ПРОГНОЗУВАННЯ ОБСЯГІВ ТА ЦІН НА БАЛАНСУЮЧУ ПОСЛУГУ В ОЕС УКРАЇНИ

IPS of Ukraine
artificial neural network
short-term forecasting
balancing market ОЕС України
штучна нейронна мережа
короткострокове прогнозування
балансуючий ринок

Як цитувати

[1]

Сичова, В. і Мірошник, В. 2025. ПРОГНОЗУВАННЯ ОБСЯГІВ ТА ЦІН НА БАЛАНСУЮЧУ ПОСЛУГУ В ОЕС УКРАЇНИ. ТЕХНІЧНА ЕЛЕКТРОДИНАМІКА. 2 (Бер 2025), 071. DOI:https://doi.org/10.15407/techned2025.02.071.

Анотація

Нова модель ринку електроенергії в Україні має на меті підвищення конкретності, зокрема шляхом переходу від моделі "єдиного покупця" до децентралізованих торгів. Одним з основних сегментів оптового ринку є балансуючий ринок, який працює в режимі, близькому до реального часу, задля підвищення стабільності та ефективності електроенергетичної системи. Метою роботи є аналіз доцільності використання ймовірнісних нейронних мереж (ЙНН), зокрема Баєсових мереж, задля прогнозування обсягів балансуючої послуги, яку купує оператор системи передачі, та дослідження класичних моделей задля прогнозування ціни на балансуючу послугу. Дослідження включало аналіз вибірок обсягів попиту на послуги балансування в напрямках вгору (завантаження) і вниз (розвантаження) за періоди 01.03.2022 – 20.06.2023. Загалом результати прогнозування обсягу попиту на послугу балансування вказують на перспективність застосування ймовірнісних нейронних мереж, але необхідним є подальше вдосконалення моделі. Для прогнозування цін використовувалися моделі ARIMA та VARMA. Результати показали, що моделі ARIMA переважають, хоча обидві моделі демонструють високу похибку, особливо для даних вниз (розвантаження). Прогнозування цін на послуги балансування показало, що модель ARIMA краще відтворює фактичні дані, однак точність прогнозів залишається низькою, особливо для часового ряду цін послуги на розвантаження. Бібл. 7, табл. 1, рис. 4.

https://doi.org/10.15407/techned2025.02.071

ARTICLE_8_PDF

Посилання

About the statement of Rules of the market. Resolution of National energy and regulatory commission, Ukraine 14.03.2018 No 307. URL: https://zakon.rada.gov.ua/laws/show/v0307874-18#Text (accessed at 14.03.2024). (Ukr)

Blinov I.V., Parus Ye.V., Ivanov H.A. Imitationmodeling of the balancing electricity market functioning taking into accountsystem constraints on the parametersof the IPS of Ukraine mode. Tekhnichna Elektrodynamika. 2017. No 6. Pp. 72-79. DOI: https://doi.org/10.15407/techned2017.06.072. (Ukr)

Kyrylenko O.V., Pavlovsky V.V., Blinov I.V.Scientific and technical support for organizing the work of the ips of ukraine in synchronous mode with the continental european power system ENTSO-E. Tekhnichna Elektrodynamika. 2022. No 5. Pp. 59–66. DOI: https://doi.org/10.15407/techned2022.05.059. (Ukr)

Blinov I., Kyrylenko O., Parus E., Rybina O. Decentralized Market Coupling with Taking Account Power Systems Transmission Network Constraints. Part of book: Power Systems Research and Operation. Studies in Systems, Decision and Control. Vol. 388. Springer, Cham, 2022. DOI: https://doi.org/10.1007/978-3-030-82926-1_1.

Blinov I., Miroshnyk V., Sychova V. Comparison of models for short-term forecasting of electricity imbalances. 2022 IEEE 8th International Conference on Energy Smart Systems (ESS), Kyiv, Ukraine, 12-14 October 2022. Pp. 1-4. DOI: https://doi.org/10.1109/ESS57819.2022.9969288.

Liang F. Bayesian neural networks for nonlinear time series forecasting. Stat Comput. 2005. No 15. Pp. 13–29. DOI: https://doi.org/10.1007/s11222-005-4786-8.

Al-Gabalawy M., Hosny N.S., Adly A.R. Probabilistic forecasting for energy time series considering uncertainties based on deep learning algorithms. Electric Power Systems Research. 2021. Vol. 196. DOI: https://doi.org/10.1016/j.epsr.2021.107216.