Aktuální vydání

celé číslo

12

2021

Automatizace v chemickém a petrochemickém průmyslu

Průtokoměry a regulační ventily

celé číslo

Predikce spotřeby elektrické energie a zemního plynu

Automa 4/2001

Ing. Emil Pelikán, CSc., RNDr. Kryštof Eben, CSc., Ing. Milan Šimůnek,
Ústav informatiky AV ČR, Praha

Predikce spotřeby elektrické energie a zemního plynu

Problematika predikce spotřeby elektrické energie a zemního plynu v krátkodobém i střednědobém horizontu od několika hodin do několika dnů a týdnů se dostává v souvislosti s plánovanými konstrukcemi nákupních a prodejních cen energie v podmínkách volného trhu stále více do popředí. Inteligentní predikční metody založené na využití moderních metod informačních technologií mohou přinést významné ekonomické úspory. V tomto příspěvku jsou uvedeny zkušenosti s realizací a využíváním moderních predikčních systémů Elvíra pro predikci spotřeby elektrické energie a zemního plynu, které jsou implementovány a rutinně používány v dispečinku několika distribučních společností v České republice a Slovenské republice.

Obr. 1.

1. Úvod

Predikce (předpověď) spotřeby elektrické energie a zemního plynu v dané oblasti je pro potřeby dispečinku i pro potřeby obchodních oddělení jednotlivých distribučních společností velmi důležitá. Spotřeba je závislá na mnoha vnějších i vnitřních faktorech s dlouhodobějším či téměř okamžitým působením. Mezi ně patří meteorologické vlivy, pracovní a nepracovní dny, svátky, strukturální změny v daném regionu, ekonomická situace podniků apod. Pro predikci spotřeby na jeden den až několik dní dopředu hraje významnou úlohu venkovní teplota, její setrvačné působení a příslušný typ kalendářního dne. Dalšími faktory, které mohou ovlivnit spotřebu, jsou např. směr a síla větru, oblačnost, podíl velkoodběratelů na celkové spotřebě a jejich struktura atd. Míra vlivu jednotlivých faktorů se v různých regionech může lišit. Například pražská aglomerace se značnou hustotou obyvatelstva na relativně malé ploše má zřetelně jiný charakter než oblast s větší rozlohou a geografickou členitostí. Při návrhu predikčních systémů je proto nutné individuálně vycházet z požadavků uživatele a systém navrhovat s možností adaptace na konkrétním podmínky v dané distribuční společnosti. Příkladem takovýchto adaptivních učících se systémů jsou predikční systémy Elvíra. Ke konstrukci predikčních modelů byly využity zkušenosti s návrhem nelineárních predikčních modelů, které byly realizovány řešitelskou skupinou v oddělení neuronových sítí a nelineárního modelování Ústavu informatiky Akademie věd ČR. Vlastní predikční systémy Elvíra distribuuje firma SINCO Praha, s. r. o., která také zajišťuje servisní služby.

Zkušenosti s vlastní realizací a implementací predikčních systémů Elvíra pro predikci spotřeby elektrické energie a zemního plynu byly získány ve spolupráci se Západočeskou energetikou, a. s., v Plzni, Pražskou plynárenskou, a. s., v Praze, Západočeskou plynárenskou, a. s., v Plzni, Jihočeskou plynárenskou, a. s., v Českých Budějovicích, Slovenskými elektrárnami, š. p., v Žilině a Slovenským plynárenským priemyslem, š. p., v Bratislavě.

Obr. 2. Obr. 3.

2. Predikční systémy Elvíra

Jedním ze způsobů zlepšení predikce je použití počítačových systémů pro automatickou predikci časových řad, ale i systémů pro podporu rozhodování s interaktivní vazbou, které pomáhají expertům (dispečerům, obchodníkům atd.) při odhadu budoucí spotřeby. Takovéto systémy mohou v elektronické podobě zahrnovat dlouholeté zkušenosti expertů s odhadem vývoje spotřeby a dále se mohou učit podle aktuálního vývoje v daném regionu a v daných ekonomických či jiných podmínkách. Oproti lidskému expertovi není jejich výkonnost ovlivněna fyzickou únavou, stresem nebo jinými problémy. Systémy Elvíra jsou typickým příkladem systémů, které slouží jak pro podporu rozhodování, tak i pro predikci časových řad.

