Прогноз энергии - Energy forecasting

Прогноз энергии включает прогнозирование спроса (нагрузка ) и цена на электричество, ископаемое топливо (природный газ, нефть, уголь) и возобновляемые источники энергии (ВИЭ; гидро-, ветровая, солнечная). Прогнозирование может быть как ожидаемой ценой, так и вероятностное прогнозирование.[1][2][3][4]

Фон

Когда электроэнергетика регулировалась, 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 гг. Процесс дерегулирование и введение конкурентные рынки электроэнергии меняют ландшафт традиционно монополистических и контролируемых государством секторов энергетики. Во многих странах мира в настоящее время торговля электроэнергией осуществляется по рыночным правилам с использованием место и производная контракты.[7] На корпоративном уровне прогнозы нагрузки и цен на электроэнергию стали фундаментальным вкладом в механизмы принятия решений энергетическими компаниями. Затраты на привлечение избыточных или недостаточных контрактов, а затем на продажу или покупку мощности на балансирующем рынке, как правило, настолько высоки, что могут привести к огромным финансовым потерям и банкротство в крайнем случае.[8][9] В этом отношении электрические сети являются наиболее уязвимыми, поскольку обычно не могут переложить свои расходы на розничных клиентов.[10]

Хотя было проведено множество эмпирических исследований точечных прогнозов (т. Е. «Наилучшего предположения» или ожидаемого значения спотовой цены), вероятностный прогнозы по интервалам и плотности до настоящего времени не изучались.[6][11] Однако ситуация меняется, и в настоящее время как исследователи, так и практики уделяют внимание последнему.[12] В то время как Конкурс глобального энергетического прогнозирования в 2012 году было точечное прогнозирование электрической нагрузки и энергии ветра, редакция 2014 года была направлена ​​на вероятностное прогнозирование электрической нагрузки, энергии ветра, солнечной энергии и цен на электроэнергию.

Выгоды от снижения электрической нагрузки и ошибок прогноза цен

Экстремальный непостоянство из оптовые цены на электроэнергию, который может быть на два порядка выше, чем у любого другого товара или финансового актива,[6] вынудило участников рынка хеджировать не только риск объема, но и колебания цен. Генератор, коммунальное предприятие или крупный промышленный потребитель, который может прогнозировать неустойчивые оптовые цены с разумным уровнем точности, может скорректировать свою стратегию торгов и собственный график производства или потребления, чтобы снизить риск или максимизировать прибыль на сутки вперед. торговля. Тем не менее, поскольку прогнозы нагрузки и цен используются многими отделами энергетической компании, очень трудно количественно оценить выгоды от их улучшения. Приблизительная оценка экономии от 1% сокращения средняя абсолютная ошибка в процентах (MAPE) для утилиты с 1 ГВт Пиковая нагрузка является:[13]

  • $ 500 000 в год при длительной нагрузке прогнозирование,
  • 300000 долларов в год из краткосрочного прогнозирования нагрузки,
  • 600 000 долларов в год на основе краткосрочного прогнозирования нагрузки и цен.

Основные направления интересов

К наиболее популярным (с точки зрения количества исследовательских работ и разработанных методик) подразделов энергетического прогнозирования относятся:

  • Прогнозирование нагрузки (прогнозирование электрической нагрузки, прогнозирование спроса на электроэнергию). Несмотря на то что "нагрузка "- термин неоднозначный, при прогнозировании нагрузки" нагрузка "обычно означает спрос (в кВт ) или энергии (в кВтч ), и поскольку величина мощности и энергии одинакова для почасовых данных, обычно не делается различия между потреблением и энергией.[14] Прогнозирование нагрузки включает в себя точное прогнозирование как величин, так и географических местоположений на разные периоды горизонта планирования. Основной интересующей величиной обычно является общая почасовая нагрузка на систему (или зональную). Однако прогнозирование нагрузки также связано с прогнозированием ежечасных, суточных, недельных и месячных значений нагрузки и Пиковая нагрузка.[5][8][11]
  • Прогноз цен на электроэнергию
  • Прогнозирование энергии ветра
  • Прогнозирование солнечной энергии

Горизонты прогнозирования

Принято говорить о краткосрочном, среднесрочном и долгосрочном прогнозировании, но в литературе нет единого мнения относительно того, какими на самом деле должны быть пороговые значения:

  • Краткосрочное прогнозирование обычно охватывает горизонты от нескольких минут до нескольких дней вперед и имеет первостепенное значение в повседневные рыночные операции. При прогнозировании нагрузки очень краткосрочное прогнозирование со сроками выполнения, измеряемыми в минутах, часто рассматривается как отдельный класс прогнозов.[15]
  • Средняя степень прогнозирование, от нескольких дней до нескольких месяцев вперед, как правило, предпочтительнее для балансовые расчеты, управление рисками и ценообразование деривативов. Во многих случаях, особенно в прогноз цен на электроэнергию, оценка основана не на фактических точечных прогнозах, а на распределении цен на определенные будущие периоды времени. Поскольку этот вид моделирования имеет давние традиции в финансы наблюдается приток «финансовых решений».[6]
  • Долгосрочное прогнозирование, со сроками выполнения заказов, измеряемыми месяцами, кварталами или даже годами, основное внимание уделяется анализ рентабельности инвестиций и планирование, такое как определение будущих площадок или источников топлива для электростанций.[16]

