Short-term electric load forecasting

Marco André Gonçalves Pinheiro

Key information

Authors:

Marco André Gonçalves Pinheiro (Marco André Gonçalves Pinheiro)

Supervisors:

Sara Alexandra Cordeiro Madeira (Sara Alexandra Cordeiro Madeira); Alexandre Paulo Lourenço Francisco

Published in

05/31/2023

Abstract

A previsão de energia abrange uma ampla gama de desafios de previsão no sector de energia, como previsão de demanda, geração, preço e carga em diversos horizontes temporais e em diferentes níveis da rede elétrica. A previsão de carga de curto prazo em baixa tensão, além do nível do consumidor final, não tem sido tão explorada em comparação com previsão a nível nacional/regional/edifício. Propõe-se então uma abordagem sistemática desde o nível do sistema até à baixa tensão considerando o desempenho dos modelos, bem como a sua aplicabilidade, interpretabilidade e reprodutibilidade. Considerando o modelo de benchmark inicial, este é comparado com modelos GAM (modelos aditivos generalizados) aprimorados pela introdução de novas variáveis explicativas reduzindo o erro em 42-47% e preservando a interpretabilidade. Adicionalmente, a combinação de diferentes modelos melhora a precisão em períodos específicos particularmente exigentes usando apenas modelos GAM independentes. O modelo é aplicado à carga elétrica nacional e, pela primeira vez, a todas as 100 000 subestações secundárias que integram a rede elétrica de Portugal, em vez de abordar os poucos conjuntos de dados abertos. Adicionalmente, uma representação de dados apropriada para séries temporais de carga de energia, transformando-as em sequências de símbolos, é proposta e serve de base para agrupar séries temporais com padrões de carga similares. Modelos baseados nesses clusters são treinados com amostra estratificada dos respetivos dados do cluster usando a mesma estrutura de modelo GAM, e comparando-os com os modelos individuais e com um modelo único global. Esta abordagem serve a construção de um sistema de previsão diária chamado PREDIS para o operador de distribuição de eletricidade português cujos resultados antecipam picos de carga e restrições de rede. Usa uma arquitetura de sistema distribuída que lida com os desafios de capacidade e escalabilidade de armazenamento e computação inerentes ao processamento de centenas de milhares de séries temporais e artefactos. Energy forecasting covers a wide range of prediction challenges in the utility industry, such as forecasting demand, generation, price, and power load over diverse time horizons and at different levels of the power grid. The short-term load forecasting in low voltage, other than at the smart meters level, has not yet been carried out in-depth compared to national/regional/building load forecasting. It is then proposed a systematic approach from the system level to the low voltage considering not only the performance of the models but also their applicability, interpretability, and reproducibility. Considering an initial benchmark model, this is compared to improved GAM (generalized additive models) enhanced by introducing new explanatory variables, reducing error by 42-47% and preserving interpretability. Additionally, an ensemble method improves accuracy for specific periods in which modeling is particularly demanding using standalone GAM models. The method is applied to the national power load and, for the first time, to all 100 000 secondary substations that integrate the Portugal power grid, rather than to tackle the few open datasets. Additionally, an appropriate data representation of power load time series, transforming them into discrete symbol sequences, is proposed and used as the base to split similar load patterns within the year, week, and special days, forming clusters. Cluster-based models are then trained with stratified sampling from the respective cluster data using the same model structure. Individual models, cluster-based models, and one-size-fits-all model are compared in terms of accuracy and applicability. This approach is used to build a live daily forecasting system called PREDIS for the Portuguese DSO (Distribution System Operator) whose results anticipate load peaks and network constraints. It uses a distributed system architecture which copes with both capacity and scalability challenges inherent to the storage and processing of hundreds of thousands of time series and artifacts.