου μπορεί να οδηγήσουν στην αύξηση του λειτουργικού κόστους ενός συστήματος ηλεκτρικής ενέργειας και κατ’ επέκταση όλων των συστημάτων που εξαρτώνται από αυτό. Η υπερεκτίμηση των μελλοντικών φορτίων έχει ως αποτέλεσμα την άσκοπη εφεδρεία και ένα πλεόνασμα προσφοράς που είναι ανεπιθύμητο στα δίκτυα ενέργειας. Η υποεκτίμηση των μελλοντικών φορτίων οδηγεί σε αδυναμία παροχής επαρκών αποθεμάτων και συνεπάγεται υψηλό κόστος παραγωγής για κάθε μία επιπλέον μονάδα αιχμής, λόγω της δαπανηρής λειτουργίας μονάδων αιχμής ή της αγοράς ακριβότερης επιπλέον ενέργειας για την κάλυψη ζήτησης αιχμής.
Η ζήτηση ηλεκτρικής ενέργειας μπορεί να μοντελοποιηθεί ως μία μη στάσιμη στοχαστική διαδικασία η οποία επηρεάζεται από ένα σύνολο επιμέρους παραγόντων. Οι παράγοντες αυτοί μπορούν να ταξινομηθούν με βάση τη βιβλιογραφία στις ακόλουθες βασικές κατηγορίες: καιρικές συνθήκες, οικονομικοί παράγοντες, ημερολογιακοί παράγοντες, και τυχαία γεγονότα. Στο πλαίσιο της παρούσας διατριβής οι παράγοντες που χρησιμοποιούνται για τη μοντελοποίηση της ενεργειακής ζήτησης είναι οι εξής: η εξωτερική θερμοκρασία, το είδος της ημέρας (εργάσιμη ή αργία και η σειρά της στην εβδομάδα), η ζήτηση των προηγούμενων ημερών, καθώς και η ζήτηση των αντίστοιχων ημερών των προηγούμενων εβδομάδων. Αυτή η μοντελοποίηση λαμβάνει υπόψη την ύπαρξη εβδομαδιαίας και ετήσιας περιοδικότητας στα δεδομένα ενεργειακής ζήτησης.
Στο πλαίσιο της διατριβής αναπτύχθηκε στοχαστικό υπολογιστικό μοντέλο το οποίο μπορεί να χρησιμοποιηθεί για τη μεσοπρόθεσμη πρόβλεψη (δηλ. από μία έως επτά ημέρες) της ζήτησης ηλεκτρικής ενέργειας. Στο εν λόγω μοντέλο πρόβλεψης της ζήτησης ηλεκτρικής ενέργειας χρησιμοποιείται η στοχαστική μέθοδος βέλτιστης αμερόληπτης γραμμικής εκτίμησης (Kriging) συνδυασμένη με το Σπαρτιάτικο μοντέλο για τη συνάρτηση συνδιασποράς. Συγκεκριμένα η πρόβλεψη της ζήτησης ηλεκτρικής ενέργειας πραγματοποιείται με τη μέθοδο Regression Kriging. Το Regression Kriging αποτελεί μια στοχαστική μέθοδο πρόβλεψης που συνδυάζεται με αιτιοκρατικές τάσεις. Κατά τη διερεύνηση των δεδομένων αναπτύχθηκε ένα μοντέλο τάσης και μετά την αφαίρεση της τάσης, της εβδομαδιαίας και ετήσιας περιοδικότητας των δεδομένων εφαρμόζονται οι ανωτέρω αναφερόμενες μέθοδοι για την πρόβλεψη της ενεργειακής ζήτησης για τις επόμενες ημέρες (1 έως 7). Επίσης εξετάστηκε και η αυτοσυσχέτιση της μεταβλητής της ζήτησης για να εντοπιστούν στοχαστικές τάσεις, περιοδικότητες και άλλα χρήσιμα στατιστικά στοιχεία.
Τα ενεργειακά δεδομένα που χρησιμοποιήθηκαν για την ανάπτυξη και για την αξιολόγηση του μοντέλου αφορούν την πολιτεία New England των ΗΠΑ και συλλέχθησαν από την επίσημη ιστοσελίδα του Τοπικoύ Οργανισμού Διανομής Ηλεκτρικής Ενέργειας (ISO New England Inc.) : www.iso-ne.com. Τα εν λόγω δεδομένα αφορούν τα έτη 2004 έως 2010. Για τους σκοπούς της μεσοπρόθεσμης πρόβλεψης που πραγματοποιείται στο πλαίσιο της διατριβής, τα αρχικά δεδομένα που έχουν ωριαίο βήμα δειγματοληψίας μετατράπηκαν σε ημερήσια. Για την υλοποίηση των αλγορίθμων έγινε χρήση του υπολογιστικού περιβάλλοντος MATLAB. Το μοντέλο μεσοπρόθεσμης πρόβλεψης πετυχαίνει πολύ ικανοποιητικά αποτελέσματα με χαμηλό μέσο ποσοσταίο σφάλμα, όπως προκύπτει από τη διασταυρωτική επιβεβαίωση. Αρκετό ενδιαφέρον θα είχε η εφαρμογή του μοντέλου σε άλλα δεδομένα στο μέλλον για να τεκμηριωθεί περαιτέρω η αποτελεσματικότητά του.
Τόπος: Μ3 - Κτίριο ΜΗΧΟΠ, Μ3.108
Έναρξη: 02/02/2017 13:00
Λήξη: 02/02/2017 14:00
