Доволен работой. Все хорошо!
Информация о работе
Подробнее о работе
Поиск наилучшей модели для прогнозирования спроса на рынке электроэнергии
- 40 страниц
- 2023 год
- 0 просмотров
- 0 покупок
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Эта тема является крайне актуальной, поскольку современный рынок электроэнергии постоянно расширяется и не стоит на месте: все больше аспектов жизни современного человека включает в себя различные приборы-потребители электричества, растет население земли, т.е. появляется все больше потребителей, которые точно будут предъявлять спрос на электричество, правительства многих стран стимулируют переход на электрические машины, которые так же нужно заряжать.
Введение 3
ГЛАВА 1. Состояние и проблемы электроэнергетической отрасли Австралии 5
1.1 Энергетический профиль Австралии 5
1.2 Проблемы и перспективы развития сферы электроэнергетики в Австралии и штате Виктория 9
ГЛАВА 2. Обзор моделей прогнозирования спроса на электроэнергию 17
2.1 Методы и модели прогнозирования в экономике 17
2.2 Регрессионные модели 19
2.3 Авторегрессионные модели 22
2.4 Модели экспоненциального сглаживания 23
2.5 Модели искусственных нейронных сетей 24
2.6 Метрики оценки и сравнения различных моделей 28
ГЛАВА 3. Построение и сравнение моделей 29
3.1 Визуальная оценка данных 29
3.2 Разделение данных 30
3.3 Автокорреляция и тест Дики-Фуллера 31
3.4 Прогноз по последнему значению и метод экспоненциального сглаживания 32
3.5 SARIMAX 32
3.6 NeuralProphet 33
3.7 Сравнение моделей 37
Заключение 38
Список использованной литературы 39
Период изготовления: июль 2023 года.
ВУЗ: Новосибирский государственный университет.
Работа была успешно сдана - заказчик претензий не имел.
Австралийский путь энергоперехода / Мастепанов А.М., Сумин А.М., Чигарев Б.Н. // Энергетическая политика. №2 (168). 2022. C. 26-42.
Айзенберг Н.И., Филатов А.Ю. Моделирование и анализ механизмов функционирования электроэнергетических рынков. Иркутск: Изд-во Иркут. гос. ун-та, 2013. 100 с.
Бирюков Е.В., Манусов В.З. Краткосрочное прогнозирование электрической нагрузки на основе нечеткой нейронной сети и ее сравнение с другими методами // Известия Томского политехнического университета. 2006. №6. С. 153-158.
Бокс Дж., Дженкинс Г.М. Анализ временных рядов, прогноз и управление. М.: Мир, 1974. 406 с.
Громова Н. М., Громова Н. И. Основы экономического прогнозирования. М.: Академия Естествознания, 2006. 112 с.
Ивченко В. Д., С. С. Кананадзе. Применение нейросетевых технологий в различных областях науки и техники // Приборы и системы. Управление, контроль, диагностика. 2005. №6. С. 28 – 29.
Использование нейронной сети для краткосрочного прогнозирования электропотребления промышленного предприятия / И.В. Воронов И.В., Политов Е.А, Ефременко В.М. // Вестник КузГТУ. 2006. № 6. С. 71-73.
Исследования молодых ученых: отраслевая и региональная экономика, инновации, финансы и социология / Под ред. В.Е. Селиверстова, Н.Ю. Самсонова, И.О. Семыкиной. Новосибирск: ИЭОПП СО РАН, 2013. 320 с.
Клеопатров Д. И., А. А. Френкель. Прогнозирование экономических показателей с помощью метода экспоненциального сглаживания. М.: Наука, 1973. 298 с.
Линдер Н., Трачук А.В. Влияние перекрестного субсидирования в электро- и теплоэнергетике на изменение поведения участников оптового и розничного рынков электро- и теплоэнергии // Стратегические решения и риск-менеджмент. 2017. №3. С. 78-86.
Льюис, К.Д. Методы прогнозирования экономических показателей / К.Д. Льюис; пер. с англ.: Е. З. Демиденко. – М.:Финансы и статистика,1986. – 132 с.
Мамонтов Д. В., Селезнев С. В. Классификация методов и моделей прогнозирования // Устойчивое развитие горных территорий. 2014. № 1. С. 51-55.
Мастепанов А.М., Хирофуми Араи. Основные проекты водородной стратегии Японии и их потенциальное влияние на перспективы развития нефтегазовой отрасли России// Проблемы экономики и управления нефтегазовым комплексом. Научно-экономич. журнал. №12 (192). 2020. С. 45-54.
Методика выбора входных параметров нейронной сети для прогнозирования электропотребления промышленного предприятия / Воронов И.В., Ефременко В.М., Политов Е.А // Вестник КузГТУ. 2007. № 3. С. 38.
Михайлова Е.Б. Проблема классификации моделей и методов прогнозирования // Учет и статистика. 2017. №1 (45). С. 75-81.
Старкова Г.С. Комплекс экономико-математических моделей прогнозирования потребления электроэнергии в регионах РФ и его инструментальная реализация: дис. канд. экон. наук: 08.00.13. Пермь, 2014. 153 с.
Тихонов Э. Е. Методы прогнозирования в условиях рынка. Невинномысск, 2006. 221 с.
Хайкин С. Нейронные сети: полный курс. М.: ООО «И. Д. Вильямс», 2006. 1104 с.
ABC News. Scott Morrison to spend extra $539 million on new 'clean' energy projects. But will they reduce emissions? URL: https://www.abc.net.au/news/2021-04-21/scott-morrison-clean-energy-hydrogen-and-carbon-capture/100082792 (дата обращения: 03.07.2023).