Инициативы

Рекомендации

  1. ^ ВанДевентер, Уильям; Джамей, Эльмира; Тирунавуккарасу, Гокул Сидарт; Сейедмахмудиан, Мехди; Вскоре Тей Кок; Хоран, Бен; Мехилеф, Саад; Стойчевски, Алекс (2019-09-01). «Краткосрочное прогнозирование фотоэлектрической мощности с использованием гибридной методики GASVM». Возобновляемая энергия. 140: 367–379. Дои:10.1016 / j.renene.2019.02.087. ISSN  0960-1481.
  2. ^ Сейедмахмудиан, Мехди; Джамей, Эльмира; Тирунавуккарасу, Гокул Сидарт; Вскоре Тей Кок; Мортимер, Майкл; Хоран, Бен; Стойчевский, Алекс; Мехилеф, Саад (май 2018 г.). «Краткосрочное прогнозирование выходной мощности фотоэлектрической системы, интегрированной в здание, с использованием метаэвристического подхода». Энергии. 11 (5): 1260. Дои:10.3390 / en11051260.
  3. ^ Дас, Утпал Кумар; Тей, Кок Сун; Сейедмахмудиан, Мехди; Мехилеф, Саад; Идрис, Мох Ямани Идна; Ван Девентер, Виллем; Хоран, Бенд; Стойчевский, Алекс (01.01.2018). «Прогнозирование производства фотоэлектрической энергии и оптимизация модели: обзор». Обзоры возобновляемых и устойчивых источников энергии. 81: 912–928. Дои:10.1016 / j.rser.2017.08.017. ISSN  1364-0321.
  4. ^ Дас, Утпал Кумар; Тей, Кок Сун; Сейедмахмудиан, Мехди; Идна Идрис, Мохд Ямани; Мехилеф, Саад; Хоран, Бен; Стойчевский, Алекс (июль 2017). «Модель на основе SVR для прогнозирования производства фотоэлектрической энергии в различных погодных условиях». Энергии. 10 (7): 876. Дои:10.3390 / en10070876.
  5. ^ а б Шахидехпур, Мохаммад; Ямин, Хатим; Ли, Зуйи (2002). Рыночные операции в электроэнергетических системах: прогнозирование, планирование и управление рисками. Вайли. Дои:10.1002 / 047122412x. ISBN  978-0471443377.
  6. ^ а б c d Верон, Рафал (2014). [Открытый доступ]. «Прогнозирование цен на электроэнергию: обзор современного состояния с взглядом в будущее». Международный журнал прогнозирования. 30 (4): 1030–1081. Дои:10.1016 / j.ijforecast.2014.08.008.
  7. ^ Банн, Дерек В., изд. (2004). Моделирование цен на конкурентных рынках электроэнергии. Вайли. ISBN  978-0-470-84860-9.
  8. ^ а б Верон, Рафал (2006). Моделирование и прогнозирование нагрузок и цен на электроэнергию: статистический подход. Вайли. ISBN  978-0-470-05753-7.
  9. ^ Камински, Винсент (2013). Энергетические рынки. Книги рисков. ISBN  9781906348793.
  10. ^ Йоскоу, Пол Л. (2001). "Энергетический кризис в Калифорнии". 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.
  11. ^ а б Хун, Дао; Дики, Дэвид А. Прогнозирование электрической нагрузки: основы и передовой опыт. OTexts. Получено 2015-11-29.
  12. ^ Хун, Дао; Фан, Шу. «Вероятностное прогнозирование электрической нагрузки: обзор учебного пособия». blog.drhongtao.com. Получено 2015-11-29.
  13. ^ Хун, Тао (2015). «Уроки хрустального шара в прогнозной аналитике». Журнал EnergyBiz. Весна: 35–37.
  14. ^ «Энергетическое прогнозирование: нагрузка, спрос, энергия и мощность». blog.drhongtao.com. Получено 2015-11-29.
  15. ^ «Энергетическое прогнозирование: очень краткосрочное, краткосрочное, среднесрочное и долгосрочное прогнозирование нагрузки». blog.drhongtao.com. Получено 2015-11-29.
  16. ^ Вентоза, Мариано; Байылло, Альваро; Рамос, Андрес; Ривье, Мишель (2005). «Тенденции моделирования рынка электроэнергии». Энергетическая политика. 33 (7): 897–913. Дои:10.1016 / j.enpol.2003.10.013.

внешняя ссылка