Qazanclar:
- Qısa, orta və uzunmüddətli yüklərin proqnozlaşdırılmasında fərqləri və onların enerji sistemində istifadə sahələrini izah etmək bacarığı
- Süni intellekt ilə xüsusiyyət mühəndisliyi, model seçimi və proqnoz qiymətləndirməsini həyata keçirmək bacarığı
- MAPE kimi metriklərlə proqnoz xətasını ölçmək və onu mühəndis əsaslılığı və ehtiyat ehtiyacı ilə əlaqələndirmək bacarığı
Elektrik enerjisinin saxlanması bahalı və məhdud əmtəədir; Buna görə də, şəbəkə istehlakçıların nə qədər və nə vaxt elektrik enerjisi istəyəcəyini əvvəlcədən bilməlidir. Yükün proqnozlaşdırılması gələcək elektrik enerjisinə tələbatın proqnozlaşdırılması vəzifəsidir və enerji sisteminin ən əsas təhlillərindən biridir. Elektrik stansiyaları bu proqnoza uyğun proqramlaşdırılır, bazarda alqı-satqı qərarları buna uyğun verilir və şəbəkə investisiyası da buna uyğun olaraq planlaşdırılır. Bu bölmədə biz yük proqnozlaşdırma növlərini, onun süni intellektlə necə qurulduğunu və qiymətləndirildiyini və proqnoz xətasının mühəndislik nəticələrini öyrənəcəyik. Termini aydınlaşdıraq: yük müəyyən bir anda istehlak edilən elektrik enerjisidir (kW/MW); Yük əyrisi bu gücün zamanla gedişidir.
Proqnoz Üfüqləri: Qısa, Orta, Uzunmüddətli
Yükün proqnozlaşdırılması müxtəlif məqsədlərə xidmət edir və nə qədər irəliyə baxmağınızdan asılı olaraq fərqli üsullar tələb edir.
Çox qısa və qısamüddətli (dəqiqələrdən bir neçə günə qədər). O, şəbəkə balansı, vahid öhdəliyi (hansı zavod fəaliyyət göstərəcək) və bazar təklifləri üçün istifadə olunur. Burada hava, günün növü (həftə içi/sonu) və son istehlak ən güclü determinantlardır. Dəqiqlik vacibdir, çünki səhv birbaşa balanssızlıq xərclərinə səbəb olur.
Orta müddətli (həftədən bir ilə qədər). O, texniki xidmətin planlaşdırılması, yanacaq təchizatı və mövsümi müqavilələr üçün istifadə olunur. Mövsümilik və iqtisadi meyllər ön plana çıxır.
Uzun müddətli (illər). Şəbəkə və elektrik stansiyasının investisiyası və gücün planlaşdırılması üçün istifadə olunur. Əhali, iqtisadi artım, elektrik avtomobili və istilik nasosunun yayılması kimi struktur amilləri həlledicidir. Burada qeyri-müəyyənlik təbii olaraq böyükdür və ssenari yanaşmasından istifadə olunur.
İpucu: Proqnoz üfüqünü dəqiqləşdirmədən model seçməyin. Sabahı proqnozlaşdıran model və 2035-ci ili proqnozlaşdıran model tamamilə fərqli girişlər və fərqli qeyri-müəyyənlik idarəçiliyi tələb edir.
Yük və Xüsusiyyət Mühəndisliyini təyin edən amillər
Maşın öyrənmə modelinə verdiyimiz girişlərə xüsusiyyətlər deyilir. Yaxşı yük proqnozu yaxşı xüsusiyyətləri seçməklə başlayır. Yükü təyin edən əsas amillər:
- Təqvim: Saat, gün növü, həftə sonu, bayram, mövsüm. Yük insan davranışının ritmini izləyir; Səhər və axşam təpələri düzəldir.
- Hava: Temperatur ən güclü amildir (soyutma və istilik yükü), ondan sonra rütubət, radiasiya və külək gəlir. Temperatur-yük əlaqəsi ümumiyyətlə U şəklindədir: yük həm çox isti, həm də çox soyuq şəraitdə artır.
