Энергетическое прогнозирование
Энергетическое прогнозирование включает прогнозирование спроса ( нагрузки ) и цен на электроэнергию , ископаемое топливо (природный газ, нефть, уголь) и возобновляемые источники энергии (ВИЭ; гидро, ветер, солнечная энергия). Прогнозирование может быть как ожидаемым, так и вероятностным . [1] [2] [3] [4]
Фон
[ редактировать ]Когда секторы электроэнергетики регулировались, коммунальные монополии использовали краткосрочные прогнозы нагрузки для обеспечения надежности поставок и долгосрочные прогнозы спроса в качестве основы для планирования и инвестирования в новые мощности. [5] [6] Однако с начала 1990-х годов процесс дерегулирования и введение конкурентных рынков электроэнергии изменил ландшафт традиционно монопольных и контролируемых государством энергетических секторов. Во многих странах мира электроэнергия в настоящее время торгуется по рыночным правилам с использованием спотовых и производных контрактов. [7] На корпоративном уровне прогнозы нагрузки на электроэнергию и цен стали фундаментальным вкладом в механизмы принятия решений энергетических компаний. Затраты на заключение сверх- или недоконтрактов, а затем на продажу или покупку мощностей на балансирующем рынке обычно настолько высоки, что могут привести к огромным финансовым потерям и банкротству . в крайнем случае [8] [9] В этом отношении электроэнергетические компании являются наиболее уязвимыми, поскольку они, как правило, не могут переложить свои расходы на розничных потребителей. [10]
Хотя было проведено множество эмпирических исследований точечных прогнозов (т.е. «наилучшего предположения» или ожидаемого значения спотовой цены), вероятностные (т.е. интервальные и плотности) прогнозы до сих пор широко не исследовались. [6] [11] Однако ситуация меняется, и сегодня как исследователи, так и практики сосредоточивают внимание на последнем. [12] В то время как Глобальный конкурс по энергетическому прогнозированию в 2012 году был посвящен точечному прогнозированию электрической нагрузки и энергии ветра, выпуск 2014 года был нацелен на вероятностное прогнозирование электрической нагрузки, энергии ветра, солнечной энергии и цен на электроэнергию.
Учебник 2023 года посвящен прогнозированию электрической нагрузки и содержит учебные материалы, написанные на языке Python . [13]
Выгоды от снижения электрической нагрузки и ошибок прогнозирования цен
[ редактировать ]Чрезвычайная волатильность оптовых цен на электроэнергию , которая может быть на два порядка выше, чем у любого другого товара или финансового актива, [6] заставил участников рынка хеджироваться не только от риска объемов, но и от движения цен. Генератор, коммунальное предприятие или крупный промышленный потребитель, способные прогнозировать изменчивые оптовые цены с разумным уровнем точности, могут скорректировать свою стратегию торгов и собственный график производства или потребления, чтобы снизить риск или максимизировать прибыль на день вперед. торговля. Однако, поскольку прогнозы нагрузки и цен используются многими подразделениями энергетической компании, очень сложно оценить выгоды от их улучшения. Грубая оценка экономии от снижения средней абсолютной процентной ошибки (MAPE) на 1% для коммунального предприятия с пиковой нагрузкой 1 ГВт составляет: [14]
- 500 000 долларов США в год за счет долгосрочного прогнозирования нагрузки ,
- 300 000 долларов США в год за счет краткосрочного прогнозирования нагрузки,
- 600 000 долларов США в год за счет краткосрочного прогнозирования нагрузки и цен.
