0

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНА АКАДЕМІЯ НАУК УКРАЇНИ

ІНСТИТУТ ЕЛЕКТРОДИНАМІКИ

УДК 621.311:519.246.8

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

доктора технічних наук

Ієрархічне багатофакторне прогнозування електричного навантаження енергооб'єднання

Спеціальність 05.14.02 - електричні станції, мережі і системи

ЧЕРНЕНКО ПАВЛО ОЛЕКСІЙОВИЧ

Київ - 2011

Дисертацією є рукопис.

Роботу виконано у відділі моделювання електроенергетичних об'єктів та систем Інституту електродинаміки НАН України, м. Київ.

Офіційні опоненти: - доктор технічних наук, професор Праховник Артур Веніамінович, директор Інституту енергозбереження та енергоменеджменту Національного технічного університету України «КПІ» МОН України, м. Київ;

- доктор технічних наук, професор Лежнюк Петро Дем'янович, завідувач кафедри електричних станцій та систем Вінницького національного технічного університету МОН України, м. Вінниця;

- доктор технічних наук, Танкевич Євгеній Миколайович, провідний науковий співробітник Інституту електродинаміки НАН України, м. Київ.

Захист дисертації відбудеться 05.04.2011 р. об 11 годині на засіданні спеціалізованої вченої ради Д 26.187.03 в Інституті електродинаміки НАН України за адресою: 03680, Київ - 57, проспект Перемоги, 56, тел. 456-91-15.

З дисертацією можна ознайомитись в бібліотеці Інституту електродинаміки

НАН України за вищевказаною адресою.

Автореферат розіслано «_______»____________ 2011 р.

Вчений секретар

спеціалізованої вченої ради О. В. Бібік

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Електричне навантаження (ЕН) є одним з основних параметрів, що визначають режим роботи електроенергетичних систем (ЕЕС). Від повноти, достовірності та своєчасності інформації щодо поточних і особливо прогнозних значень ЕН істотно залежать ефективність керування ЕЕС, аналіз і планування її режимів. Вирішення таких задач, як розрахунок усталеного режиму, оптимізація його за активною і реактивною потужностями, оцінка надійності й стійкості (статична й динамічна), управління ЕЕС у нормальних та післяаварійних ситуаціях вимагає знання значень ЕН з певним упередженням, що залежить від типу розв'язуваної задачі.

Для вирішення різноманітних технологічних задач автоматизованої системи диспетчерського управління (АСДУ) - формування балансу між генерацією й навантаженням, визначення необхідного «холодного» і «гарячого» резервів потужності, розробки графіків ремонту основного устаткування електричних станцій, підстанцій, ліній електропередачі та ін. - необхідно використовувати різні види прогнозування (оперативне, коротко- та середньострокове). На даний час, як правило, прогнозується сумарне електричне навантаження, однак для вирішення задач оперативного керування ЕЕС необхідно прогнозувати й вузлові електричні навантаження. Похибки прогнозування зазначених величин неодмінно призводять до необґрунтованих витрат (при завищених прогнозах) або до техніко-економічних проблем, що обумовлені дефіцитом генеруючих потужностей.

Основний внесок у комплексне вирішення проблеми прогнозування електричних навантажень належить таким дослідникам, як: Гурський С.К., Макоклюєв Б.І., Мельдорф М.В., Тімченко В.Ф., Bann D.W., Farmer E.D., Galiana F.D., Gupta P.C., Potton M.J.

Значний внесок у розвиток методів прогнозування ЕН зробили: Бердін О.С., Богданов В.О., Бордюгов В.М., Вальтин Ю.Ю., Вороновський Г.К, Гамм О.З., Гуревич Б.А., Данилюк О.В., Дерзський В.Г., Дубовський С.В., Карпов В.В., Коновалов Ю.С., Кудрін Б.І., Курінний Е.Г., Ліпес А.В., Махотіло К.В., Меламед О.М., Надтока І.І., Праховник А.В., Рабінович М.А., Резніков А.П., Сєдов А.В., Ставровський А.М., Шидловський А.К., Gross G., Vemuri S., Takenawa T. та ін.

Проведені дослідження виявили, що для забезпечення високих вимог до точності та надійності результатів прогнозування необхідно комплексне вирішення задачі з врахуванням методологічних, алгоритмічних, інформаційних, програмних та організаційних аспектів.

Актуальність теми. Незважаючи на велику кількість опублікованих робіт у галузі прогнозування ЕН, до сьогодні існують невирішені проблеми, пов'язані з неврахуванням у більшості з них:

- складу електричного навантаження та специфіки електроспоживання енергоємних споживачів електроенергії;

- ієрархічної структури складного енергооб'єднання (ЕО);,

- інформаційного взаємозв'язку між видами прогнозування.

Недостатня увага приділяється також таким питанням, як:

- достовіризація вихідної інформації;

- статистично коректна верифікація результатів прогнозування.

Особливої актуальності і економічної важливості набувають питання прогнозування в умовах оптового ринку електричної енергії за умови застосування штрафних санкцій для тих учасників ринку, що перевищили встановлену похибку в значенні заявленої потужності та енергії. Таким чином, розробка нових та вдосконалення існуючих методів і моделей прогнозування електричного навантаження на різні часові інтервали та їх практична реалізація залишаються актуальною проблемою, на вирішення якої були спрямовані дослідження, результати яких наведені в дисертаційній роботі.

