هر آنچه در ادامه مطالعه خواهید کرد:

پیش بینی مصرف بار الکتریکی در شبکه توزیع

پیش بینی مصرف بار موضوع حیاتی و مهم برای صنعت برق در برداشتن محدودیت های اقتصادی است.پیش بینی بارکاربردهای فراوانی در خرید انرژی، تولید، سوئیچینگ بار، ارزیابی قرارداد و توسعه زیر ساخت ها دارد.

تعداد متنوعی از روش های ریاضی برای پیش بینی بار توسعه داده شده اند و در اینجا ما در مورد رویکرد های پیش بینی بار بحث خواهیم کرد.

پیش بینی بار

مدل صحیح برای پیش بینی بار الکتریکی برای بهره برداری و برنامه ریزی یک شرکت خدماتی ضروری است. پیش بینی بار به یک شرکت خدماتی برای تصمیم گیری های مهم کمک می کند .

این کمک شامل: بحث درباره ی خرید و تولید توان الکتریکی، سوئیچینگ بار و توسعه بار و توسعه زیر ساخت ها می باشد.

پیش بینی بار برای تامین کنندگان انرژی،ISO ها، موسسات مالی و دیگر شرکت ها در تولید و انتقال و توزیع و بازار انرژی برق بسیار مهم است.

تقسیم بندی پیش بینی بار: 

پیش بینی بارها می تواند به سه گروه تقسیم شود:

• پیش بینی کوتاه مدت معموال بین ۱ ساعت تا ۱ هفته می باشد
• پیش بینی میان مدت معموال بین ۱هفته تا ۱ سال می باشد
• پیش بینی بلند مدت که معموال بیشتر ازیک سال است

پیش بینی مربوط به افق های زمانی مختلف برای کاربردمختلف توسط شرکت های خدماتی خیلی مهم هستند. ماهیت این پیش بینی ها نیز متفاوت است. برای مثال: برای یک منطقه مخصوص ممکن است بار روز بعد با یک دقت تقریبی %۳-۱ پیش بینی می شود. با این وجود، پیش بینی سال آینده با همان دقت غیر ممکن است برای پیش بینی پیک بار سال آینده آن از طریق ارائه توزیع احتمالی بار بر اساس تاریخچه مشاهدات آب و هوایی امکان پذیر است.

ممکن است با توجه عمل صنعت، برای پیش بینی که اصطالحا بار نرمالیزه شده آب و هوا که برای متوسط شرایط آب وهوایی پیک یک ساله و یا بدترین شرایط متوسط آب و هوایی پیک برای یک منطقه مورد .

بار نرمالیزه شده آب و هوایی، بار محاسبه شده در حالتی که به اصطالح شرایط عادی آب و هوا نامیده می شود، است که متوسطی از کاراکتر های آب و هوایی برای تاریخچه پیک بار در طی یک دورهی زمانی است. مدت زمان این دوره از یک شرکت به دیگری متفاوت است بیشتر شرکت ها داده های ۲۵ تا ۳۰ گذش ته را در نظر میگیرد.

پیش بینی بار همیشه برای برنامه و تصمیم عملیاتی که توسط شرکت ها انجام گرفته است، دارای اهمیت بوده است.

با این با قانون زذایی صنایع انرژی پیش بینی بار خیلی مهم است. با وجود نوسان در عرضه و تقاضا تغییر شرایط آب و هوایی و افزایش قیمت انرژی توسط فاکتوری از ده یا تعداد بیشتری از وضعیت پیک بار، پیش بینی بار از اهمیت حیاتی برای تاسیسات برخوردار است.

پیش بینی کوتاه مدت می تواند به برآورد پخش بار و تصمیم گیری هایی که مانع اضافه بار می شود کمک کند.

انجام به موقع این چنین تصمیماتی باعث بهبود قابلیت اطمینان شبکه و کاهش اتفاقاتی از قبیل خرابی تجهیزات و خاموشی ها شود. پیش بینی بار هم چنین برای ارزیابی قراردادها و ارزیابی محصوالت مالی پیچیده مختلف در زمینه قیمت گذاری انرژی که توسط بازار ارائه می شود مهم است.

در اقتصاد مقرر شده، تصمیم گیری در مورد هزینه های سرمایه گذاری بر اساس پیش بینی بلندمدت نیز مهم تر از اقتصاد غیر مقرر است که افزایش نرخ را می توان با پروژه های سرمایه توجیه کرد.

اکثر روش های پیش بینی بار از تکنیک های آماری یا الگوریتم های شبکه مصنوعی مانند REGRESSION شبکه عصبی، منطق فازی و سیستم خبره استفاده می کنند.

