ලාභ:
- කෙටි, මධ්ය කාලීන සහ දිගු කාලීන බර අනාවැකි සහ බලශක්ති පද්ධතියේ ඒවායේ භාවිත ක්ෂේත්රවල වෙනස්කම් පැහැදිලි කිරීමේ හැකියාව
- කෘත්රිම බුද්ධිය සමඟ විශේෂාංග ඉංජිනේරු විද්යාව, ආකෘති තේරීම සහ අනාවැකි ඇගයීම සිදු කිරීමේ හැකියාව
- MAPE වැනි ප්රමිතික සමඟ අනාවැකි දෝෂය මැනීමට සහ එය ඉංජිනේරු සාධාරණත්වයට සහ අතිරික්තයේ අවශ්යතාවයට සම්බන්ධ කිරීමේ හැකියාව
විදුලිය ගබඩා කිරීම මිල අධික හා සීමිත භාණ්ඩයකි; එබැවින්, විදුලි පාරිභෝගිකයින්ට කොපමණ ප්රමාණයක් අවශ්ය වේද සහ කවදාද යන්න විදුලිබල පද්ධතියක් කල්තියා දැන සිටිය යුතුය. බර පුරෝකථනය යනු අනාගත විදුලි ඉල්ලුම පුරෝකථනය කිරීමේ කාර්යය වන අතර බලශක්ති පද්ධතියේ මූලික විශ්ලේෂණයන්ගෙන් එකකි. මෙම පුරෝකථනය අනුව බලාගාර වැඩසටහන්ගත කර, වෙළඳපොලේ මිලදී ගැනීම් සහ විකිණීමේ තීරණ ඒ අනුව ගනු ලැබේ, ඒ අනුව ජාල ආයෝජන සැලසුම් කෙරේ. මෙම ඒකකය තුළ, බර අනාවැකි වර්ග, එය කෘතිම බුද්ධිය සමඟ ස්ථාපිත කර ඇගයීමට ලක් කරන ආකාරය සහ අනාවැකි දෝෂයේ ඉංජිනේරුමය ප්රතිවිපාක අපි ඉගෙන ගනිමු. අපි පදය පැහැදිලි කරමු: භාරය යනු කිසියම් මොහොතක පරිභෝජනය කරන විදුලි බලය (kW/MW); භාර වක්රය යනු කාලයත් සමඟ මෙම බලයේ ගමන් මගයි.
පුරෝකථන ක්ෂිතිජ: කෙටි, මධ්යම, දිගු කාලීන
බර පුරෝකථනය විවිධ අරමුණු සඳහා සේවය කරන අතර ඔබ ඉදිරියෙන් පෙනෙන ආකාරය අනුව විවිධ ක්රම අවශ්ය වේ.
ඉතා කෙටි හා කෙටි කාලීන (විනාඩි සිට දින කිහිපයක් දක්වා). එය ජාල තුලනය, ඒකක කැපවීම (බලය ක්රියාත්මක වනු ඇත) සහ වෙළඳපල ලංසු සඳහා භාවිතා වේ. මෙහිදී කාලගුණය, දින වර්ගය (සතියේ දින/අවසානය) සහ මෑතකාලීන පරිභෝජනය ප්රබලම නිර්ණායක වේ. දෝෂය සෘජු අසමතුලිතතා පිරිවැයක් ඇති කරන බැවින් නිරවද්යතාවය ඉතා වැදගත් වේ.
මධ්යම කාලීන (සති සිට වසරක් දක්වා). එය නඩත්තු සැලසුම් කිරීම, ඉන්ධන සැපයීම සහ සෘතුමය ගිවිසුම් සඳහා භාවිතා වේ. සෘතුමය හා ආර්ථික ප්රවණතා පෙරට පැමිණේ.
දිගු කාලීන (වසර). එය ජාල සහ බලාගාර ආයෝජන සහ ධාරිතාව සැලසුම් කිරීම සඳහා භාවිතා වේ. ජනගහනය, ආර්ථික වර්ධනය, විදුලි වාහන සහ තාප පොම්ප පැතිරීම වැනි ව්යුහාත්මක සාධක තීරණාත්මක වේ. මෙහිදී අවිනිශ්චිතතාවය ස්වභාවිකවම විශාල වන අතර අවස්ථා ප්රවේශය භාවිතා වේ.
