ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ
This study presents a comparative evaluation of three approaches to short-term net-load forecasting for virtual aggregations of heterogeneous energy facilities, comprising both building loads and photovoltaic units. The objective is to assess how different levels of data aggregation influence the fo...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Інститут електродинаміки Національної академії наук України
2025
|
| Subjects: | |
| Online Access: | https://prc.ied.org.ua/index.php/proceedings/article/view/412 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine |
Institution
Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine| _version_ | 1856543835108147200 |
|---|---|
| author | Мірошник, В.О. Сичова, В.В. |
| author_facet | Мірошник, В.О. Сичова, В.В. |
| author_sort | Мірошник, В.О. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2025-12-29T12:46:53Z |
| description | This study presents a comparative evaluation of three approaches to short-term net-load forecasting for virtual aggregations of heterogeneous energy facilities, comprising both building loads and photovoltaic units. The objective is to assess how different levels of data aggregation influence the forecasting accuracy of total consumption, PV generation, and the resulting net load. All experiments were conducted on the UCSD Microgrid dataset using an identical Transformer-based model, which allowed isolating the effect of data structure rather than model architecture. The results show that disaggregated bottom-up modelling yields the highest accuracy for building consumption, whereas partial aggregation—separate forecasting of total load and PV generation—provides the best performance for net-load prediction. PV generation remains the most challenging component due to structural asymmetry and extended zero-generation intervals; in this case, aggregated forecasts demonstrate lower energy error compared to bottom-up models. The findings provide practical guidance for selecting appropriate aggregation schemes and forecasting strategies in virtual power plants and emerging local energy markets. Ref. 14, fig. 4. |
| first_indexed | 2026-02-08T08:09:32Z |
| format | Article |
| id | oai:ojs2.prc.new-point.com.ua:article-412 |
| institution | Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine |
| language | Ukrainian |
| last_indexed | 2026-02-08T08:09:32Z |
| publishDate | 2025 |
| publisher | Інститут електродинаміки Національної академії наук України |
| record_format | ojs |
| spelling | oai:ojs2.prc.new-point.com.ua:article-4122025-12-29T12:46:53Z COMPARISON OF NET-LOAD FORECASTING APPROACHES FOR VIRTUAL AGGREGATIONS OF ENERGY FACILITIES ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ Мірошник, В.О. Сичова, В.В. короткострокове прогнозування навантаження агрегатори локальні ринки електроенергії нейронні мережі віртуальні електростанції short-term load forecasting aggregators local electricity markets neural networks virtual power plants This study presents a comparative evaluation of three approaches to short-term net-load forecasting for virtual aggregations of heterogeneous energy facilities, comprising both building loads and photovoltaic units. The objective is to assess how different levels of data aggregation influence the forecasting accuracy of total consumption, PV generation, and the resulting net load. All experiments were conducted on the UCSD Microgrid dataset using an identical Transformer-based model, which allowed isolating the effect of data structure rather than model architecture. The results show that disaggregated bottom-up modelling yields the highest accuracy for building consumption, whereas partial aggregation—separate forecasting of total load and PV generation—provides the best performance for net-load prediction. PV generation remains the most challenging component due to structural asymmetry and extended zero-generation intervals; in this case, aggregated forecasts demonstrate lower energy error compared to bottom-up models. The findings provide practical guidance for selecting appropriate aggregation schemes and forecasting strategies in virtual power plants and emerging local energy markets. Ref. 14, fig. 4. У роботі здійснено порівняльний аналіз трьох підходів до короткострокового прогнозування нетто-навантаження віртуальних об’єднань енергетичних об’єктів, сформованих із будівель різного призначення та масивів сонячної генерації. Дослідження спрямоване на аналіз впливу рівня агрегації вхідних часових рядів на точність прогнозів сумарного споживання, генерації СЕС та сальдованої потужності. Усі експерименти виконано на єдиній вибірці даних UCSD Microgrid із застосуванням однотипної моделі Transformer, що дало змогу виокремити ефект від впливу структури даних, а не архітектури моделі. Результати показали, що для навантаження найвищу точність забезпечує дезагрегований підхід, тоді як для сумарного нетто-навантаження оптимальною є часткова агрегація, яка дає змогу окремо моделювати портфель споживання і генерації. Для PV-генерації всі три стратегії демонструють підвищену чутливість до асиметрії розподілу та нульових значень, причому агреговані прогнози забезпечують нижчий рівень похибки порівняно з bottom-up моделями. Отримані результати дають можливість обґрунтувати вибір рівня агрегації та підходів до прогнозування для задач віртуальних електростанцій і локальних енергетичних ринків. Бібл. 14, рис. 4. Інститут електродинаміки Національної академії наук України 2025-12-19 Article Article application/pdf https://prc.ied.org.ua/index.php/proceedings/article/view/412 10.15407/publishing2025.72.036 Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine; No. 72 (2025): Proceedings of the Institute of Electrodynamics of the National Academy of Sciences of Ukraine ; 036 Праці Інституту електродинаміки Національної академії наук України; № 72 (2025): Праці Інституту електродинаміки Національної академії наук України; 036 2786-7064 1727-9895 10.15407/publishing2025.72 uk https://prc.ied.org.ua/index.php/proceedings/article/view/412/386 Авторське право (c) 2025 В.О. Мірошник, В.В. Сичова https://creativecommons.org/licenses/by-nc-nd/4.0 |
| spellingShingle | короткострокове прогнозування навантаження агрегатори локальні ринки електроенергії нейронні мережі віртуальні електростанції Мірошник, В.О. Сичова, В.В. ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ |
| title | ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ |
| title_alt | COMPARISON OF NET-LOAD FORECASTING APPROACHES FOR VIRTUAL AGGREGATIONS OF ENERGY FACILITIES |
| title_full | ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ |
| title_fullStr | ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ |
| title_full_unstemmed | ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ |
| title_short | ПОРІВНЯННЯ ПІДХОДІВ ДО ПРОГНОЗУВАННЯ НЕТТО-НАВАНТАЖЕННЯ ВІРТУАЛЬНИХ ОБ’ЄДНАНЬ ЕНЕРГЕТИЧНИХ ОБ’ЄКТІВ |
| title_sort | порівняння підходів до прогнозування нетто-навантаження віртуальних об’єднань енергетичних об’єктів |
| topic | короткострокове прогнозування навантаження агрегатори локальні ринки електроенергії нейронні мережі віртуальні електростанції |
| topic_facet | короткострокове прогнозування навантаження агрегатори локальні ринки електроенергії нейронні мережі віртуальні електростанції short-term load forecasting aggregators local electricity markets neural networks virtual power plants |
| url | https://prc.ied.org.ua/index.php/proceedings/article/view/412 |
| work_keys_str_mv | AT mírošnikvo comparisonofnetloadforecastingapproachesforvirtualaggregationsofenergyfacilities AT sičovavv comparisonofnetloadforecastingapproachesforvirtualaggregationsofenergyfacilities AT mírošnikvo porívnânnâpídhodívdoprognozuvannânettonavantažennâvírtualʹnihobêdnanʹenergetičnihobêktív AT sičovavv porívnânnâpídhodívdoprognozuvannânettonavantažennâvírtualʹnihobêdnanʹenergetičnihobêktív |