Зв'язок роботи з науковими програмами, планами, темами. Теоретичні дослідження і практичні розробки за темою дисертаційної роботи здійснювалися в процесі виконання планів науково-дослідних робіт Інституту електродинаміки НАН України: 1) НДР «Разработать принципы построения АСДУ ЭЭС нового поколения, реализовать и исследовать функциональные подсистемы» (шифр "Система", №ДР 01.91.006208, 1991 - 1995 рр., відп. вик.); 2) НДР «Розробити методи математичного моделювання і програмне забезпечення для розв'язання технологічних задач АСДУ енергетичних систем і об'єднання України в нових умовах функціонування енергетичного комплексу» (шифр "Система-2", №ДР 0197U000012, 1996 - 2000 рр., відп. вик.); 3) НДР "Розробити методи математичного моделювання і програмне забезпечення АСДУ для підвищення надійності, живучості та енергоефективності енергетичних систем та енергооб'єднання України в сучасних умовах" (шифр "Система-3", №ДР 0101U003090, 2001 - 2005 рр., відп. вик.); 4) НДР "Розробити методи математичного моделювання та програмні засоби для забезпечення надійності та живучості об'єднаної енергосистеми України з використанням нових можливостей інформаційної та телекомунікаційної техніки" (шифр "Система-4", №ДР 0106U002434, 2006 - 2010 рр., відп. вик.);

Мета і задачі дослідження. Метою дисертаційної роботи є розвиток теорії, розробка нових і удосконалення існуючих методів і математичних моделей електричного навантаження енергооб'єднання для оперативного, короткострокового та середньострокового прогнозування, що забезпечить підвищення якості результатів прогнозування споживаних потужності та енергії енергооб'єднання.

Для досягнення поставленої мети необхідно вирішити такі завдання:

1. Розробити ефективні методи достовіризації вихідної інформації та статистично коректних методів верифікації результатів прогнозування.

2. Розробити комплексний підхід до ієрархічного розв'язання задачі прогнозування електричного навантаження енергооб'єднання для створення комплексу програм із врахуванням інформаційного зв'язку між видами прогнозування.

3. Удосконалити існуючі математичні моделі електричного навантаження, що базуються на використанні наявної в енергооб'єднанні інформації, для його прогнозування на різні інтервали упередження.

4. Розробити нові математичні моделі електричного навантаження для прогнозування, які використовують таку додаткову інформацію: результати розв'язання задачі трьохрівневого (енергооб'єднання, регіональні енергосистеми, обласні енергосистеми) оцінювання стану; дані, що будуть надходити із автоматизованої системи керування енергоємних підприємств, а також від метеопостів, розміщених на підстанціях і високовольтних лініях електропередач.

5. Зважаючи на неоднозначність трактування видів прогнозування, розробити їхню обгрунтовану класифікацію для формулювання додаткових вимог щодо необхідної вихідної інформації і забезпечення комплексного розв'язання задач прогнозування.

Об'єкт дослідження - електричне навантаження енергооб'єднання на всіх його ієрархічних рівнях.

Предмет дослідження - математичні моделі і методи для середньострокового, короткострокового та оперативного прогнозування сумарного електричного навантаження енергооб'єднання.

Методи дослідження. Наведені в роботі результати дослідження отримано з використанням: теорії ймовірності (при побудові математичних моделей всіх видів прогнозування, виключенні аномальних вимірювань, верифікації результатів прогнозування), теорії графів (для побудови методу однофакторного прогнозування періодично нестаціонарних випадкових процесів), методів авторегресії та ковзного середнього, адаптивної фільтрації, спектрального аналізу, групового врахування аргументів (МГВА), оптимізації (для побудови математичних моделей багатофакторного коротко- та середньострокового прогнозування), фільтра Калмана, методу головних компонент, методів планування експериментів, методу групового врахування аргументів (для побудови математичної моделі дворівневого багатофакторного оперативного прогнозування).

Наукова новизна одержаних результатів

1.Розвинуто теорію прогнозування електричного навантаження енергооб'єднання в частині: ієрархічного підходу до розробки математичних моделей та методів, верифікації результатів і класифікації видів прогнозування.

2. Вперше сформульовано та обгрунтовано вимоги до якості результатів короткострокового і оперативного прогнозування, яку запропоновано характеризувати трьома статистично оцінюваними параметрами: точністю, стабільністю, обґрунтованістю.

3. Вперше запропоновано та обґрунтовано класифікацію видів прогнозування сумарних електричних навантажень за дискретністю одержання вихідної інформації, дискретністю та глибиною прогнозування, яка створює методологічні основи для розробки комплексу програм прогнозування.

4. Розроблено нові математичні моделі сумарного електричного навантаження енергооб'єднання та удосконалено існуючі моделі, які забезпечують підвищення якості результатів прогнозування завдяки більш повному і точному врахуванню технологічних і метеорологічних факторів на кожному ієрархічному рівні, врахуванню інформаційних зв'язків між видами прогнозування.

5. Вперше розроблено математичну модель сумарного електричного навантаження енергооб'єднання для короткострокового прогнозування, в якій для забезпечення однозначного вибору типу і параметрів моделі та адаптивної корекції її коефіцієнтів застосовується комбінація методів: авторегресії - ковзного середнього, адаптивної фільтрації та критерію Акайка, що підвищує якість результатів прогнозування.

6. Вперше розроблено дворівневу багатофакторну математичну модель електричного навантаження, яка враховує витрати потужності на власні потреби електростанцій, навантажувальні втрати і втрати на корону, температуру повітря і освітленість, що забезпечує підвищення якості результатів оперативного прогнозування.

7. Вперше розроблено комплексний метод середньострокового прогнозування, істотною особливістю якого є те, що прогнозування щомісячної споживаної енергії здійснюється на основі прогнозування добової енергії для типових робочих, суботніх і недільних днів місяця з урахуванням трендів на внутрішньомісячних і внутрішньорічному інтервалах часу. Методом передбачено прогнозування по групах галузей господарства, що дозволяє підвищити точність результатів середньострокового прогнозування, особливо при різких змінах в структурі споживання електроенергії.

8. Розроблено новий метод аналізу та прогнозування періодично нестаціонарних випадкових процесів, який використано для однофакторного оперативного та короткострокового прогнозування електричного навантаження, а також для прогнозування базової складової електричного навантаження при багатофакторному короткостроковому прогнозуванні. Метод передбачає розрахунок функції динамічної ентропії в кожній точці графіка процесу, що дозволяє обґрунтовувати застосування нерівномірної дискретизації досліджуваного процесу та інтервальної оцінки результатів прогнозування.