- Keçmiş yük: Bir saat, bir gün və bir həftə əvvəl istehlak (lag xüsusiyyətləri) yaxın gələcəyin ən güclü xəbərçisidir.
- Xüsusi tədbirlər: Böyük idman hadisələri, uzun tətillər, iqtisadi şoklar.
Süni intellekt bu atributları yaratmaqda və hansının təsirli olduğunu tapmaqda çox faydalıdır. Ancaq tələdən ehtiyatlı olun: proqnozlaşdırma zamanı mövcud olmayacaq məlumatı aid etmək (məsələn, proqnozlaşdırılacaq vaxtın faktiki temperaturu, halbuki bizdə yalnız hava proqnozu olacaq) məlumat sızması yaradır və modeli mahiyyətcə yararsız edir.
Addım-addım: Süni İntellektlə Təxmini Yükləyin
Addım 1 - Problemi müəyyənləşdirin. Üfüq (sabah və ya gələn il), qətnamə (saatlıq) və hədəf (ümumi sistem yükü və ya tək qidalandırıcı) aydınlaşdırılır.
Addım 2 - Məlumatları hazırlayın. Əvvəlki bölmədəki intizamla təmiz zaman sırası qurulur; Hava və təqvim məlumatları əlavə olunur.
Addım 3 - Atributlar yaradın. Cədvəl, gecikmiş yük və hava atributları yaradılır. Sızma yoxlanılır: proqnozlaşdırma zamanı hər bir xüsusiyyət mövcuddurmu?
Addım 4 - Model seçin və öyrədin. Sadə əsas xətt (məsələn, "keçən həftənin eyni vaxtı") həmişə ilk addımdır; Qabaqcıl modellər yalnız bu təməli aşdıqları dərəcədə dəyərlidir. Süni intellekt model kodunu və xüsusiyyət boru kəmərini yaratmaqda faydalıdır.
Addım 5 - Qiymətləndirin. Model görmədiyi bir müddət ərzində sınaqdan keçirilir (gələcək dövr); Təlim məlumatlarında heç vaxt qiymətləndirilmir. Metriklər saata və rejimə görə bölünür.
Addım 6 - Qeyri-müəyyənlik barədə məlumat verin. Tək nömrə deyil, diapazon (proqnozlaşdırma zolağı) verilir; Şəbəkə ehtiyatı bu diapazona uyğun olaraq planlaşdırılır.
Ölçmə Proqnoz Xətası: MAPE və Beyond
Proqnoz keyfiyyətini ölçmək üçün bir neçə ölçüdən istifadə olunur. MAPE (Orta Mütləq Faiz Səhv) proqnoz və reallıq arasındakı orta faiz fərqidir; Təfsir etmək asandır. Tipik olaraq 1-3 faiz MAPE sistem səviyyəsində qısamüddətli yük proqnozu üçün yaxşı hesab olunur; Tək bina/feeder səviyyəsində bu dəyər təbii olaraq daha yüksəkdir, çünki tək istehlakçı daha dəyişkəndir.
Ancaq MAPE tək başına yanıltıcı ola bilər. Orta göstərici aşağı görünsə belə, pik saatlarda sistematik sapma ola bilər və şəbəkə pik nöqtədə kritikdir. Buna görə də, səhvi ayrı-ayrılıqda saatlıq, gün növü əsasında və xüsusilə pik anlarda araşdırmaq lazımdır. Bundan əlavə, səhvin istiqaməti vacibdir: davamlı qiymətləndirilmə (tələbin düzgün qiymətləndirilməməsi) qeyri-adekvat istehsal qrafikinə gətirib çıxarır və balanssızlıq yaradır.
Diqqət: “MAPE 2 faizdir, əladır” demək kifayət deyil. Əgər pik saat MAPE 6 faizdirsə və siz ardıcıl olaraq axşam zirvəsini düzgün qiymətləndirmirsinizsə, həmin modellə şəbəkə balansı pozulur. Heç vaxt orta metrikanı rejimə görə bölmədən təhlükəsiz hesab etməyin.