ඉඟිය: පුරෝකථන ක්ෂිතිජය පැහැදිලි නොකර ආකෘතියක් තෝරා නොගන්න. හෙට පුරෝකථනය කරන ආකෘතියක් සහ 2035 පුරෝකථනය කරන ආකෘතියක් සම්පූර්ණයෙන්ම වෙනස් යෙදවුම් සහ වෙනස් අවිනිශ්චිත කළමනාකරණයක් අවශ්ය වේ.
බර සහ විශේෂාංග ඉංජිනේරු නිර්ණය කරන සාධක
යන්ත්ර ඉගෙනීමේ ආකෘතියකට අප ලබා දෙන ආදාන විශේෂාංග ලෙස හැඳින්වේ. හොඳ බරක් පුරෝකථනය ආරම්භ වන්නේ හොඳ විශේෂාංග තෝරාගැනීමෙනි. බර තීරණය කරන ප්රධාන සාධක:
- දින දර්ශනය: වේලාව, දින වර්ගය, සති අන්තය, රජයේ නිවාඩු, සමය. බර මිනිස් හැසිරීම් රිද්මය අනුගමනය කරයි; උදේ හවස කඳු හදාගන්නවා.
- වාතය: උෂ්ණත්වය ශක්තිමත්ම සාධකය (සිසිලනය සහ උනුසුම් බර), පසුව ආර්ද්රතාවය, විකිරණ සහ සුළඟ. උෂ්ණත්ව ආරෝපණ සම්බන්ධතාවය සාමාන්යයෙන් U-හැඩය වේ: ඉතා උණුසුම් හා ඉතා සීතල තත්වයන් යටතේ බර වැඩි වේ.
- අතීත බර: පැයකට, එක් දිනකට සහ සතියකට පෙර පරිභෝජනය (ප්රමාදයේ ලක්ෂණ) නුදුරු අනාගතයේ ප්රබලම පෙර නිමිත්තයි.
- විශේෂ සිදුවීම්: ප්රධාන ක්රීඩා ඉසව්, දිගු නිවාඩු, ආර්ථික කම්පන.
කෘතිම බුද්ධිය මෙම ගුණාංග උත්පාදනය කිරීමට සහ ඵලදායී ඒවා සොයා ගැනීමට ඉතා ප්රයෝජනවත් වේ. නමුත් උගුලකින් පරෙස්සම් වන්න: පුරෝකථනය කරන අවස්ථාවේ ලබා ගත නොහැකි තොරතුරු ආරෝපණය කිරීම (උදාහරණයක් ලෙස, අනාවැකි කිරීමට නියමිත වේලාවේ සැබෑ උෂ්ණත්වය, නමුත් අපට ඇත්තේ කාලගුණ අනාවැකිය පමණි) දත්ත කාන්දුවක් ඇති කරන අතර ආකෘතිය අත්යවශ්යයෙන්ම නිෂ්ඵල කරයි.
පියවරෙන් පියවර: කෘතිම බුද්ධිය සමඟ ඇස්තමේන්තුව පැටවීම
පියවර 1 - ගැටලුව නිර්වචනය කරන්න. ක්ෂිතිජය (හෙට හෝ ලබන වසරේ), විභේදනය (පැයකට) සහ ඉලක්කය (සම්පූර්ණ පද්ධති භාරය හෝ තනි පෝෂක) පැහැදිලි කර ඇත.
පියවර 2 - දත්ත සකස් කරන්න. පෙර ඒකකයේ විනය සමඟ පිරිසිදු කාල මාලාවක් ස්ථාපිත කර ඇත; කාලගුණය සහ දින දර්ශන දත්ත එකතු කරනු ලැබේ.
පියවර 3 - ගුණාංග උත්පාදනය කරන්න. කාලසටහන, ප්රමාද වූ පැටවීම සහ කාලගුණ ගුණාංග නිර්මාණය වේ. කාන්දු වීම පරීක්ෂා කර ඇත: පුරෝකථනය කරන අවස්ථාවේ සෑම විශේෂාංගයක්ම තිබේද?
