MACROMODELING OF LOCAL POWER SUPPLY SYSTEM BALANCE FORECASTING USING FRACTAL PROPERTIES OF LOAD AND GENERATION SCHEDULES

Zaproponowano metodę prognozowania bilansu zużycia energii elektrycznej przez obiekty miejskie o przeznaczeniu cywilnym z wykorzystaniem makromodeli dyskretnych. Rozważany jest system zasilania (SZ) dzielnicy, który charakteryzuje się zasilaniem z sieci ogólnego przeznaczenia, a także posiada własną produkcję energii elektrycznej z odnawialnych źródeł energii (OZE). Taki lokalny system elektroenergetyczny (LES) w pewnych warunkach może być eksploatowany jako niezależny, zrównoważony obiekt elektryczny. Aby zapewnić optymalne działanie LES w takich warunkach, konieczne jest przewidywanie jego harmonogramów poboru mocy. Proponowana metoda makromodelowania pozwala na opracowanie deterministycznych modeli poboru mocy z wymaganą dokładnością na podstawie informacji retrospektywnych bez stosowania procedur wstępnego przetwarzania danych. Rozwiązanie problemu prognozowania planów zużycia energii elektrycznej jest uproszczone poprzez wykorzystanie w konstrukcji modelu jedynie podstawowych lub deterministycznych charakterystyk. Obejmują one fraktalne właściwości harmonogramów obciążenia SZ.

Słowa kluczowe:

system zasilania, rozwój miast, prognozowanie zużycia energii, makromodelowanie, właściwości fraktalne

Bibliografia

Ahmad N. et al.: Load Forecasting Techniques for Power System: Research Challenges and Survey. IEEE Access 10, 2022, 71054–71090 [http://doi.org/10.1109/ACCESS.2022.3187839]. DOI: https://doi.org/10.1109/ACCESS.2022.3187839

Feder E.: Fractals. Mir, Moscow 1991.

Kaur D. et al.: Energy forecasting in smart grid systems: recent advancements in probabilistic deep learning. IET Gener. Transm. Distrib. 16, 2022, 4461–4479 [http://doi.org/10.1049/gtd2.12603]. DOI: https://doi.org/10.1049/gtd2.12603

Lezhniuk P. et al.: Natural-simulation Model of Photovoltaic Station Generation in Process of Electricity Balancing in Electrical Power System. Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska 12(3), 2022, 40–45 [http://doi.org/10.35784/iapgos.3030]. DOI: https://doi.org/10.35784/iapgos.3030

Lezhniuk P. D., Bondarchuk A. S., Shullie Iu. A.: Fractal analysis of dynamics of electric loading of civil objects. Sciences of Europe 27-1(27), 2018, 46–54.

Liu H. et al.: A Power Load Forecasting Method Based on Intelligent Data Analysis. Electronics 12(16), 2023, 3441. DOI: https://doi.org/10.3390/electronics12163441

Peters E.: Fractal Analysis of Financial Markets: Application of Chaos Theory in Investments and Economics. Internet-trading, Moscow 2004.

Stakhiv P. G., Kozak Y. Y., Gogolyuk O. P.: Discrete macromodelling in electrical engineering and related fields. Publishing House of Lviv Polytechnic, Lviv 2014.

Venikov V. A.: Theory of similarity and modeling. Higher School, Moscow 1976.

Zhelezko Y. S.: Power losses. Reactive power. Electricity quality: Guide for practical calculations. ENPAS, Moscow 2009.

Jarykbassov, D., Lezhniuk, P., Hunko, I., Lysyi, V., & Dobrovolska, L. (2023). MAKROMODELOWANIE PROGNOZOWANIA BILANSU LOKALNEGO SYSTEMU ELEKTROENERGETYCZNEGO Z WYKORZYSTANIEM FRAKTALNYCH WŁAŚCIWOŚCI PLANÓW OBCIĄŻENIA I GENERACJI. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 13(3), 79–82. https://doi.org/10.35784/iapgos.4457

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 13 Nr 3 (2023)

Archiwum

##plugins.themes.bootstrap3.article.main##

DOI

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja