Mots-clé
(Allemand)
|
TP0082;F-Netze und Systeme
|
Description succincte
(Allemand)
|
ELBE - Prognosekompetenz
|
Publications / Résultats
(Allemand)
|
wurde ersetzt durch 290082
Auftragnehmer/Contractant/Contraente/Contractor:
Berner Fachhochschule HTI Biel
Autorschaft/Auteurs/Autori/Authors:
Kronig,Patrick
Höckel,Michael
Höckel,Michael
Höckel,Michael
Höckel,Michael
Documents annexés
|
Rapport final
(Allemand)
|
Im Projekt Prognosekompetenz wurden durch eine umfassende Analyse von Last- und Klimadaten alle wesentlichen Einflussfaktoren auf die Netzlast identifiziert und quantifiziert. Die Untersuchungen basierten zunächst auf regionalen Daten eines grösseren Verteilnetzgebietes und wurden in einem zweiten Schritt mit lokalen Daten erweitert, um wirtschaftliche und klimatische Besonderheiten besser zu identifizieren. Es wurde die starke Korrelation zwischen Temperatur und Elektrizitätsnachfrage und wirtschaftlicher Aktivität nachgewiesen. Der Einfluss weiterer Einflussfaktoren ist demgegenüber nur schwach.
Auf dieser Datengrundlage wurden zwei einfach anzuwendende Tools zur Prognose der Tagesnetzlast entwickelt und mit Hilfe von Matlab umgesetzt. Ein Tool basiert auf dem Verfahren der Transferfunktion, bei welchen die wichtigsten Einflussfaktoren über spezifische Korrelationsfaktoren berücksichtigt werden. Demgegenüber basiert das zweite Tool auf dem Verfahren der neuronalen Netzwerke, welches mit Datensätzen aus mehreren Jahren trainiert wurde, wodurch eine hohe Güte (Bestimmtheitsmass) der Prognose des KNN sichergestellt werden konnte. Anschliessend konnte durch diverse Testverfahren nachgewiesen werden, dass mit beiden Tools eine hohe Prognosegüte für die Tageslast erreicht werden kann.
Auftragnehmer/Contractant/Contraente/Contractor:
Berner Fachhochschule HTI Biel
BKW FMB Energie AG
Autorschaft/Auteurs/Autori/Authors:
Kronig,Patrick
Höckel,Michael
Höckel,Michael
Wälchli,Urs
Zürcher,Stefanie
Documents annexés
|
Rapport final
(Anglais)
|
In the project «Prognosekompetenz» we have identified and quantified with an broad analyze of grid and climate data the factors which have an important impact on the grid load. The study focused in the beginning on the regional data of a bigger electricity supply company. In a second step we also took local data into account which allows better to identify climatic and economic characteristics. We found a strong correlation between load and temperature and economic activity. The influence of further factors had been very light.
On this database we developed with Matlab two tools for the prediction of the daily net load, which can be applied very easy. One tool utilize the method of the transfer function, where the influencing factors are respected with their specific correlation factors. The second tools based on the method of the artificial neuronal network, which had been trained with data of many years to make sure that we receive a high accuracy. Afterwards we could show by self developed testing procedures that for both tools the precision in forecasting the daily load is very high.
Analyse und Auswertung von Last- und Wetterdaten (Projektphase 2)
Auftragnehmer/Contractant/Contraente/Contractor:
Berner Fachhochschule HTI Biel
BKW FMB Energie AG
Autorschaft/Auteurs/Autori/Authors:
Kronig,Patrick
Höckel,Michael
Höckel,Michael
Wälchli,Urs
Zürcher,Stefanie
|
Rapport final
(Français)
|
Dans le projet «Prognosekompetenz» toutes les facteurs, qui influencent la courbe de charge sont identifiées et quantifiées par une analyse des donnes de la charge et du climat. Les analyses se basent premièrement sur des donnes régionales d’une réseau de distribution assez grande et seront élargies de plus avec des données locales, pour meilleur identifier les particularités économiques et climatique. On a approuvée une dépendance forte entre température, activité économique et charge. Au contraire les autres grandeurs paraissent très faibles .
Sur base de ces donnes on a développe deux outils programmé en Matlab, qui peuvent être utilisées très simple, pour la prévision de la charge journalière. L’un outil prend la méthode de la fonction de transfert, ou les facteurs d’influence plus importants sont mis en considération par des chiffres de corrélation spécifiques. Le deuxième outil se base sur la méthode des réseaux neuronales. Ce réseau était entrainé avec les données de plusieurs années. Car la quantité des données est en corrélation directe avec la précision des résultats d’une KNN on a reçu des bonnes résultats. Ensuite on a développé et appliques des méthodes divers de test avec lesquelles on a approuvée la précision haute pour les deux outils.
Analyse und Auswertung von Last- und Wetterdaten (Projektphase 2)
Auftragnehmer/Contractant/Contraente/Contractor:
Berner Fachhochschule HTI Biel
BKW FMB Energie AG
Autorschaft/Auteurs/Autori/Authors:
Kronig,Patrick
Höckel,Michael
Höckel,Michael
Wälchli,Urs
Zürcher,Stefanie
|
