Napoved odjema in prenosnih izgub električne energije za slovenski prenosni elektroenergetski sistemVOLARIČ, TOMAŽ (Avtor) Pantoš, Miloš (Mentor) Prenosne izgubeumetna inteligencaLSTMXGBoostnapoved prenosnih izgub.V študiji smo se osredotočili na napovedovanje prenosnih izgub z namenom zmanjšanja pogreška in optimizacije stroškov nakupa električne energije za pokrivanje izgub. Za dosego tega cilja smo se odločili razviti in preizkusiti popolnoma novo rešitev, ki bi torej omogočala natančnejše napovedi in s tem pripomogla k zmanjšanju stroška nakupa električne energije za pokrivanje prenosnih izgub. Z novo metodo smo ločeno obravnavali severnoprimorski del in preostali del Slovenije, s čimer smo dosegli natančnejše napovedovanje prenosnih izgub v severnoprimorskem delu, ki se pojavijo zaradi obratovanja črpalne hidroelektrarne Avče. V vsakem delu Slovenije smo izvedli ločene napovedi prenosnih izgub, da bi ugotovili, ali lahko tako izboljšamo napoved prenosnih izgub. V okviru naše raziskave smo izvedli tudi napoved za celotno Slovenijo, s čimer smo omogočili direktno primerjavo dveh pristopov. Rezultati so pokazali, da se je za bolj natančno izkazala metoda, ki napoveduje prenosne izgube za celotno državo. Ta ugotovitev kaže na pomembnost celostnega pristopa k napovedovanju prenosnih izgub, saj je ta metoda sposobna bolje zajeti različne vplive in vzorce po celotnem omrežju. Poglobili smo se tudi v razloge za slabe napovedi v severnoprimorski regiji in ugotovili, da je ključni dejavnik nenatančna napoved obratovanja črpalne hidroelektrarne Avče. Slaba vpetost severnoprimorske zanke v elektroenergetski sistem povzroča velik delež prenosnih izgub v severnoprimorski zanki; natančen vpogled v njeno obratovanje pa je ključnega pomena za izboljšanje napovedi v severnoprimorski zanki. Izbrali smo si testno obdobje, za katero smo preizkusili novo metodo. Ugotovili smo, da ta metoda omogoča natančnejše napovedovanje prenosnih izgub v primerjavi z metodo, ki se trenutno uporablja. Ta ugotovitev kaže, da je prihodnost uporabe strojnega učenja za izboljšanje napovednih modelov zelo obetavna.20232023-09-18 11:35:21Magistrsko delo/naloga150466VisID: 62479COBISS_ID: 165266947sl