Erstellung eines Prognosesystems für die elektrische Lastganglinie des 50Hz-Netzes der Stadtwerke Bremen AG

Inhaltsverzeichnis

1 EINLEITUNG

2 ANALYSE

2.1 EINFÜHRUNG

2.2 DATENVERARBEITUNG MITTELS SPSS FÜR WINDOWS

2.3 DAS DATENMATERIAL

2.3.1 AUFBEREITUNG DES DATENMATERIALS ZUR ANALYSE

2.3.2 KORREKTUR DES INKONSISTENTEN DATENMATERIALS

2.3.3 CHARAKTERISTISCHE DATENAUFTEILUNG

2.3.4 CHARAKTERISTIKEN

2.3.4.1 Verteilungen

2.4 ZEITREIHEN

2.4.1 STATIONARITÄT DER ZEITREIHE

2.4.2 SPEKTRALANALYSE

2.4.3 EMPIRISCHE MOMENTE 1. UND 2. ORDNUNG DER ZEITREIHE

2.4.4 ZUSAMMENHANGSANALYSE

2.4.4.1 Streudiagramme (Scatterplots)

2.4.4.2 Korrelogramme

3 PROGNOSEVERFAHREN/-MODELLE

3.1 BEURTEILUNGSMETHODEN FÜR DIE PROGNOSEQUALITÄT

3.1.1 EX-ANTE-BEURTEILUNG

3.1.2 EX-POST-BEURTEILUNG

3.2 UNIVARIATE PROGNOSEVERFAHREN

3.2.1 DIE NAIVE PROGNOSE

3.2.2 PROGNOSE DURCH GLEITENDEN DURCHSCHNITT

3.2.3 EXPONENTIELLE GLÄTTUNG

3.3 MULTIVARIATE PROGNOSEVERFAHREN

3.3.1 MULTIPLE REGRESSIONSANALYSE

3.3.2 ADAPTIVE FILTERSYSTEME

3.4 HEURISTISCHE PROGNOSEVERFAHREN

4 ZUSAMMENFASSUNG

Zielsetzung & Themen der Arbeit

Die Diplomarbeit untersucht die Möglichkeiten und Voraussetzungen für die Erstellung eines automatisierten Prognosesystems für die elektrische Tageslastganglinie der Stadtwerke Bremen AG. Ziel ist es, unter Verwendung mathematischer Prognoseverfahren wie statistischer Methoden und Zeitreihenanalysen eine Vorhersagequalität zu erreichen, die der manuellen Prognose durch Lastverteiler entspricht oder diese übertrifft.

• Analyse des Energieverbrauchsverhaltens und relevanter Einflussgrößen (z.B. Wetter, Wochentage).
• Evaluierung verschiedener Prognosemodelle (univariat, multivariat, heuristisch).
• Korrektur und Aufbereitung von historischen Last- und Umweltdaten.
• Untersuchung von Stationarität und Systemdynamik der Zeitreihen.
• Validierung der Prognosegüte durch statistische Fehlermaße (MAA, MQA, U-Koeffizient).

Auszug aus dem Buch

Zusammenfassung der Kapitel

1 EINLEITUNG: Darstellung der Energieversorgungssituation in Bremen und Erläuterung der Komplexität sowie der ökonomischen Notwendigkeit einer präzisen Lastprognose für die Kraftwerkseinsatzplanung.

2 ANALYSE: Detaillierte Untersuchung des Datenmaterials mittels SPSS, inklusive der Datenaufbereitung, Bereinigung von Inkonsistenzen und der Analyse von Zeitreihenmerkmalen wie Stationarität und Zusammenhängen zwischen Last und Umweltfaktoren.

3 PROGNOSEVERFAHREN/-MODELLE: Vorstellung und Anwendung verschiedener univariater, multivariater und heuristischer Verfahren zur Lastprognose sowie Definition der Kriterien zur Messung der Prognosequalität.

4 ZUSAMMENFASSUNG: Zusammenfassende Betrachtung der Ergebnisse und Ausblick auf die praktische Umsetzbarkeit eines automatisierten Prognosesystems unter Berücksichtigung von Kosten-Nutzen-Aspekten.

Schlüsselwörter

Lastprognose, Tageslastganglinie, elektrische Energie, Zeitreihenanalyse, Statistik, SPSS, Lastverteilung, Prognosequalität, Korrelationsanalyse, Regressionsanalyse, exponentielle Glättung, Systemdynamik, Energiebedarf, Kraftwerkseinsatzplanung, Stadtwerke Bremen.

Häufig gestellte Fragen

Worum geht es in dieser Diplomarbeit grundlegend?

Die Arbeit befasst sich mit der Entwicklung und Untersuchung eines automatisierten Systems zur Vorhersage der elektrischen Lastganglinie des 50Hz-Netzes der Stadtwerke Bremen AG.

Was sind die zentralen Themenfelder?

Die Schwerpunkte liegen auf der statistischen Datenanalyse des Energieverbrauchs, der Untersuchung kausaler Zusammenhänge mit externen Faktoren (wie Wetter) und dem Testen unterschiedlicher Prognosemodelle.

Was ist das primäre Ziel der Untersuchung?

Das primäre Ziel ist es, zu ermitteln, ob und mit welchen Mitteln eine automatisierte Lastprognose erstellt werden kann, die qualitativ mit den manuellen Vorhersagen des Lastverteiler-Personals mithalten kann.

Welche wissenschaftlichen Methoden werden angewendet?

Es kommen Verfahren der Statistik und der Zeitreihenanalyse zum Einsatz, darunter deskriptive Datenanalysen, Spektralanalysen, Korrelationsrechnungen (Kreuzkorrelation) sowie verschiedene Regressionsmodelle und Glättungsverfahren.

Was wird im Hauptteil der Arbeit behandelt?

Im Hauptteil werden zunächst das Datenmaterial aufbereitet und analysiert, danach verschiedene Prognoseverfahren (naiv, gleitender Durchschnitt, exponentielle Glättung, multiple Regression) implementiert und deren Fehlerkenngrößen bewertet.

Welche Schlüsselwörter charakterisieren die Arbeit?

Wichtige Begriffe sind Lastprognose, Zeitreihenanalyse, Prognosequalität, Regressionsanalyse, exponentielle Glättung und Kraftwerkseinsatzplanung.

Warum ist die Datenkorrektur laut Kapitel 2.3.2 so wichtig?

Da technische Ausfälle oder Wartungsarbeiten zu fehlerhaften Daten führen, ist eine Nachbearbeitung notwendig, da sonst die gesamten Analyseergebnisse durch inkonsistente Werte verfälscht würden.

Welchen Einfluss hat die Außentemperatur auf die Prognose?

Die Analyse zeigt einen signifikanten kausalen Zusammenhang zwischen Außentemperatur und Leistungsbedarf, wobei die Wirkung der Temperaturänderung auf die Last mit einer zeitlichen Verzögerung (Time-Lag) von etwa 10 bis 10,5 Stunden auftritt.

Wird die naive Prognose als ausreichend angesehen?

Nein, die naive Prognose dient primär als Basiswert für Vergleichszwecke; für den täglichen Einsatz bei einem EVU ist sie aufgrund ihrer Anfälligkeit für Ausreißer und fehlender Kausalbeachtung als zu ungenau eingestuft.