Obr. 4.

Predikční systémy Elvíra jsou rozsáhlé modulární systémy, které z hlediska distribuční společnosti řeší několik problémů. Jednotlivé moduly mohou být rozděleny do několika kategorií.

2.1 Predikční moduly pro krátkodobou predikci
Tyto moduly řeší úlohu predikce celkové denní spotřeby, popř. celého denního diagramu zatížení (24hodinových nebo 48půlhodinových hodnot), v zadané oblasti na jeden až sedm dní dopředu podle očekávaného vývoje denní venkovní teploty.

2.2 Predikční moduly pro střednědobou predikci
Tyto moduly řeší úlohu predikce denních, týdenních a měsíčních hodnot spotřeby (maxim nebo celkové spotřeby) na jeden den až jeden rok dopředu rozkladem spotřeby na snadno predikovatelné komponenty. Vstupem jsou údaje o celkovém očekávaném charakteru počasí (např. dlouhodobé průměry), o kalendářních i jiných očekávaných jevech (trend, vývoj ekonomiky apod.).

2.3 Meteorologické moduly
Tyto moduly řeší úlohu korekce predikce spotřeby s upřesněním podle očekávaného průběhu teploty v různých lokalitách dané oblasti, oblačnosti, rychlosti a směru větru. Predikce je meteorologickými moduly upřesněna podle aktuálního vývoje počasí. Moduly umožňují on-line načítat informace o předpovědi počasí, poskytované např. ČHMÚ, po internetu.

Obr. 5.

Ukázky výstupních zobrazení některých systémů jsou uvedeny na obr. 1 až obr. 3. Na obr. 1 je ukázka predikčního systému Elvíra pro predikce denní spotřeby zemního plynu na následující den. Ze základní obrazovky lze zjistit podrobné informace o dnešním dni – datum, jde-li o pracovní den nebo den pracovního volna, dobu slunečního svitu, historickou minimální a maximální teplotu, popř. další údaje, které jsou podstatné pro výpočet očekávané spotřeby. Několika stisknutími tlačítka myši uživatel zadá potřebné údaje o očekávaném vývoji počasí – podle použitého predikčního modelu to může být očekávaná teplota vzduchu, očekávaná oblačnost, popř. rychlost větru. Na výstupním panelu se stiskne tlačítko Výpočet a po jedné až dvou sekundách se objeví očekávaná spotřeba. Podle charakteru predikce a požadavků zadavatele může být výstup v podobě číselných údajů nebo grafu. Očekávanou spotřebu je možné počítat i několikrát pro různá nastavení očekávaného vývoje počasí nebo dalších parametrů a získávat tak dodatečnou informaci ve scénáři „co když?“.

Na obr. 2 je ukázka predikčního systému Elvíra pro automatickou predikci denní spotřeby zemního plynu na následující den s postupným upřesňováním během dne podle aktuálního vývoje teplot a dosažené spotřeby plynu. Na levé straně základního panelu systému je vidět základní údaje o aktuálně nastaveném dni (úterý, 14. 11. 2000) a graf očekávaných a skutečných hodinových hodnot teploty během dne. Na pravé straně je zobrazena hodnota očekávané spotřeby (červeně) a dosavadní dosažená spotřeba (modře). V pravé dolní části je graf skutečných spotřeb za sedm dní zpět (modře), historická predikce (černě) a predikce na aktuální den (červeně). Vstupy do systému jsou automaticky načítány z informačního systému v dispečinku.

Na obr. 3 je ukázka predikčního systému Elvíra pro predikce na sedm dní dopředu. Tabulka ve spodní části zobrazení je určena pro zadávání očekávaných teplot a korekcí spotřeby vybraných velkoodběratelů. Po predikci se v grafu objeví skutečná spotřeba za sedm dní zpět (modře) a predikovaná spotřeba na sedm dní dopředu (červeně).

Predikční systém Elvíra dále automaticky detekuje výpadky a nepravděpodobné hodnoty načtené do systému a navrhne jejich doplnění. K tomu se používají matematické metody založené na prostoročasové statistické analýze dat. Na obr. 4 je uveden příklad takovéto korekce predikčním systémem Elvíra.

Obr. 6.

