SHORT-TERM PREDICTION OF THE ELECTRICITY CONSUMPTION OF DEFAULT PROVIDER WITH NEURAL NETWORK MODELS

Abstract

Важнейшим условием надежного функционирования Единой энергосистемы России является соблюдение в любой момент времени баланса потребления и выработки электроэнергии. Так как, большая часть генерирующего оборудования в энергосистеме маломаневренное, то ключевое значение при управлении режимом функционирования энергосистемы имеет прогнозная информация о почасовом электропотреблении потребителей. В связи с этим, покупка электроэнергии на оптовом рынке электроэнергии и мощности предполагает краткосрочное прогнозирование собственного почасового электропотребления. Ошибки прогнозирования электропотребления затрудняют оптимизацию режима энергосистемы, что приводит к необоснованным пускам и остановам генерирующего оборудования, выбору неоптимальной схемы электрических сетей и т.д. В случае прогнозирования электропотребления сельскохозяйственных потребителей, помимо стандартных факторов на результаты прогноза влияют дополнительные факторы, такие как состояние питающих и распределительных сетей 6-110 кВ, более сильная чувствительность к перепадам температур и т.д. Целью работы является оценка эффективности применения нейросетевых моделей для краткосрочного прогнозирования почасового электропотребления групп точек поставки сельхозпроизводителей. Результаты.На примере гарантирующего поставщика электроэнергии АО «Алтайкрайэнерго», зона деятельности которого приходится преимущественно на сельскую местность произведен сравнительный анализ результатов краткосрочного прогноза электропотребления, полученных метода экспертных оценок и ансамбля нейронных сетей. На годовом интервале снижение ошибки прогнозирования составила 0,14%. Область применения результатов. Данная работа представляет интерес для специалистов энергосбытовых предприятий и гарантирующих поставщиков электроэнергии, занимающихся покупкой электроэнергии на оптовом рынке электроэнергии и мощности, также исследователей в области обработки больших объемов данных и прогнозирования временных рядов. The most important condition for the reliable functioning of the Unified Energy System of Russia is maintaining the balance of electricity consumption and generation at any time. Since most of the generating equipment in the power system is difficult to maneuver, predictive information about the hourly power consumption of consumers is of key importance when managing the operating mode of the power system. In this regard, purchasing electricity on the wholesale electricity and capacity market involves short-term forecasting of your own hourly electricity consumption. Errors in forecasting power consumption make it difficult to optimize the power system mode, which leads to unreasonable starts and stops of generating equipment, the choice of a non-optimal electrical network design, etc. In the case of forecasting power consumption of agricultural consumers, in addition to standard factors, additional factors influence the forecast results, such as the state of the 6-110 kV supply and distribution networks, greater sensitivity to temperature changes, etc. The purpose of the work is to evaluate the effectiveness of using neural network models for short-term forecasting of hourly electricity consumption of groups of agricultural supply points. Results. Using the example of the guaranteeing electricity supplier JSC Altaikrayenergo, whose area of activity is predominantly in rural areas, a comparative analysis of the results of a short-term forecast of electricity consumption obtained by the method of expert assessments and an ensemble of neural networks was carried out. On an annual basis, the reduction in forecast error was 0.14%. Scope of application of the results. This work is of interest to specialists in energy sales enterprises and last resort electricity suppliers involved in the purchase of electricity on the wholesale electricity and power market, as well as researchers in the field of processing large volumes of data and time series forecasting.