[Zurück]


Diplom- und Master-Arbeiten (eigene und betreute):

C. Kirisits:
"Short-term Forecasts of Electricity Demand";
Betreuer/in(nen): M. Deistler; Institut für Wirtschaftsmathematik, 2010; Abschlussprüfung: 22.11.2010.



Kurzfassung deutsch:
Die Diplomarbeit befasst sich mit Methoden zur Kurzfristprognose elektrischer Last, wobei "kurzfristig" in diesem Zusammenhang "einen Tag in die Zukunft" bedeuten soll. Es werden zwei verschiedene ARX-Modelle vorgestellt und anschließend getestet und verglichen. Bei dem Einen handelt es sich um ein Faktormodell, das sich der Hauptkomponentenanalyse bedient, bei dem Anderen, ein sogenanntes Längsschnittmodell, um eine Kombination mehrerer skalarer ARX-Modelle. Die Modelle wurden in MATLAB implementiert und an einer halbstündlichen Zeitreihe für sowohl einen Winter- als auch einen Sommerzeitraum getestet. Es stellt sich heraus, dass es ausreicht einzig die Lufttemperatur als exogene Variable zu berücksichtigen. Abgesehen davon sind die Ergebnisse der beiden Modelle im Großen und Ganzen ähnlich gut. Sie unterscheiden sich primär zu unterschiedlichen Tageszeiten, was eine Kombination der beiden Herangehensweisen nahelegt.

Kurzfassung englisch:
This work is aimed at presenting, comparing and evaluating approaches of one-day-ahead forecasts of electricity demand. To this end, two different types of ARX models with weather data as exogenous variables are analysed. One is a factor model using principal component analysis, the other a so called "lengthwise model", which is a combination of scalar ARX models. They were implemented in MATLAB and tested with a half-hourly load time series for both a winter and a summer period. First of all it is found sufficient to only use air temperature as an exogenous variable. Apart from that, the models´ overall performances are almost equally good. They mainly differ for different times of day, which suggests a combination of the two approaches.

Erstellt aus der Publikationsdatenbank der Technischen Universität Wien.