Gradus

VOL 4, NO 1 (2017): SPRING (APRIL)

 

ELEKTROMOS KÉSZÜLÉKEK STATISZTIKAI PARAMÉTEREINEK BECSLÉSE IDŐPONT ALAPJÁN

ESTIMATION OF STATISTICAL PARAMETERS OF ELECTRIC APPLIANCES BASED ON TIME OF DAY INFORMATION


Dömötör Zénó István , Dr. Kovács Lóránt , Drenyovszki Rajmund

Abstract

A közelmúltban kifejlesztésre került egy a Smart Gridbe illeszkedő fogyasztásengedélyezési eljárás, amely eljárás a fogyasztói oldal befolyásolásának problémáját (Demand Side Management) az egyes fogyasztók statisztikai leírói alapján oldja meg. A fogyasztói oldal befolyásolásával a villamosenergia kereslet a megtermelt mennyiséghez igazítható, lehetővé téve a megújuló energiatermelők nagyobb mértékű kihasználását. Az új eljárás érzékeny a statisztikai leírók pontosságára, amely leírók nemstacionáriusak, sőt további paraméterektől is függenek, például jelenlét, hőmérséklet, stb. Cikkünkben megvizsgáljuk, hogy radiális bázisfüggvényes neurális hálózattal milyen hatékonysággal becsülhetők meg idővariáns statisztikai leírók. A módszer hatékonyságát nyilvánosan elérhető villamos fogyasztási adatbázis felhasználásával értékeltük numerikusan.

Recently the Consumption Admission Control algorithm has been developed in the smart grid framework as a new concept for controlling the demand side by the means of automatically enabling/disabling electric appliances to make sure that the demand is in match with the available supplies. The new method is based on the statistical characterization of the need and it is sensitive to the accuracy of the estimation of the statistical descriptors and furthermore the statistics are generally not stationary and even depend on other parameters (such as presence of the owner, temperature, etc). Our paper introduces an RBF neural network based approximation method, which can be used to estimate the statistical parameters of the appliance load time-series. The estimated parameters can be fed into the Consumption Admission Control Algorithm. The capabilities of the approximation method are demonstrated by numerical analysis based on a publicly available dataset.


Keywords

Kulcsszavak: Smart Grid, fogyasztásengedélyezési eljárás, radiális bázisfüggvényes neurális, hálózat,

Keywords: Smart Grid, consumption admission control, radial basis function neural, networks,


References

[1] G. Strbac, Demand side management: Benefits and challenges, Energy Policy, vol. 36, Issue 12, pp. 4419-4426, Dec. 2008.
[2] L. Kovacs, J. Levendovszky, A. Olah, R. Drenyovszki, D. Tisza, K. Tornai and I. Pinter: A probabilistic approach for admission control of smart appliances in Smart Grids, TEAM 2013, pp. 18-21.
[3] L. Kovacs, R. Drenyovszki, A. Olah, J. Levendovszky, K. Tornai, I. Pinter: A probabilistic demand side management approach by consumption admission control, TEHNICKI VJESNIK-TECHNICAL GAZETTE 24:(1) pp. 199-207. (2017).
[4] Christian Beckel, Wilhelm Kleiminger, Romano Cicchetti, Thorsten Staake, Silvia Santini: The ECO Data Set and the Performance of Non-Intrusive Load Monitoring Algorithms, Proceedings of the 1st ACM International Conference on Embedded Systems for Energy-Efficient Buildings (BuildSys 2014). Memphis, TN, USA. ACM, pp. 80-89, November 2014.
[5] S. Haykin, Neural Networks. A comprehensive foundation, Macmillan College Publishing, 2nd editon, New York, 2001.



Copyright (c) 2019 Gradus