Üç Mini Case: Rəqəmlərə görə
1-ci hal - Əsas xətti keçməmək. Bir komanda kompleks bir model qurdu və 2,8 faiz MAPE əldə etdi və çox sevindi. Daha sonra sadə "keçən həftənin eyni vaxtı + temperaturun düzəldilməsi" əsasında yüzdə 2,6 verdi. Kompleks model təməldən keçə bilmədi; əlavə mürəkkəbliyin heç bir dəyəri yox idi. Dərs: həmişə əvvəlcə sadə təməl qurun.
2-ci hal - yuxarıdakı kor nöqtə. Bir distribyutor şirkətinin modeli ümumi MAPE-də 2,1 faizlə yaxşı idi, lakin yay axşamı kondisionerin zirvəsi zamanı onu ardıcıl olaraq 7 faiz aşağı proqnozlaşdırdı. Bu, bir neçə isti gündə gözlənilməz yük və gərginlik düşməsi yaratdı. Temperatur atributuna "ardıcıl isti günlərin sayı" (istilik yığılması) əlavə edildikdə, pik xəta 3 faizə qədər azaldı.
Hal 3 – Sızmanın qarşısının alınması. Bir təcrübəçinin modeli arxa testdə inanılmaz dərəcədə yaxşı nəticə göstərdi (0,4 faiz MAPE). Araşdırma göstərdi ki, model atribut kimi proqnozlaşdırılan vaxtın faktiki temperaturundan istifadə edib; halbuki reallıqda bu sadəcə hava proqnozu olardı. Sızma aradan qaldırıldıqdan sonra MAPE real 2,5 faizə yüksəldi. "Çox yaxşı" nəticə çox vaxt səhv əlamətidir.
Zəif Tələb / Güclü Tələb
Zəif çağırış:
Bu yükləmə datası ilə proqnoz modeli qurun.[data]
Güclü göstəriş:
Sizin rolunuz: Enerji tələbinin proqnozlaşdırılması üzrə ekspert. Məqsəd: gündən əvvəl (24 saat qabaqda) saatlıq sistem yükü proqnozu.- Əvvəlcə sadə bir baza təklif edin (məsələn, keçən həftənin eyni vaxtı) və ona istinad edin.- Atributların siyahısını çıxarın; HƏR atribut üçün "proqnoz dərhal mövcuddurmu?" işarələyin. Sızma riski olanları ayırın.- Qiymətləndirməni təlim dövründən AYRILIQ, daha sonrakı dövrdə aparın.- MAPE haqqında ümumi olaraq VƏ pik saatlarda ayrıca hesabat verin; Xətanın istiqamətini göstərin (aşağı/yüksək). - Nəticə tək bir rəqəm deyil, proqnoz intervalı olsun. Məlumat sxemi: [sütunlar]
Güclü göstəriş təməli gücləndirir, sızmanın qarşısını alır, qiymətləndirməni dəqiq şəkildə qurur və qeyri-müəyyənliyi görünən edir - zəif yük proqnozlaşdırılmasının dörd klassik səhvini aradan qaldırır.
Dörd Kopyalana bilən Şablon
1) Atribut və sızmanın yoxlanılması:
Aşağıdakı proqnoz problemi üçün funksiyaların siyahısını təklif edin: [problem]. Hər bir atribut üçün üç məlumat təqdim edin: (a) niyə yükə təsir edir, (b) proqnoz dərhal mövcuddur, (c) sızma riski var. Siyahınızdan sızanları çıxarın.
2) Əsas modelin yaradılması:
Bu yük seriyası üçün ən azı iki sadə baza xətti təklif edin (məsələn, dünən eyni vaxt, keçən həftənin eyni vaxtı, temperaturla düzəldilmiş orta). Hər birinin əsasını yazın. Təkmil model yalnız bu əsasları mənalı şəkildə keçdiyi halda təklif ediləcək.
