Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/8561
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΤσεκουρας Γεωργιος Του Ιωαννη
dc.date.accessioned2018-07-22T22:37:13Z-
dc.date.available2018-07-22T22:37:13Z-
dc.date.issued2006-10-17
dc.date.submitted2006-12-22
dc.identifier.urihttp://artemis-new.cslab.ece.ntua.gr:8080/jspui/handle/123456789/8561-
dc.description.abstractΗ παρούσα διατριβή έχει ως αντικείμενο τη μελέτη και την εξέταση του προβλήματος της πρόβλεψης ζήτησης φορτίου του συστήματος ηλεκτρικής ενέργειας και των μεγάλων καταναλωτών του σε βραχυπρόθεσμη και μεσοπρόθεσμη κλίμακα. Αρχικά παρουσιάζεται μία νέα μεθοδολογία αναγνώρισης προτύπων που αναπτύχθηκε για την ομαδοποίηση πελατών σε επιμέρους κατηγορίες με χρήση μεθόδων μη επιβλεπόμενης ταξινόμησης (όπως είναι η κ-μέσων, οι ιεραρχικές, ο διανυσματικός κβαντιστής, ο αυτό-οργανωμένος χάρτης και η κ-μέσων ασαφούς λογικής) σε δύο επίπεδα. Στο πρώτο στάδιο διαμορφώνονται οι τυπικές χρονολογικές καμπύλες φορτίου του εκάστοτε καταναλωτή, ενώ στο δεύτερο σχηματίζονται οι αντίστοιχες κατηγορίες καταναλωτών και οι αντιπροσωπευτικές τους καμπύλες. Για την αξιολόγηση των αποτελεσμάτων ανά στάδιο χρησιμοποιούνται έξι δείκτες καταλληλότητας. Εφαρμόζεται για την περίπτωση 94 πελατών μέσης τάσης του διασυνδεδεμένου ελληνικού συστήματος. Ακόμη με τη χρήση μίας καινούργιας μεθοδολογίας αναγνώρισης προτύπων διαμορφώνονται οι τυπικές χρονολογικές καμπύλες ζήτησης φορτίου του διασυνδεδεμένου ελληνικού συστήματος και των θερμοκρασιών Αθήνας και Θεσσαλονίκης, οι οποίες αποτελούν απαραίτητα στοιχεία για το μοντέλο μεσοπρόθεσμης πρόβλεψης φορτίου. Στη συνέχεια επιλύεται το πρόβλημα της βραχυπρόθεσμης πρόβλεψης ζήτησης φορτίου με χρήση των τεχνητών πολυεπίπεδων νευρωνικών δικτύων (Τ.Ν.Δ.) για τα ωριαία φορτία του ελληνικού διασυνδεδεμένου συστήματος του επόμενου εικοσιτετραώρου με διάφορους αλγόριθμους εκπαίδευσης πέρα της οπίσθιας διάδοσης σφάλματος (όπως τον προσαρμοστικό αλγόριθμο κανόνων ορμής και εκπαίδευσης, τον ευπροσάρμοστο, των μεθόδων συζευγμένης μεταβολής κλίσης και Newton) και διαφορετικά σενάρια εισόδων (φορτία, θερμοκρασίες, τυπικές ομάδες φορτίου, χρήση της τεχνικής συμπίεσης δεδομένων βασικής ανάλυσης συνιστωσών κα.). Συγχρόνως προσδιορίζεται το διάστημα εμπιστοσύνης με τη μέθοδο της επαναδειγματοληψίας, η επίδραση του πλήθους των ετών στο σύνολο εκπαίδευσης και του ποσοστού των στοιχείων αξιολόγησης επί των συνολικών διαθέσιμων στοιχείων, ενώ το ζήτημα των αργιών αντιμετωπίζεται μέσω της ομαδοποίησης των καμπυλών φορτίου. Επίσης παρουσιάζεται η μεθοδολογία που αναπτύχθηκε για τη βραχυπρόθεσμη πρόβλεψη ζήτησης φορτίου μεγάλων καταναλωτών για το επόμενο εικοσιτετράωρο για 15-λεπτά φορτία, με την οποία επιλύεται συστηματικά το πρόβλημα της συσχέτισης θερμοκρασίας-φορτίου ανά καταναλωτή, ενώ η πρόβλεψη πραγματοποιείται με χρήση τεχνητών νευρωνικών δικτύων και μεθόδων κατηγοριοποίησης. Εκτελείται αναλυτικά για την περίπτωση ενός βιομηχανικού καταναλωτή.