Pelnas:
- Geba paaiškinti trumpalaikių, vidutinių ir ilgalaikių apkrovų prognozavimo skirtumus ir jų panaudojimo sritis energetikos sistemoje
- Gebėjimas dirbtiniu intelektu atlikti funkcijų inžineriją, modelių parinkimą ir prognozavimo vertinimą
- Gebėjimas išmatuoti prognozės paklaidą naudojant tokias metrikas kaip MAPE ir susieti ją su inžineriniu pagrįstumu ir perteklinio poreikiu
Elektros saugykla yra brangi ir ribota prekė; Todėl tinklas turi iš anksto žinoti, kiek ir kada norės elektros vartotojai. Apkrovos prognozavimas yra ateities elektros poreikio prognozavimo uždavinys ir yra viena iš pagrindinių energetikos sistemos analizių. Jėgainės programuojamos pagal šią prognozę, pagal tai priimami pirkimo ir pardavimo sprendimai rinkoje, atitinkamai planuojamos investicijos į tinklą. Šiame skyriuje sužinosime apkrovos prognozavimo tipus, kaip jis nustatomas ir vertinamas naudojant dirbtinį intelektą, prognozės paklaidos inžinerines pasekmes. Paaiškinkime terminą: apkrova – tam tikru momentu sunaudota elektros galia (kW/MW); Apkrovos kreivė yra šios galios eiga laikui bėgant.
Prognozės horizontai: trumpalaikis, vidutinis, ilgalaikis
Apkrovos prognozavimas skirtas skirtingiems tikslams ir reikalauja skirtingų metodų, atsižvelgiant į tai, kaip toli žiūrite į priekį.
Labai trumpalaikis ir trumpalaikis (nuo minučių iki kelių dienų). Jis naudojamas tinklo balansavimui, vieneto įsipareigojimui (kuri gamykla veiks) ir rinkos pasiūlymams. Čia labiausiai lemia oras, dienos tipas (savaitės diena/pabaiga) ir pastarasis suvartojimas. Tikslumas yra labai svarbus, nes klaida sukelia tiesiogines disbalanso išlaidas.
Vidutinės trukmės (nuo savaitės iki vienerių metų). Jis naudojamas techninės priežiūros planavimui, degalų tiekimui ir sezoninėms sutartims. Išryškėja sezoniškumas ir ekonominės tendencijos.
Ilgalaikis (metai). Jis naudojamas tinklų ir elektrinių investicijoms bei pajėgumų planavimui. Struktūriniai veiksniai, tokie kaip gyventojų skaičius, ekonomikos augimas, elektromobilių ir šilumos siurblių paplitimas, yra lemiami. Čia neapibrėžtumas natūraliai yra didelis ir naudojamas scenarijaus metodas.
Patarimas: nesirinkite modelio neišsiaiškinę prognozės horizonto. Modeliui, prognozuojančiam rytojų, ir modeliui, prognozuojančiam 2035 m., reikalingi visiškai skirtingi įėjimai ir skirtingas neapibrėžtumo valdymas.
Apkrovą lemiantys veiksniai ir funkcijų inžinerija
Įvesties duomenys, kuriuos suteikiame mašininio mokymosi modeliui, vadinami funkcijomis. Geras apkrovos numatymas prasideda nuo gerų savybių pasirinkimo. Pagrindiniai veiksniai, lemiantys apkrovą:
- Kalendorius: Laikas, dienos tipas, savaitgalis, valstybinė šventė, sezonas. Krūvis seka žmogaus elgesio ritmą; Ryte ir vakare daro kalvas.
- Oras: Temperatūra yra stipriausias veiksnys (aušinimo ir šildymo apkrova), o po to - drėgmė, radiacija ir vėjas. Temperatūros ir įkrovimo santykis paprastai yra U formos: apkrova didėja ir labai karštomis, ir labai šaltomis sąlygomis.
- Ankstesnis krūvis: suvartojimas prieš valandą, vieną dieną ir savaitę (vėlavimo funkcijos) yra stipriausias artimiausios ateities pranašas.
- Ypatingi įvykiai: dideli sporto renginiai, ilgos atostogos, ekonominiai sukrėtimai.
Dirbtinis intelektas yra labai naudingas kuriant šias savybes ir atrandant, kurios iš jų yra veiksmingos. Tačiau saugokitės spąstų: priskirdami informaciją, kurios prognozavimo metu nebus (pavyzdžiui, tikroji numatomo laiko temperatūra, o turėsime tik orų prognozę), atsiranda duomenų nutekėjimas ir modelis tampa iš esmės nenaudingas.
Žingsnis po žingsnio: apkrovos įvertinimas naudojant dirbtinį intelektą
1 veiksmas – apibrėžkite problemą. Išaiškintas horizontas (rytoj arba kitais metais), skiriamoji geba (valandinė) ir tikslas (bendra sistemos apkrova arba vienas tiektuvas).
2 veiksmas – paruoškite duomenis. Su ankstesnio vieneto disciplina nustatoma švari laiko eilutė; Pridedami orų ir kalendoriaus duomenys.
