פיתוח מודל ביקוש לחשמל בישראל ברזולוציה מרחבית וטמפורלית גבוהה

2026-2024

גוף מממן: משרד האנרגיה והתשתיות

חוקרים ראשיים: אור אלכסנדרוביץ', אביגדור גל

חוקרי הפרויקט: עמרי סביר, גלעד קותיאל

חימום וקירור מבנים אחראים לכ־30 אחוזים מצריכת החשמל הלאומית בישראל; במקביל, 96.5 אחוזים ממשקי הבית בישראל מחזיקים כיום במזגן. עם זאת, הנתונים המשמשים כיום לחיזוי הביקוש הלאומי לחשמל אינם מביאים בחשבון את האופן שבו הצריכה מגיבה לאקלים המקומי, לאירועי חום קצרי טווח, למאפייני המבנים ולהתנהגותן של אוכלוסיות שונות. מודלים אנרגטיים עירוניים של בניינים כמעט שלא עברו תיקוף מול מאגרי נתונים גדולים מהעולם האמיתי, בעיקר משום שלחוקרים יש רק לעיתים רחוקות גישה לנתוני צריכה ברזולוציה גבוהה. מחקר זה השתמש בנתוני מונים חכמים בהיקף נרחב כדי לבחון כיצד מזג האוויר, מאפייני הבניינים והרכב אוכלוסיות המשתמשים מעצבים את הביקוש לחשמל בבנייה למגורים. מטרה נוספת של המחקר היתה לפתח מודלים החוזים ביקוש זה ברזולוציה מרחבית וזמנית גבוהה, מרמת המבנה הבודד ועד לרמת רשת החשמל הלאומית.

המחקר כלל שני חלקים. בחלק הראשון ניתחנו נתונים רציפים במרווחים של 15 דקות ממונים חכמים של חברת החשמל לישראל המותקנים בבנייני מגורים. מאגר הנתונים שקיבלנו כלל סיכומי צריכה ברמת הבניין הבודד משבע ערים )אשדוד, באר שבע, חדרה, מודיעין, נתניה, ראשון לציון וראש העין( מהשנים 2023 ו־2024, ובסך הכול מ־22,050 בניינים ומ־343,181 מונים. את נתוני הצריכה קישרנו לערכים שעתיים של מדד החום )Heat Index( מהשירות המטאורולוגי, למאפיינים גיאומטריים של הבניינים שהופקו מנתונים שהתקבלו המרכז למיפוי ישראל ולאשכול החברתי-כלכלי של האזור הסטטיסטי שבו נמצא כל בניין. מסדרת הזמן של צריכת החשמל של כל בניין חילצנו 782 מאפיינים סטטיסטיים, ובאמצעותם סיווגנו את הבניינים וקיבצנו אותם לטיפוסי צריכה. פיתחנו מודלים )רגרסיה לינארית ו-Explainable Boosting Machine( לחיזוי הצריכה בבניינים שלא נכללו בשלב האימון. בנוסף, פיתחנו מודלי Prophet לכל בניין בנפרד החוזים את צריכת הקיץ חודשיים מראש על בסיס נתוני מזג אוויר בלבד, ובחנו אותם הן מול נתוני מזג אוויר נמדדים והן מול תחזיות מזג אוויר.

החלק השני של המחקר עסק בחיזוי הביקוש הלאומי ליום המחרת. על בסיס ההנחה שעלותו של חיזוי חסר של הביקוש גבוה בדרך כלל פי 5 עד 20 מעלותו של חיזוי יתר, אימנו רשת נוירונים קומפקטית באמצעות פונקציות הפסד אסימטריות )pinball(. לשם כך השתמשנו בנתוני ביקוש לאומיים במרווחים של 5 דקות לאורך שלוש שנים שפורסמו על ידי חברת נגה, האחראית על ניהול מערכת החשמל הארצית )מרץ 2023 – פברואר 2026(, ובנתוני מזג אוויר משלוש תחנות של השירות המטאורולוגי. את תוצאות המודל השווינו למודל זהה שאומן בפונקציית הפסד סימטרית ולכיול עלויות בדיעבד של מודל זה, וכן לתחזיות יום המחרת שמפרסמת נגה.