Помимо прогнозирования электрической нагрузки, существуют также интегративные подходы для сетей с высоким уровнем проникновения возобновляемой энергии для прямого прогнозирования полезной нагрузки. [15]
Основные области интересов
[ редактировать ]К наиболее популярным (по количеству научных работ и разработанных методик) подобластям энергетического прогнозирования относятся:
- Прогнозирование нагрузки (прогнозирование электрической нагрузки, прогнозирование спроса на электроэнергию). Хотя « нагрузка » — неоднозначный термин, при прогнозировании нагрузки «нагрузка» обычно означает спрос (в кВт ) или энергию (в кВтч ), а поскольку величина мощности и энергии одинакова для почасовых данных, обычно не делается никакого различия между спрос и энергия. [16] Прогнозирование нагрузки включает в себя точное предсказание как величин, так и географического положения в различные периоды горизонта планирования. Основной интересующей величиной обычно является почасовая общая нагрузка системы (или зоны). Однако прогнозирование нагрузки также связано с прогнозированием часовых, дневных, еженедельных и ежемесячных значений нагрузки и пиковой нагрузки . [5] [8] [11] Наиболее часто используемые функции для прогнозирования нагрузки основаны на сезонных данных (время суток, праздники...), исторических данных (прошлые нагрузки на электроэнергию), погодных данных (температура...) и данных о мобильности людей (туризм, работа...). .). [17]
- Прогнозирование цен на электроэнергию
- Прогнозирование ветроэнергетики
- Прогнозирование солнечной энергии
Горизонты прогнозирования
[ редактировать ]Принято говорить о кратко-, средне- и долгосрочном прогнозировании, однако в литературе нет единого мнения относительно того, какими на самом деле должны быть пороговые значения:
- Краткосрочное прогнозирование [18] обычно включает горизонты от нескольких минут до нескольких дней вперед и имеет первостепенное значение в повседневных рыночных операциях . В прогнозировании нагрузки очень краткосрочное прогнозирование с заблаговременностью, измеряемой минутами, часто рассматривается как отдельный класс прогнозов. [19]
- Среднесрочное прогнозирование , от нескольких дней до нескольких месяцев, обычно предпочтительнее для расчетов баланса , управления рисками и ценообразования деривативов . Во многих случаях, особенно при прогнозировании цен на электроэнергию , оценка основана не на фактических точечных прогнозах, а на распределении цен на определенные будущие периоды времени. Поскольку этот тип моделирования имеет давнюю традицию в сфере финансов , наблюдается приток «финансовых решений». [6]
- Долгосрочное прогнозирование , время выполнения которого измеряется месяцами, кварталами или даже годами, концентрируется на анализе и планировании рентабельности инвестиций , например, на определении будущих площадок или источников топлива для электростанций. [20]
Инициативы
[ редактировать ]- Рабочая группа IEEE по энергетическому прогнозированию
- Соревнования по глобальному энергетическому прогнозированию
Ссылки
[ редактировать ]- ^ ВанДевентер, Уильям; Джамей, Эльмира; Тирунавуккарасу, Гокул Сидарт; Сейедмахмудиан, Мехди; Скоро Тей Кок; Хоран, Бен; Мехилеф, Саад; Стойцевски, Алекс (01 сентября 2019 г.). «Краткосрочное прогнозирование фотоэлектрической мощности с использованием гибридной методики GASVM» . Возобновляемая энергия . 140 : 367–379. doi : 10.1016/j.renene.2019.02.087 . ISSN 0960-1481 . S2CID 115383272 .
- ^ Сейедмахмудиан, Мехди; Джамей, Эльмира; Тирунавуккарасу, Гокул Сидарт; Скоро Тей Кок; Мортимер, Майкл; Хоран, Бен; Стойцевский, Алекс; Мехилеф, Саад (май 2018 г.). «Краткосрочное прогнозирование выходной мощности интегрированной в здание фотоэлектрической системы с использованием метаэвристического подхода» . Энергии . 11 (5): 1260. дои : 10.3390/en11051260 . hdl : 10536/DRO/DU:30113253 .
- ^ Дас, Утпал Кумар; Тей, Кок Сун; Сейедмахмудиан, Мехди; Мехилеф, Саад; Идрис, Мох Ямани Идна; Ван Девентер, Виллем; Хоран, Бенд; Стойцевский, Алекс (01 января 2018 г.). «Прогнозирование производства фотоэлектрической энергии и оптимизация модели: обзор» . Обзоры возобновляемой и устойчивой энергетики . 81 : 912–928. дои : 10.1016/j.rser.2017.08.017 . ISSN 1364-0321 .
- ^ Дас, Утпал Кумар; Тей, Кок Сун; Сейедмахмудиан, Мехди; Идна Идрис, Мохд Ямани; Мехилеф, Саад; Хоран, Бен; Стойцевский, Алекс (июль 2017 г.). «Модель на основе SVR для прогнозирования выработки фотоэлектрической энергии в различных погодных условиях» . Энергии . 10 (7): 876. doi : 10.3390/en10070876 . hdl : 10536/DRO/DU:30099275 .
