Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 4

Method of forecasting and calculation of electric load of utilities and household consumers under uncertainty

Metoda prognozowania i obliczania obciążenia elektrycznego zakładów użyteczności publicznej i odbiorców domowych w warunkach niepewności

10.15199/48.2024.04.28

nr katalogowy: 148128
10.15199/48.2024.04.28

Streszczenie

Our goal in this article is to study the consistency of the actual power consumption with the calculated consumption in distributed electrical networks with a predominance of household consumers in several cities. We analyse the correspondence between the specific electrical load established by regulatory documents and the actual load for a single apartment according to power consumption in several cities. The discrepancy between the actual electrical load on an apartment and its standard value established by the current regulatory documents, which amounted to - negative 48% to 300%. To improve the accuracy of electricity consumption forecast and calculation of electrical loads, a new indicator is proposed - the generalized uncertainty coefficient 𝐴௜, the value of which is given for the period under consideration. Thus, using the specified coefficient, methods are proposed for predicting power consumption in electrical distribution networks with a predominance of domestic consumers and calculating electrical loads. When using the developed methods, deviations in forecast calculations in relative terms will not exceed 10%.

Abstract

Celem jest zbadanie zgodności rzeczywistego zużycia energii z obliczonym w dystrybucyjnych sieciach elektrycznych z przewagą odbiorców domowych w wielu miastach. Aby zbadać zgodność między określonym obciążeniem elektrycznym ustalonym w dokumentach regulacyjnych a rzeczywistym obciążeniem dla jednego mieszkania w zależności od zużycia energii w wielu miastach. Rozbieżność między faktycznym obciążeniem elektrycznym mieszkania a jego standardową wartością ustaloną w aktualnych dokumentach regulacyjnych, która wyniosła - minus 48 do 300%. Aby poprawić dokładność prognozy zużycia energii elektrycznej i obliczania obciążeń elektrycznych, proponuje się nowy wskaźnik - uogólniony współczynnik niepewności A_i, którego wartość podano dla rozważanego okresu. Tak więc, stosując określony współczynnik, proponuje się metody przewidywania zużycia energii w sieciach dystrybucji energii elektrycznej z przewagą odbiorców krajowych i obliczania obciążeń elektrycznych. Przy stosowaniu opracowanych metod odchylenia w obliczeniach prognoz w kategoriach względnych nie przekroczą 10%

Słowa kluczowe

Keywords

Bibliografia

[1] Asanova S. et.al., Calculation of power losses at given loads and source voltage in radial networks of 35 kV and above by hier-archical-multilevel structured topology representation, Przeglad Elektrotechniczny, (2021), No. 7, 13-18
[2] Asanov M.S. et.al.,The use of Petri computing networks for optimization of the structure of distribution networks to minimize power losses. Energy Reports, 6 (2020), 1337-1343
[3] Blazakis K.V, Kapetanakis T.N., Stavrakakis G.S., Effective Electricity Theft Detection in Power Distribution Grids Using an Adaptive Neuro Fuzzy Inference System, Energies, (2020), Vol.13, 3110
[4] Jabir H.J., Teh J., Ishak D., Abunima H., Impacts of Demand-Side Management on Electrical Power Systems: A Review, Energies, (2018), Vol. 11.,1050
[5] Chan F., Pauwels L.L, Some theoretical results on forecast combinations, International Journal of Forecasting, (2018), 34 (1), 64–74
[6] Florian Z., Load Nowcasting: Predicting Actuals with Limited Data, Energies, (2020), 13(6), 1443
[7] Khasanzoda N. et al., Use of smart grid based wind resources in isolated power systems, Energy, (2022), 253 124188
[8] Ulloa-Vásquez F., García-Santander L., Carrizo D., Heredia-Figueroa F., Intelligent electrical pattern recognition of appliances consumption for home energy management using high resolution measurement, in IEEE Latin America Transactions, 20 (2020), no. 2, 326-334
[9] Senyuk M., Safaraliev M., Gulakhmadov A., Ahyoev J.,Application of the Conditional Optimization Synchronous Generator Steam Turbine Operating in a Complex-Closed Configuration Power System, Mathematics, (2022), 10, 3979
[10] Bumtsend, U. et al., The unbalanced modes analyze of traction loads network, In 2020 Ural Symposium on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT) IEEE, (2020), 0456-0459
[11] Fezzi C., Mosetti L., Size matters: Estimation sample length and electricity price forecasting accuracy, The Energy Journal, 41 (4), (2020)
[12] Goltsos T. E., Syntetos A. A., Van der Laan, Forecasting for remanufacturing: The effects of serialization, Journal of Operations Management, 65 (5), (2019), 447–467
[13] Grushka-Cockayne Y, Jose V.R., Combining prediction intervals in the M4 competition, International Journal of Forecasting, 36 (1), (2020), 178–185
[14] Hewamalag H, Bergmeir C., Bandara K, Recurrent neural networks for time series forecasting: Current status and future directions, International Journal of Forecasting, 37(1), (2021), 388-427
[15] Hong T., Pinson P., Energy forecasting in the big data world, International Journal of Forecasting, 35 (4), 2019, 1387–1388
[16] Issi F., Kaplan O., The Determination of Load Profiles and Power Consumptions of Home Appliances, Energies, (2018), 11(3), 607
[17] Dzhuraev, S. et al., Computation of the zero-wire current under an asymmetric nonlinear load in a distribution network, Energy Reports, 8(2022), 563-573
[18] Sharma S., Majumdar A., Elvira V., Chouzenoux É., Blind kalman filtering for short-term power load forecasting, IEEE Transactions on Power Systems, 6(2020), Vol. 35, 4916- 4919
[19] Andrea G., Models and Techniques for Electric Load Forecasting in the Presence of Demand Response, IEEE Trans. Con.Sys.Tech., 23(2014), 1087-1097
[20] Deng Z., Wang B., Xu Y., Multi-scale convolutional neural network with time-cognition for multi-step short-term power load forecasting, IEEE Access, (2019), Vol. 7., 88058-88071
[21] Kamalov F., Sulieman H., Time series signal recovery methods: comparative study, In 2021 International Symposium on Networks, Computers and Communications (ISNCC) IEEE, (2021), 1-5
[22] Kamalov F., Gurrib I., Moussa S., Nazir A., A Comparative Study of Autoregressive and Neural Network Models: Forecasting the GARCH Process, In International Conference on Intelligent Computing Cham: Springer International Publishing, (2022), 589-603
[23] Hewamalage H., Bergmeir C., Bandara K., Recurrent neural networks for time series forecasting: Current status and future directions, International Journal of Forecasting, 37(1), (2021), 388-427
[24] Hong T., Pinson P., Energy forecasting in the big data world, International Journal of Forecasting, 35 (4), (2019), 1387–1388
[25] Tavarov S.S et al., Evaluation of the Operating Modes of the Urban Electric Networks in Dushanbe City, Tajikistan, Inventions, (2022), 7, 107
[26] Tavarov S.S, et al., Model and algorithm of electricity consumption management for household consumers in the republic of Tajikistan, Mathematical Modelling of Engineering Problems, 7(2020), 520-526
[27] Sidorov A.I., Tavarov S.S, Method for forecasting electric consumption for household users in the conditions of the Republic of Tajikistan, International Journal of Sustainable Development and Planning, 15(2020), No. 4, 569-574

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 94051 "Analiza przepięć przenosz..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY - e-zeszyt (pdf) 2015-10 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma