Optymalizacja wyboru metody prognozowania szczytowego dobowego zapotrzebowania mocy KSE wykorzystująca zautomatyzowane metody typujące parametry wejściowe do modelu prognostycznego

Opracowanie prognoz dowolnego parametru wykazującego charakter zmienności wiąże się z koniecznością właściwego (optymalnego) doboru zestawu parametrów wejściowych wykorzystywanych w modelu prognostycznym. Dodatkowo, zmienność czynników determinujących prognozowany parametr implikuje potrzebę stosowania dynamicznych modeli prognostycznych w miejsce modeli statycznych (jako modele statyczne uznaje się takie, które bazują na raz ustalonych wzorcach i wagach udziału parametrów wejściowych w modelu). Stosowanie modeli dynamicznych niejednokrotnie wiąże się z koniecznością częstego (nawet dla każdej nowej prognozy) doboru nowych parametrów wejściowych ze wszystkich posiadanych parametrów. W celu zmniejszenia czasochłonności i kosztów procesu doboru optymalnych parametrów wejściowych do modeli prognostycznych możliwe jest zastosowanie nie tylko dotychczasowej wiedzy, lecz także skorzystanie z podpowiedzi podsuwanych przez niektóre zautomatyzowane metody statystyczne. Dane wytypowane przez metody zautomatyzowane można następnie poddawać testom ex post wykonywanym za pomocą innych metod. Takie krzyżowe podejście pozwala nie tylko na optymalny wybór parametrów wejściowych, ale także na optymalizację stosowanej metody prognostycznej (modelu prognostycznego). Metodę tę można również zastosować w przypadku modeli prognostycznych, które tracą swoją czułość na dynamiczne zmiany parametrów wpływających na prognozowany parametr. Niniejsza publikacja przedstawia wybrane aspekty weryfikacji (optymalizacji) zarówno doboru parametrów wejściowych do modelu prognostycznego, jak i stosowanej metody prognostycznej. Parametrem prognozowanym wybranym do badań symulacyjnych jest szczytowe obciążenie dobowe KSE (maksymalna wartość mocy 15-minutowej obciążenia). W toku symulacji skorzystano zarówno z klasycznych metod prognostycznych, jak i metod typu „drążenie danych”.

---

The paper presents the possibility of using the statistical methods automating the selection of the most suitable input variables for the daily peak demand of the National Power Grid in Poland. Predictions in ex post were conducted for 10 predictors’ set and both for classical and data exploring methods. The obtained matrix of ex post predictions measures gives a chance for a primal selection of the best set of input variables and statistical method.