පියවර 4 - ආකෘතිය තෝරන්න සහ පුහුණු කරන්න. සරල පදනමක් (උදා: "පසුගිය සතියේ එකම වේලාව") සෑම විටම පළමු පියවර වේ; උසස් මාදිලි වටිනා වන්නේ මෙම පදනම ඉක්මවා යන තරමට පමණි. ආදර්ශ කේතය සහ විශේෂාංග නල මාර්ගය ජනනය කිරීමට AI උපකාරී වේ.
පියවර 5 - ඇගයීම. ආකෘතිය එය නොපෙනෙන කාල පරිච්ඡේදයක් තුළ පරීක්ෂා කරනු ලැබේ (අනාගත කාල පරිච්ඡේදයක්); පුහුණු දත්තවල එය කිසි විටෙකත් ඇගයීමට ලක් නොවේ. ප්රමිතික පැය සහ පාලන තන්ත්රය අනුව කැඩී ඇත.
පියවර 6 - අවිනිශ්චිතභාවය වාර්තා කරන්න. පරාසයක් (අනාවැකි කලාපයක්) ලබා දී ඇත, තනි අංකයක් නොවේ; මෙම කලාපයට අනුව ජාල අතිරික්තය සැලසුම් කර ඇත.
අනාවැකි දෝෂය මැනීම: MAPE සහ ඉන් ඔබ්බට
පුරෝකථන ගුණත්වය මැනීමට ප්රමිතික කිහිපයක් භාවිතා කරයි. MAPE (මධ්යන්ය නිරපේක්ෂ ප්රතිශත දෝෂය) යනු පුරෝකථනය සහ යථාර්ථය අතර සාමාන්ය ප්රතිශත වෙනසයි; එය අර්ථ නිරූපණය කිරීම පහසුය. සාමාන්යයෙන් සියයට 1 සිට 3 දක්වා MAPE පද්ධති මට්ටමේ කෙටි කාලීන බර පුරෝකථනය සඳහා හොඳ යැයි සැලකේ; තනි පාරිභෝගිකයා වඩාත් විචල්ය වන බැවින් තනි ගොඩනැඟිල්ල/පෝෂක මට්ටමේදී මෙම අගය ස්වභාවිකව වැඩි වේ.
නමුත් MAPE පමණක් නොමඟ යවන සුළු විය හැක. සාමාන්යය අඩු බව පෙනුනද, උපරිම පැය වලදී ක්රමානුකූල අපගමනය විය හැකි අතර, ජාලය උපරිමයේදීම තීරණාත්මක වේ. ඒ නිසා පැයකට, දිනට, විශේෂයෙන්ම උච්ච අවස්ථා වලදී වෙන වෙනම දෝෂය පරීක්ෂා කිරීම අවශ්ය වේ. අතිරේකව, දෝෂයේ දිශාව වැදගත් වේ: නිරන්තර අවතක්සේරු කිරීම (ඉල්ලුම අවතක්සේරු කිරීම) ප්රමාණවත් නිෂ්පාදන කාලසටහනකට මඟ පෙන්වන අතර අසමතුලිතතාවයක් ඇති කරයි.
අවවාදයයි: "MAPE සියයට 2යි, නියමයි" කීම පමණක් ප්රමාණවත් නොවේ. උපරිම පැය MAPE සියයට 6ක් වන අතර ඔබ සන්ධ්යාවේ උපරිමය නිරන්තරයෙන් අවතක්සේරු කරන්නේ නම්, එම ආකෘතිය සමඟ ජාල තුලනය අවදානමට ලක් වේ. පාලන තන්ත්රය මගින් එය බිඳ දැමීමකින් තොරව සාමාන්ය මෙට්රික් සේප්පුව කිසිවිටෙක නොසලකන්න.
