Διερεύνηση του προβλήματος πρόγνωσης παραγωγής ενέργειας σε διάφορες χρονικές κλίμακες από υδροηλεκτρικούς ταμιευτήρες

Η υδροηλεκτρική ενέργεια, από μεγάλης κλίμακας έργα είναι χρονικά ρυθμιζόμενη, γεγονός που την καθιστά αξιόπιστη πηγή παραγωγής ενέργειας και δη σε περιόδους αιχμής. Στην παρούσα εργασία διενεργούνται προβλέψεις εισροών για τους ταμιευτήρες των Κρεμαστών, της Μεσοχώρας και του Ευήνου με τρία διαφορετικά ντετερμινιστικά μοντέλα και για δύο χρονικούς ορίζοντες πρόγνωσης σε μηνιαία κλίμακα (4 και 12 μήνες). Αρχικά δοκιμάζεται το μοντέλο αυτοπαλινδρόμησης 1ης τάξης AR(1) με πλεονέκτημα τον μικρό υπολογιστικό του φόρτο. Στη συνέχεια χρησιμοποιούνται τεχνητά νευρωνικά δίκτυα και συγκεκριμένα το LSTM (Long-Short Term Memory) που έχει γενικώς καλή απόδοση σε σειριακά δεδομένα αλλά μεγάλο υπολογιστικό χρόνο και τέλος, o αλγόριθμος ΚΝΝ (K-Nearest Neighbors), μια μη παραμετροποιημένη μέθοδος μηχανικής μάθησης που βασίζεται στην ομοιότητα των ιστορικών δεδομένων με τα προβλεπόμενα. Μετά την πρόγνωση των εισροών, η τελευταία μετατρέπεται σε πρόγνωση παραγωγής ενέργειας μέσω του υδατικού ισοζυγίου του εκάστοτε ταμιευτήρα και των αντίστοιχων κανόνων λειτουργίας του. Τελικά, προκύπτει ότι το απλό Αυτοπαλίνδρομο Μοντέλο 1ης Τάξης AR(1) έχει πολύ καλή απόδοση σε μέσες και χαμηλές ροές αλλά δε μπορεί να προβλέψει ικανοποιητικά την μεταβλητότητα τους κατά τους χειμερινούς μήνες. Αντίθετα, τα δύο υποδείγματα μάθησης μηχανών είναι σημαντικά πιο ικανά. Το LSTM έχει την καλύτερη απόδοση όσον αφορά τις προβλέψεις 4 μηνών κάτι που αντανακλάται και στην οικονομική αξιολόγηση που μελετήθηκε. Αφότου πραγματοποιήθηκαν οι σημειακές προβλέψεις το μοντέλο με την καλύτερη επίδοση (LSTM) χρησιμοποιήθηκε ώστε να δοθούν και πιθανοτικές προβλέψεις με τη χρήση συζεύξεων (copulas) , αντιλαμβανόμενοι πως σε επίπεδο επιχειρησιακής λειτουργίας των ταμιευτήρων η ποσοτικοποίηση της αβεβαιότητας είναι εξίσου, αν όχι πιο σημαντική, καθώς προετοιμάζει τον διαχειριστή του έργου τόσο για το αισιόδοξο όσο και για το απαισιόδοξο σενάριο. Οι αναλύσεις μας εστιάζουν στην διαφορετική επίδοση των τριών προσδιοριστικών μοντέλων στον εκάστοτε ταμιευτήρα λόγω της διαφορετικής κλίμακας, λειτουργίας και χωρητικότητας τους, γεγονός που γεννά την ιδέα για τη δημιουργία ενός υβριδικού μοντέλου πρόγνωσης που να εκμεταλλεύεται τα δυνατά στοιχεία κάθε υποδείγματος.