Sychova V. Short-term Forecasting of Electricity Imbalances in the Integrated Power System of Ukraine

Українська версія

Thesis for the degree of Doctor of Philosophy (PhD)

State registration number

0824U002814

Thesis Registration Form

0824U002814.pdf

Applicant for

Specialization

  • 141 - Електроенергетика, електротехніка та електромеханіка

11-09-2024

Specialized Academic Board

ДФ 26.187.6

Institute of Electrodynamics of the National Academy of Sciences of Ukraine

Essay

The necessity of solving forecasting tasks in Ukraine's energy system is driven by the current state and development prospects of the Integrated Power System (IPS) of Ukraine and the electricity market. The balancing market is crucial for ensuring the stability and reliability of the IPS, as it balances electricity production and consumption through competitive pricing mechanisms. Destruction of energy infrastructure, the increase in the share of renewable energy sources, and inaccuracies in consumption forecasting lead to electricity imbalances in the IPS. This makes short-term forecasting of total electricity imbalances and consumption vital for improving resource selection efficiency for covering consumption and balancing the IPS. This work presents research and proposes new models and methods for forecasting the total electrical load and imbalances in the IPS of Ukraine. The comprehensive approach provided a thorough examination of imbalance forecasting tasks, considering accuracy improvement, reduction of imbalance volumes, and planning actions for their coverage. Literature analysis showed that models often do not consider external factors like air temperature. Domestic studies rarely address electricity imbalance forecasting and the demand for balancing services, which are new tasks following the introduction of Ukraine's new electricity market model. The necessity for multifactor forecasting to improve short-term daily load forecasting accuracy is justified. A decomposition paradigm that adequately considers external factors is proposed. The work offers several empirical approaches to decomposing electrical load time series. To improve the reliability of isolating the temperature component of the electrical load, a method for determining the "insensitivity zone" boundaries of the electrical load to air temperature using Hilbert-Huang transformation for time series decomposition is proposed. Various methods were applied for forecasting total electrical load: regression methods, Holt-Winters method, and LSTM neural network. A hybrid model for short-term load forecasting was developed, utilizing recurrent LSTM for the base component and polynomial regression dependencies for each hourly profile for the temperature component. This approach improved short-term total load forecasting accuracy by an average of 25%. The third chapter is devoted to detailed statistical analysis of electricity imbalance and balancing service demand samples in Ukraine. The study revealed non-stationarity and high variability of these samples, showing that electricity imbalance samples mainly follow the Poisson distribution. Hypotheses of normal and uniform distributions for both samples were rejected. For forecasting total electricity imbalances, autoregressive models and LSTM neural networks were proposed. For forecasting the demand for balancing services, devoid of clear patterns, probabilistic neural networks, including Bayesian networks (BNN) and Generative Adversarial Networks (GAN), were proposed. BNN models allow estimating the maximum deviations of demand from the forecasted value with a given probability, while GAN models are effective in handling asymmetric distributions and complex data structures. These models improve the accuracy of balancing service demand forecasting. The fourth chapter analyzes the results of testing the developed models for forecasting electricity imbalances and balancing service demand. Satisfactory results were achieved in forecasting total electricity imbalances in the UES of Ukraine using ARIMA and VARMA autoregressive models, used due to high autocorrelation of the samples. The research confirmed the feasibility of building single-factor models. To improve the accuracy of electricity imbalance forecasting, LSTM neural networks were proposed. Model modifications, including an automatic hyperparameter selection component, simplified model tuning and improved forecasting accuracy. Ensemble models of LSTM with different window lengths, which select optimal hyperparameters, were tested. The ensemble results, computed as the arithmetic mean of forecasts, improved reliability and accuracy. Applications for short-term forecasting of daily total electrical load and total electricity imbalances for periods from one to seven days were developed. Additionally, a program for calculating electricity prices and tariffs was created, computing tariff values and costs depending on the type of electricity procurement.

Read more

Research papers

Miroshnyk V., Shymaniuk P., Sychova V. Short term renewable energy forecasting with deep learning neural networks. Power Systems Research and Operation: Selected problems. editors: Kyrylenko O., Zharkin A. and other. Springer, 2021. pp. 121–142

Miroshnyk V., Shymaniuk P., Sychova V., Loskutov S. Short-term load forecasting in electrical networks and systems with artificial neural networks and taking into account additional factors. Power Systems Research and Operation: Selected problems II. editors: Kyrylenko O., Denysiuk S. and other. 2022. pp. 87-105.

Miroshnyk V., Shymaniuk P., Sychova V., Loskutov S. Short-Term Forecasting of Imbalances in the IPS of Ukraine. In: Kyrylenko O., Denysiuk S., Strzelecki R., Blinov I., Zaitsev I., Zaporozhets A. (eds) Power Systems Research and Operation. Studies in Systems, Decision and Control. vol 512. Springer, Cham. 2024. Pp 89-109

Черненко П.О., Сичова В.В. Удосконалення алгоритму визначення впливу температури повітря на сумарне електричне навантаження енергосистеми для підвищення точності короткострокового прогнозування. Технічна електродинаміка. 2021. №2 С. 77-83

Блінов І.В., Сичова В.В. Застосування методів декомпозиції у короткостроковому прогнозуванні сумарного електричного навантаження енергосистеми. Праці Інституту електродинаміки Національної академії наук України. 2021. №59 С. 68-71

Блінов І.В., Парус Є.В., Мірошник В.О., Шиманюк П.В., Сичова В.В. Модель оцінки доцільності переходу промислових споживачів до погодинного обліку електричної енергії на роздрібному ринку. Енергетика: економіка, технології, екологія. 2021. №1. С. 88-97.

