Villamosenergia-fogyasztás előrejelzése gépi tanulási módszerekkel
A villamos-energetikai rendszerek üzemeltetőinek egyik legfontosabb feladata, hogy biztosítsák a hálózat zavartalan működését. Ehhez az szükséges, hogy fenntartsák a termelés és a fogyasztás egyensúlyát. A rendszerszabályozás hatékony végrehajtásához az üzemeltetőknek jó hatásfokkal előre kell tudniuk jelezni mind a termelés, mind a fogyasztás várható értékét a következő időszakra. A fogyasztás előrejelzése az energia-kereskedők számára is fontos, mivel a várható fogyasztási adatok birtokában kedvezőbb kereskedői szerződéseket tudnak kötni a termelőkkel és a szállítókkal. Magyarországon az átviteli hálózat üzemeltetését és a rendszerszabályozást a MAVIR Zrt. végzi. Ez a szervezet nyilvánosan publikálja az országos fogyasztási adatokat.
Jelen TDK dolgozatomban a villamosenergia-fogyasztás előrejelzésével foglalkozom. Munkám során a MAVIR Zrt. nyilvános hálózati rendszerterhelési adatait használtam fel. Ez az adathalmaz 15 perces mintavételi frekvenciával az elmúlt 10 év országos áramfogyasztási adatait tartalmazza. Dolgozatomban először röviden áttekintem az elektromos áramhálózat működését, majd a Magyarországi villamosenergiafelhasználás sajátosságait. Ismertetem az idősoros adatok feldolgozásának főbb módszereit, kiemelten az általam is használt gépi tanulási módszereket. Bemutatom a gépi tanulási algoritmusok ensemble családját, különösen az általam használt RandomForest algoritmus működését. Definiálom a megoldott konkrét problémát és kitérek az általam készített algoritmusok hatékonyságának értékelési módszereire is.
Ezt követően iteratívan mutatom be az általam megalkotott gépi tanulási modelleket és algoritmusokat. A legegyszerűbb és legrosszabb hatékonyságú modellektől haladok a bonyolultabb és hatékonyabb modellek felé. Minden bemutatott modell az azt megelőző gépi tanulási megoldás egy továbbfejlesztett optimalizált változata. Minden modell hatékonyságát több kiértékelési metrika segítségével jellemzek. Legvégül pedig értékelem az elért eredményeket és jövőbeli továbbfejlesztési lehetőségeket fogalmazok meg.
szerző
-
Borkó Károly Gusztáv
Mérnök informatikus szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Gáspár Csaba
egyetemi tanársegéd, Távközlési és Médiainformatikai Tanszék
