Построение трендовой составляющей аддитивной модели долгосрочного прогнозирования объемов потребления электроэнергии оптового рынка электрической энергии и мощности России на примере объединенной энергосистемы Урала
Автор: Мохов Вениамин Геннадьевич, Демьяненко Татьяна Сергеевна
Рубрика: Экономика и финансы
Статья в выпуске: 2 т.12, 2018 года.
Бесплатный доступ
В статье решена задача построения трендовой составляющей аддитивной модели долгосрочного прогнозирования Оптового рынка электрической энергии и мощности России. Исходными данными для моделирования были значения объемов потребления электроэнергии Объединенной энергосистемы Урала за 2011-2017 гг., расположенные в открытом доступе сайта Системного оператора Единой энергетической системы России. Тестом Чоу доказано, что рассматриваемый временной промежуток можно считать единой совокупностью. На основе анализа ряда установлено наличие трендовой составляющей. Ошибка аппроксимации для модели тренда в виде полинома второго порядка составила 0,33 %. Рассчитаны значения критериев Стьюдента и Фостера-Стюарта, подтверждающие эффективность и адекватность построенной модели. Проверка значимости результатов исследования показала, что разработанная модель является достоверной для долгосрочного планирования объемов потребления рынка электрической энергии и мощности России, и ее использование позволит повысить энергоэффективность производства промышленным предприятиям при работе на Оптовом рынке электрической энергии и мощности. Результаты исследования рекомендуются субъектам электроэнергетики в их операционной деятельности и научным работникам, занимающимся исследованием электроэнергетического рынка России.
Трендовая составляющая, аддитивная модель, долгосрочное прогнозирование, объединенная энергосистема урала, оптовый рынок электрической энергии и мощности России, верифицируемость модели
Короткий адрес: https://sciup.org/147232345
IDR: 147232345 | DOI: 10.14529/em180209
Список литературы Построение трендовой составляющей аддитивной модели долгосрочного прогнозирования объемов потребления электроэнергии оптового рынка электрической энергии и мощности России на примере объединенной энергосистемы Урала
- Garcia, R.C. et al. A GARCH forecasting model to predict day-ahead electricity prices / R.C. Garcia // IEEE Transactions on Power Systems. - 2005. - Vol. 20, No. 2. - P. 867-874. DOI: 10.1109/TPWRS.2005.846044
- Mokhov, V.G. Modeling of the time series digressions by the example of the UPS of the Ural / V.G. Mokhov, T.S. Demyanenko. // Вестник ЮУрГУ. Серия «Математическое моделирование и программирование». - 2015. - Т. 8, № 4. - С. 127-130. DOI: 10.14529/mmp150412
- Gheyas, I.A. A Neural Network Approach to Time Series Forecasting / I.A. Gheyas, L.S. Smith // Proceedings of the World Congress on Engineering. - London, 2009. - Vol. 2. - P. 1292-1296.
- Pradhan, R.P. Forecasting Exchange Rate in India. An Application of Artificial Neural Network Model / R.P. Pradhan, R. Kumar // Journal of Mathematics Research. - 2010. - Vol. 2, No. 4. - P. 111-117. DOI: 10.5539/jmr.v2n4p111
- Singh, S. Pattern Modelling in Time-Series Forecasting / S. Singh // Cybernetics and Systems: An International Journal. - 2000. - Vol. 31, No. 1. - P. 49-65. DOI: 10.1080/019697200124919
- Draper, N. Applied regression analysis / N. Draper, H. Smith. - New York: Wiley, 1981. - 709 p.
- Alfares, H.K. Electric load forecasting: literature survey and classifcation of methods / H.K. Alfares, M. Nazeeruddin // International Journal of Systems Science. - 2002. - Vol. 33. - P. 23-34. DOI: 10.1080/00207720110067421
- Taylor, J.W. Short-Term Load Forecasting Methods: An Evaluation Based on European Data / J.W. Taylor, P.E. McSharry // IEEE Transactions on Power Systems. - 2008. - Vol. 22. - P. 2213-2219. DOI: 10.1109/TPWRS.2007.907583
- Мохов, В.Г. Прогнозирование потребления электрической энергии на оптовом рынке электроэнергии и мощности / В.Г. Мохов, Т.С. Демьяненко // Вестник ЮУрГУ. Серия «Экономика и менеджмент». - 2014. - Т. 8, № 2. - С. 86-92.