කුඩා අවස්ථා තුනක්: අංක අනුව
නඩුව 1 - මූලික රේඛාව සමත් වීමට අසමත් වීම. එක් කණ්ඩායමක් සංකීර්ණ ආකෘතියක් ගොඩනඟා සියයට 2.8ක MAPE එකක් ලබාගෙන සතුටු විය. එවිට සරල "පසුගිය සතියේ එකම වේලාව + උෂ්ණත්වය නිවැරදි කිරීම" පදනම සියයට 2.6 ක් ලබා දුන්නේය. සංකීර්ණ ආකෘතියට අත්තිවාරම පසුකර යාමට නොහැකි විය; අතිරේක සංකීර්ණතාවයේ වටිනාකමක් නොතිබුණි. පාඩම: සෑම විටම සරල පදනමක් මුලින්ම ගොඩනඟන්න.
නඩුව 2 - උඩින් අන්ධ ස්ථානය. එක් බෙදාහැරීමේ සමාගමක ආකෘතියක් සමස්ත MAPE හි සියයට 2.1ක හොඳ මට්ටමක පැවති නමුත් ගිම්හාන සන්ධ්යාවේ වායුසමීකරණ උච්චතම අවස්ථාව වන විට එය සියයට 7කින් අඩුවෙන් පුරෝකථනය කරන ලදී. මෙය උණුසුම් දින කිහිපයකදී අනපේක්ෂිත බරක් සහ වෝල්ටීයතා පහත වැටීමක් ඇති කළේය. "අඛණ්ඩ උණුසුම් දින ගණන" (ගොඩනැගීමේ තාප සමුච්චය) උෂ්ණත්ව ගුණාංගයට එකතු කළ විට, උච්ච දෝෂය සියයට 3 දක්වා අඩු විය.
නඩුව 3 - කාන්දු වීම පාලනය කිරීම. එක් සීමාවාසිකයෙකුගේ ආකෘතියක් පසුපෙළ පරීක්ෂා කිරීමේදී ඇදහිය නොහැකි තරම් හොඳින් (සියයට 0.4 MAPE) ක්රියා කළේය. පරීක්ෂණයෙන් පෙන්නුම් කළේ ආකෘතිය පුරෝකථනය කළ කාලයෙහි සැබෑ උෂ්ණත්වය ගුණාංගයක් ලෙස භාවිතා කළ බවයි; ඇත්ත වශයෙන්ම එය කාලගුණ අනාවැකියක් පමණක් වනු ඇත. කාන්දුව ස්ථාවර වූ පසු, MAPE යථාර්ථවාදී සියයට 2.5 දක්වා වැඩි විය. "ඉතා හොඳ" ප්රතිඵලය බොහෝ විට දෝෂයේ සලකුණකි.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
මෙම පැටවීමේ දත්ත සමඟ අනාවැකි ආකෘතියක් සාදන්න.[data]
බලවත් විමසුම:
ඔබේ කාර්යභාරය: බලශක්ති ඉල්ලුම පුරෝකථන විශේෂඥයා. අරමුණ: දිනකට පෙර (පැය 24ක් ඉදිරියෙන්) පැයකට වරක් පද්ධති පැටවීමේ පුරෝකථනය.- පළමුව සරල මූලික රේඛාවක් යෝජනා කරන්න (උදා. පසුගිය සතියේ එම වේලාව) සහ එය යොමු කරන්න.- ගුණාංග ලැයිස්තුවක් උපුටා ගන්න; සෑම ගුණාංගයක් සඳහාම, "අනාවැකිය ක්ෂණිකව ලබා ගත හැකිද?" ලකුණ. කාන්දු වීමේ අවදානමක් ඇති අය වෙන් කරන්න.- පුහුණු කාලසීමාවේ සිට, පසු කාලයකදී වෙන වෙනම තක්සේරු කරන්න.- සාමාන්යයෙන් සහ කාර්ය බහුල වේලාවන්හිදී වෙන වෙනම MAPE වාර්තා කරන්න; දෝෂයේ දිශාව සඳහන් කරන්න (අඩු/ඉහළ). - ප්රතිඵලය තනි සංඛ්යාවක් නොව පුරෝකථන පරතරයක් වීමට ඉඩ දෙන්න. දත්ත සැලැස්ම: [තීරු]
බලගතු ප්රොම්ප්ට් පදනම බලාත්මක කරයි, කාන්දු වීම වළක්වයි, තක්සේරුව නිවැරදිව ස්ථාපිත කරයි, සහ අවිනිශ්චිතතාවය දෘශ්යමාන කරයි - දුර්වල බර පුරෝකථනය කිරීමේ සම්භාව්ය වැරදි හතර කපා දමයි.
