Sähkönkulutuksen ennustaminen
Paronen, Joona (2019)
Kandidaatintyö
Paronen, Joona
2019
School of Engineering Science, Laskennallinen tekniikka
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2019051315289
https://urn.fi/URN:NBN:fi-fe2019051315289
Tiivistelmä
Kandidaatintyön tavoitteena oli ennustaa erään paikkakunnan tunnittaista sähkönkulutusta käyttäen ennusteen pohjana sähkönkulutus-, lämpötila- ja päivänvalodataa kolmelta aiemmalta vuodelta. Sähkönkulutusta ennustettiin käyttäen kahta eri mallia; ARMAX-mallia ja lämpötilan vaihtelevuuden kerrointa. ARMAX-ennusteessa käytettiin selittävinä muuttujina lämpötilaa ja päivän pituutta.
Molemmissa ennusteissa käytettiin lähtökohtana ”vastaavia hetkiä” eli ennustettaessa kulutusta tietylle tunnille, käytettiin ennustemallin määrittämisessä niitä hetkiä historiassa, joilla oli sama viikonpäivä, kellonaika ja päivän tyyppi.
Ennusteet tehtiin numeerisesti käyttäen Matlab-ohjelmaa ja ennusteiden virheitä sekä niiden jakautumisia vertailtiin eri päivien ja kellonaikojen kesken. Tulokset osoittivat, että lämpötilan vaihtelevuuden kertoimella saadaan tarkempi ennuste kuin ARMAX-ennusteella, kun mallien tarkkuutta arvioitiin käyttäen R2-, RMSE-, MDA- ja MAPE-arvoja, joilla lämpötilan vaihtelevuusennuste tuotti jokaisella parempia arvoja.
Molemmissa ennusteissa käytettiin lähtökohtana ”vastaavia hetkiä” eli ennustettaessa kulutusta tietylle tunnille, käytettiin ennustemallin määrittämisessä niitä hetkiä historiassa, joilla oli sama viikonpäivä, kellonaika ja päivän tyyppi.
Ennusteet tehtiin numeerisesti käyttäen Matlab-ohjelmaa ja ennusteiden virheitä sekä niiden jakautumisia vertailtiin eri päivien ja kellonaikojen kesken. Tulokset osoittivat, että lämpötilan vaihtelevuuden kertoimella saadaan tarkempi ennuste kuin ARMAX-ennusteella, kun mallien tarkkuutta arvioitiin käyttäen R2-, RMSE-, MDA- ja MAPE-arvoja, joilla lämpötilan vaihtelevuusennuste tuotti jokaisella parempia arvoja.