دو روش که مصرف نهایی و رویکرد اقتصادی هستند برای پیش بینی بلند مدت و میان مدت به طور گسترده استفاده می شوند. انواع روش های مختلفی که شامل می شود که در اصطالح رویکرد روز مشابه مدلهای مختلف REGRESSION سری زمانی، شبکه عصبی، الگوریتم های یادگیری آماری، منطق فازی و سیستم خبره هستند برای پیش بینی کوتاه مدت توسعه داده شده اند.

همان طور که ما می بینیم، روش ها وایده های ریاضی مختلفی برای پیش بینی باراستفاده شده است.

توسعه وبهبود ابزار های ریاضی مناسب منجر به توسعه تکنیک های پیش بین ی بار با دقت بیشتر می شود. دقت پیش بینی بار تنها به تکنیک های پیش بینی بار وابسته نیست بلکه سناریو های پیش بینی وضعیت آب و هوا نیز دخالت دارند.

پیش بینی آب و هوا موضوع مهمی است که خارج محدوده این مقاله است. ما فقط به پیشرفت چشمگیر در توسعه سیستم های پیش بینی آب و هوای رایانه ای اشاره می کنیم از جمله مدل Mesoscale MM5  توسعه یافته توسط کنسرسیوم دانشگاه پشتیبانی می شود.

فاکتور های مهم برای پیش بینی بار

برای پیش بینی بار کوتاه مدت چندین فاکتور مانند فاکتور های زمانی، داده های آب و هوایی، مسکن مصرف کنندگان باید در نظر گرفته شود.

پیش بینی های میان مدت تاریخچه بار، داده های آب و هوایی و تعداد مصرف کنندگان در گروه های مختلف لوازم موجود در منطقه و مشخصات آنها از جمله سن، داده های اقتصادی و جمعیتی و پیش بینی آن ها، داده های فروش لوازم خانگی و سایر عوامل را در نظر می گیرد.

فاکتور زمانی شامل: زمان سالی، روز های هفته و ساعت های یک روز می شود.

بین بارهای روز های هفته و روز های آخر هفته تفاوت مهمی وجود دارد. بار در روز های مختلف هفته هم چنین می تواند رفتاری مختلف داشته باشد. برای مثال دوشنبه ها و جمعه ها که در آخر هفته است ممکن است بار های متفاوتی از نظر ساختاری نسبت به روز های ما بین سه شنبه تا پنج شنبه داشته باشیم. این خصوصا در زمان تابستان صادق است.

روز های مذهبی مشکلات مختلفی برای پیش بینی بار نسبت به روز های غیر مذهبی بدلیل رفتارهای نادر آنها اتفاق می افتد. شرایط آب و هوایی بر بار اثر می گذارد. در حقیقت پارامتر های پیش بینی شده آب و هوا فاکتور های خیلی مهم در فاکتور ها پیش بینی بار کوتاه مدت هستند.

دما و رطوبت خیلی رایج در پیش بینی کننده های بار مورد استفاده قرار می گیرند. بررسی پیش بینی بار الکتریکی  نشان داد که از ۲۲ گزارش تحقیق در نظر گرفته شده،۱۳ مورد فقط از درجه حرارت، ۳ مورد از دما و رطوبت، ۳ مورد پارامتر های هوا شناسی اضافی و۳ مورد از پارامتر های بار استفاده شده است.

در میان متغیر های آب و هوایی که در باال ذکر شد دو تابع متغیر آب و هوا با هم ترکیب می شوند (THI)شاخص دما و رطوبت  و (WCI) شاخص سرما زدگی بالا که به طور گسترده توسط شرکت ها استفاده می شود.

THI اندازه گیری از شدت گرما در تابستان و به طور مشابه WCI شدید ترین سرما در زمستان است، اکثر تجهیزات برقی در انواع مختلف از قبیل مسکونی، تجاری و صنعتی به مشتریان ارائه می دهد الگوی مصرف برق برای مشتریانی که به کالس های مختلف تعلق دارند متفاوت است ما برای مشتریان در هر کالس تا حدودی یکسان است، بنابراین اکثر برنامه ها رفتار بار را بر اساس یک کالس، از یکدیگر تفکیک می کنند.

جهت مشاوره خرید و استعلام قیمت، نصب و راه اندازی، راهنمایی، گارانتی و مشخصات فنی با کارشناسان دیزل صنعت تماس بگیرید. (۳۳۳۵۹۸۱۸ – ۰۴۱ )