Analyse und Prognose elektrischer Lastgangzeitreihen

Autor(en): Fiedeldey, Michael Universität Hannover, 16. Juni 2010 Seiten: 198 Auflage: 1 Aufl. Sprache: DE ISBN-10: 3869553634 ISBN-13: 9783869553634 Zugeordnete Fachbereiche: Elektrotechnik Kategorie: Dissertation Bezugsmöglichkeiten Print Version 31,30 € 29,74 € In den Warenkorb eBook (1290.5 kB) 31,30 € In den Warenkorb

Kurzbeschreibung

Um die Kosten zur Deckung der Nachfrage nach leitungsgebundenen Energieträgern zu minimieren, wird in Energieversorgungs- und Handelsunternehmen die Energiebereitstellung detailliert geplant. Durch die Liberalisierung der Energiemärkte und die hieraus steigende Anzahl an Marktakteuren und Transaktionen ist es nun erforderlich, für Vertriebs- und Handelsunternehmen sowie für die Stromhandelsaufgaben des Netzbetreibers getrennte Prognosen mit zum Teil völlig unterschiedlichen Anforderungen an Methoden und Systemen zu erstellen. Diese Planungsaufgabe wird künftig zunehmend wichtiger und ist für den wirtschaftlichen Erfolg der Unternehmen maßgeblich. In der betrieblichen Praxis wird eine Vielzahl verschiedener Ansätze und Verfahren zur Lastprognose eingesetzt. Dabei ist derzeit das Verfahren der multiplen Regression am weitesten verbreitet.
Im Rahmen dieser Arbeit wurden auf der Basis von Lastgangdaten unterschiedlicher Versorgungskollektive Prognosemodelle erarbeitet. Es erfolgten zunächst statistische Untersuchungen zwischen den Lastgangdaten und den zugehörigen exogenen Größen. Mit den hieraus gewonnenen Erkenntnissen wurde die Entwicklung von Lastprognosemodellen mit Methoden der klassischen Zeitreihenanalysen, den Methoden der stochastischen Prozesse sowie einer Kombination von deterministischen und stochastischen Ansätzen durchgeführt. Weiterführend wurde die Technik der neuronalen Netze zur Lastprognose eingesetzt, da diese eine hohe Lernfähigkeit aufweisen und auch für andere Anwendungsgebiete leicht trainierbar sind. Die Art und Topologie sowie Anzahl der neuronalen Netze wurde in Abhängigkeit der Prognosezuverlässigkeit optimiert und anhand von Fallstudien erprobt.

Description

Energy supply companies and trading firms plan energy supply in detail in order to minimise the costs of meeting the demand for grid-bound energy carriers. The increasing number of market actors and transactions caused by the liberalisation of energy markets makes it necessary to establish demand forecasts separately for energy distribution and trading firms on one hand and grid operators with energy trading tasks on the other hand. The forecasts for both kinds of market actors require quite different methods and systems.
The task to forecast is getting more and more important and is determinant for the economic success of the companies. A broad range of different approaches and methods is used in the commercial practice. Among them, the approach of multiple regressions is presently the most widely used. In the framework of the work presented here, forecast models were elaborated on the basis of load curves of different supply communities. First, a statistical analysis of load curves and related exogenous parameters has been made. On the basis of the insights gained from that analysis, load forecast models have been developed with (1) the methods of classical time series analysis, (2) the methods of stochastic processes, and (3) a combination of deterministic and stochastic approaches. Furthermore, the technique of neural networks has been applied for establishing load forecasts because they show a high compliance and can be trained easily for new areas of application. The kind and topology as well as the number of neural networks have been optimised depending on the forecast reliability and have been tested in case studies.

Stichwörter

Energietechnik