АНАЛІЗ СПОЖИВАННЯ ЕЛЕКТРОЕНЕРГІЇ З ВИКОРИСТАННЯМ КОМПОНЕНТНОГО МЕТОДУ ПЕРІОДИЧНО КОРЕЛЯЦІЙНИХ ВИПАДКОВИХ ПРОЦЕСІВ

Анотація

Сучасні енергетичні системи, враховуючи різноманітні виклики, які виникають в енергетичній інфраструктурі, потребують удосконалених аналітичних методологій з метою прогнозування електроспоживання. Традиційні статистичні підходи є недостатніми для моделювання динамічних багатомасштабних часових структур сигналів електроспоживання з метою прогнозування електронавантаження приватного господарства.

Дослідження представляє комплексний підхід до аналізу електроспоживання з використанням математичного апарату періодично корельованих випадкових процесів (ПКВП), зокрема  компонентного методу. Математична основа методології полягає у представленні сигналів електроспоживання як моделі у вигляді ПКВП з розкладом на складові елементи: детерміністичні трендові компоненти, періодичні компоненти циклічних варіацій та стохастичні компоненти випадкових відхилень. Компонентний аналіз забезпечує виявлення прихованих патернів споживання через розкладання періодичних характеристик. Тому запропонований метод дозволяє усунути обмеження традиційних стаціонарних моделей.

Емпірична валідація проведена на базі комплексного набору даних електроспоживання приватного господарства за період з липня по серпень 2025 року. Експериментальні дані продемонстрували виражені повторювані характеристики з систематичною добовою періодичністю, підтверджуючи теоретичну передумову щодо домінування добової компоненти. Тривимірна візуалізація результатів продемонструвала складну динаміку взаємодії між різними частотними компонентами сигналів електричного навантаження. Спектральний аналіз показав характерний розподіл з максимумами для низькочастотних компонент, що відповідають добовим гармонікам. Отримані результати можуть бути використані при прогнозуванні електричного навантаження приватного господарства і дозволить здійснити як короткострокові, так і середньострокові прогнози енергоспоживання. Це є важливим не лише для прогнозування електронавантажень приватних господарств, але і для оптимізації електроенергетичних ресурсів, а також для управління інтелектуальними мережами.