Практичне значення одержаних результатів полягає в наступному:

1. На основі запропонованих параметрів для оцінки якості результатів прогнозу-вання сформульовані вимоги до формуванню добової диспетчерської відомості.

2. Розроблена класифікація видів прогнозування створює реальні передумови для розробки комплексу програм ієрархічного багатофакторного взаємопов'язаного прогнозування електричного навантаження енергооб'єднання.

3. Розроблено алгоритм і експериментальну програму дворівневого багатофактор-ного короткострокового прогнозування електричного навантаження енергоб'єднан-ня. Проведена її апробація за даними різних ієрархічних рівнів ОЕС України.

4. На основі розроблених математичних моделей створені програми промислового призначення, які впроваджені в різних енергетичних організаціях, зокрема:

- програма однофакторного короткострокового прогнозування нестаціонарних випадкових процесів (шифри «Ентропія» і «Прогноз») впроваджена в Азголовенерго (1978 р.), багатофакторного - в Азголовенерго (1989 р.);

- програма оперативного прогнозування: сумарного навантаження енерго-об'єднання та енергосистем, що в нього входять (шифр «ПРОПОС») впроваджена в ОДУ Північного Заходу (1985 р.) та в ОДУ Уралу (1987 р.), сумарного навантаження енергосистеми та енергорайонів - в Азголовенерго (1988 р.);

- програмний комплекс ретроспективного аналізу електричного навантаження (шифр «ГРАНД») впроваджено в ПЕО «Київенерго» (1993 р.);

- програмний комплекс ретроспективного аналізу і середньострокового прогнозування електричних навантажень (шифр «КОРАСП») впроваджений у промислову експлуатацію в НЕК «Укренерго» (2008 р.).

Копії відповідних актів впровадження наведено в додатку А дисертації.

Особистий внесок здобувача. Наукові положення, що ввійшли до дисертаційної роботи, отримані автором самостійно. У роботах, опублікованих у співавторстві, здобувачеві належать такі результати: у [1] - методика дослідження, алгоритм, програма, розрахунки; [2, 29] - метод і алгоритм розрахунку ентропії та прогнозування добових графіків; [3, 6] - постановка задачі дослідження, розробка адаптивного алгоритму зниження розмірності вирішення задачі; [4, 42] - математична модель та структура пристрою; [5] - постановка задачі, метод і алгоритм виключення аномальних вимірювань; [7] - алгоритм вибору числа головних компонент; [9] - метод виявлення та виключення викидів нестаціонарних випадкових процесів; [10, 11] - постановка задачі, метод і алгоритм параметричної ідентифікації та визначення втрат активної потужності у ВВЛ; [13] - методи прогнозування та оперативного визначення втрат на корону; [14] - методика аналізу та обробки інформації про електричне навантаження; [15, 19, 26, 27] - методи та алгоритми прогнозування; [16] - методи та алгоритми прогнозування; [17, 18, 21, 22, 23, 24] - постановка задачі, розробка математичних моделей, перевірка результатів; [20] - перспективи розвитку комплексу, методи динамічної оцінки стану, ідентифікація пасивних параметрів; [28] - метод однофакторного прогнозування електричних навантажень; [30] - постановка задачі, методи та алгоритми; [31] - метод і алгоритм стиснення інформації про вузлові навантаження за допомогою головних компонент для динамічного оцінювання стану; [34] - постановка задачі, алгоритм оперативного прогнозування; [37] - постановка задачі, методика; [39] - постановка задачі, метод, алгоритм.

Апробація результатів дисертації. Основні результати за темою дисертаційної роботи доповідались і обговорювались на міжнародних та всеукраїнських конференціях, наукових та науково-технічних семінарах: Всесоюзному семінарі «Оптимизация сложных систем» (Вінниця, Україна, 1983 р.), II-й Всесоюзній науково-технічній конференції «Проблемы нелинейной электротехники» (Київ, Україна, 1984 р.), IХ-й Всесоюзній науковій конференції «Моделювання електроенергетичних систем» (Рига, Латвія, 1987 р.), Міжнародній науковій конференції «ЕЛЕНЕРГО'88» (Варна, Болгарія, 1988 р.), Всесоюзній науково-технічній конференції «Математичне моделювання в енергетиці» (Київ, Україна, 1990 р.), Всесоюзній конференції «Математичне й імітаційне моделювання в системах проектування й керування» (Чернігів, Україна, 1990 р.), ХХ-й Міжнародній науковій конференції «Моделювання електроенергетичних систем» (Каунас, Литва, 1991 р.), на міжнародних конференціях "Проблеми сучасної електротехніки" (ПСЕ-2002, ПСЕ-2004, ПСЕ-2006, ПСЕ-2008, ПСЕ-2010, Київ, Україна), Міжнародній науково-технічній конференції «Математичне моделювання в електротехніці й енергетиці» (ММЕЕ-2007, Львів, Україна, 2007 р.), Міжнародній конференції «Контроль і управління в складних системах» (КУСС-2005, КУСС-2008, КУСС-2010, Вінниця, Україна).

Публікації. За темою дисертації опубліковано 42 наукові праці, у тому числі: 28 статей у фахових наукових виданнях, 2 препринти, 5 статей у періодичних виданнях, 1 авторське свідоцтво, 6 доповідей і тез доповідей на міжнародних і всесоюзних конференціях.

Структура та обсяг дисертаційної роботи. Дисертація складається зі вступу, п'яти розділів, висновків, п'яти додатків та списку використаних джерел з 252 найменувань. Загальний обсяг роботи становить 349 сторінок, у тому числі 287 сторінок основного тексту, 97 рисунків, 26 таблиць.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми дисертаційної роботи, сформульовано мету та задачі дослідження, висвітлено результати проведених у роботі досліджень, що відображають наукову новизну та практичну значимість одержаних результатів, наведено дані стосовно апробації результатів дисертаційної роботи та їх публікації у друкованих наукових виданнях.

У першому розділі описано об'єкт дослідження, проведено критичний аналіз вітчизняних та зарубіжних публікацій на тему оперативного, коротко- та середньострокового прогнозування електричного навантаження та електроспоживання.