- ^ Перейти обратно: а б Шахидпур, Мохаммед; Ямин, Хатим; Ли, Цзуи (2002). Рыночные операции в электроэнергетических системах: прогнозирование, планирование и управление рисками . Уайли. дои : 10.1002/047122412x . ISBN 978-0471443377 .
- ^ Перейти обратно: а б с д Верон, Рафал (2014). «Прогнозирование цен на электроэнергию: обзор современного состояния с взглядом в будущее» . Международный журнал прогнозирования . 30 (4). [Открытый доступ]: 1030–1081. doi : 10.1016/j.ijforecast.2014.08.008 .
- ^ Банн, Дерек В., изд. (2004). Моделирование цен на конкурентных рынках электроэнергии . Уайли. ISBN 978-0-470-84860-9 .
- ^ Перейти обратно: а б Верон, Рафал (2006). Моделирование и прогнозирование нагрузок и цен на электроэнергию: статистический подход . Уайли. ISBN 978-0-470-05753-7 .
- ^ Камински, Винсент (2013). Энергетические рынки . Книги рисков. ISBN 9781906348793 .
- ^ Джоскоу, Пол Л. (2001). «Калифорнийский электроэнергетический кризис». Оксфордский обзор экономической политики . 17 (3): 365–388. CiteSeerX 10.1.1.363.5522 . дои : 10.1093/oxrep/17.3.365 . hdl : 1721.1/44978 . ISSN 0266-903X .
- ^ Перейти обратно: а б Хун, Тао; Дики, Дэвид А. Прогнозирование электрической нагрузки: основы и передовой опыт . Отексты. Архивировано из оригинала 3 января 2015 г. Проверено 29 ноября 2015 г.
- ^ Хун, Тао; Фан, Шу. «Вероятностное прогнозирование электрической нагрузки: обзор учебного пособия» . blog.drhongtao.com . Проверено 29 ноября 2015 г.
- ^ Хабен, Стивен; Восс, Маркус; Холдербаум, Уильям (2023). Основные концепции и методы прогнозирования нагрузки: с приложениями в распределительных сетях . Чам, Швейцария: Springer International Publishing. дои : 10.1007/978-3-031-27852-5 . ISBN 978-3-031-27851-8 . Проверено 7 мая 2023 г. PDF-версия копии в твердом переплете. Также доступна электронная версия.
- ^ Хун, Тао (2015). «Уроки хрустального шара по прогнозной аналитике» . Журнал «ЭнергоБиз» . Весна: 35–37. Архивировано из оригинала 10 сентября 2015 г. Проверено 29 ноября 2015 г.
- ^ Каур, Аманприт; Нонненмахер, Лукас; Коимбра, К. (2016). «Прогнозирование чистой нагрузки для сетей с высоким уровнем проникновения возобновляемых источников энергии». Энергия . 114 : 1073–1084. doi : 10.1016/J.ENERGY.2016.08.067 . S2CID 36004870 .
- ^ «Энергетическое прогнозирование: нагрузка, спрос, энергия и мощность» . blog.drhongtao.com . Проверено 29 ноября 2015 г.
- ^ Думеш, Натан; Аллиу, Янн; Гуд, Янниг; Рубричи, Стефания (28 сентября 2023 г.). «Пространственная динамика населения для прогнозирования спроса на электроэнергию: пример Франции во время энергетического кризиса 2022 года». arXiv : 2309.16238 [ стат.AP ].
- ^ Шарма, Абхишек; Джайн, Сачин Кумар (октябрь 2022 г.). «Новый подход к сезонной сегментации для прогнозирования нагрузки на сутки вперед» . Энергия . 257 : 124752. doi : 10.1016/j.energy.2022.124752 . ISSN 0360-5442 .
- ^ «Прогнозирование энергетики: очень краткосрочное, краткосрочное, среднесрочное и долгосрочное прогнозирование нагрузки» . blog.drhongtao.com . Проверено 29 ноября 2015 г.
- ^ Вентоза, Мариано; Байлло, Альваро; Рамос, Андрес; Ривье, Мишель (2005). «Тенденции моделирования рынка электроэнергии». Энергетическая политика . 33 (7): 897–913. дои : 10.1016/j.enpol.2003.10.013 .
