Softwarová implementace modelu pro předpověď spotřeby elektrické energie

0467220 - ÚVGZ 2017 RIV CZ cze L4 - Software
Rajdl, Kamil - Štěpánek, Petr - Farda, Aleš
Softwarová implementace modelu pro předpověď spotřeby elektrické energie.
[Software implementation of the model for elektricity consumption forecasting.]
Interní kód: SE MODEL KARA V1 ; 2016
Technické parametry: Jedná se o softwarovou implementaci statistického modelu pro předpověď spotřeby elektrické energie. Model je založen na regresní analýze, jeho vstupem jsou historické výstupy numerických předpovědních modelů (NWP), odpovídající historické hodnoty spotřeby elektrické energie a aktuální výstupy NWP modelů pro nadcházející období několika desítek hodin. Výstupem modelu jsou pak hodinové predikce spotřeby elektrické energie pro vybrané subjekty, lokality či územní celky. Model umožňuje využití meteorologických prvků až z pěti NWP modelů, ze kterých používá relevantní veličiny, zejména teplotu ale i další prvky jakými jsou osvit, případně vlhkost a oblačnost. Interakce se vstupy a výstupy a změna nastavení probíhá pomocí externích souborů (podpora txt a dbf souborů).
Ekonomické parametry: Model je využíván pro předpověď spotřeby energie společností E. ON Energie a.s. v rámci širšího predikčního systému. Predikce budoucí výroby umožňují optimálnější obchodování na energetickém trhu a správu přenosové soustavy potenciálně vedoucí k finančním úsporám.
Zdroj financování: N - neveřejné zdroje
Klíčová slova: elektricity consumption * forecasting model * numerical weather prediction models
Kód oboru RIV: DG - Vědy o atmosféře, meteorologie

Byl vyvinut software na předpověď spotřeby elektrické energie vybraného subjektu či celku, který využívá historické informace o příslušné spotřebě elektrické energie a minulého stavu počasí společně s daty z numerických modelů předpovědi počasí pro prognózu budoucí výroby elektrické energie ve výhledu desítek hodin.

We have developed a software issuing forecasts of electricity consumption for modelled customer and/or geographical area. The software utilizes past information (time series) on electricity consumption and weather information, which are used together with numerical weather forecasts to predict future (up to dozens hours) electricity consumption.
Trvalý link: http://hdl.handle.net/11104/0265335