Módszertani kísérlet a villamosenergia-fogyasztás előrejelzésére hagyományos eljárással és mesterséges intelligencia (MI) alkalmazásával

Obádovics, Csilla and Szabados, Levente (2025) Módszertani kísérlet a villamosenergia-fogyasztás előrejelzésére hagyományos eljárással és mesterséges intelligencia (MI) alkalmazásával. STATISZTIKAI SZEMLE, 103 (1). pp. 21-47. ISSN 0039-0690

Text 2025_01_021.pdf Download (746kB)

Abstract

A tanulmány egy olyan módszertani kísérletet ismertet, amelynek célja egy szabványosítható energiagazdálkodási irányítási rendszer megalkotása volt. Kiindulópontját annak vizsgálata képezte,hogy bizonyos változók ismeretében (pl. időjárási adatok, látogatószám, nettó árbevétel stb.) hogyanlehet néhány napra előre jelezni az ipari fogyasztók negyedórás felbontású villamosenergia-fogyasztását. Az ilyen terhelésbecslés gazdasági jelentősége nyilvánvaló, kiemelt szerepe van a villamosenergia beszerzése területén, és segítséget nyújt a várható fogyasztás prognosztizálásához. A módszer alkalmazásával csökkenthetők az energiaköltségek. Az energia- és az éghajlati válsággal összefüggésben kulcsfontosságú, hogy a szervezetek fejlett módszereket alkalmazzanak az energiafogyasztás és az energiaköltségek visszafogására. A tanulmányban különböző modellek alkalmazásátvizsgáltuk a villamosenergia-igény előrejelzésére, amely növelheti a piac hatékonyságát, és hozzájárulhat a hálózat stabilitásához. Egy magyarországi hipermarket részletes villamosenergia-fogyasztási adatsorát elemeztük, 15 perces időközönként, 48 órás előrejelzésekre fókuszálva. Statisztikaimódszerekkel feltártuk a terhelési jellegzetességeket, a napi, a heti, a havi és az éves lefutások főbbjellemzőit. Az adatok alapján meghatároztuk a tipikus napokat, feltártuk és jellemeztük a tipikuseseményeket. Elemeztük az órás hőmérsékleti adatok és a villamosenergia-fogyasztás közötti összefüggéseket. A feltárt összefüggések alapján 24 és 48 órás előrejelző modellt alkottunk, amelyneksegítségével adott hibahatáron belül előre becsülhetők a 15 perces átlagterhelések. Módszertanunkmagában foglalja a klasszikus modelleket, például a lineáris regressziót, valamint a legmodernebbdeep learning modelleket, így a TiDE-t és a Lag-Llama-t.

Tudományterület / tudományág

social sciences > business and management
social sciences > economic science(s)

Faculty

Not relevant

Institution

Soproni Egyetem

Item Type:	Article
SWORD Depositor:	Teszt Sword
Depositing User:	Csaba Horváth
Identification Number:	MTMT:35730445
Date Deposited:	14 Feb 2025 09:52
Last Modified:	14 Feb 2025 09:52
URI:	http://publicatio.uni-sopron.hu/id/eprint/3465

Actions (login required)

View Item