Objectiu: Previsió Consum
Dades
27.300 casos de construcció (7 edificis)
Temps de mostra: 1 hora.
Dades de consum.
Dades meteorològiques (temperatura, radiació solar, humitat relativa, etc.)
Dades d’ocupació.
Dades de calendari (hora, dia de la setmana, mes, etc.)
Dades ambientals interiors (temperatura interior, humitat relativa interior, nivell de llum interior).
Mètode
-Pre-processing: valors que falten, selecció de característiques, selecció d’instàncies, filtre d’outliers, normalització, etc.
-Modelatge: regressió lineal múltiple (MLR), xarxes neuronals (NN) i regressió vectorial de suport (SVR).
-Validació: coeficient de correlació (CC), error de percentatge absolut mitjà (MAPE), etc.
Resultats
Les millors prediccions al voltant del 5% de MAPE.
La xarxa elèctrica està evolucionant. Les xarxes intel·ligents i els sistemes de resposta a la demanda augmentaran el rendiment de la xarxa en termes de rendibilitat, resiliència i seguretat. La previsió exacta de la càrrega és un tema important en l’operació i control diaris d’un sistema d’energia. Un pronòstic adequat de la càrrega a curt termini permetrà a un proveïdor de serveis públics planificar els recursos i també prendre mesures de control per equilibrar l’oferta i la demanda d’electricitat.
L’objectiu d’aquest programari és predir la càrrega elèctrica en edificis no residencials. Amb base en els resultats, hi ha la possibilitat d’analitzar quin tipus de dades, com el clima, l’ambient interior, el calendari i l’ocupació de l’edifici, és el més rellevant en la predicció de la construcció de la càrrega. A més, utilitzant el programari, es pot estudiar l’efectivitat de les millores implementades. El programari pot realitzar prediccions amb tres models diferents, com MLR, MLP i SVR. Els resultats, d’un estudi de cas real a la Universitat de Girona (Catalunya), mostren que el programari de pronòstic proposat té alta precisió i baix cost computacional.