У роботах, що розглядалися, були запропоновані різні підходи до класифікації видів прогнозування. У зв'язку з їх неоднозначним трактуванням запропонована класифікація за трьома параметрами: дискретності вихідної інформації, дискретності та величини інтервалу упередження (табл. 1).

Таблиця 1 Класифікація видів прогнозування

Вид прогнозування	Дискретність	Інтервал упередження
	отримання	прогнозування
Годинний	1 хв	10 хв	10-60 хв
Добовий (оперативний)	10 хв	1 год	1-24 год
Тижневий (короткостроковий)	1 год	1 доба	1-7 діб
Місячний	1 доба	1 тиждень	1-4 тижні
Річний (середньостроковий)	1 тиждень	1 місяць	1-12 місяців
Багаторічний (довгостроковий)	1 місяць	1 рік	2-5 років

Запропонована класифікація створює методологічні основи для розробки комплексу програм інформаційно зв'язаного прогнозування електричних навантажень на різні інтервали часу.

Ефективність методів оперативного, короткострокового та середньострокового прогнозування прийнято оцінювати за допомогою середніх та середньоквадратичних відхилень між прогнозними та миттєвими значеннями споживаної потужності або енергії на різних інтервалах часу.

Проаналізовані математичні моделі, що враховують вплив ендогенних та екзогенних факторів на зміну електричного навантаження на різних часових інтервалах.

У задачах оперативного прогнозування сумарного електричного навантаження (СЕН) в основному застосовуються однорівневі однофакторні математичні моделі з використанням фільтрів незмінної структури, канонічного розкладу, методів експоненціального згладжування та різні евристичні методи.

У задачах короткострокового прогнозування, що найбільш часто вирішується на практиці, використовуються одно- та багатофакторні математичні моделі СЕН, які враховують вплив ендогенних та екзогенних факторів на зміну електричного навантаження. При цьому використовуються методи авторегресії та ковзного середнього (АРКС), різні модифікації фільтра Калмана, спектрального аналізу, методи розпізнавання образів, штучних нейронних мереж (ШНМ) та генетичних алгоритмів.

У більшості публікацій по середньостроковому прогнозуванню вирішується задача прогнозування місячного споживання електроенергії на річному часовому проміжку. При цьому застосовуються методи: Холта-Вінтерса, АРКС, ШНМ, різні методи апроксимації у поєднанні з методами регресійного аналізу.

Велика увага також приділена огляду робіт, що були доведені до практичної реалізації.

У другому розділі дано опис розробленої інформаційної бази для задач ретроспективного аналізу та прогнозування, яка складається з архівів вихідної інформації (технологічних і метеорологічних факторів) та архівів результатів прогнозування. Розроблені обслуговуючі програми бази даних (БД) дають змогу здійснювати статистичну обробку і графічний аналіз даних, що полегшує процедуру побудови математичних моделей для вирішення задач прогнозування.

Розроблені математичні моделі для оперативного, коротко- та середньострокового прогнозування СЕН підрозділяються на реальні та перспективні. Перші спираються на метеорологічну та технологічну інформацію, яка є в наявності в НЕК «Укренерго», а другі додатково використовують таку вихідну інформацію: про добові графіки від АСУ енергоємних підприємств; про втрати активної потужності в електричній мережі і витрати активної потужності на власні потреби електростанцій, одержані в результаті вирішення задачі трирівневої оцінки стану (енергооб'єднання, регіональні енергосистеми, обласні енергосистеми); погодинні значення метеорологічних факторів (температура повітря та хмарність) із відомчої системи збору метеоданих, що має бути організована на станціях, підстанціях та лініях електропередачі.

У розроблену БД для реальних моделей також надходить інформація з Держенергонагляду України про щомісячне споживання електроенергії (СЕ) групами галузей по кожному обленерго. Виділені, зокрема, такі групи: промисловість, сільське господарство, будівництво, непромислове електроспоживання, транспорт, населення, комунально-побутове електроспоживання, втрати електроенергії в електричній мережі обленерго. У зв'язку із суттєвим споживанням в окрему галузь із промисловості виділена металургія. Втрати електроенергії в мережах регіональних енергосистем дорозраховуються окремо як різниця між сумарною місячною енергією брутто по ОЕС України за даними оперативно-інформаційного комплексу та за даними Держенергонагляду.

Особливістю розробленої бази даних є наявність у ній інформації про споживання електроенергії 50-ти енергоємних підприємств, що знаходяться на добовому контролі у Держенергонагляді. Ці підприємства вносять значний вклад у СЕ ОЕС України, який складає 20…25% загального споживання електроенергії.

У результаті відмов окремих вузлів телемеханіки та каналів зв'язку у вихідній інформації про навантаження, яка надходить у базу даних, з'являються аномальні значення, що мають вигляд трикутних і трапецієподібних викидів та їхніх комбінацій. Для достовіризації вихідних даних розроблено метод виключення аномальних вимірів з використанням модифікованого методу експоненціального згладжування та застосування у загальному випадку нерівності Чебишева.

Не усі значення добового графіка є однаково інформативними. Визначення інформативності годинних значень СЕН за допомогою функції динамічної ентропії дозволяє організувати нерівномірну раціональну дискретизацію процесу реєстрації добових графіків.

Розрахунок функції динамічної ентропії здійснюється за допомогою розробленого методу інформативного аналізу і короткострокового прогнозування періодично нестаціонарних випадкових процесів. При цьому реалізації добових графіків розглядаються як нестаціонарний марківський процес і моделюються багатодольним орієнтованим графом. Кожен переріз випадкового процесу характеризується вірогідністю стану і вірогідністю переходу в наступний переріз.

Рис. 1. Графіки функцій динамічної ентропії (1- 4) та усереднений добовий графік (5)

На рис. 1 наведено функцію динамічної ентропії АК "Київенерго" на дев'ятитижневому інтервалі передісторії, отриману на підставі обробки усіх добових реалізацій (крива 3), її середнє значення (пряма 4), функцію динамічної ентропії за робочі дні (крива 1), її середнє значення (пряма 2) і усереднений добовий графік за той же період (крива 5).

