Tədqiqat inteqrasiya olunmuş enerji sistemlərində elektrik, soyutma və isitmə yüklərinin 24, 48, 96 və 192 saat irəliyə proqnozlaşdırılması problemini araşdırır. PBST modeli; fiziki meylləri Bernstein-Bézier əyriləri ilə çıxaran Physically-Constrained Trend Decomposition (PCTD), hər nümunənin dəyişkənliyinə uyğun olaraq tezlik komponentlərini seçən Instance-Adaptive Spectrum Selector (IASS) və spektral emal zamanı itə biləcək lokal detalları bərpa edən Multi-Scale Temporal Refinement (MSTR) modullarını birləşdirir. Arizona State University-nin Tempe kampusunun 2021–2023-cü illər üzrə çoxenerjili yük məlumatları və National Centers for Environmental Information meteoroloji məlumatları üzərində aparılan təcrübələrdə PBST araşdırılan proqnoz tapşırıqlarının böyük hissəsində müqayisə edilən 12 üsuldan daha aşağı xəta göstərmişdir. Bununla belə, nəticələr istifadə olunan məlumat quruluşu və eksperimental protokolla məhdudlaşır; eyni performansın fərqli enerji infrastrukturlarında birbaşa əldə ediləcəyi bu işdə göstərilməmişdir.

Uzun proqnoz üfüqü xüsusilə diqqətəlayiqdir. 192 saatlıq proqnozda PBST üçün elektrik yükünün MAE dəyəri 1346,56 kW, soyutma yükünün MAE dəyəri 2294,30 kW və isitmə yükünün MAE dəyəri 141,49 kW kimi bildirilmişdir. Eyni proqnoz üfüqündə müqayisəli xəta paylanmalarına əsaslanan tədqiqat PBST-nin üç yük növünün ortalaması üzrə ikinci ən yaxşı üsulla müqayisədə MAE baxımından təxminən %11,7 nisbi üstünlük əldə etdiyini göstərir.

Türkiyə baxımından tədqiqat elektriklə isitmə/soyutma tələbatının birgə idarə edildiyi kampus, xəstəxana, iri bina qrupları və ya sənaye enerji sistemləri üçün metodoloji baxımdan maraqlıdır. Lakin Arizonadakı yük–meteorologiya əlaqələri Türkiyəyə birbaşa köçürülə bilməz. Türkiyədə tətbiq olunacaq PBST modeli yerli iqlim, bina və obyekt xüsusiyyətləri, enerji sisteminin fiziki quruluşu, istismar proqramı və yerli istehlak məlumatları üzərində yenidən öyrədilməli və müstəqil şəkildə doğrulanmalıdır.

Tədqiqatın əsas problemi nədir?

İnteqrasiya olunmuş Enerji Sistemləri (Integrated Energy Systems, IES) elektrik, isitmə və soyutma kimi müxtəlif enerji daşıyıcılarını birlikdə idarə edir. Bu sistemlərdə dəqiq yük proqnozu planlaşdırma və istismar qərarları üçün əsas giriş məlumatıdır. Lakin üç yük növü eyni dinamikaya malik deyil. Elektrik yükü qısamüddətli və yüksək tezlikli dəyişmələr göstərə bildiyi halda, isitmə və soyutma yükləri bina və enerji infrastrukturunun istilik ətalətinə görə daha yavaş dəyişən fiziki nümunələr daşıya bilər.

Tədqiqatçılar mövcud üsullarda üç əsas problem müəyyənləşdirirlər. Birincisi, klassik trend ayrışdırma üsulları qəfil dalğalanmalardan təsirlənərək istilik ətaləti kimi yavaş fiziki meylləri poza bilər. İkincisi, sabit tezlik filtrləri hər nümunədə dəyişən dəyişkənlik səviyyəsinə uyğunlaşa bilmir. Üçüncüsü isə qlobal spektral emalın lokal pikləri, qəfil keçidləri və qısamüddətli detalları həddindən artıq hamarlaya bilməsidir.

Məlumatlar necə hazırlanmışdır?

