Short-term on-line load forecasting algorithms in power systems

Abstract

ÖZET GÖÇ SİSTEMLERİNDE KISA-'SÜRELİ ÇEVRİM İÇİ YÜK KESTİRİMİ ALGORİTMALARI BESLEME, İbrahim Yüksek Lisans Tezi, Elk. ve Elkt. Müh. Böl. Orta Doğu Teknik Üniversitesi Tez Yöneticisi: Doç. Dr. Nezih GÜVEN Şubat 1988,10^ sayfa Bu tezde enerji tesislerinde kullanılmak üzere geliştiril miş iki değişik kısa-süreli çevrimiçi yük modelleme ve kestirim algoritması incelenmiş ve bunların benzetim çalışmaları yapılmış tır. İlk yaklaşım bir tek nokta için zaman serileri yaklaşımını ve beyaz gürültüyü girdi olarak kullanır. Bu yaklaşım otokorelas- yon ve kısmi -otokorelasyon fonksiyonlarını tanılamak için kullanır Model değiştirgeni eri ise özyineli enküçük kareler algoritması ile yenilenir. İkinci yaklaşım durum uzay gösterimine dayanır. Bu yöntem özyineli enküçük kareler ve uyarlamalı Kalman süzgeci algoritmalarını uygun bir şekilde birleştirerek model değiştirgen- lerini ve durumlarını tahmin eder. Geliştirilen bu iki algoritmanın performansları gerçek bir güç sisteminden onar dakikalık ve saatlik aralıklarla alınan iki haftalık yük verileri kullanılarak karşılaştırılmıştır. Durum uzay yaklaşımının ise katsayı matrisinin başlangıç değerlerine ve aktarıcılarda var olan gürültüye bağımlılığı incelenmiştir. Anahtar kelimeler: Güç sistemi, Model tanılama, Yük kestirimi. Zaman serileri, Uygulamalı Kalman Süzgeci, Özyineli Enküçük Kareler. iv

ABSTRACT SHORT-TERM ON-LINE LOAD FORECASTING ALGORITHMS IN POWER SYSTEMS BESLEME, Ibrahim M.S. in E.E.E., M.E.TiU. Supervisor : Assoc. Prof. Dr. A. Nezih. GÜVEN February 1988,103 Pages In this thesis two on-line short-term load modeling and forecasting algorithms are developed and simulated. The first algorithm uses the time series approach with white noise input for a single node. This approach utilizes the autocorrelation and partial autocorrelation functions for identification, and the model parameters are updated by using the recursive least squares algorithm. The second approach is based on the state variable method. This approch combines the two algorithms, the recursive least squares and the adaptive Kalman filtering in a bootstrap manner to estimate the model parameters and states. The performances of the two methods are compared using the two week load data obtained from an existing power system taken in ten minute and. hourly intervals. The dependence of the ötate variable approach to the initial values of the coefficient matrix and its performance under noisy transducers are also investigated. Key words: Power system, Model identification, Load forecasting, Time series, Adaptive Kalman Filter, Recursive Least- Squares.