Systém pro predikci technických ztrát přenosové soustavy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F22%3A43967367" target="_blank" >RIV/49777513:23520/22:43967367 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.kky.zcu.cz/cs/sw/losspred" target="_blank" >http://www.kky.zcu.cz/cs/sw/losspred</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Systém pro predikci technických ztrát přenosové soustavy

Popis výsledku v původním jazyce

V důsledku přenosu elektrické energie reálnou elektrizační soustavou dochází k výkonovým ztrátám, které jsou úměrné objemů přenesení energie. Operátor české přenosové soustavy (společnost ČEPS a.s.) provozuje páteřní elektrizační soustavu, ve které dochází k výměnám energie na úrovni nejvyššího napětí, které mají jak národní, tak Evropský kontext. V posledních letech značně narůstají tranzitní aktivity českou přenosovou soustavou a tudíž i velikost výkonových ztrát, které musí společnost ČEPS a.s. v soustavě bilančně vyrovnat. Energie potřebná pro bilancování soustavy a tudíž i ztrát se zajišťuje v předstihu na různých energetických trzích či doplňujícími kontrakty. Pro ekonomicky efektivní zajištění pokrytí výkonových ztrát je klíčová znalost očekávaných ztrát na predikčních horizontech vztažených k jednotlivým energetickým trhům. V rámci smluvního výzkumu a ve spolupráci se společností ČEPS a.s. byl vyvinut systém pro predikci technických ztát přenosové soustavy na různých časových horizontech. Vyvinutý systém integruje datové zdroje z různých produkčních systémů ČEPS a.s., transformuje data to vhodné výpočetní formy pro potřeby navazujících procesů, které jsou dále využity v procesech realizující prediktory ztrát na rozdílných časových horizontech. V systému byl implementován trénovací proces spojený s parametrizací modelů, produkční proces poskytující predikce ztrát v produkčních systémech ČEPS a.s. a validační proces zajišťující monitoring a vyhodnocení kvality prediktorů. Jednotlivé prediktory technických ztrát uvažovali 15-cti minutový horizont predikce (vnitrodenní trh), 24 hodinový horizont predikce (denní trh) a 48 hodinový horizont predikce. Vzhledem k vysoké dimenzionalitě vstupních veličin (více než 60 datových sad), nelineárním charakteru projevů technických ztrát a velmi přísným kvalitativním požadavkům ze strany Zadavatele byly pro implementaci využity metody strojového učení. Intenzivními vývojovými aktivitami byly odvozeny a modifikovány technologie strojového učení (např. upravení gradientní rozhodovací stromy), které splňovali cílové parametry kvality predikce. Dle úvodních studií a současných výsledků z produkčního nasazení došlo k výraznému kvalitativnímu posunu přesnosti prediktorů: 15-minutový horizont (požadavek: MAPE 8.8%, výsledek: 5.5%), 24 hodinový horizont (požadavek: MAPE 9.27%, výsledek: 8.4%) a 48 hodinový horizont (požadavek: MAPE 21.87%, výsledek: 19.27%). Dosažené výsledky mají velmi výrazný ekonomický dopad, neboť kvalitativní zlepšení predikce o jeden procentní bod MAPE vede k ekonomickým úsporám v řádech desítek milionů korun. Systém je v současné době nasazen v odpovídajícím aplikačním prostředí ČEPS a.s. a bude plnohodnotně zaveden do produkčního prostředí v prvním kvartále 2023.

Název v anglickém jazyce

Power losses prediction system for transmission grids

Popis výsledku anglicky

As a result of the transmission of electrical energy through a real electricity system, power losses occur that are proportional to the volume of energy transmission. The operator of the Czech transmission system (the company ČEPS a.s.) operates a backbone electrification system in which energy is exchanged at the highest voltage level, which has both a national and a European context. In recent years, transit activities through the Czech transmission system have increased significantly, and therefore the size of the power losses that ČEPS a.s. has to compensate for. balance in the system. The energy needed to balance the system and therefore an energy volume covering losses is procured in advance on various energy markets or through supplementary contracts. Knowledge of expected losses on prediction horizons related to individual energy markets is key to economically effective coverage of performance losses. As part of contract research and in cooperation with ČEPS a.s. a system was developed for predicting the technical state of the transmission system on different time horizons. The developed system integrates data sources from various production systems of ČEPS a.s., transforms the data into suitable calculation forms for the needs of subsequent processes, which are further used in processes implementing loss predictors on different time horizons. The system implemented a training process associated with the parameterization of models, a production process providing prediction of losses in the production systems of ČEPS a.s. and a validation process ensuring monitoring and evaluation of predictor quality. Individual predictors of technical losses considered a 15-minute prediction horizon (intraday market), a 24-hour prediction horizon (daily market) and a 48-hour prediction horizon. Due to the high dimensionality of the input quantities (more than 60 data sets), the non-linear nature of the manifestations of technical losses and the very strict quality requirements on the part of the Client, machine learning methods were used for the implementation. Through intensive development activities, machine learning technologies were derived and modified (e.g. modification of gradient decision trees) that met the target parameters of the prediction quality. According to initial studies and current results from production deployment, there was a significant qualitative shift in the accuracy of the predictors: 15-minute horizon (requirement: MAPE 8.8%, result: 5.5%), 24-hour horizon (requirement: MAPE 9.27%, result: 8.4%) and 48 hour horizon (requirement: MAPE 21.87%, result: 19.27%). The achieved results have a very significant economic impact, as a qualitative improvement of the prediction by one percentage point of MAPE leads to economic savings in the order of tens of millions of crowns. The system is currently deployed in the corresponding application environment of ČEPS a.s. and will be fully introduced into the production environment in the first quarter of 2023.

Druh

R - Software

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2022

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Interní identifikační kód produktu

ZCU/KKY/2022/011

Technické parametry

realizováno jako smluvní výzkum na základě objednávky 1800008497

Ekonomické parametry

predikce technických ztrát přenosové soustavy ČR a s tím související úspora financí na zajištení stability přenosové soustavy

IČO vlastníka výsledku

25702556

Název vlastníka

ČEPS, a.s. Elektrárenská 774/2, 101 00 Praha