Tədqiqatda Arizona State University-nin Tempe kampusunun 2021–2023 dövrünə aid saatlıq çoxenerjili yük məlumatları meteoroloji məlumatlarla birləşdirilmişdir. Proqnoz hədəfləri elektrik yükü, soyutma yükü və isitmə yüküdür. İlkin məlumat dəstində elektrik kW, soyutma CHTON və isitmə HTmmBTU vahidləri ilə təmsil olunduğu halda, tədqiqatçılar müxtəlif enerji daşıyıcılarının ölçü uyğunluğunu təmin etmək üçün soyutma və isitmə yüklərini ekvivalent elektrik gücü ilə kW-a çevirmişdir.

Kənar qiymətlərin təmizlənməsində lokal üç standart sapma qaydası və kvartillərarası diapazon (Interquartile Range, IQR) istifadə edilmişdir. Lokal üç-sigma yoxlaması aşağıdakı şərtlə ifadə olunur:

\[ |x_t-\mu_w| > 3\sigma_w \]

Burada \(\mu_w\) müvafiq lokal pəncərənin orta qiymətini, \(\sigma_w\) isə standart sapmasını göstərir. Çatışmayan qiymətlər xətti interpolasiya ilə tamamlanmış və bütün xüsusiyyətlərə Z-score normallaşdırması tətbiq edilmişdir.

Model girişlərinin seçilməsində Pearson korrelyasiya əmsalı ilə Grey Relational Analysis (GRA) birlikdə istifadə edilmiş və sonda 11 kritik xüsusiyyət müəyyən edilmişdir. GRA üçün istifadə olunan əlaqə əmsalı:

\[ \xi_i(k)= \frac{ \min_i\min_k|x_0(k)-x_i(k)|+ \rho\max_i\max_k|x_0(k)-x_i(k)| }{ |x_0(k)-x_i(k)|+ \rho\max_i\max_k|x_0(k)-x_i(k)| } \]

formasındadır və ayırdetmə əmsalı \(\rho=0,5\) olaraq müəyyən edilmişdir.

Çoxenerjili yüklər necə davranır?

Tədqiqatın üçölçülü yük qrafiklərində elektrik, soyutma və isitmə yüklərinin eyni illik və gündəlik zaman miqyasında fərqli davranışlar göstərdiyi görünür. Yay dövründə elektrik istehlakının yüksək dəyərləri soyutma tələbinin artması ilə birlikdə müşahidə olunduğu halda, qış dövründə isitmə tələbi fərqli gündəlik nümunə yaradır. Tədqiqatçılar bu quruluşu çoxsaylı enerji daşıyıcıları arasındakı əlaqənin göstəricisi kimi şərh edirlər.

Pearson və məsafə korrelyasiyası təhlilləri yalnız xətti əlaqələrin deyil, meteoroloji dəyişənlərlə enerji yükləri arasında qeyri-xətti asılılıqların da olduğunu göstərir. Tədqiqatdakı kernel density estimation (KDE) vizuallaşdırmaları xüsusilə temperaturla elektrik və soyutma yükləri arasındakı nizamlı birgə paylanma quruluşunu da ortaya qoyur.

PBST arxitekturası necə işləyir?

PBST-nin əsas ideyası yük siqnalını vahid qara qutu zaman sırası kimi emal etmək əvəzinə əvvəlcə daha yavaş inkişaf edən ümumi fiziki meyli və daha sürətli mövsümi/dalğalanan komponenti ayırmaq, sonra isə bu iki quruluşu fərqli vasitələrlə modelləşdirməkdir. Model üç ardıcıl komponentdən ibarətdir: PCTD, IASS və MSTR.

1. PCTD: Bézier əyriləri ilə fiziki trend skeleti

Physically-Constrained Trend Decomposition (PCTD), xüsusilə istilik ətaləti ilə əlaqəli yavaş və hamar dəyişmələri qəfil yüksək tezlikli dalğalanmalardan ayırmağı hədəfləyir. Tədqiqatçılar trendi \(n\)-ci dərəcəli Bernstein-Bézier əyrisi ilə müəyyən edirlər:

\[ \mathcal{T}(t)=\sum_{i=0}^{n}\mathbf{P}_i B_{i,n}(t), \qquad t\in[0,1] \]

Bernstein baza funksiyaları isə:

\[ B_{i,n}(t)= \binom{n}{i}t^i(1-t)^{n-i} \]

şəklindədir. \(\mathbf{P}_i\) Bézier idarəetmə nöqtələrini təmsil edir. Tədqiqatda \(n\) dərəcəsinin adətən 2 və ya 3 seçildiyi qeyd olunur. Aşağı dərəcəli quruluş modelin yüksək tezlikli təsadüfi dalğalanmaları trend kimi izləməsini məhdudlaşdıran struktur məhdudiyyət rolunu oynayır.