3. Používané metody pro predikci
V predikčních systémech Elvíra je implementována celá řada modelů pro predikci spotřeby. Pro krátkodobou predikci to mohou být modely založené na Boxo- vě-Jenkinsově metodologii, Kalmanových filtrech a umělých neuronových sítích v kombinaci s expertními a fuzzy přístupy. Pro delší predikční horizont se navíc používají adaptivní dekompoziční modely, rozkládající celý signál na snadno predikovatelné komponenty.

Ne každý model lze v dané situaci použít. Vhodnost modelu je dána např. typem predikce, která je realizována – velmi krátkodobá, krátkodobá, střednědobá nebo dlouhodobá. Dále je třeba vzít v úvahu charakter spotřeby v daném regionu – mění-li se hodnota teplotního gradientu, není vyhovující používat stacionární lineární modely. Je vhodné použít adaptivní nelineární model, který okamžitě zaznamená změnu teploty a odpovídajícím způsobem i změnu ve spotřebě. Zároveň pravděpodobně není možné vytvořit jediný univerzální model, který bude predikovat spotřebu v Praze, v severních Čechách i na jižní Moravě lépe než tři různé modely individuálně vytvořené pro tyto regiony.

Na obr. 5 je znázorněn příklad modelování dosti složité závislosti spotřeby (osa Z) na oblačnosti (osa X), která je proměnlivá během roku (osa Y). Pro výpočet modelu této závislosti byla použita umělá neuronová síť se dvěma vstupy (pořadové číslo týdne v roce a míra pokrytí oblohy v rozpětí 0 – jasno až 1 – zataženo.) Na obr. 6 je jednoduchý model závislosti mezi spotřebou a venkovní teplotou vzduchu modelovaný sigmoidální funkcí. V predikčním systému Elvíra jsou implementovány i složitější modely, odrážející např. zvýšení spotřeby energie v letních měsících v důsledku činnosti klimatizace.

Obr. 7.

Individuální přístup ke každému problému a použití nejnovějších predikčních metod, které se neustále obměňují na základě poznatků získaných na mezinárodních konferencích, umožňují dosahovat nadprůměrných výsledků. Tím, že snahou není vytvořit univerzální model, je možné při konstrukci konkrétního modelu použít ten nejlepší přístup, nebo dokonce kombinovat více modelů dohromady. Schéma zařazení různých predikčních modelů (algoritmů) do systému Elvíra je uvedeno na obr. 7. Výběr vhodného algoritmu je založen na vyhodnocení predikční účinnosti pro predikované období.

4. Predikční účinnost systémů Elvíra
Predikční účinnost systémů Elvíra závisí na mnoha faktorech. Záleží na velikosti regionu, na kvalitě zadávaných vstupů (např. na počtu chybějících údajů) a zejména na kvalitě předpovědi počasí. Jak je uvedeno např. v publikaci [1], při predikci spotřeby zemního plynu predikčním systémem Elvíra byla průměrná chyba predikce vylepšena o 20 až 25 % oproti klasickým predikčním metodám. Přesnost umožňuje efektivněji rozhodovat zejména v kritických dnech v zimním období, kdy denní odběry dosahují svého ročního maxima.

5. Řízení rizika – risk management
Predikční výstup ze systémů Elvíra je možné použít jako vstup do návazných systémů pro optimalizaci rizika při plánovaném prodeji či nákupu elektrické energie anebo zemního plynu. V tomto případě rozšíření systému o modul pro řízení rizika umožní specifikovat pravděpodobnostní modely chování denních, týdenních a měsíčních extrémů (maxim), modely chování odběratelů i dalších speciálních jevů, vypočítat riziko překročení zadané hladiny, odhadnout cenové náklady, navrhnout optimální prodej a nákup elektrické energie a zemního plynu apod. Tato možnost je velmi atraktivní v souvislosti s plánovaným vytvořením volného trhu s elektrickou energií a zemním plynem.

Literatura:

[1] PELIKÁN, E. – EBEN, K. – ŠIMŮNEK, M. –KOLMAN, M. – HAIS, J.: Predikční systém Elvíra pro predikci spotřeby zemního plynu. Plyn, 2000, č. 11, s. 253-255.

[2] BISHOP, M.: Neural Networks for Pattern Recognition. Oxford, Clarendon Press 1995.

[3] MAKRIDAKIS, S. a kol.: Forecasting: Methods and Applications. John Wiley 1998.