ממצאים עיקריים

צריכת החשמל במגורים עוקבת מקרוב אחר עומס החום: המתאם בין מדד החום היומי לבין הצריכה היה r = 0.75. הצריכה בקיץ היתה בממוצע פי 1.86 מהצריכה בעונות המעבר. הצריכה בסופי השבוע היתה בממוצע גבוהה ב־12 עד 17 אחוזים מהצריכה בימי חול, ובימי שישי היא הגיעה לשיאה בצהריים ולא בערב.

דפוסי הצריכה נבדלו באופן ברור בין ערים ובין קבוצות אוכלוסייה. "טביעת האצבע" הצריכתית של בניין איפשרה לזהות את העיר שבה הוא נמצא בציון F1 משוקלל של 0.75–0.79. זיהוי האשכול החברתי-כלכלי של השכונה התאפשר ברמת דיוק נמוכה יותר. ניתוח האשכולות הניב שבעה טיפוסי "בנייה–צריכה", ששלושה מהם כוללים כ־75 אחוז מהבניינים. טיפוסים אלה היו יציבים באופן חלקי בלבד: כמחצית מהבניינים שהשתייכו לאותו אשכול ב־2023 נותרו באותו אשכול גם ב־2024. נראה כי למאפיינים הדמוגרפיים היתה השפעה רבה יותר מאשר למאפייני הבנייה: בניינים בשכונות בעלות דירוג חברתי-כלכלי נמוך, שרובן חרדיות, צרכו חשמל בהיקף דומה לזה של בניינים באזורים אמידים.

מודלי החיזוי הגיעו ל-R² של 0.98–0.995 ברמת העיר ול-R² של 0.46–0.74 ברמת המבנה. לאחר הכללת היסטוריית הצריכה ומדד החום, מאפייני הבניין הבסיסיים )שטח רצפה, מספר קומות( כמעט שלא תרמו לדיוק החיזוי. תחזיות מודל Prophet הגיעו ל-R²  של 0.79–0.97 ברמת העיר מלבד בעיר אחת בשנה אחת מהשתיים. החלפת נתוני מזג האוויר הנמדדים בתחזיות מזג אוויר הפחיתה את הדיוק במידה מועטה בלבד כאשר המודלים אומנו על תחזיות.

בחלק השני של המחקר, האימון האסימטרי הפחית את עלות הרכש הצפויה ב־40 אחוזים ביחס עלויות של 5:1 וב־73 אחוזים ביחס של 20:1, בהשוואה לאימון סימטרי. הכיול בדיעבד צמצם את הפער אך לא סגר אותו: עלות המודלים האסימטריים עדיין הייתה נמוכה ב־8 אחוזים וב־אחוזים בהתאמה. התחזית של נגה מדויקת )R² ≈ 0.98( אך למעשה חסרת הטיה, ולכן אינה אופטימלית מבחינת עלות כאשר העלויות אסימטריות.

מסקנות והמלצות

נתונים זמינים )היסטוריית צריכה ברזולוציה גבוהה ומדד החום( יכולים לשמש בסיס למודלי ביקוש מדויקים וניתנים להסבר ברמת הבניין הבודד, העיר והמדינה, ללא צורך בנתונים פיזיים מפורטים על הבניינים. אנו ממליצים שמנהלי המערכת והשחקנים השונים בשוק יאמנו מודלים ויעריכו תחזיות על סמך מדדים רגישים לעלויות ולא על סמך שגיאה סימטרית בלבד, ושכללי השוק יחייבו דיווח על מדדים אלה. חשוב לציין כי הבניינים שנותחו לא היוו מדגם מייצג של מלאי הבינוי הלאומי. לכן, עם הרחבת הפריסה של מונים חכמים, מומלץ ליצור מאגר נתונים מייצג ורב-שנתי המקושר גם לנתוני בניינים ולנתונים דמוגרפיים. מאגר זה יאפשר חיזוי לאורך כל השנה ובמהלך גלי חום, חיזוי עבור בניינים ללא היסטוריית צריכה )כגון שכונות בתכנון( וכיול בקנה מידה לאומי של מודלים אנרגטיים עירוניים של  בניינים לצורך תכנון משק האנרגיה.

לקריאת דו"ח המחקר לחצו כאן.