Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Энергетическое прогнозирование включает прогнозирование спроса ( нагрузки ) и цен на электроэнергию , ископаемое топливо (природный газ, нефть, уголь) и возобновляемые источники энергии (ВИЭ; гидро, ветер, солнце). Прогнозирование может быть как ожидаемой ценой, так и вероятностным прогнозированием . [1] [2] [3] [4]

Фон [ править ]

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 годов процесс дерегулирования и введение конкурентных рынков электроэнергии изменили ландшафт традиционно монополистических и контролируемых государством секторов энергетики. Во многих странах мира в настоящее время торговля электроэнергией осуществляется по рыночным правилам с использованием спотовых и производных контрактов. [7]На корпоративном уровне прогнозы нагрузки и цен на электроэнергию стали фундаментальным фактором в механизмах принятия решений энергетическими компаниями. Издержки чрезмерного или недостаточного подряда, а затем продажи или покупки мощности на балансирующем рынке обычно настолько высоки, что в крайнем случае могут привести к огромным финансовым потерям и банкротству . [8] [9] В этом отношении электроэнергетические компании являются наиболее уязвимыми, поскольку они, как правило, не могут переложить свои затраты 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 плотностные - прогнозы на сегодняшний день широко не исследовались. [6] [11] Однако ситуация меняется, и в настоящее время как исследователи, так и практики уделяют внимание последнему. [12] В то время как в 2012 году конкурс Global Energy Forecasting был посвящен точечному прогнозированию электрической нагрузки и энергии ветра, издание 2014 года было направлено на вероятностное прогнозирование электрической нагрузки, энергии ветра, солнечной энергии и цен на электроэнергию.

Выгоды от снижения электрической нагрузки и ошибок прогноза цен [ править ]

Крайняя нестабильность в оптовых ценах на электроэнергию , которая может быть до двух порядков выше , чем у любого другого товара или финансового актива, [6]вынудил 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 сложно количественно оценить выгоды от их улучшения. Приблизительная оценка экономии от снижения средней абсолютной процентной ошибки (MAPE) на 1% для энергосистемы с пиковой нагрузкой 1 ГВт : [13]

  • 500000 долларов в год из долгосрочного прогнозирования нагрузки ,
  • 300000 долларов в год из краткосрочного прогнозирования нагрузки,
  • 600 000 долларов в год на основе краткосрочного прогнозирования нагрузки и цен.

Основные области интересов [ править ]

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). Хотя « нагрузка » - неоднозначный термин, при прогнозировании нагрузки «нагрузка» обычно означает потребность (в кВт ) или энергию (в кВт-ч ), и поскольку величина мощности и энергии одинакова для почасовых данных, обычно не делается различия между спрос и энергия. [14] Прогнозирование нагрузки включает в себя точное предсказание как величин, так и географических местоположений в разные периоды горизонта планирования. Основная интересующая величина - это, как правило, общая почасовая нагрузка на систему (или зональную). Однако прогнозирование нагрузки также связано с предсказанием ежечасных, суточных, недельных и месячных значений нагрузки и пиковой нагрузки .[5] [8] [11]
  • Прогноз цен на электроэнергию
  • Прогнозирование энергии ветра
  • Прогнозирование солнечной энергии

Горизонты прогнозирования [ править ]

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 включает горизонты от нескольких минут до нескольких дней вперед и имеет первостепенное значение в повседневных рыночных операциях . При прогнозировании нагрузки очень краткосрочное прогнозирование со временем выполнения заказа, измеряемым в минутах, часто рассматривается как отдельный класс прогнозов. [15]
  • Среднесрочное прогнозирование , от нескольких дней до нескольких месяцев вперед, обычно предпочтительнее для расчетов баланса , управления рисками и ценообразования производных финансовых инструментов . 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 финансах , наблюдается приток «финансовых решений». [6]
  • Долгосрочное прогнозирование , время выполнения которого измеряется месяцами, кварталами или даже годами, концентрируется на анализе и планировании рентабельности инвестиций , таких как определение будущих площадок или источников топлива для электростанций. [16]

Инициативы [ править ]

  • Рабочая группа IEEE по прогнозированию энергетики
  • Соревнования по прогнозированию мировой энергетики

Ссылки [ править ]

  1. ^ VanDeventer, 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. DOI : 10.1016 / j.renene.2019.02.087 . ISSN  0960-1481 .
  2. ^ Seyedmahmoudian, 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. DOI : 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. DOI : 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. DOI : 10,3390 / en10070876 .
  5. ^ а б Шахидехпур, Мохаммад; Ямин, Хатим; Ли, Зуйи (2002). Рыночные операции в электроэнергетических системах: прогнозирование, планирование и управление рисками . Вайли. DOI : 10.1002 / 047122412x . ISBN 978-0471443377.
  6. ^ a b 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. DOI : 10.1016 / j.ijforecast.2014.08.008 .
  7. ^ Банн, Derek W., ред. (2004). Моделирование цен на конкурентных рынках электроэнергии . Вайли. ISBN 978-0-470-84860-9.
  8. ^ a b 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. ^ Joskow, Пол Л. (2001). «Энергетический кризис в Калифорнии» . Оксфордский обзор экономической политики . 17 (3): 365–388. CiteSeerX 10.1.1.363.5522 . DOI : 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 . Проверено 29 ноября 2015 .
  12. ^ Хун, Дао; Фан, Шу. «Вероятностное прогнозирование электрической нагрузки: учебное пособие» . blog.drhongtao.com . Проверено 29 ноября 2015 .
  13. Перейти ↑ Hong, Tao (2015). «Уроки хрустального шара в прогнозной аналитике» . Журнал EnergyBiz . Весна: 35–37.
  14. ^ «Прогнозирование энергии: нагрузка, спрос, энергия и мощность» . blog.drhongtao.com . Проверено 29 ноября 2015 .
  15. ^ «Прогнозирование энергии: очень краткосрочное, краткосрочное, среднесрочное и долгосрочное прогнозирование нагрузки» . blog.drhongtao.com . Проверено 29 ноября 2015 .
  16. ^ Ventosa, Мариано; Байылло, Альваро; Рамос, Андрес; Ривье, Мишель (2005). «Тенденции моделирования рынка электроэнергии». Энергетическая политика . 33 (7): 897–913. DOI : 10.1016 / j.enpol.2003.10.013 .

Внешние ссылки [ править ]

  • Рабочая группа IEEE по прогнозированию энергетики