Uvod u kratkoročno predviđanje električnog opterećenja

Električno opterećenje se neprekidno menja pod uticajem navika potrošača, vremenskih uslova, temperature, sezone, radnih dana, vikenda i praznika. Iza svakog sata potrošnje nalazi se veliki broj podataka koji, ako se pravilno analiziraju, mogu pomoći u boljem planiranju rada elektroenergetskog sistema.

Na ovom predavanju biće predstavljeni osnovni pojmovi, metode i koraci u kratkoročnom predviđanju električnog opterećenja (STLF), sa posebnim osvrtom na primenu statističkih metoda, mašinskog učenja i veštačke inteligencije.

Kroz predavanje će biti obrađene sledeće teme:

• šta je predviđanje električnog opterećenja i zašto je važno;
• šta podrazumeva kratkoročno predviđanje opterećenja;
• kako dnevna, sedmična i godišnja sezonalnost utiču na potrošnju;
• zašto je istorijsko opterećenje jedan od najvažnijih prediktora;
• kako vremenski uslovi, temperatura i kalendarski faktori utiču na prognozu;
• kako se podaci pripremaju za STLF modele;
• šta je inženjering karakteristika u vremenskim serijama;
• koje statističke, AI i machine learning metode se koriste;
• kako se ocenjuje tačnost modela;
• zašto je interpretabilnost važna u energetskim sistemima;
• kako izgleda moderan sistem za kratkoročno predviđanje opterećenja.

Cilj predavanja je da pokaže da STLF nije samo problem izbora najboljeg modela, već kompletan proces koji obuhvata razumevanje podataka, elektroenergetskog sistema, sezonalnosti, prediktora, evaluacije i primene u realnim uslovima.

Slušaoci će dobiti jasan uvod u oblast kratkoročnog predviđanja električnog opterećenja i razumeti kako se podaci i veštačka inteligencija mogu koristiti za pouzdanije planiranje, efikasnije upravljanje i sigurnije snabdevanje električnom energijom.

Ulaz na predavanje je slobodan uz registraciju putem linka: https://forms.gle/QgzWnMPqDh7nikjf9