Βραχυπρόθεσμη πρόβλεψη ζήτησης φορτίου ηλεκτρικής ενέργειας και εξέταση της επίδρασης των ειδικών ημερών

Abstract

Η πρόβλεψη ζήτησης φορτίου ηλεκτρικής ενέργειας είναι ιδιαίτερα σημαντική τις τελευταίες δεκαετίες, με την έναρξης της απελευθέρωσης των αγορών ηλεκτρισμού. Συγκεκριμένα, η βραχυπρόθεσμη πρόβλεψη φορτίου ηλεκτρισμού είναι απαραίτητη για τη σχεδίαση των συστημάτων ενέργειας και την εκτίμηση της ασφάλειάς τους, ενώ σημαντικός είναι ο ρόλος της και στη διαμόρφωση της τιμής ηλεκτρικής ενέργειας. Για τους ανωτέρω λόγους, η παρούσα μελέτη δίνει έμφαση στην αξιολόγηση μεθόδων πρόβλεψης ζήτησης φορτίου ηλεκτρισμού (με χρονικό ορίζοντα μία ημέρα) και στην ενσωμάτωση παραγόντων που επηρεάζουν τη ζήτηση αυτή. Αρχικά, παρουσιάζονται τα γενικά χαρακτηριστικά των χρονοσειρών ζήτησης φορτίου και αναλύεται η διαδικασία αποσύνθεσής στα μεμονωμένα ποιοτικά χαρακτηριστικά τους, με έμφαση στην εποχικότητα των δεδομένων. Δίνεται στη συνέχεια μια επισκόπηση της ποικιλίας των μεθόδων που χρησιμοποιούνται για βραχυπρόθεσμη πρόβλεψη φορτίου ζήτησης. Ακόμη, παρουσιάζονται οι μέθοδοι που αξιολογούνται στην παρούσα εργασία, βασικές μέθοδοι πρόβλεψης, τροποποιημένες ώστε να ενσωματώνουν μία εποχικότητα (Naive, SES, Damped, Holt και Theta), όπως επίσης και η προσαρμογή του Taylor στην εκθετική μέθοδο εξομάλυνσης των Holt-Winters για διπλή εποχικότητα. Επιπλέον, αναλύονται τα σφάλματα μέτρησης της ακρίβειας των μεθόδων και συγκρίνεται η απόδοσή τους επί διαφορετικού τύπου χρονοσειρών. Έπειτα από το πρώτο, θεωρητικό τμήμα της μελέτης, αναλύεται η χρονοσειρά με τα πραγματικά δεδομένα ζήτησης φορτίου ηλεκτρισμού. Που μελετάται. Στην παρούσα εργασία εξετάζεται η απόδοση μιας μεθοδολογίας πρόβλεψης, αποτελούμενης από δύο στάδια. Στο πρώτο στάδιο, γίνεται βραχυπρόθεσμη προέκταση των δεδομένων από τις τεχνικές που αναφέρθηκαν παραπάνω, με εφαρμογή της κλασσικής αποσύνθεσης όπου είναι κρίνεται απαραίτητη. Εφόσον η πρόβλεψη ζήτησης φορτίου απαιτεί γρήγορη αντίδραση σε εξωτερικές μεταβολές της αγοράς, η αποτελεσματικότητα της κυλιόμενης πρόβλεψης γίνεται έντονα αισθητή και η διαδικασία της (εφαρμόζεται σε κάθε βήμα της μεθοδολογίας) περιγράφεται λεπτομερώς. Τα αποτελέσματα όλων των μεθόδων που αναφέρθηκαν παρουσιάζονται στη συνέχεια και είναι αρκετά ικανοποιητικά, όπως αναμενόταν. Το δεύτερο στάδιο της μεθοδολογίας περιλαμβάνει την ενσωμάτωση των ειδικών ημερών (αργίες, απεργίες) στις προβλέψεις του πρώτου σταδίου. Ιδιαίτερη προσοχή δίνεται στους διαφορετικούς συνδυασμούς ειδικών ημερών και οι προβλέψεις των πιο αποδοτικών εξ’ αυτών παρουσιάζονται στη συνέχεια και συγκρίνονται με τα αρχικά αποτελέσματα του πρώτου σταδίου. Με συγκεντρωτική παρουσίαση των αποτελεσμάτων, αποδεικνύονται ανώτερες οι απλούστερες μέθοδοι προέκτασης των δεδομένων και υπογραμμίζεται η ανάγκη για προσαρμογές επί των μεθόδων, βάσει των ειδικών ημερών. Τέλος, αναφέρεται η δυνατότητα περαιτέρω μείωσης του σφάλματος με ενσωμάτωση των καιρικών συνθηκών στις μεθόδους που εξετάζονται στην παρούσα μελέτη.

Electricity load demand forecasting has been of great importance over the past decades, since the deregulation of electricity markets. Specifically, short-term load forecasting is required for scheduling power systems and assessing their security, and it also plays a great role in electricity price fixing. Therefore, this study is focused on the evaluation of methods for electricity load demand forecasting (24-hours ahead forecasts) and the incorporation of factors that influence this demand. At first, the characteristics of load demand time series are specified and the process of decomposition into its individual components is analyzed, with emphasis on the seasonality of the data. A general review of the variety of methods used for short-term electricity load demand is given. Moreover, the methods evaluated in this paper are presented, basic forecasting methods modified to incorporate one seasonality (Naive, SES, Damped, Holt and Theta), as well as the adaptation of Holt-Winters exponential smoothing method for double seasonality. Furthermore, the errors for accuracy measurement are analyzed along with their performance for different types of time series. After the first, theoretical part of the study, the time series with empirical data of electricity load demand is analyzed. A two-step forecasting methodology is investigated on this study. Firstly, short-term extrapolation of the data is performed by the techniques mentioned above, with classical decomposition applied when necessary. Furthermore, since load demand forecasting requires quick response to external market changes, the effectiveness of rolling forecasting is keenly felt and its procedure (implemented on every step of the methodology) is described in detail. The results of all methods mentioned are presented and -as expected- they are pretty satisfying. The second step of the methodology includes the incorporation of special days (bank holidays, strikes) on the produced forecasts. Specific attention is given on different combinations of special days and the forecasts of the most efficient of them are presented and compared with existing results of the first step. Overall, simpler extrapolation techniques are proven superior than more complex methods and the need for adjustments based on special days is underlined. Finally, potential for further error reduction by incorporating weather’s impact on the methods examined on this study is mentioned.