İdarəetmə nöqtələri birbaşa proqnozlaşdırılmır

Tədqiqatçılar Bézier idarəetmə nöqtələrini birbaşa yaratmaq əvəzinə keçmiş yük ardıcıllığından müəyyən zaman mövqelərindəki “ankor” qiymətlərini proqnozlaşdırırlar:

\[ \widehat{\mathbf{V}}_{\mathrm{anc}} = MLP_{\mathrm{anchor}}(\mathbf{X}) \]

Ankor qiymətləri ilə Bernstein matrisi arasındakı sabit həndəsi əlaqədən istifadə etməklə idarəetmə nöqtələri psevdo-tərs (pseudo-inverse) vasitəsilə hesablanır:

\[ \mathbf{P} = \widehat{\mathbf{V}}_{\mathrm{anc}} \left(\mathbf{M}_{\mathrm{anc}}^{\dagger}\right)^T \]

Əhəmiyyətli metodoloji məqam odur ki, çıxarış zamanı ankorlar yalnız keçmiş məlumatlardan yaradılır. Gələcəyə aid həqiqi hədəf qiymətləri bu hesablamaya daxil edilmir və beləliklə gələcək etiketlərin girişə sızmasının qarşısı alınır.

Keçmiş trend və gələcəyə uzadılmış Bézier meyli:

\[ \mathcal{T}_{hist}=\mathbf{P}\mathbf{B}_{hist}^{T}, \qquad \mathcal{T}^{pred}_{bezier}=\mathbf{P}\mathbf{B}_{pred}^{T} \]

kimi hesablanır. Yekun trend proqnozunda Bézier skeletinə kiçik trend düzəlişi termini əlavə edilir:

\[ \widehat{\mathcal{T}} = \mathcal{T}^{pred}_{bezier} + \mathcal{R}_{trend}(\mathbf{X}_{trend}), \qquad \mathbf{S}_{hist} = \mathbf{X}_{raw}-\mathcal{T}_{hist} \]

2. IASS: Hər nümunəyə görə dəyişən tezlik seçimi

Instance-Adaptive Spectrum Selector (IASS), bütün zaman sıralarına eyni tezlik filtrini tətbiq etmək əvəzinə cari nümunənin dəyişkənliyini nəzərə alır. Giriş ardıcıllığının standart sapmasından yaradılan kontekst vektoru MLP-yə verilərək dinamik tezlik qapısı yaradılır:

\[ \mathbf{M}_{dyn} = \sigma\left( MLP_{context}(Std(\mathbf{X})) \right) \]

Dinamik qapı öyrənilə bilən əsas tezlik maskası ilə element-element birləşdirilir:

\[ \mathbf{M}_{final} = \mathbf{M}_{dyn} \odot \sigma(\mathbf{M}_{base}) \]

Həqiqi sürətli Fourier çevrilməsi (rFFT) ilə alınan kompleks qiymətli spektr üzərində:

\[ \widehat{\mathbf{X}}_{freq} = \mathbf{X}_{freq} \odot \mathbf{M}_{final} \]

əməliyyatı tətbiq olunur. Beləliklə, tədqiqatçıların dizaynına görə model müxtəlif yük nümunələrində eyni sabit “top-k” tezlik qaydasına bağlı qalmadan müvafiq spektral komponentlərin çəkilərini tənzimləyə bilir.

3. MSTR: Spektral hamarlamadan sonra detalların bərpası

Spektral filtrləmə qlobal periodik quruluşu təmsil etməkdə uğurlu olsa da, qəfil lokal dəyişiklikləri hamarlaya bilər. Multi-Scale Temporal Refinement (MSTR) bu problemi kobud spektral proqnozu lokal zaman sahəsi düzəlişi ilə birləşdirərək həll etməyə çalışır.