3) Qiymətləndirmə protokolu:
Bu model üçün qiymətləndirmə planı qurun: vaxt sırasına görə ayrı-ayrı təlim/sınaq dövrləri (gələcəkdən keçmişə sızma yoxdur). Ümumi, gün növü və pik saat əsasında ölçüləri ayrıca hesablayın. Xətanın sistematik tərəfini bildirin.
4) Qeyri-müəyyənlik və qərar qəbul etmə:
Proqnozu diapazonla təqdim edin (yuxarı/aşağı zolaq). Bu intervalın şəbəkənin artıqlığı və bazar təklifi qərarı ilə necə əlaqələndiriləcəyini izah edin. “Ən pis ssenarinin” nə olacağı sualına da cavab verin.
Proqnoz Üfüq Cədvəli
üfüq
Müddət
Əsas istifadə
dominant amil
çox qısa
Dəqiqə-saat
tarazlıq, nəzarət
son yük
qısa
1-7 gün
Vahid öhdəliyi, bazar
Hava, günün növü
orta
Həftə-il
Baxım, yanacaq, müqavilə
mövsümilik, iqtisadiyyat
uzun
illər
İnvestisiya, tutum
Əhali, EV, istilik nasosu
Ümumi səhvlər
- Sadə təməli atlamaq. Mürəkkəb bir model sadə təməldən üstün olduğunu sübut etmədən dəyərli sayıla bilməz.
- Məlumat sızması. Proqnoz zamanı mümkün olmayacaq məlumatların aid edilməsi saxta mükəmməllik yaradır.
- Orta metrikaya kor-koranə etibar etmək. Pik saatlar və mövsümi keçidlər ayrıca yoxlanılmazsa, şəbəkə risk altındadır.
- Tək nömrə vermək. Qeyri-müəyyənlik zolağı olmadan proqnozlaşdırma ehtiyat planlaması üçün natamamdır.
- Təlim məlumatlarının qiymətləndirilməsi. Model həmişə görünmədiyi bir dövrdə sınaqdan keçirilməlidir.
Xülasə
Yükün proqnozlaşdırılması enerji sisteminin nəbzidir; Onun metodu və qeyri-müəyyənliyi üfüqdən asılı olaraq dəyişir. Yaxşı proqnoz yaxşı atributlarla başlayır və sızmaya qarşı diqqətlilik tələb edir. Süni intellekt xüsusiyyətlərin yaradılması, modelin qurulması və qiymətləndirilməsində güclü köməkçidir; lakin sadə baza həmişə istinaddır, qiymətləndirmə görünməmiş dövrdə aparılır və səhv orta hesabla deyil, pik/rejim əsasında şərh olunur. Təxmin tək bir rəqəm deyil, müəyyən edilmiş diapazondur.
Tətbiq tapşırığı
Yük və ya istehlak seriyasını götürün. Əvvəlcə sadə baza xəttini əl ilə qurun (məsələn, "keçən həftə eyni vaxtda"). Sonra süni intellektdən “Atribut və sızma yoxlanışı” və “Qiymətləndirmə protokolu” şablonları ilə proqnoz planı istəyin. Təklif olunan hər bir atributun sızma riski barədə özünüzə sual verin. Nəhayət, pik saatlarda proqnozun səhvinin orta xətadan fərqli olub-olmadığını yoxlayın və tapıntınızı yazın.
yoxlama siyahısı
- [ ] Proqnoz üfüqünü, həllini və hədəfini aydınlaşdırdım
- [ ] Mən sadə bir təməl qurdum və ona istinad etdim
- [ ] Hər bir atribut "dərhal proqnozlaşdırılırmı?" Mən onu sızma üçün yoxladım.
- [ ] Mən kor bir dövrdə qiymətləndirmə etdim
- [ ] Mən MAPE-ni ümumi və pik saat əsasında ayrıca yoxladım
- [ ] Mən xətanın sistematik istiqamətini yoxladım (aşağı/yüksək)
- [ ] Mən təxmini bir sıra qeyri-müəyyənlik və mühakimə ilə təqdim etdim