Важливим чинником, який сприяє підвищенню точності та стабільності прогнозування, є фізично обґрунтована статистично коректна оцінка результатів прогнозування.

Зазвичай похибка результатів прогнозування оцінюється як різниця між фактичними і прогнозними значеннями в абсолютних і відносних одиницях. Така оцінка похибки є статистично некоректною. Процедуру коректної верифікації результатів короткострокового та оперативного прогнозування доцільно здійснювати шляхом обробки вибірки даних (з малим часовим інтервалом) навколо точки добового графіка, яка оцінюється. При цьому з вибірки послідовно виключаються аномальні значення та тренд, і очищені значення перевіряються на відповідність нормальному закону розподілу за критерієм згоди високого рангу.

У табл. 2 наведено результати статистичної обробки миттєвих значень споживаної потужності (СП) ОЕС України навколо екстремальних точок добового графіка з дискретністю 10с.

Таблиця 2 Статистичні характеристики СП ОЕС України навколо екстремальних точок добового графіку з дискретністю 10 с за 07.02 2006 р.

Година доби	Математичне очікування	Середньо-квадратичне відхилення	ч2 розрах.	ч2 (табл., р=0.05)
3	23804	35,3	7,8	11,1
9	28233	41,1	6,1	9,5
16	26917	27,9	3,4	7,8
18	29468	34,4	3,6	7,8

Якість результатів короткострокового та оперативного прогнозування запропоновано характеризу-вати такими статистично оцінюваними параметрами: точність (результати у кожній точці добового графіка, яка оцінюється, повинні знаходитись з заданою вірогідністю навколо математичного очікування в цій точці); стабільність (вірогідність невиходу результатів за задані довірчі інтервали); обґрунтованість (вірогідність пояснюваних прийнятою моделлю виходів результатів за задані довірчі інтервали).

Якість результатів середньострокового прогнозування доцільно оцінювати за статистичними характеристиками залишкової складової, яка має бути наближеною до «білого шуму», тобто характеризуватись відсутністю автокореляції та малим значенням дисперсії коливань навколо близького до нуля математичного очікування.

У третьому розділі представлено комплексне вирішення задачі середньострокового прогнозування електроспоживання та електричного навантаження на основі розроблених чотири- та дворівневих математичних моделей СЕН та СЕ енергооб'єднання.

Традиційно задача середньострокового помісячного прогнозування споживаної електроенергії вирішується як однорівнева та однофакторна із інтервалом упередження в один рік. У ряді робіт в якості факторів, що впливають на СЕ, використовується середньомісячна температура повітря. Як правило, одержувана при цьому точність прогнозування СЕ не задовольняє сучасним вимогам експлуатації, встановленим щодо вирішення технологічних задач, які вимагають інформації про значення СЕ з упередженням від одного місяця до року. Також в енергооб`єднанні існує потреба в прогнозних значеннях не лише місячного споживання електроенергії, а й в екстремальних значеннях споживаної потужності на тижневому й місячному інтервалах часу. З урахуванням цього, а також у зв'язку з розвитком інформаційно-обчислювальної техніки та впровадженням технологічних програм вирішення задач оперативного керування енергооб`єднанням (зокрема, оперативного розрахунку поточного режиму за даними телеметрії) створюються вихідні передумови для розширення кола розв'язуваних при середньостроковому прогнозуванні задач, що в сукупності з урахуванням ієрархічної структури енергооб`єднання забезпечує підвищення точності й надійності результатів прогнозування.

При наявності додаткової необхідної вихідної інформації, задачу середньострокового прогнозування споживання електроенергії ОЕС України пропонується вирішувати як чотирирівневу: енергоємні підприємства, обласні енергосистеми, регіональні енергосистеми, енергооб`єднання. У такому випадку при формуванні математичних моделей споживаної енергії й екстремальних значень потужності на кожному ієрархічному рівні враховуються методологічні та інформаційні особливості. Блок-схема комплексного вирішення задачі середньострокового прогнозування СЕ ОЕС України представлена на рис. 2.

Рис. 2. Блок-схема чотирирівневого вирішення задачі середньострокового прогнозування СЕ енергооб`єднання

При побудові математичної моделі СЕ на рівні енергоємних підприємств використовується така ретроспективна й прогнозна інформація:

- дані про СП і СЕ (погодинний добовий графік СП, добове СЕ, W_підпр, що формуються за допомогою АСУ підприємства;

- річний графік ремонту й зміни складу енергоємного устаткування;

- дані про температуру повітря й хмарність над територією підприємства.

Можливі два підходи до формування середньострокового прогнозу СЕ енергоємних підприємств. У першому випадку енергоємне підприємство самостійно, на основі розробленої економетричної моделі, здійснює середньостроковий прогноз СЕ і передає його до обласної енергосистеми. За відсутності такої моделі прогноз виконується на рівні обленерго з використанням зазначених вище вихідних даних. Перший варіант кращий з погляду підвищення надійності результатів середньострокового прогнозування споживаної енергії та дає змогу використовувати цю інформацію для корекції графіків ремонту основного устаткування електричних станцій і підстанцій.

На рівні обленерго формування комплексної математичної моделі СЕ передбачає використання результатів розрахунку за програмою трирівневого оцінювання стану енергооб`єднання в циклічному режимі роботи. У результаті формується база даних, що містить наступну інформацію про технологічні фактори обленерго:

- дані про СП із дискретністю в 1 год й добові значення СЕ обленерго;

- дані про втрати потужності в мережі обленерго (з дискретністю в 1 год);

- дані про СП власних потреб електростанцій, що входять до обленерго.

Також у базу даних ОблЕС надходить технологічна інформація щодо річного запланованого графіка ремонту основного устаткування електростанцій, підстанцій, ліній електропередачі та дані про ретроспективні й прогнозні значення СЕ енергоємних підприємств, що входять до цієї обласної енергосистеми.