Сичова В.В. Прогнозування добових графіків сумарних небалансів електричної енергії в ОЕС України. Технічна електродинаміка. 2022. №.4 С. 58-63

Сичова В.В. Короткострокове прогнозування небалансів електричної енергії в ОЕС України з використанням авторегресійних моделей та штучних нейронних мереж. Праці Інституту електродинаміки Національної академії наук України. 2023. №64. С. 24-30.

Сичова В.В. Розробка штучної нейронної мережі для прогнозування небалансів електричної енергії в ОЕС України. Праці Інституту електродинаміки Національної академії наук України. 2023. №66. С. 58-63

I. Blinov, V. Miroshnyk and V. Sychova, Comparison of models for short-term forecasting of electricity imbalances. 2022 IEEE 8th International Conference on Energy Smart Systems (ESS). Kyiv. Ukraine. 2022. pp. 01-04

Blinov I, Miroshnyk V and Sychova V. Short-term forecasting of electricity imbalances using artificial neural networks. 4 th International conference on sustainable futures: environmentak, technological, social and economic matters (ICSF-2023) DOI 10.1088/1755-1315/1254/1/012029 м. Кривий Ріг. 23-26 травня 2023

Бєлоха Г.С., Сичова В.В. Оптимізація графіків електричного навантаження агрегатором в локальних електроенергетичних системах. Праці Інституту електродинаміки Національної академії наук України. 2023. №66. С 84-89. DOI: https://doi.org/10.15407/publishing2023.66.084

Блінов І.В., Сичова В.В., Шиманюк П.В. Комп’ютерна програма «Модель розрахунку цін та тарифів на електричну енергію (дослідна модель)» («EMPM (Electricity market pricing model)»). Авторське право на твір № 115250 від 13.10.2022

Блінов І.В., Сичова В.В., Шиманюк П.В. Комп’ютерна програма «Модель розрахунку цін та тарифів на електричну енергію (дослідна модель)» («EMPM (Electricity market pricing model)»). Авторське право на твір № 115250 від 13.10.2022

Сичова В.В., Шиманюк П.В. Комп’ютерна програма «Прогнозування добових графіків сумарного електричного навантаження (fds_oel)». Авторське право на твір № 125814 від 18.04.2024

Сичова В.В. Підвищення точності моделювання метеорологічної складової при багатофакторному короткостроковому прогнозування електричного навантаження енергосистеми. Всеукраїнський конкурс студентських наукових робіт з галузі «Енергетика». Зб. тез доповідей. м. Маріуполь: ДВНЗ «ПДТУ». 25-26 березня 2020 р. 2020. С. 6-7

Черненко П.О., Сичова В.В. Аналітичне моделювання сумарного електричного навантаження енергосистеми для покращення його короткострокового прогнозування. XV Міжнародна конференція Контроль і управління в складних системах (КУСС-2020). м. Вінниця. 8-10 жовтня 2020 р. 2020. С. 184-186

Сичова В.В., Шиманюк П.В. Застосування декомпозиції графіків сумарного електричного навантаження для задач їх короткострокового прогнозування. ХХХІХ Науково-технічна конференція молодих вчених інституту проблем моделювання в енергетиці ім. Г.С. Пухова НАН України. м. Київ. 12 травня 2021. 2021 С. 101-104

Сичова В.В. Застосування методу Гільберта-Хуанга для декомпозиції графіків сумарного електричного навантаження. Збірник матеріалів І науково-технічної конференції молодих вчених та спеціалістів Інституту електродинаміки Національної академії наук України. м. Київ. 15 березня 2021 р. 2021. 64 с

Сичова В.В. Короткострокове прогнозування небалансів електричної енергії. Results of modern scientific research and development. Proceedings of the 9th International scientific and practical conference. Barca Academy Publishing. Madrid, Spain. 2021. Pp. 165-171.

Сичова. В.В. Прогнозування добових графіків сумарних небалансів електричної енергії в ОЕС України. ПСЕ 2022 XVII Науково-технічна 11 конференція Проблеми сучасної енергетики. м. Київ. 27 вересня 2022

Сичова В.В., Бєлоха Г.С. Застосування ансамблів штучних нейронних мереж для прогнозування небалансів електричної енергії в ОЕС України. XLІ Науково-технічна конференція молодих вчених та спеціалістів інституту проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України. м. Київ. 17 травня 2023. С. 82-84

Сичова В.В. Застосування ймовірнісних нейронних мереж для прогнозування обсягу попиту на послугу балансування. XLІІ Науковотехнічна конференція молодих вчених та спеціалістів інституту проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України. м. Київ 15 травня 2024. С. 130-133

Blinov I, Radziukynas V, Shymaniuk P, Sychova V Calculation of electricity losses using neural networks for retrospective data with the presence of anomalous values. 5 th International conference on sustainable futures: environmental, technological, social and economic matters (ICSF-2024) м. Кривий Ріг. 21-24 травня 2024

Read more

Files

autoreferat-Анотація Сичової В-В- (1).pdf

Дисертація Сичової В-В-.pdf

Similar theses

0824U002762

Vitalii Tietieriev

The application of smart grid technologies in the context of partial or complete replacement of electrical power networks

0824U002711

Liubov Marchuk

Adaptive mechatronic system of impact destruction of rocks

0824U002659

Andrii V. Pisotskyi

Justification of the choice of parameters of the hybrid solar-wind system to increase the degree of self-consumption of the object

0824U002616

Anton B. Ozulu

Electromechanical system of regulation of oscillations of a body of a high-speed electric train with an inclination of a body

0824U002637

Yevhen Y. Stanovskyi

Improvement of hybrid photovoltaic system with storage battery for local facility needs