Assessment of seasonal effects on city based daily electricity load forecasting using linear regression

Abstract

Elektriğin önemi ve insan yaşam ortamı üzerindeki etkileri nedeniyle, elektrik yükünün tahmini ve elektrik yük tahmin hatalarını düşürmek için çeşitli çalışmalar yapılmıştır. Bu çalışmada Irak Süleymaniye şehrinin yük verileri kullanılmıştır. Çoklu regresyon denklemindeki değişkenleri belirlemek için ileriye doğru seçim, geriye doğru eleme ve kademeli yaklaşımlar kullanılmaktadır. Gün öncesi tahmin modellerini geliştirmek için 2014-2019 yılları arasındaki 5 yıllık veri, modeli doğrulamak için ise 2019 yıla ait test veri seti kullanılmıştır. Her yıl, yük davranışındaki değişime göre iki zaman aralığına bölünmüştür. Böylece, uzun dönemli mevsimsellik etkisi belirlenmeye çalışılmıştır. Sonuçlar, tüm veriler yerine uzun dönemli mevsimselliğe göre ikiye ayrılan serinin daha düşük hata ile yükü tahmin edebileceğini göstermektedir. Bölünmüş seriler, kontrol merkezinin elektrik talebini ve enerji alımını daha iyi tahmin etmesine yardımcı olacaktır. Modelimizi kullanarak, geleneksel yük hesaplama ve raporlama yönteminin yerine gelecek aylar ve yıllar için elektrik yükünü tahmin edebilecekler. Anahtar Kelimeler: Çoklu Doğrusal Regresyon, STLF, Yük Tahmini, Kontrol Merkezi Bileşeni.

Due to the importance of electricity and its impacts on the human living environment, several studies have been conducted to forecast and possibly reduce forecast errors of the electricity load. In this study, the load data of Iraq Sulaymaniyah city are used. Forward selection, backward elimination, and stepwise approaches are used to determine the variables in the multiple regression equation. The 6-year data of 2014-2019 was used to develop the day-ahead forecasting models, while the 2019 year was used as a test dataset to validate the model. Each year was divided into two-time intervals according to the change in load behaviour. The long-term seasonality effect was tried to be determined. The results show that instead of all data, the series divided into two according to long-term seasonality could estimate the load with lower errors. Divided series will help the control center to have a better estimation of electricity demand and energy purchase. Using our model, they will be capable of forecasting electricity load for upcoming months and years to replace the traditional way of calculating and reporting load. Keywords: Multiple Linear Regression, STLF, Load Forecasting, Control Center Component.