З Гідрометеоцентру (або, у перспективі, з метеопостів, установлених на підстанціях і лініях електропередач) у базу даних обленерго надходить наступна інформація про метеорологічні фактори:

- значення температури повітря з годинною дискретністю;

- значення освітленості з годинною дискретністю;

- дані про прогнозовану температуру повітря й освітленість на найближчі 3…5 діб.

Адитивна математична модель СЕ на рівні обленерго містить у собі шість незалежних складових:

, (1)

де - фактичне споживання електроенергії і-го місяця передісторії; - базова складова; - трендова складова щомісячної зміни СЕ (росту/спаду); - технологічна складова; - сезонна складова споживання електроенергії, яка описує щомісячні сезонні коливання СЕ на річному інтервалі часу; - метеорологічна складова СЕ, що характеризує вплив метеорологічних факторів; - залишкова складова СЕ, яка визначає точність моделювання сумарного споживання енергії.

Зокрема, складається з таких компонентів: промислове СЕ (сумарне СЕ енергоємних підприємств , n - кількість підприємств, що входять в обленерго), СЕ на власні потреби електростанцій () і втрати СЕ в мережі обленерго (). Прогнозування здійснюється з урахуванням змін у складі основного устаткування електростанцій і електричної мережі, відображених у відповідних річних графіках ремонту, а також отриманих раніше прогнозних значень СЕ енергоємних підприємств, що входять до обленерго.

Принциповою особливістю запропонованої моделі, що відрізняє її від відомих, є те, що модель ґрунтується не на місячному споживанні електроенергії, а на добовому. Зокрема, формуються три окремі моделі СЕ для середньомісячного робочого, суботнього й недільного днів. Такий підхід дає змогу враховувати тижневу нерівномірність добового споживання електроенергії й точніше моделювати вплив метеорологічних факторів.

Таким чином, середньострокове прогнозування споживаної електроенергії на рівні обленерго включає такі етапи:

- прогнозування очищеної від технологічної складової СЕ обленерго,

на середньострокову перспективу із урахуванням впливу метеорологічних факторів;

- розрахунок планованої витрати споживаної енергії на власні потреби електростанцій з використанням планового річного графіка ремонту основного устаткування електростанцій ( );

- підсумування прогнозних значень СЕ енергоємних підприємств ();

- на основі кореляційного зв'язку між сумарною споживаною енергією обленерго й втратами її в електричній мережі (з урахуванням коректив у топології мережі відповідно до річного планового графіка ремонту ЛЕП) розраховуються прогнозні значення ;

- середньостроковий прогноз сумарної споживаної енергії i-го місяця обласної енергосистеми розраховується шляхом підсумування значень СЕ, отриманих у результаті виконання чотирьох попередніх етапів:

Отримані прогнозні значення споживаної енергії обленерго, , передаються на рівень регіональних енергосистем.

Рішення задачі прогнозування споживання електроенергії на рівні регіональної енергосистеми зводиться до математичного моделювання (з урахуванням впливу метеорологічних факторів) і прогнозування втрат у високовольтних мережах регіональних енергосистем ( ), а також розрахунку (на основі графіка річного ремонту основного устаткування електростанцій) планових значень витрат електроенергії на власні потреби електричних станцій ( ) регіональної енергосистеми.

Розрахунок прогнозних значень СЕ i-го місяця регіональної енергосистеми, до якої входять m обласних енергосистем проводиться відповідно до формули

Отримані прогнозні значення СЕ регіональної енергосистеми, , передаються на рівень об'єднаної енергосистеми.

Прогноз споживання електроенергії на даному рівні зводиться до підсумовування результатів прогнозування СЕ в усіх регіональних енергосистемах:

,

де k - кількість регіональних енергосистем, що входять до енергооб'єднання.

Описана вище чотирирівнева математична модель споживаної енергії ОЕС є перспективною. Для її реалізації в повному обсязі необхідно вирішення ряду технологічних задач і проведення організаційних заходів. Оскільки робота з впровадження програми оцінювання стану в обласних енергосистемах тільки розпочалась, відсутні реальні й прогнозні графіки СП енергоємних підприємств, відсутня необхідна повна інформація про метеофактори, то на даному етапі існує потреба в удосконалюванні математичних моделей СЕ для середньострокового прогнозування на базі наявної інформації щодо факторів, які впливають на споживання електроенергії. На даному етапі задачу середньострокового прогнозування СЕ доцільно вирішувати як дворівневу (регіональні ЕС - об'єднана енергосистема). При цьому у моделі споживаної енергії на рівні регіональних енергосистем, на відміну від моделі (1), не буде в явному вигляді виділена технологічна складова . На основі даної моделі розроблені методи, алгоритми й програми середньострокового прогнозування, об'єднані у комплекс на єдиній інформаційній базі, який був впроваджений у НЕК «Укренерго». Також згідно з вимогами практики у роботі розширено коло задач, що розв'язуються при середньостроковому прогнозуванні електричного навантаження енергооб`єднання. Крім традиційного прогнозування значень місячного споживання електроенергії, вирішено також задачі прогнозування екстремальних значень споживання потужності на місячному й тижневому інтервалах. Також розроблено і реалізовано метод уточнення прогнозного значення місячного споживання електроенергії поточного місяця з урахуванням фактичного добового СЕ, місячного календаря, внутрішньомісячної середньобагаторічної температури та короткострокового прогнозу середньодобової температури.

Процедура моделювання й прогнозування окремих складових математичної моделі СЕ при дворівневому вирішенні задачі середньострокового прогнозування здійснюється у такій послідовності.

Традиційно трендова складова споживання електроенергії в задачах середньострокового прогнозування СЕ енергооб'єкта описується типовою лінійною, поліноміальною або експонентною моделлю. У даній роботі враховуються наступні особливості зміни споживання електроенергії ЕЕС:

- розрахунок місячного тренду проводиться не для сумарного місячного споживання енергії, а для середньомісячних значень СЕ робочих, суботніх та недільних днів;

- розрахований тренд СЕ коригується залежно від типу місяця за допомогою вагових множників, які враховують нерівномірність приросту СЕ на річному інтервалі.

