Tytuł pozycji:
SARIMA and Holt-Winters method based microgrids for load and generation forecasting
The modern power grid faces challenges regarding many complex factors affecting both demand and generation; including growth in demand; incorporating large-scale renewable power penetration; uncertainties in climate change; lack of historical data; and coordination of the large volume of data. These issues have resulted in complications in forecasting load and generation in microgrids. The loads are becoming more erratic and the generation is intermittent. Thus, this paper presents a study of different forecasting approaches for load and generation, by comparing multiple univariate and multivariate methods to analyse their effect. The study also proposes seasonal models: the SARIMA model taking into consideration the historical load, the correlation of weather data and renewable integration to estimate future behaviour of the microgrid by predicting one day ahead using critical load data; whereas the Holt Winters method is used for generation forecasting. A case study is simulated using realworld microgrid data for the selected geographic location in Australia. The results suggest that for the day-ahead load forecast, the SARIMA model performed relatively better compared to MLR, Holt-Winters additive and multiplicative methods; whereas, for generation forecasting, Holt-Winters Additive Method and SARIMA perform well for Autumn and Summer respectively. The results suggest that the proposed approach of using different seasonal models for load and generation forecasting yields higher accuracy as compared to conventional forecasting.
Nowoczesna sieć energetyczna stoi przed wyzwaniami dotyczącymi wielu złożonych czynników wpływających zarówno na popyt, jak i na wytwarzanie; w tym wzrost popytu; włączenie penetracji energii odnawialnej na dużą skalę; niepewność w zmianach klimatu; brak danych historycznych; i koordynacja dużej ilości danych. Problemy te spowodowały komplikacje w prognozowaniu obciążenia i generacji w mikrosieciach. Obciążenia stają się coraz bardziej nieregularne, a generacja jest przerywana. Dlatego w niniejszym artykule przedstawiono badanie różnych podejść do prognozowania obciążenia i generacji, porównując wiele metod jednowymiarowych i wielowymiarowych w celu przeanalizowania ich wpływu. W badaniu zaproponowano również modele sezonowe: model SARIMA uwzględniający obciążenie historyczne, korelację danych pogodowych i integrację odnawialną w celu oszacowania przyszłego zachowania mikrosieci poprzez prognozowanie z jednodniowym wyprzedzeniem przy użyciu danych o obciążeniu krytycznym; natomiast do prognozowania generacji wykorzystywana jest metoda Holta Wintersa. Studium przypadku jest symulowane przy użyciu rzeczywistych danych mikrosieci dla wybranej lokalizacji geograficznej w Australii. Wyniki sugerują, że w przypadku prognozy obciążenia dnia następnego model SARIMA sprawował się relatywnie lepiej w porównaniu z metodami addytywnymi i multiplikatywnymi MLR, Holta-Wintersa; podczas gdy w przypadku prognozowania generacji, metoda Holt-Winters Additive Method i SARIMA dobrze sprawdzają się odpowiednio w okresie jesiennym i letnim. Wyniki sugerują, że zaproponowane podejście polegające na wykorzystaniu różnych modeli sezonowych do prognozowania obciążeń i generacji zapewnia wyższą dokładność w porównaniu z prognozowaniem konwencjonalnym.
Opracowanie rekordu ze środków MNiSW, umowa Nr 461252 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2021).
