Hlavním cílem bakalářské práce bylo analyzovat vývoj metod predikce spotřeby elektrické energie využívaných při hodnocení zdrojové přiměřenosti elektrizační soustavy České republiky a na této základně porovnat výsledky vybraných dlouhodobých predikcí spotřeby se skutečným vývojem. Zadání bakalářské práce formálně definovalo pět konkrétních cílů, které zahrnovaly jak analýzu historického vývoje predikčních metod a rozbor principů vybraných modelů, tak charakteristiku vstupních dat, identifikaci datových zdrojů používaných společností ČEPS a porovnání vybraných přístupů na praktických datech. Časovou náročnost práce nevnímám ve vztahu k jedné konkrétní části, ale spíše k řešení jako celku, a to zejména s ohledem na nutnost orientovat se v metodicky odlišných verzích podkladových studií (MAF CZ) a správně interpretovat jejich metodický vývoj a souvislosti s predikcí spotřeby elektrické energie.
Práce je logicky strukturována a postupuje od vymezení problematiky zdrojové přiměřenosti a role ČEPS přes popis historického vývoje metodik MAF k přehledu predikčních modelů a vstupních dat až po analýzu historických predikcí netto spotřeby elektrické energie. Pozitivně hodnotím, že část věnovaná vývoji metodik MAF CZ je zpracována přehledně a s pochopením pro rozdíl mezi dřívějšími deterministickými přístupy, pravděpodobnostním hodnocením rizika a současným využitím simulací Monte Carlo a nástroje PLEXOS. Za přínosnou považuji rovněž část, ve které autor numericky porovnává predikce netto spotřeby elektrické energie pro rok 2025 v jednotlivých vydáních MAF CZ se skutečně dosaženou hodnotou a komentuje rozdílné velikosti odchylek v návaznosti na použitou metodiku a vstupní data.
Teoretická část věnovaná časovým řadám, regresním modelům, neuronovým sítím a hybridním metodám je zpracována korektně, nicméně v řadě ohledů má spíše učebnicový charakter a méně se zaměřuje na kritické zhodnocení praktické vhodnosti těchto přístupů právě pro dlouhodobou predikci spotřeby v podmínkách ČEPS. Podobně i část týkající se vstupních dat a datových zdrojů správně identifikuje hlavní skupiny dat (historická a provozní data, meteorologická a klimatická data, ekonomické a demografické ukazatele, technologické změny a nové složky zatížení), nicméně mohla detailněji rozlišit, která data představují skutečné přímé vstupy modelů a která již spíše scénářové předpoklady. Největší limit vnímám u cíle zaměřeného na porovnání vybraných predikčních modelů na praktických datech – práce se v tomto směru opírá především o srovnání historických predikcí MAF CZ mezi sebou a se skutečností, nikoliv o vlastní implementaci více modelů na jednom společném datasetu a jejich systematické vyhodnocení.
Z pohledu vedoucího práce sděluji, že autor k řešení přistupoval zodpovědně, průběžně práci konzultoval a reagoval na připomínky. V průběhu zpracování bylo patrné, že se postupně lépe orientuje v širších souvislostech dlouhodobé predikce spotřeby elektrické energie. Použité reference a jejich charakter odpovídají rešeršnímu a analytickému zaměření práce. Konkrétně jsou využity jak technické a metodické dokumenty, tak zdroje týkající se MAF CZ a hodnocení zdrojové přiměřenosti.
Celkově hodnotím bakalářskou práci jako zdařilou a přínosnou zejména z hlediska systematizace poznatků o vývoji predikčních přístupů využívaných v prostředí ČEPS. Přestože praktická část zůstává v některých ohledech více na úrovni srovnání existujících studií než na úrovni vlastního detailního porovnání vybraných modelů na jednom datovém souboru, považuji stanovené cíle za splněné. Bakalářskou práci doporučuji k obhajobě a v souvislosti s výše uvedeným ji hodnotím známkou B (84 b.)

Otázka 1: Z jakého hlavního důvodu podle vás vykazovaly starší predikce MAF CZ pro rok 2025 výrazně vyšší odchylku od skutečné netto spotřeby elektrické energie než nejnovější vydání MAF CZ 2023? Uveďte konkrétní faktory, které považujete za rozhodující.

Otázka 2: Jaké hlavní výhody a omezení by podle vašeho názoru mělo využití neuronových sítí pro dlouhodobou predikci spotřeby elektrické energie ve srovnání s jednoduššími statistickými nebo scénářovými přístupy používanými v MAF CZ?