Так, наприклад, дослідження показали, що в умовах ОЕС України помилково вважати, що річний тренд СЕ рівномірно розподіляється за місяцями, оскільки річний приріст споживання електроенергії середньомісячного робочого дня у літні місяці року становить 12,3 ГВтгод, в той час як у зимові - 5,5 ГВтгод. Для урахування цієї особливості використовується коригування розрахованого усередненого місячного тренду споживаної електроенергії середньомісячного дня кожного типу за допомогою відповідних вагових множників:

, , (2)

де - ваговий множник коригування місячного тренду i-го місяця; - річний тренд енергооб`єднання k-го місяця; n - кількість місяців у тому сезоні, до якого належить k-й місяць.

Значення вагових коефіцієнтів коригування місячного тренду СЕ середньомісячних робочих, суботніх та недільних днів, розрахованих за даними енергооб`єднання України за період з 2002 по 2007 роки, наведено в табл. 3.

Таблиця 3 Значення вагових коефіцієнтів коригування місячного тренду

Тип дня	Зимовий сезон	Літній сезон
Робочий	0,66	1,47
Суботній	0,65	1,48
Недільний	0,6	1,56

Метеорологічна складова СЕ, , розраховується за допомогою регресійної залежності між відхиленнями температури й споживаної енергії середньомісячного дня кожного типу від відповідних їм середньобагаторічних значень. При цьому враховується інерційність впливу зміни температури на зміну СЕ шляхом введення в регресійну залежність так званої ефективної температури - зваженої суми середньодобової температури поточної й минулої доби. Особливості впливу температури залежно від сезону року враховуються шляхом побудови окремих моделей метеорологічної складової для двох умовних сезонів: літнього й зимового.

Базова складова споживаної електроенергії середньомісячного дня кожного типу є усередненим значенням СЕ з виключеним трендом і залишається незмінною на заданому інтервалі передісторії.

Сезонна складова споживаної електроенергії розраховується шляхом виключення із сумарної СЕ базової, трендової та метеорологічної складових:

(3)

Графік сезонної складової представлений на рис. 3. Відповідно до наведеного графіка, у сезонної складової СЕ відсутні відхилення, які спричинені температурними, календарними та трендовими факторами.

Рис. 3. Графік сезонної складової СЕ ОЕС України середньомісячного робочого дня за період 01.01 2002 р. - 31.12 2007 р.

Встановлено, що сезонна складова споживаної електроенергії є стаціонарним часовим рядом, що описує річні циклічні коливання СЕ середньомісячних робочих, суботніх та недільних днів. Для моделювання сезонної складової СЕ використовується модель авторегресії та ковзного середнього сезонного типу (АРКС із періодом 12) виду (1, 0, 1) (2, 0, 0). Для визначення оптимального типу моделі використовується критерій регулярності МГВА:

,

де N - кількість членів екзаменаційної вибірки даних.

Згідно з рис. 4 значення функцій автокореляції і часткової автокореляції залишкових компонент СЕ, отриманих у результаті застосування моделі АРКС виду (1, 0, 1) (2, 0, 0), розташовані у довірчому інтервалі, що з імовірністю 95% підтверджує гіпотезу про адекватність обраної моделі.

0

Размещено на http://www.allbest.ru/

0

Размещено на http://www.allbest.ru/

Рис. 4. Функції автокореляції (а) і часткової автокореляції (б) залишкової компоненти сезонної складової СЕ середньомісячного робочого дня.

Запропонована модель сезонної складової має такий вигляд:

, (4)

де - значення сезонної складової споживаної енергії і-го місяця середньомісячного робочого дня кожного типу; - параметри моделі АРКС, е_i-1 - похибка моделі на попередньому кроці.

Для визначення коефіцієнтів моделі використовується метод мінімізації Марквардта з модифікацією Вілсона.

Залишкова складова, , моделі СЕ визначається на інтервалі передісторії у результаті вилучення з фактичного споживання електроенергії середньомісячного дня кожного типу всіх інших складових. Проведені розрахунки залишкової складової СЕ ОЕС України за даними передісторії за період з 2002 по 2008 роки показали, що відповідно до критерію Колмогорова-Смирнова її значення мають нормальний закон розподілу та статистичні характеристики, наведені у табл. 4.

Таблиця 4 Екстремальні значення, математичні очікування й середньоквадратичні відхилення залишкових складових СЕ середньомісячного дня кожного типу

Тип дня	Екстремальне значення, ГВтгод	Середнє значення, ГВтгод	Середньоквадратичне відхилення, ГВтгод
Робочий	15,6	0,1	6,2
Суботній	19,3	0,08	8,1
Недільний	21,1	0,12	9,4

Таким чином, за вказаний період похибка результатів прогнозування СЕ середньомісячних робочого, суботнього та недільного днів за умови використання реальних значень температури становить 1,3; 2,0 і 1,8% відповідно, що у перерахунку на сумарне споживання електроенергії для типового місяця (30 днів) складає 1,5%.

Засобом підвищення точності прогнозування споживаної енергії на найближчий місяць є постійне уточнення її значення в міру надходження нових даних. У роботі запропоновано алгоритм уточнення прогнозного значення місячної СЕ, в якому використовується взаємозв'язок середньострокового прогнозування з короткостроковим.

Уточнення прогнозного значення місячного СЕ поточного місяця здійснюється у такій послідовності:

1. За даними про середньодобову температуру, усереднену на інтервалі передісторії (як правило, за 5-7 років), формуються архіви середньобагаторічної середньодобової температури для всіх днів року:

, (5)

де - середньодобова температура j-го дня (j=1..m, m=28 - 31 - кількість днів у місяці) i-го місяця передісторії, однотипного з прогнозованим; N - кількість цих місяців у обраному інтервалі передісторії.