පිටපත් කළ හැකි සැකිලි හතරක්
1) ගුණාංග සහ කාන්දුවීම් පරීක්ෂා කිරීම:
පහත අනාවැකි ගැටලුව සඳහා විශේෂාංග ලැයිස්තුවක් යෝජනා කරන්න: [ගැටලුව]. සෑම ගුණාංගයක් සඳහාම, තොරතුරු කොටස් තුනක් සපයන්න: (අ) එය භාරයට බලපාන්නේ ඇයි, (ආ) ක්ෂණිකව ලබා ගත හැකි අනාවැකිය, (ඇ) කාන්දු වීමේ අවදානමක් තිබේ. ඔබේ ලැයිස්තුවෙන් කාන්දු වන ඒවා ඉවත් කරන්න.
2) මූලික ආකෘතියක් ස්ථාපනය කිරීම:
මෙම පැටවුම් මාලාව සඳහා අවම වශයෙන් සරල මූලික රේඛා දෙකක් යෝජනා කරන්න (උදා. ඊයේ එම වේලාව, පසුගිය සතියේ එම කාලය, උෂ්ණත්වය නිවැරදි කළ සාමාන්යය). එක් එක් සඳහා තාර්කිකත්වය ලියන්න. උසස් ආකෘතියක් යෝජනා කරනු ලබන්නේ එය මෙම මූලික කරුණු අර්ථවත් ලෙස සමත් වුවහොත් පමණි.
3) ඇගයීම් ප්රොටෝකෝලය:
මෙම ආකෘතිය සඳහා ඇගයීම් සැලැස්මක් සකසන්න: වෙනම පුහුණු/පරීක්ෂණ කාලසීමාවන් කාල අනුපිළිවෙලින් (අනාගතයේ සිට අතීතයට කාන්දු වීමක් නොමැත). සාමාන්ය, දින වර්ගය සහ උපරිම පැය පදනම අනුව ප්රමිතික වෙන වෙනම ගණනය කරන්න. දෝෂයේ ක්රමානුකූල අංගය වාර්තා කරන්න.
4) අවිනිශ්චිතභාවය සහ තීරණ ගැනීම:
පරාසයක් (ඉහළ/පහළ කලාපය) සමඟ අනාවැකිය ඉදිරිපත් කරන්න. මෙම විරාමය ජාල අතිරික්තය සහ වෙළඳපල ලංසු තීරණයට සම්බන්ධ වන ආකාරය පැහැදිලි කරන්න. "නරකම අවස්ථාව" කුමක් වේද යන ප්රශ්නයටද පිළිතුරු දෙන්න.
පුරෝකථන ක්ෂිතිජ වගුව
ක්ෂිතිජය
කාලසීමාව
මූලික භාවිතය
අධිපති සාධකය
ඉතා කෙටි
මිනිත්තු-පැය
තුලනය, පාලනය
මෑත පැටවීම
කෙටි
දින 1-7
ඒකක කැපවීම, වෙළෙඳපොළ
කාලගුණය, දවසේ වර්ගය
මධ්යම
සති-වසර
නඩත්තු කිරීම, ඉන්ධන, කොන්ත්රාත්තුව
සෘතුමය බව, ආර්ථිකය
දිගු
අවුරුදු
ආයෝජන, ධාරිතාව
ජනගහනය, EV, තාප පොම්පය
පොදු වැරදි
- සරල පදනම මඟ හැරීම. සරල පදනම ඉක්මවා යන බව ඔප්පු නොකර සංකීර්ණ ආකෘතියක් වටිනා ලෙස සැලකිය නොහැකිය.