Otázka 3: Které vstupní faktory považujete z pohledu budoucího vývoje v České republice za nejvýznamnější pro dlouhodobou predikci spotřeby elektrické energie a proč (např. elektromobilita, tepelná čerpadla, změny energetické náročnosti apod.)?

Otázka 4: V práci uvádíte, že dlouhodobé predikce nelze chápat jako přesnou předpověď budoucího stavu, ale spíše jako scénářové odhady. Vysvětlete, jaký praktický význam mají takové predikce pro plánování rozvoje elektrizační soustavy a rozhodování ČEPS. Points proposed by supervisor: 84

Pan Holub se ve své bakalářské práci zabývá dlouhodobou predikcí spotřeby elektrické energie v elektrizační soustavě, konkrétně vývojem predikčních přístupů využívaných při hodnocení zdrojové přiměřenosti ČR a analýzou studií MAF CZ z let 2016–2023. Práce je členěna do šesti kapitol s úvodem a závěrem.

Teoretická a rešeršní část (kapitoly 1 až 4) je zpracována přehledně a s dobrou orientací v tématu. Student popisuje vývoj metodiky hodnocení zdrojové přiměřenosti od deterministických scénářů A/B přes konzervativní a progresivní scénáře až po pravděpodobnostní přístup ERAA s metodou Monte Carlo, podává přehled predikčních metod (časové řady, regresní analýza, neuronové a hybridní sítě) a charakterizuje vstupní data i faktory ovlivňující budoucí spotřebu (elektrifikace vytápění a dopravy, rozvoj tepelných čerpadel, prosumeři). Tato část je věcně správná a dobře odcitovaná na primární dokumenty ČEPS, byť je převážně kompilační a do značné míry parafrázuje obsah dokumentů MAF CZ.

Přehled predikčních modelů v kapitole 2 se navíc omezuje na statistické a strojově-učící metody predikce časové řady; zcela v něm chybí celá třída bottom-up technicko-ekonomických scénářových modelů energetického systému (TIMES/MARKAL, na evropské úrovni PRIMES), které jsou pro dlouhodobé scénáře spotřeby klíčové a tvoří podklad národních i evropských energetických strategií. Vzhledem k tématu práce považuji toto opomenutí za věcný nedostatek rešeršní části.

Zásadní výhradu však mám k vlastnímu jádru práce. Bakalářská práce na téma dlouhodobé predikce spotřeby neobsahuje žádný vlastní predikční výpočet. Student nepostavil ani neotestoval žádný z modelů popsaných v kapitole 2 – tato kapitola tak zůstává čistě teoretickou vsuvkou bez vazby na zbytek práce. To, co je v kapitole 5 prezentováno jako analýza, je ve skutečnosti převzetí již publikovaných výsledků z osmi vydání MAF CZ, jejich přepis do tabulek a grafu a odečtení procentních odchylek od jediné skutečné hodnoty roku 2025 (přibližně 59 TWh). Jde tedy o kompilaci a porovnání cizích výstupů, nikoli o predikci. Vlastní přínos práce je tím velmi omezený. I samotné porovnání má přitom závažné metodické slabiny, které student nereflektuje. Z menší odchylky novějších vydání vyvozuje jejich vyšší přesnost a metodické zpřesnění, aniž by zohlednil rozhodující vliv délky predikčního horizontu: hodnota roku 2025 představuje pro MAF 2016 prognózu na devět let, zatímco pro MAF 2023 jen na dva roky. Nižší odchylka novějších vydání tak do značné míry odráží kratší horizont, nikoli lepší model.

Celkově jde o přehledně zpracovanou rešeršní práci s aktuálním tématem. Práci přesto doporučuji k obhajobě a hodnotím stupněm C – 75 bodů. Topics for thesis defence:

1. Uvažoval jste o vlastním modelu?
2. Dlouhodobé scénáře spotřeby se běžně sestavují bottom-up optimalizačními modely energetického systému typu TIMES/MARKAL. Čím se tento přístup liší od statistické predikce časové řady a kde v řetězci tvorby scénářů by se uplatnil?
3. Je predikovaná veličina v dokumentech MAF CZ definičně totožná se skutečnou hodnotou ~59 TWh, se kterou ji porovnáváte, a zahrnuje shodně ztráty v sítích?

Points proposed by reviewer: 75