Kurzfrist-Lastprognose für die Day-Ahead- und Intraday-Stromnachfrage bei sich systematisch ändernden Lasten

Kurzfrist-Lastprognose für die Day-Ahead- und Intraday-Stromnachfrage bei sich systematisch... Lastprognosen werden in vielen Bereichen der deutschen Energiewirtschaft eingesetzt, um auf Basis dieser beispielsweise die Energieerzeugung oder den Energiezukauf zu planen und zu optimieren. Dafür sind genaue Lastprognosen unabdingbar. Viele Lastprognosemethoden stoßen jedoch an ihre Grenzen, wenn das vorherzusagende Lastprofil systematischen Änderungen unterliegt, da das Prognosemodell in der Regel anhand historischer Daten kalibriert wird und auf dieser Basis die aufgetretene Last mit den Inputdaten in Verbindung stellt. Durch eine Veränderung des Lastprofils – z. B. durch ein zusätzliches Gebäude – verschiebt sich das Lastniveau im Vergleich zum Kalibrierzeitraum. Da das Lastprognosemodell auf Grundlage der historischen Daten kalibriert ist, können daraus erhöhte Prognosefehler resultieren, die wiederum negative Folgen für die darauffolgenden Optimierungsschritte mit sich bringen können. In dieser Arbeit wird deshalb ein methodischer Ansatz für ein Lastprognosemodell vorgestellt, das sich automatisch an sich systematisch ändernde Lastprofile anpassen kann. Dieses Lastprognosemodell wird zunächst anhand eines Anwendungsfalls verifiziert, bevor dieses anschließend auf zwei weitere, extreme Nachfragefälle angewendet wird, um die Grenzen des entwickelten Lastprognosemodells zu identifizieren. http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Zeitschrift für Energiewirtschaft Springer Journals

Kurzfrist-Lastprognose für die Day-Ahead- und Intraday-Stromnachfrage bei sich systematisch ändernden Lasten

Loading next page...
 
/lp/springer_journal/kurzfrist-lastprognose-f-r-die-day-ahead-und-intraday-stromnachfrage-w8pUPvSxcQ
Publisher
Springer Fachmedien Wiesbaden
Copyright
Copyright © 2017 by Springer Fachmedien Wiesbaden
Subject
Engineering; Energy Economics; Power Electronics, Electrical Machines and Networks; Renewable and Green Energy; Energy Technology; Environment, general
ISSN
0343-5377
eISSN
1866-2765
D.O.I.
10.1007/s12398-017-0202-2
Publisher site
See Article on Publisher Site

Abstract

Lastprognosen werden in vielen Bereichen der deutschen Energiewirtschaft eingesetzt, um auf Basis dieser beispielsweise die Energieerzeugung oder den Energiezukauf zu planen und zu optimieren. Dafür sind genaue Lastprognosen unabdingbar. Viele Lastprognosemethoden stoßen jedoch an ihre Grenzen, wenn das vorherzusagende Lastprofil systematischen Änderungen unterliegt, da das Prognosemodell in der Regel anhand historischer Daten kalibriert wird und auf dieser Basis die aufgetretene Last mit den Inputdaten in Verbindung stellt. Durch eine Veränderung des Lastprofils – z. B. durch ein zusätzliches Gebäude – verschiebt sich das Lastniveau im Vergleich zum Kalibrierzeitraum. Da das Lastprognosemodell auf Grundlage der historischen Daten kalibriert ist, können daraus erhöhte Prognosefehler resultieren, die wiederum negative Folgen für die darauffolgenden Optimierungsschritte mit sich bringen können. In dieser Arbeit wird deshalb ein methodischer Ansatz für ein Lastprognosemodell vorgestellt, das sich automatisch an sich systematisch ändernde Lastprofile anpassen kann. Dieses Lastprognosemodell wird zunächst anhand eines Anwendungsfalls verifiziert, bevor dieses anschließend auf zwei weitere, extreme Nachfragefälle angewendet wird, um die Grenzen des entwickelten Lastprognosemodells zu identifizieren.

Journal

Zeitschrift für EnergiewirtschaftSpringer Journals

Published: May 5, 2017

References

You’re reading a free preview. Subscribe to read the entire article.


DeepDyve is your
personal research library

It’s your single place to instantly
discover and read the research
that matters to you.

Enjoy affordable access to
over 18 million articles from more than
15,000 peer-reviewed journals.

All for just $49/month

Explore the DeepDyve Library

Search

Query the DeepDyve database, plus search all of PubMed and Google Scholar seamlessly

Organize

Save any article or search result from DeepDyve, PubMed, and Google Scholar... all in one place.

Access

Get unlimited, online access to over 18 million full-text articles from more than 15,000 scientific journals.

Your journals are on DeepDyve

Read from thousands of the leading scholarly journals from SpringerNature, Elsevier, Wiley-Blackwell, Oxford University Press and more.

All the latest content is available, no embargo periods.

See the journals in your area

DeepDyve

Freelancer

DeepDyve

Pro

Price

FREE

$49/month
$360/year

Save searches from
Google Scholar,
PubMed

Create lists to
organize your research

Export lists, citations

Read DeepDyve articles

Abstract access only

Unlimited access to over
18 million full-text articles

Print

20 pages / month

PDF Discount

20% off