Για τη μεσοπρόθεσμη πρόβλεψη ενέργειας αναπτύσσονται δύο νέοι αλγόριθμοι: Ο πρώτος βασίζεται στη μη γραμμική πολυμεταβλητή παλινδρόμηση και πραγματοποιεί μία εκτεταμένη έρευνα, προκειμένου να επιλέξει τις κατάλληλες συναρτήσεις μετασχηματισμού των μεταβλητών εισόδου, των συντελεστών βάρους και των περιόδων εκπαίδευσης λαμβάνοντας υπόψη την ανάλυση συσχετίσεων των μεταβλητών εισόδων. Ο δεύτερος αλγόριθμος στηρίζεται σε ένα προσαρμοστικό τεχνητό νευρωνικό δίκτυο, το οποίο μετασχηματίζει κατάλληλα τις μεταβλητές εισόδου σε διαφορές ή σχετικές διαφορές, προκειμένου να προβλέψει τιμές εκτός του συνόλου εκπαίδευσης. Οι παράμετροι των ΤΝΔ, όπως οι τελικά χρησιμοποιούμενες είσοδοι, ο αριθμός των νευρώνων, οι αρχικές τιμές και οι χρονικές παράμετροι του όρου ορμής και του ρυθμού μάθησης, επιλέγονται συγχρόνως μέσω κατάλληλης διαδικασίας βελτιστοποίησης. Εφαρμόζονται στην περίπτωση του διασυνδεδεμένου συστήματος και των διαφόρων χρήσεων της ηλεκτρικής ενέργειας σε ετήσια και μηνιαία κλίμακα και συγκρίνονται με υπάρχοντα κλασικά μοντέλα. Για τη μεσοπρόθεσμη πρόβλεψη ζήτησης φορτίου επιλύνονται τα εξής προβλήματα με χρήση νέων μεθοδολογιών: - εκτίμηση τυπικών ημερήσιων χρονολογικών καμπυλών του επόμενου έτους με χρήση της μεθοδολογίας κατηγοριοποίησης τυπικών χρονολογικών καμπυλών φορτίου παρελθόντων ετών και του αλγορίθμου μη γραμμικής πολλαπλής παλινδρόμησης, - εκτίμηση καμπύλης διάρκειας φορτίου ανά εποχή για το επόμενο έτος με χρήση στατιστικής κατανομής πλήθους ημερών ανά τυπική ομάδα κάθε εποχής και εκτιμούμενων αντίστοιχων τυπικών ημερήσιων χρονολογικών καμπυλών, - εκτίμηση χρονολογικής καμπύλης φορτίου ανά εποχή για το επόμενο έτος με χρήση είτε μόνο του είδους των τυπικών καμπυλών φορτίου των αντίστοιχων ημερολογιακών ημερών και των αργιών των παρελθόντων ετών, είτε των τυπικών θερμοκρασιακών ημερών Αθήνας και Θεσσαλονίκης και του είδους της ημέρας της εβδομάδας (ή της αργίας) στην επιλογή των εκτιμούμενων τυπικών καμπυλών φορτίου με τη βοήθεια κανόνων ασαφούς λογικής. Παρουσιάζονται αποτελέσματα από την εφαρμογή τους για το έτος 2000. Αναπτύσσονται συνοπτικά οι αρχές της μεσοπρόθεσμης πρόβλεψης φορτίου ενός καταναλωτή με χρήση μεθόδων κατηγοριοποίησης των χρονολογικών καμπυλών φορτίου και δύνανται να προσδιοριστεί το κάτω όριο σφάλματος με τα υπάρχοντα δεδομένα.Στο τέλος της εργασίας καταγράφονται συνοπτικά ο σχεδιασμός και η ανάπτυξη μίας βάσης δεδομένων, η οποία περιλαμβάνει εκείνα τα στοιχεία που χρειάζονται για την περιγραφή του συστήματος ηλεκτρικής ενέργειας και την εκτίμηση του φορτίου του, τόσο συγκεντρωτικά, όσο και από τη μεριά του τυπικού καταναλωτή, ώστε μελλοντικά να είναι δυνατή η προσέγγιση του συστήματος από την πλευρά της ζήτησης.
dc.languageGreek
dc.subjectβραχυπρόθεσμη πρόβλεψη φορτίου
dc.subjectμεσοπρόθεσμη πρόβλεψη φορτίου
dc.subjectμεσοπρόθεσμη πρόβλεψη ενέργειας
dc.subjectκατηγοριοποίηση καταναλωτών
dc.subjectτεχνητά νευρωνικά δίκτυα
dc.subjectασαφής λογική
dc.subjectμέθοδοι αναγνώρισης προτύπων
dc.titleΣυμβολή Στη Βραχυπρόθεσμη Και Μεσοπρόθεσμη Πρόβλεψη Ζήτησης Φορτίου Και Ενέργειας Συστημάτων Ηλεκτρικής Ενέργειας Με Χρήση Μεθόδων Αναγνώρισης Προτύπων
dc.typePhD Thesis
dc.description.pages242
dc.contributor.supervisorΔιαλυνάς Ευάγγελος
dc.departmentΤομέας Ηλεκτρικής Ισχύος
dc.organizationΕΜΠ, Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Appears in Collections:Διδακτορικές Διατριβές - Ph.D. Theses

Files in This Item:
File SizeFormat 
PD2006-0033.pdf10.99 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.