engleski

Method for Electric Power Consumers Clustering into Representative Consumption Classes

Za uspješno održavanje ravnoteže proizvodnje i potrošnje u elektroenergetskom sustavu potrebno je poznavati značajke potrošnje kupaca te dobro predviđati njihovu potrošnju. Poznavanje krivulja opterećenja kupaca u vremenu obračunskog razdoblja moguće je korištenjem naprednih brojila, s mogućnošću mjerenja i pohrane krivulje opterećenja, na obračunskim mjestima kupaca. Opremanje obračunskih mjernih mjesta svih kupaca takvim brojilima je još uvijek vrlo skup, složen i za određene kategorije kupaca ekonomski neopravdan postupak. Stoga se za te neke kategorije kupaca moraju koristi drugačije metode pridjeljivanja nadomjesnih krivulja opterećenja. Osim opskrbljivača korisnici nadomjesnih krivulja opterećenja u tržišnim uvjetima i liberaliziranom tržištu mogu biti operatori i regulator koji mogu koristiti nadomjesne krivulje opterećenja kod modeliranja vrste potrošača na tržištu kod izrade tarfinog sustava za prijenos ili distribuciju. Osim na tržištu električne energije, krivulje opterećenja mogu se koristiti i kod planiranja mreža. Ako te mreže napajaju kupce bez intervalnih brojila opet se javlja potreba za modeliranjem pomoću nadomjesnih krivulja opterećenja. Takvi dijagrami dobiveni pomoću nadomjesnih krivulja opterećenja mogu elektroenergetskim planerima olakšati procjenu gdje treba graditi nove distribucijske kapacitete te pomoći u ocjeni mogućnosti priključivanja distribuirane proizvodnje na distribucijsku mrežu. U ovom doktorskom radu predstavljen je razvijeni modela za prepoznavanje karakterističnih skupina kupaca električne energije, određivanje njihovih značajki i broja skupina s primjenom na stvarni elektroenergetski sustav. Za grupiranje je korišten algoritam za hijerarhijsko grupiranje i k-means algoritam. Osim prepoznavanja postojećih karakterističnih skupina kupaca električne energije predstavljen je i model za klasifikaciju novih kupaca koji nemaju mjerenje krivulje opterećenja u karakteristične skupine kupaca prepoznate grupiranjem. Korišteno je stablo odlučivanja kao metoda za izradu klasifikacijskog modela. Za verifikaciju čitavog modela provedena je simulacija na virtualnoj transformatorskoj stanici koja je uspoređena sa stvarnim mjerenjima.

electricity market; load profiles; data mining; k-means; decision trees; clustering; tariff design

nije evidentirano