Prognozowanie produkcji (wytwarzania) energii
w OZE (w elektrowniach wiatrowych, wodnych...)

CELE:

Dokładniejsze prognozowanie (średnioterminowe i długoterminowe) produkcji energii w:   – OZE (w elektrowniach wiatrowych, wodnych MEW i słonecznych)  – w elektrowniach konwencjonalnych i elektrociepłowniach, w horyzontach czasowych: następny miesiąc, pozostałe miesiące roku (kwartały, półrocza), produkcja roczna, produkcja w następnym roku (w rozbiciu ma miesiące, kwartały, półrocza). Ułatwienie ocen i porównań produkcji energii (historycznych i planowanych) – wprowadzenie klas energetycznych poszczególnych miesięcy i lat. Wcześniejsze wykrywanie odchyleń od planów – niekorzystnych warunków meteorologicznych (wiatrowych, hydrologicznych i ich kumulacji np. dla miesięcy i lat „bezwietrznych”, „suchych").

Zastosowania:

1. Dla kadry zarządzającej i rad nadzorczych – bardzo szybkie oceny i efektywne porównania na tle wielu lat:
   • produkcji energii, warunków meteorologicznych (np. wietrzności),
   • prognoz, scenariuszy zarządzania kryzysowego.
2. Wspomaganie procesu planowania produkcji energii, opracowywania prognoz i planów,
   w tym dla składania ofert w systemie aukcyjnym.
3. Diagnozowanie występowania okresów o charakterze odbiegającym od normy z wielolecia.
4. Wcześniejsze wykrywanie niekorzystnych okresów wynikających z warunków meteorologicznych
   (wiatrowych, hydrologicznych i ich kumulacji np. miesięcy „posusznych").
5. Opracowanie scenariuszy zarządzania kryzysowego (dla miesięcy i lat „suchych”, „bezwietrznych”).
6. Wspomaganie służb controllingu i rachunkowości zarządczej.
7. Zmniejszenie ryzyk inwestycyjnych budowy nowych elektrowni (OZE) i modernizacji istniejących.
8. Wspomaganie zarządzania remontami i modernizacjami.
9. Uzupełnienie i weryfikacja baz danych (produkcji energii, wietrzności, hydrologicznych itd.).

REALIZACJA:

1. Przesłanie posiadanych danych historycznych produkcji energii i warunków meteorologicznych (wiatrowych, hydrologicznych) do INFORMS.
2. Poszerzenie danych historycznych o okresy wcześniejsze (np. od 1951 r. na podstawie oferowanych modeli INFORMS).
3. Dokładne dostosowanie wzorców raportów i ustalenie zasad wymiany danych.
4. Przesyłanie raportów: dla poszczególnych elektrowni i zbiorczych, co miesiąc lub wg innych ustaleń.

Prognozy INFORMS:

1. Metody matematyczno-statystyczne.
2. Modele adaptacyjne:
• Metody naiwne (np. modele z wahaniami sezonowymi),
• Modele średniej ruchomej (prostej i ważonej)*,
• Modele wyrównywania wykładniczego*: Browna**, podwójnego Holta (wersja addytywna i multiplikatywna)**, potrójnego Wintersa (wersja addytywna i multiplikatywna)**, metoda trendu pełzającego z wagami harmonicznymi.
• Prostego Browna**,
• Podwójnego Holta (wersja addytywna i multiplikatywna)**,
• Potrójnego Wintersa (wersja addytywna i multiplikatywna)**,
• Metoda trendu pełzającego z wagami harmonicznymi.
3. Sztuczne sieci neuronowe (ontogeniczne)*.
4. Ewolucyjny dobór zestawów prognoz dla miesięcy i okresów.

   *   – z optymalizacją okresów analiz,
   ** – z optymalizacją współczynników a, b, g.

Nasze innowacyjne podejście do zagadnienia prognozowania polega m.in. na tym, że dla kilkudziesięciu analizowanych lat i każdego miesiąca przeprowadzamy kilkadziesiąt prognoz i stosujemy najbardziej efektywne predykcje.
Bazę produkcji można poszerzyć o lata wcześniejsze poprzez zastosowanie zaawansowanego modelowania (danych wietrzności, hydrologicznych, produkcji energii itd.).
W celu minimalizowania błędów prognoz niezbędne jest przedstawienie potencjalnej produkcji bez awarii, remontów, modernizacji.

---

Przykłady:

Wykres 1. Produkcja energii w kolejnych miesiącach w elektrowni (OZE) w okresie 10 lat

Wykres 2. Przykład 119 miesięcznych prognoz wygasłych (ex post) i prognozy bieżącej (ex ante) dla okresu 10 lat analizy dla jednej z kilkudziesięciu prognoz

Wykres 3. Podsumowanie błędów MAPE kilkudziesięciu przykładowych prognoz dla miesięcy roku nr 5

MAPE – średni absolutny błąd procentowy (ang. mean absolute percentage error).

MAPE podaje o ile procent średnio wynik (prognoza) różni się od wartości rzeczywistej.

---

Wykres 4. Klasyfikacja energetyczna prognoz miesięcy i lat

Klasyfikacja energetyczna jest doskonałym sposobem wizualizacji danych historycznych i prognoz (średnio- i długoterminowych).

---

Wykres 5. Przykłady prognoz i analiz

  ANALIZY  
  PROGRAMY  
  DORADZTWO