Annual Benchmarking Report Electricity distribution network service providers 2022. URL: https://www.aer.gov.au/system/files/AER%20-%202022%20Annual%20Benchmarking%20Report%20-%20Electricity%20distribution%20network%20service%20providers%20-%20November%202022_2.pdf (дата обращения: 02.07.2023).
Application of SARIMAX Model to Forecast Daily Sales in Food Retail Industry / Arunraj N. S., Ahrens D., Fernandes M. // International Journal of Operations Research and Information Systems. 2016. №7. Pp. 1-21.
Australian Energy Market Operator. Distributed Energy Resources Data Dashboard. URL: https://aemo.com.au/energy-systems/electricity/der-register/data-der/data-dashboard (дата обращения: 02.07.2023).
Australian Energy Market Operator. Generation Information. URL: https://www.aemo.com.au/energy-systems/electricity/national-electricity-market-nem/nem-forecasting-and-planning/forecasting-and-planning-data/generation-information (дата обращения: 01.07.2023).
Australian Energy Regulator. Annual Benchmarking Report Electricity transmission network service providers 2022. URL: https://www.aer.gov.au/system/files/AER%20-%202022%20Annual%20Benchmarking%20Report%20-%20Electricity%20transmission%20network%20service%20providers%20-%20November%202022_0.pdf (дата обращения: 02.07.2023).
Bergmeir С., Godahewa R., Hyndman R., Montero-Manso P., Webb G. Australian Electricity Demand Dataset 2021. URL: https://zenodo.org/record/4659727 (дата обращения: 04.04.2023).
Competition and Consumer Act 2010 Compilation No.131 (ред. от 16.12.2020). URL: https://www.legislation.gov.au/Details/C2021C00010 (дата обращения: 02.07.2023).
Department of Climate Change, Energy, the Environment and Water. Australian Energy Statistics. URL: https://www.energy.gov.au/government-priorities/energy-data/australian-energy-statistics (дата обращения: 01.07.2023).
Draper N., Smith H. Applied regression analysis. New York: Wiley, In press. 1981. 693 p.
Energy Networks Australia, Commonwealth Scientific and Industrial Research Organisation. Electricity Network Transformation Roadmap: Final Report 2017. URL: https://www.energynetworks.com.au/resources/reports/electricity-network-transformation-roadmap-final-report/ (дата обращения: 02.07.2023).
Ghaderi S.F., Javanmard M. E. Energy demand forecasting in seven sectors by an optimization model based on machine learning algorithms // Sustainable Cities and Society. 2023. №95. Pp. 29-47.
HESC. The world-first Hydrogen Energy Supply Chain (HESC) Project. URL: https://www.hydrogenenergysupplychain.com (дата обращения: 03.07.2023).
Karakatsani N., Bunn D. Forecasting Electricity Prices: The Impact of Fundamentals and Time-varying Coefficients // International Journal of Forecasting. 2008. №24. Pp. 764-785.
Makridakis S., Hibon M. Evaluating accuracy (or error) measures. Fontainebleau, 1995. 41 p.
Murphy A.H., Winkler R.L. On Seeking a Best Performance Measure or a Best Forecasting Method // International Journal of Forecasting. 1992. №8. Pp. 104-107.
National Electricity (South Australia) Act 1996 (ред. от 14.04.2023). URL: https://www.legislation.sa.gov.au/__legislation/lz/c/a/national%20electricity%20(south%20australia)%20act%201996/current/1996.44.auth.pdf (дата обращения: 30.06.2023).
National Electricity Amendment (Register of distributed energy resources) Rule 2018. URL: https://www.aemc.gov.au/sites/default/files/2018-09/ERC0227%20-%20DER%20register%20-%20Final%20Determination%20%28final%29.pdf (дата обращения: 02.07.2023).
National Energy Retail Law (South Australia) Act 2011 (ред. от 30.06.2023). URL: https://www.legislation.sa.gov.au/__legislation/lz/c/a/national%20energy%20retail%20law%20(south%20australia)%20act%202011/current/2011.6.auth.pdf (дата обращения: 01.07.2023).
On the selection of forecasting accuracy measures / Assimakopoulos V., Koutsandreas D., Petropoulos F., Spiliotis E. // Journal of the Operational Research Society. 2021. №73. Pp. 1-18.
Shilpa G. N., Sheshadri G. S. ARIMAX Model for Short-Term Electrical Load Forecasting // International Journal of Recent Technology and Engineering. 2019. №8. Pp. 2786-2790.
Taylor S.J., Letham B. Forecasting at Scale. URL: https://peerj.com/preprints/3190.pdf (дата обращения: 06.07.2023).
The International Energy Agency. Australia. Key energy statistics 2019. URL: https://iea.org/countries/australia (дата обращения: 03.07.2023).
The International Energy Agency. Key World Energy Statistics 2020. URL: https://iea.blob.core.windows.net/assets/1b7781df-5c93-492a-acd6-01fc90388b0f/Key_World_Energy_Statistics_2020.pdf (дата обращения: 03.07.2023).
The International Energy Agency. Statistic report World Energy Balances Outlook 2020. URL: https://iea.blob.core.windows.net/assets/23f096ab-5872-4eb0-91c4-418625c2c9d7/World_Energy_Balances_Overview_2020_edition.pdf (дата обращения: 03.07.2023).
Wallin F., Torstensson D. Energy demand model design for forecasting electricity consumption and simulating demand response scenarios in Sweden. Suzhou, 2012. P. 7.
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