- දත්ත කාන්දු වීම. පුරෝකථනය කරන අවස්ථාවේ ලබා ගත නොහැකි තොරතුරු ආරෝපණය කිරීම ව්යාජ පරිපූර්ණත්වය ඇති කරයි.
- සාමාන්ය මෙට්රික් අන්ධ ලෙස විශ්වාස කිරීම. උපරිම පැය සහ සෘතුමය සංක්රාන්ති වෙන වෙනම පරීක්ෂා නොකළහොත්, ජාලය අවදානමට ලක් වේ.
- ඔත්තේ අංකයක් ලබා දීම. අවිනිශ්චිත බැන්දුම් නොමැතිව පුරෝකථනය කිරීම අතිරික්ත සැලසුම් කිරීම සඳහා අසම්පූර්ණයි.
- පුහුණු දත්ත මත ඇගයීම. ආකෘතිය සෑම විටම එය නොපෙනෙන කාල පරිච්ඡේදයකදී පරීක්ෂා කළ යුතුය.
සාරාංශයකින්
බර අනාවැකි යනු බලශක්ති පද්ධතියේ ස්පන්දනයයි; එහි ක්රමය සහ අවිනිශ්චිතතාවය ක්ෂිතිජය අනුව වෙනස් වේ. හොඳ පුරෝකථනය හොඳ ගුණාංග වලින් ආරම්භ වන අතර කාන්දුවට එරෙහිව සූක්ෂමතාවයක් අවශ්ය වේ. කෘත්රිම බුද්ධිය විශේෂාංග උත්පාදනය, ආකෘති ගොඩනැගීම සහ ඇගයීම සඳහා ප්රබල ආධාරකයකි; නමුත් සරල මුලික රේඛාව සැමවිටම යොමු වේ, ඇගයීම නොදුටු කාල පරිච්ෙඡ්දය තුළ සිදු කරනු ලබන අතර දෝෂය අර්ථකථනය කරනු ලබන්නේ සාමාන්ය මත නොව උච්ච / පාලන පදනම මත ය. ඇස්තමේන්තුව තනි අංකයක් නොව තීරණය කළ පරාසයකි.
යෙදුම් කාර්යය
බරක් හෝ පරිභෝජන මාලාවක් ගන්න. පළමුව සරල මූලික රේඛාවක් අතින් සකසන්න (උදා: "පසුගිය සතියේ එකම වේලාව"). ඉන්පසු “උලක්ෂණ සහ කාන්දුවීම් පරීක්ෂාව” සහ “ඇගයුම් ප්රොටෝකෝලය” සැකිලි සහිත පුරෝකථන සැලැස්මක් සඳහා AI වෙතින් විමසන්න. එක් එක් යෝජිත ගුණාංගවල කාන්දු වීමේ අවදානම ගැන ඔබෙන්ම ප්රශ්න කරන්න. අවසාන වශයෙන්, උපරිම පැය වල පුරෝකථනයේ දෝෂය සාමාන්ය දෝෂයට වඩා වෙනස් දැයි පරීක්ෂා කර ඔබේ සොයා ගැනීම ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම අනාවැකි ක්ෂිතිජය, විභේදනය සහ ඉලක්කය පැහැදිලි කළෙමි
- [ ] මම සරල පදනමක් ගොඩනඟා එය යොමු කළෙමි
- [ ] සෑම ගුණාංගයක්ම "ක්ෂණිකව පුරෝකථනය කර තිබේද?" මම කාන්දුවීම් සඳහා එය පරීක්ෂා කළා.
- [ ] මම අන්ධ කාලපරිච්ඡේදයක් තුළ ඇගයීම සිදු කළෙමි
- [ ] මම සාමාන්ය සහ උපරිම පැය පදනම මත MAPE වෙන වෙනම පරීක්ෂා කළෙමි
- [ ] මම දෝෂයේ ක්රමානුකූල දිශාව පරීක්ෂා කළෙමි (අඩු/ඉහළ)
- [ ] මම ඇස්තමේන්තුව ඉදිරිපත් කළේ අවිනිශ්චිතභාවය සහ විනිශ්චය පරාසයක් සමඟිනි