Əvvəlcə filtrlənmiş spektr kompleks qiymətli xətti qat vasitəsilə hədəf proqnoz uzunluğuna daşınır:

\[ \mathbf{X}_{up} = Linear_{\mathbb{C}} \left( \widehat{\mathbf{X}}_{freq}^{T} \right)^{T} \]

Daha sonra tərs həqiqi Fourier çevrilməsi ilə kobud zaman siqnalı yaradılır:

\[ \mathbf{S}_{coarse} = \mathcal{F}^{-1} (\mathbf{X}_{up},n=L+T) \]

Lokal detalları bərpa etmək üçün \(k=3\) və \(k=5\) nüvə ölçülərinə malik paralel depthwise convolution əməliyyatları tətbiq edilir:

\[ \mathbf{X}_{mid} = GELU \left( Conv1d_{1\times1}(\mathbf{S}_{coarse}) \right) \]

\[ \Delta\mathbf{S} = DWConv_{k=3}(\mathbf{X}_{mid}) + DWConv_{k=5}(\mathbf{X}_{mid}) \]

Yekun mövsümi/dalğalanan komponent:

\[ \widehat{\mathbf{S}} = LayerNorm \left( \mathbf{S}_{coarse} + Project(\Delta\mathbf{S}) \right) \]

kimi əldə edilir. Ümumi proqnoz fiziki trend ilə dəqiqləşdirilmiş dalğalanan komponentin cəmidir:

\[ \widehat{\mathcal{Y}} = \widehat{\mathcal{T}} + \widehat{\mathbf{S}} \]

192 saatlıq proqnozlar nə göstərir?

Tədqiqatın 192 saatlıq müqayisəli proqnoz qrafikləri PBST-nin elektrik, soyutma və isitmə sıralarının ümumi meylini izləyərkən qısa zaman miqyaslı dəyişikliklərin mühüm hissəsini də qoruduğunu göstərir. Tədqiqatçılar bəzi müqayisə üsullarında görünən faza sürüşməsi və ya amplituda xətalarının PBST-də daha məhdud qaldığını bildirirlər.

PBST-nin ikinci ən aşağı orta MAE-yə malik rəqiblə müqayisədə nisbi üstünlüyü tədqiqatda belə müəyyən edilmişdir:

\[ Lead= \frac{ MAE^{competitor}_{mean} - MAE^{PBST}_{mean} }{ MAE^{competitor}_{mean} } \times100\% \]

Bu ölçüyə görə üstünlük proqnoz üfüqü uzandıqca 24 saatda %4,8, 48 saatda %5,2, 96 saatda %8,1 və 192 saatda %11,7 kimi bildirilmişdir.

Tədqiqatın dəstəklədiyi nəticələr

• PBST istifadə olunan ASU–NCEI məlumat quruluşunda elektrik, soyutma və isitmə yüklərinin çoxaddımlı proqnozlaşdırılmasında müqayisə edilən üsullara qarşı güclü xəta nəticələri göstərmişdir.
• PCTD-nin çıxarılması ümumi xəta dəyərlərini artırmış və Bézier əsaslı trend komponentinin ölçülə bilən töhfəsi ablasiya ilə göstərilmişdir.
• IASS-nin çıxarılması xüsusilə uzun proqnoz üfüqlərində daha yüksək xəta ilə əlaqələndirilmişdir.
• MSTR-nin çıxarılması 192 saatlıq ümumi xəta ölçülərində tam modellə müqayisədə nəzərəçarpan performans itkisi yaratmışdır.
• Beş fərqli başlanğıc/təkrar şərtindən əldə edilən dayanıqlılıq nəticələrində bildirilən variasiya əmsalları bütün proqnoz üfüqlərində %1-dən aşağı qalmışdır.

Tədqiqatın dəstəkləmədiyi və ya sınaqdan keçirmədiyi nəticələr

• PBST-nin bütün inteqrasiya olunmuş enerji sistemlərində eyni xəta nisbətlərini təmin edəcəyi göstərilməmişdir.
• Arizona məlumatlarındakı performans Türkiyədəki enerji sistemləri üçün birbaşa performans zəmanəti yaratmır.
• Tədqiqat PBST-nin real vaxtlı kommersiya enerji idarəetmə sistemində sahə istismar xərcini müəyyən nisbətdə azaltdığını göstərmir.
• Enerji qiyməti, tarif və ya optimallaşdırma qazancı birbaşa proqnozlaşdırılmamışdır.
• Tədqiqatda nəzərdən keçirilən üç enerji daşıyıcısından kənardakı daha geniş çoxenerjili konfiqurasiyalarda eyni nəticələr doğrulanmamışdır.
• Bildirilən ACCR dəyəri təsnifat dəqiqliyi deyil; tədqiqatda \(1-MAPE/100\) şəklində müəyyən edilən proqnoz dəqiqliyi göstəricisidir.