3 veiksmas – atributų generavimas. Sukuriamas tvarkaraštis, atidėtos apkrovos ir oro atributai. Tikrinamas nuotėkis: ar visos funkcijos yra prieinamos numatymo metu?
4 veiksmas. Pasirinkite ir išmokykite modelį. Pirmas žingsnis visada yra paprastas pradinis taškas (pvz., „tuo pačiu laiku praėjusią savaitę“); Pažangūs modeliai yra vertingi tik tiek, kiek jie pranoksta šį pagrindą. AI padeda generuoti modelio kodą ir funkcijų konvejerį.
5 žingsnis – įvertinkite. Modelis testuojamas per tam tikrą laikotarpį, kurio jis nemato (ateities laikotarpis); Jis niekada neįvertinamas treniruočių duomenyse. Metrika suskirstyta pagal valandas ir režimą.
6 veiksmas. Praneškite apie neapibrėžtumą. Pateikiamas diapazonas (numatymo juosta), o ne vienas skaičius; Pagal šią juostą planuojamas tinklo atleidimas.
Matavimo prognozės klaida: MAPE ir ne tik
Prognozės kokybei matuoti naudojamos kelios metrikos. MAPE (Mean Absolute Percentage Error) yra vidutinis procentinis skirtumas tarp prognozės ir tikrovės; Tai lengva interpretuoti. Paprastai 1–3 procentai MAPE yra laikomi gerais sistemos lygio trumpalaikėms apkrovoms prognozuoti; Vieno pastato / tiektuvo lygmeniu ši vertė yra natūraliai didesnė, nes vienas vartotojas yra įvairesnis.
Tačiau vien MAPE gali būti klaidinantis. Net jei vidurkis atrodo mažas, piko valandomis gali būti sistemingų nukrypimų, o tinklas yra labai svarbus piko metu. Todėl klaidą būtina nagrinėti atskirai valandiniu, dienos tipo ir ypač piko momentu. Be to, svarbi klaidos kryptis: nuolatinis nepakankamas įvertinimas (paklausos neįvertinimas) lemia netinkamą gamybos grafiką ir sukuria disbalansą.
Atsargiai: neužtenka pasakyti „MAPE yra 2 procentai, puiku“. Jei piko valanda MAPE yra 6 procentai ir jūs nuolat neįvertinate vakaro piko, tinklo balansavimas naudojant tą modelį yra pažeistas. Niekada nelaikykite vidutinės metrikos saugios, neskirstydami jos pagal režimą.
Trys mini dėklai: pagal numerius
1 atvejis – bazinės linijos neperžengimas. Viena komanda sukonstravo sudėtingą modelį ir gavo 2,8 procento MAPE ir džiaugėsi. Tada paprastas „tas pats laikas praeitą savaitę + temperatūros korekcija“ davė 2,6 proc. Sudėtingas modelis negalėjo praeiti pagrindo; papildomas sudėtingumas nebuvo vertingas. Pamoka: visada pirmiausia sukurkite paprastą pamatą.
2 atvejis – akloji zona virš galvos. Vienos platinimo įmonės modelis buvo geras – 2,1 procento bendrame MAPE, tačiau vasaros vakaro oro kondicionavimo piko metu jis nuolat nuspėjamas 7 procentais. Tai sukėlė netikėtus apkrovos ir įtampos kritimus keletą karštų dienų. Prie temperatūros atributo pridėjus „karštų dienų skaičių iš eilės“ (pastato šilumos akumuliacija), piko paklaida sumažėjo iki 3 proc.
3 atvejis – nuotėkio sulaikymas. Vieno praktikanto modeliui neįtikėtinai gerai sekėsi (0,4 proc. MAPE) atliekant grįžtamąjį testą. Tyrimas parodė, kad modelis naudojo faktinę numatomo laiko temperatūrą kaip atributą; o iš tikrųjų tai būtų tik orų prognozė. Kai nuotėkis buvo pašalintas, MAPE padidėjo iki realaus 2,5 proc. „Labai geras“ rezultatas dažnai yra klaidos ženklas.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Sukurkite numatymo modelį naudodami šiuos įkėlimo duomenis.[duomenys]
Galingas raginimas:
Jūsų vaidmuo: Energijos poreikio prognozavimo ekspertas. Tikslas: dienos į priekį (24 val. į priekį) valandinė sistemos apkrovos prognozė.- Pirmiausia pasiūlykite paprastą bazinę liniją (pvz., tuo pačiu praėjusios savaitės laiku) ir nurodykite ją. - Ištraukite atributų sąrašą; KIEKVIENAM atributui „ar numatymas pasiekiamas iš karto?“ pažymėti. Atskirkite tuos, kuriems gresia nuotėkis.- Atlikite vertinimą ATSKIRAI nuo mokymo laikotarpio, vėliau. - Praneškite MAPE bendrai IR atskirai piko valandomis; Nurodykite klaidos kryptį (žemas/aukštas). – Tegul rezultatas būna numatymo intervalas, o ne vienas skaičius. Duomenų schema: [stulpeliai]
Galingas ragelis sustiprina pamatą, apsaugo nuo nuotėkio, tiksliai nustato įvertinimą ir daro matomą neapibrėžtumą – pašalina keturias klasikines prasto apkrovos prognozavimo klaidas.
