Back to Search
Start Over
Методологія балансування електроенергії в балансуючій групі та модель аналізу часових рядів для прогнозування ціноутворення
- Publication Year :
- 2020
- Publisher :
- КПІ ім. Ігоря Сікорського, 2020.
-
Abstract
- Актуальність роботи. Балансування електроенергії в новому ринку електричної енергії є одним з актуальних питань. Для їх мінімізації окрім більш чіткішого прогнозування створюють балансуючі групи, тому був розроблений метод балансування для максимального зменшення небалансів. Також для подальшої закупівлі електроенергії створена модель аналізу часових рядів для прогнозування ціноутворення. Раціональність використання балансування електричної енергії багато в чому залежить від обсягу споживання підприємства та наявності Автоматизована система комерційного обліку електричної енергії (АСКОЕ) . Найбільше ефективне балансування в балансуючій групі, де більшість підприємств мають обсяг споживання 100-600 тис. кВт·год, тим самим це буде вигідно для підприємств у яких менше або більше споживання від заданого діапазону. Також для зменшення втрать розглядається питання з фінансової точки зору, а саме прогнозування ціноутворення. Для цього проводиться аналіз часових рядів для визначення ціноутворення електричної енергії. Це дуже ефективно для закупівлі електричної енергії на ринку добу наперед (РДН) та внутрішньодобового ринку (ВДР). Мета та завдання дослідження: зменшення небалансів електроспоживання промислових підприємств, шляхом балансування електроенергії в балансуючій групі та аналізу часових рядів для визначення ціноутворення електричної енергії для закупівлі на РДН та ВДР для прогнозування вигідності споживання. 1. Проаналізувати споживання та заявлений обсяг промислового підприємства, який купує електричну енергію на оптовому, а у майбутньому і на балансуючому ринку електричної енергії. 2. Оцінити вигідність для приєднання промислового підприємства до балансуючої групи. 3. Розробити методику методи балансування електроенергії в балансуючій групі. 4. Розробити модель аналізу часових рядів для прогнозування ціноутворення на РДН. 6. Оцінити та перевірити якість роботи моделі шляхом порівняння фактичних значень на період який прогнозується. Об’єктом дослідження є небаланси та ціни електричної енергії. Предмет дослідження: методи балансування електроенергії в балансуючій групі та аналіз часових рядів для визначення ціноутворення електричної енергії. Методи дослідження. Розробки і дослідження проводилися на основі теорії математичного моделювання, модель аналізу часових рядів для прогнозування ціноутворення. Наукова новизна одержаних результатів. 1. Розроблено методологія балансування електроенергії в балансуючій групі. 2. Створена модель аналізу часових рядів для прогнозування ціноутворення. Практичне значення одержаних результатів. Дослідження, що було проведене в роботі може бути використане: - для зниження фінансових витрат підприємств, які виникають при відхиленні фактичних обсягів електричного споживання від обсягів, заявле- них до покупки на ринку електричної енергії, шляхом балансування електроенергії в балансуючій групі; - для прогнозування ціноутворення для подальших закупівель на ринках або аукціонах; - для вибору найбільш оптимального плану роботи підприємства у ви- падку коли спрогнозована вигідна ціна . Relevance of work. Balancing electricity in the new electricity market is one of the pressing issues. In addition to more clearly forecasting, balancing groups have been created to minimize them, so a balancing method has been developed to maximize the reduction of imbalances. The rationality of the use of balancing electricity depends largely on the volume of consumption of the enterprise and the availability of the Automated System of Commercial Electricity Metering (ASCOE) . hour, thereby it will be beneficial for enterprises that have less or more consumption from a given range. Also, to reduce losses, the issue is considered from a financial point of view, namely forecasting pricing. To do this, the analysis of time series is carried out to determine the pricing of electricity . Purpose and research objectives: to reduce the imbalances of power consumption of industrial enterprises, by balancing electricity in the balancing group and analysis in time series to determine the pricing of electricity for purchase on RDN and VDR to predict the profitability of consumption. 1. Analyze consumption and the declared volume of industrial enterprise that buys electricity at wholesale, and in the future and in the balancing market of electricity. 2. Assess the profitability for joining the industrial enterprise in the balancing group. 3. Develop methods of balancing electricity in the balancing group. 4. Develop a model of time series analysis to predict the pricing of RDN. 6. Oto value and to revibrate the quality of the model by comparing the actual values for the period that is projected. The object of research is imbalances and prices of electric energy. Subject of research: methods of balancing electricity in the balancing group and analysis of time series to determine the pricing of electric energy. Research methods. Developments and researches were conducted on the basis of the theory of mathematical modeling, a model of time series analysis for forecasting pricing. Scientific novelty of the obtained results. 1. The etiology of balancing electricity in the balancing group was developed. 2. A model for analyzing time series for forecasting pricing has been created. The practical significance of the obtained results. The research that was conducted in the work can be used: - to reduce the financial costs of enterprises that arise when deviating the actual volumes of electricity consumption from volumes, stated - them to purchase electricity on the market, by balancing electricity in the balancing group; - to predict pricing for further purchases in markets or auctions; - to choose the most optimal plan of work of the enterprise in you - a paddock when the favorable price is predicted.
Details
- Language :
- Ukrainian
- Database :
- OpenAIRE
- Accession number :
- edsair.od......2635..c93a426521936c7002d9d664200d27e3