Tədqiqatın Metodu və Nəticələri

Eksperimental protokol

Məlumatın zaman ardıcıllığı ilə bölünməsi və proqnoz dövründən sonrakı məlumatların təlim girişində istifadə edilməməsi tədqiqatın gələcəyə yönəlik proqnoz protokolunda əsas məlumat sızmasının qarşısını alan tədbirlərdən biridir.

Hansı üsullarla müqayisə edilmişdir?

PBST ümumilikdə 12 təmsilçi zaman sırası proqnoz modeli ilə müqayisə edilmişdir: DLinear, FiLM, FITS, FreTS, Informer, iTransformer, Koopa, MICN, Nonstationary Transformer, PatchTST, TimeMixer və TimesNet. Müqayisə Transformer əsaslı modelləri, tezlik/dekompozisiya üsullarını və xətti/konvolyusiya əsaslı üsulları birlikdə əhatə edir.

PBST-nin enerji növlərinə görə nəticələri

MAE bütün enerji növlərində proqnoz üfüqü artdıqca yüksəlir; buna baxmayaraq PBST tədqiqat daxilindəki müqayisədə uzun üfüqlərdə də güclü nisbi mövqeyini qoruyur.

192 saatlıq ətraflı PBST nəticələri

Tədqiqatdakı ACCR, təsnifat dəqiqliyi mənasında istifadə edilmir. Tədqiqatçılar bu metriyi \(ACCR=1-MAPE/100\) kimi müəyyən edirlər. Buna görə, məsələn, 0,924 dəyəri “nümunələrin %92,4-ü düzgün təsnif edildi” kimi şərh edilməməlidir.

Ablasiya təhlili nə göstərir?

Tədqiqatçılar üç əsas PBST komponentini ayrıca çıxararaq PCTD, IASS və MSTR-nin töhfəsini sınaqdan keçirmişdir. Ablasiya cədvəlindəki ölçülər hər üç hədəf hamarlanaraq birlikdə hesablandığı üçün bu dəyərlər yuxarıdakı enerji növü üzrə MAE dəyərləri ilə birbaşa eyni hesablama deyil.

192 saatlıq üfüqdə tam modelin MAE dəyəri 1260,78 olduğu halda PCTD çıxarıldıqda 1345,51, IASS çıxarıldıqda 1327,59 və MSTR çıxarıldıqda 1394,69 olmuşdur. Bu təcrübə hər üç komponentin yekun performansa töhfə verdiyini və xüsusilə uzun proqnoz üfüqündə lokal zaman düzəlişinin vacib olduğunu göstərir.

Dayanıqlılıq testi

Tədqiqatda bildirilən variasiya əmsallarının dörd proqnoz üfüqünün hamısında %1-dən aşağı qalması tədqiqatçıların istifadə etdiyi təkrar şərtlərində ilkin parametrlərə qarşı aşağı dəyişkənlik olduğunu göstərir. Bu nəticə fərqli məlumat mərkəzlərində və ya real vaxt istehsal mühitlərində sahə dayanıqlılığının sübut edildiyi mənasına gəlmir.

Elmi güclü tərəflər və məhdudiyyətlər

Tədqiqatın güclü tərəfi model performansını yalnız bir xəta cədvəli ilə təqdim etməməsidir. PBST çoxsaylı proqnoz üfüqləri, üç fərqli enerji yükü, 12 müqayisə modeli, komponent əsaslı ablasiya və təkrar əsaslı dayanıqlılıq təhlili ilə qiymətləndirilmişdir. Bundan əlavə, PCTD, IASS və MSTR modullarının hər biri birbaşa müəyyən proqnoz problemi ilə əlaqələndirilmişdir.

