Predavač:

Dr. sc. Adrian Satja Kurdija

Sažetak:

Prikazat će se praktična primjena modela strojnog učenja na podacima iz elektroenergetskih sustava. Naglasak će biti na prognoziranju opterećenja i proizvodnje iz obnovljivih izvora te na probabilističkom pristupu kojim se, osim očekivane vrijednosti, procjenjuje i nesigurnost prognoze. Na konkretnim primjerima pokazat će se kako se iz povijesnih mjerenja, vremenskih podataka i drugih dostupnih informacija mogu izgraditi modeli za kratkoročno prognoziranje. Umjesto samo jedne predviđene vrijednosti, prikazat će se i raspon mogućih ishoda kroz kvantile poput P10, P50 i P90, čime se dobiva informacija korisna za procjenu operativnog rizika i donošenje odluka u uvjetima nesigurnosti.

Na seminaru će se prikazati:

• prognoziranje opterećenja elektroenergetskog sustava ERCOT-a u Teksasu, na temelju javno dostupnih povijesnih satnih mjerenja opterećenja, kao primjer prognoziranja na razini cijelog elektroenergetskog sustava;
• kratkoročno prognoziranje opterećenja u distribucijskoj mreži na skupu Liander 2024, koji sadrži 15-minutna mjerenja različitih elemenata nizozemske distribucijske mreže te dodatne vremenske, tržišne i kalendarske podatke;
• prognoziranje potrošnje pojedinačnih mjernih mjesta na skupu ElectricityLoadDiagrams20112014, koji sadrži višegodišnje 15-minutne vremenske nizove potrošnje za više stotina potrošača i može poslužiti kao primjer analize podataka sličnih onima iz naprednih mjernih sustava;
• probabilističko prognoziranje proizvodnje iz solarnih elektrana na skupu GEFCom2014 Solar, pri čemu se na temelju meteoroloških prognoza procjenjuje buduća proizvodnja i pripadajuća nesigurnost.

Cilj seminara nije detaljno prikazivanje programskog koda, nego demonstracija postupka: od podataka i odabira ulaznih značajki do prognoze i interpretacije rezultata u kontekstu elektroenergetskog sustava.