Keturi kopijuojami šablonai
1) Atributų ir nuotėkio patikrinimas:
Pasiūlykite šios numatymo problemos funkcijų sąrašą: [problema]. Pateikite tris kiekvieno požymio informaciją: (a) kodėl tai veikia apkrovą, (b) ar prognozė pasiekiama akimirksniu, (c) ar yra nuotėkio rizika. Pašalinkite nesandarius iš savo sąrašo.
2) Pagrindinio modelio sukūrimas:
Pasiūlykite bent dvi paprastas šios apkrovos serijos bazines linijas (pvz., vakar tuo pačiu laiku, praėjusios savaitės tuo pačiu laiku, temperatūros koreguotas vidurkis). Parašykite kiekvieno pagrindimą. Pažangus modelis bus pasiūlytas tik tuo atveju, jei jis prasmingai atitiks šiuos pagrindus.
3) Vertinimo protokolas:
Sudarykite šio modelio vertinimo planą: atskirkite mokymo / testavimo laikotarpius pagal laiką (nėra nutekėjimo iš ateities į praeitį). Apskaičiuokite metriką atskirai pagal bendrą, dienos tipą ir piko valandas. Praneškite apie sistemingą klaidos aspektą.
4) Neaiškumas ir sprendimų priėmimas:
Pateikite prognozę su intervalu (viršutinė / apatinė juosta). Paaiškinkite, kaip šis intervalas bus susietas su tinklo pertekliaus ir rinkos pasiūlymų sprendimu. Taip pat atsakykite į klausimą, koks būtų „blogiausias scenarijus“.
Prognozės horizonto lentelė
horizontas
Trukmė
Pagrindinis naudojimas
dominuojantis veiksnys
per trumpas
Minutė-valanda
balansavimas, kontrolė
neseniai apkrova
trumpas
1-7 dienas
Vieneto įsipareigojimas, rinka
Oras, dienos tipas
vidutinis
Savaitė-metai
Priežiūra, kuras, sutartis
sezoniškumas, ekonomiškumas
ilgas
metų
Investicijos, pajėgumai
Gyventojai, EV, šilumos siurblys
Dažnos klaidos
- Praleidžiant paprastą pagrindą. Sudėtingas modelis negali būti laikomas vertingu neįrodžius, kad jis pranoksta paprastą pagrindą.
- Duomenų nutekėjimas. Priskirdami informaciją, kurios prognozės metu nebus galima gauti, gaunamas klaidingas tobulumas.
- Aklai pasitikėdamas vidutine metrika. Jei piko valandos ir sezoniniai pokyčiai nėra nagrinėjami atskirai, tinklui kyla pavojus.
- Duoti nelyginį skaičių. Prognozavimas be neapibrėžtumo juostų yra neišsamus atleidimo planavimui.
- Treniruočių duomenų vertinimas. Modelis visada turi būti išbandytas tokiu laikotarpiu, kai jo nematyti.
Apibendrinant
Apkrovos prognozavimas yra energetikos sistemos pulsas; Jo metodas ir neapibrėžtis skiriasi priklausomai nuo horizonto. Geras prognozavimas prasideda nuo gerų savybių ir reikalauja kruopštumo, kad būtų išvengta nutekėjimo. Dirbtinis intelektas yra galinga funkcijų generavimo, modelio kūrimo ir vertinimo pagalba; bet paprastas pradinis lygis visada yra atskaitos taškas, įvertinimas atliekamas nematomu laikotarpiu, o klaida aiškinama piko/režimo pagrindu, o ne vidurkiu. Įvertinimas yra ne vienas skaičius, o nustatytas diapazonas.
Taikymo užduotis
Paimkite apkrovą arba vartojimo seriją. Pirmiausia rankiniu būdu nustatykite paprastą bazinę liniją (pvz., „tuo pačiu laiku praėjusią savaitę“). Tada paprašykite AI numatymo plano su šablonais „Atributų ir nuotėkio patikrinimas“ ir „Įvertinimo protokolas“. Paklauskite savęs apie kiekvieno siūlomo atributo nutekėjimo riziką. Galiausiai patikrinkite, ar prognozės paklaida piko valandomis skiriasi nuo vidutinės paklaidos ir užrašykite savo išvadą.
kontrolinis sąrašas
- [ ] Patikslinau prognozės horizontą, skiriamąją gebą ir tikslą
- [ ] Pastačiau paprastą pamatą ir pateikiau nuorodą
- [ ] Ar kiekvienas atributas „numatomas akimirksniu“? Patikrinau, ar nėra nuotėkio.
- [ ] Vertinimą atlikau akluoju laikotarpiu
- [ ] Išnagrinėjau MAPE atskirai bendrais ir piko valandomis
- [ ] Patikrinau sistemingą klaidos kryptį (žema/aukšta)
- [ ] Pateikiau sąmatą su daugybe neapibrėžtumo ir sprendimo