Ən mühüm məhdudiyyət eksperimental əhatənin yalnız bir əsas çoxenerjili məlumat quruluşuna söykənməsidir. Modelin daha çox enerji daşıyıcısı, fərqli iqlim regionları, fərqli bina və obyekt tipləri və ya real vaxt işləyən kiçik cihazlardakı performansı mövcud təcrübələrlə doğrulanmamışdır. Tədqiqatçılar da gələcək iş kimi daha çox enerji növü arasındakı əlaqələri araşdırmağı və modeli real vaxt enerji planlaşdırmasına uyğun daha kiçik cihazlarda sınaqdan keçirməyi qeyd edirlər.

Mənbə və Metod Qeydi

Tam orijinal tədqiqat adı: PBST: Physics-Bézier Spectral-Temporal Network for Multi-Energy Load Forecasting in Integrated Energy Systems

Müəlliflər: Ruiting Shen, Ziyi Wang, Yaping Li, Kedong Zhu və Shi Liang.

Müəllif sırası: Mənbə tədqiqatındakı sıra olduğu kimi qorunmuşdur.

Birgə birinci müəllif: Mənbədə birgə birinci müəllif barədə bəyanat yoxdur.

Məsul müəllif: Shi Liang; mənbədə əlaqə ünvanı liangshi@nuist.edu.cn kimi göstərilmişdir.

Qurumlar: Ruiting Shen, Ziyi Wang və Shi Liang — Nanjing University of Information Science and Technology, Nanjing, China. Yaping Li və Kedong Zhu — China Electric Power Research Institute, Company Limited, Beijing, China.

DOI: 10.2139/ssrn.6932552

Platforma: SSRN.

Rəsmi qeyd:SSRN abstract 6932552

Nəşr mərhələsi: Mənbədə “Preprint submitted to Elsevier” ifadəsi mövcuddur; konkret yekun Elsevier jurnalı və ya dərc olunmuş jurnal versiyası mənbədə göstərilmir.

Rəyçilik statusu: Bu iş rəy prosesindən keçməmiş preprintdir; nəticələr bu nəşr mərhələsi nəzərə alınmaqla qiymətləndirilməlidir.

Dəqiq nəşr tarixi: Mənbə versiyasında etibarlı şəkildə göstərilmədiyi üçün dəqiq tarix verilmir.

Lisenziya: Mənbədə açıq təkrar istifadə lisenziyası göstərilməmişdir.

Maliyyələşdirmə: Tədqiqat “Research on Traceability and Correction Technology of Source-Load Forecasting Error in Provincial Power Grid” çərçivəsində Grant No. 52100126003Q-065-ZN ilə dəstəkləndiyini bildirir.

Məlumat mənbəyi: Arizona State University Tempe kampusunun çoxenerjili yük məlumatları ilə National Centers for Environmental Information meteoroloji məlumatları istifadə edilmişdir. Tədqiqatda 2021–2023 dövrü və saatlıq nümunələmə bildirilir.

Maraqlar toqquşması: Mənbə mətnində ayrıca maraqlar toqquşması bəyanatı müəyyən edilməmişdir.

CRediT/müəllif töhfələri: Mənbədə ayrıca CRediT authorship contribution statement yoxdur.

Generativ süni intellekt bəyanatı: Müəlliflər Gemini-nin yalnız məqalənin dil baxımından təkmilləşdirilməsi və qrammatik düzəlişi üçün istifadə edildiyini; şəkillərin əl ilə və ya müəlliflərin öz kodları ilə hazırlandığını, tədqiqat metodu, analitik çərçivə, elmi şərh və orijinal töhfələrin müəlliflər tərəfindən inkişaf etdirildiyini bəyan edirlər.

Elmi məzmunun əhatə sərhədi: Bu Verianla izahı yüklənmiş tədqiqatın məlumat, metod, tənlik, cədvəl, şəkil, təcrübə və nəticələrinə əsaslanır. Biblioqrafik kimliyin yoxlanılmasından başqa xarici mənbələrdən yeni elmi nəticə əlavə edilməmişdir. Bildirilən performans ASU–NCEI məlumat quruluşundakı təcrübələrə aiddir və digər inteqrasiya olunmuş enerji sistemlərində müstəqil sahə doğrulamasını əvəz etmir.