2. Прогнозування споживаної енергії i-го місяця здійснюється на основі заданої (або середньобагаторічної) середньомісячної температури . Використовуючи це значення, середньобагаторічна середньодобова температура коригується за допомогою такої формули:

, (6)

Коригування середньобагаторічної середньодобової температури необхідні для забезпечення можливості задавання в якості прогнозної середньомісячних температур повітря (при прогнозуванні місячного СЕ), що відмінні від розрахованих раніше середньобагаторічних значень.

3. Відповідно до викладеного методу, прогнозування місячної споживаної енергії розраховується за допомогою прогнозу СЕ середньомісячних робочих, суботніх та недільних днів та наступним використанням календаря i-го місяця. Такий похід дозволяє легко розкласти отримане прогнозне значення місячної споживаної енергії по всіх m днях поточного місяця: , , . За допомогою моделі метеорологічної складової СЕ, що описує вплив температури на споживану енергію середньомісячного дня кожного типу й попередньо розраховані значення температур , розкладене добове значення споживаної енергії , , у кожному дні місяця уточнюється на метеорологічну складову .

4. Використовуючи доступну на момент уточнення інформацію про фактичне СЕ, розраховані для перших k діб прогнозні значення добового споживання енергії поточного місяця заміщаються наявними фактичними. Також при наявності короткострокового прогнозу температури повітря (інтервал упередження L), і використовуючи регресійні залежності впливу температури для відповідного типу дня, виконується уточнення метеорологічної складової споживаної енергії зазначених L днів.

5. Уточнення прогнозу сумарного значення місячної споживаної енергії ОЕС виконується шляхом підсумовування фактичних і прогнозних, скоригованих відповідно до п.4, значень добового СЕ поточного місяця.

Також прогноз місячної споживаної енергії ОЕС уточнюється за рахунок аналізу й прогнозування добового СЕ 50-ти великих енергоємних підприємств, які перебувають на добовому контролі у Держенергонагляді України, що особливо важливо в нинішніх умовах нестабільного попиту на їх продукцію.

У запропонованій дворівневій моделі через відсутність технологічної складової, споживання електроенергії енергоємними підприємствами закладене в базовій і, частково, в сезонної складовій. При істотних змінах величини споживаної енергії енергоємними підприємствами запропоновано коригувати розподілене по j днях прогнозне значення місячної споживаної енергії ОЕС поточного місяця на таку величину:

, (7)

де - величина, на яку уточнюється добове значення споживаної енергії



ОЕС у поточному і-му місяці; n - кількість днів у прогнозованому місяці; - сумарне значення споживаної енергії енергоємними підприємствами у відповідному місяці; - сумарне значення споживаної енергії енергоємними підприємствами поточного місяця, що розраховується за формулою

, (8)

де k - кількість днів і-го місяця до моменту уточнення, за які доступна фактична інформація про добові значення СЕ енергоємними підприємствами; - сумарне добове значення споживаної енергії енергоємними підприємствами j-го дня.

Таким чином, передбачається, що споживана енергія енергоємними підприємствами за інші дні поточного місяця буде дорівнювати СЕ за перші k днів.

Розрахунки показали, що використання зазначеного алгоритму дає змогу істотно уточнити прогноз сумарної споживаної енергії поточного місяця.

Зазначимо, що СЕ енергоємних підприємств стійке до сезонних коливань температури повітря на річному інтервалі. Також через неперервність виробничого циклу, добові графіки СП робочого й недільного днів, найбільш великих з них, не мають суттєвих відмінностей. Значно більш виражений вплив на форму добового графіка СП і значення добової СЕ мають економічні фактори (багатотарифний облік електроенергії й кон'юнктура ринку продукції підприємств). Зокрема, внаслідок світової кон'юнктури на ринку металів за літній період 2005 року спостерігалося падіння сумарного СЕ енергоємними підприємствами металургійної галузі на 12000Мвтгод (близько 3% від СЕ ОЕС України в цілому).

Виділення СЕ енергоємними підприємствами в окрему групу й розроблення для неї власної математичної моделі на даному етапі неможливе, оскільки відсутня інформація про споживану електроенергію цими підприємствами в повному обсязі. Зокрема, на цей час доступна інформація про добове СЕ лише за робочі дні, крім того, часто мають місце викиди й пропуски у вимірюваннях. Значення СП по цих підприємствах наявне лише в моменти ранкового й вечірнього максимумів добового графіка СП ОЕС України. Необхідність подальшого розвитку методів прогнозування СП і СЕ енергооб`єднання України створює передумови для проведення ряду організаційних заходів і вирішення технологічних задач, спрямованих на одержання повної вихідної інформації про добові графіки СП енергоємних підприємств.

Метод середньострокового прогнозування місячного СЕ ОЕС за структурою споживання електроенергії передбачає виконання прогнозів місячного споживання електроенергії по кожній з восьми груп галузей з подальшим підсумовуванням отриманих результатів. Таким чином, існує можливість ураховувати особливості СЕ окремими групами галузей.

Для прогнозування місячної СЕ окремо кожної галузі використовувався описаний вище метод середньострокового прогнозування, апробований для одно- та дворівневих прогнозів СЕ. Таким чином, передбачається адитивне розкладання СЕ кожною галуззю на базову, трендову, метеорологічну, сезонну й залишкову складові з їхнім подальшим моделюванням і прогнозуванням. Виділення зі структури СЕ втрат обох видів дозволяє суттєво уточнити моделювання зазначених складових СЕ кожної галузі.

Розрахунки показали, що в умовах різких змін у структурі споживання електроенергії енергооб'єднання, метод прогнозування місячного СЕ на основі даних про СЕ окремих груп галузей забезпечує вищу точність, ніж попередньо описані одно- й дворівневі реалізації методу. Зокрема, максимальна похибка прогнозування місячного СЕ за період січень - лютий 2009 року за дворівневим методом становить 4,1%, середня - 3%, тоді як за структурним методом - 1,7% і 1,3% відповідно. Це пояснюється тим, що структурний метод прогнозування точніше враховує тенденції СЕ промисловістю, будівництвом, транспортом і т.ін. - тобто тими галузями, у яких спостерігалося різке падіння СЕ на початку 2009 року порівняно з аналогічним періодом 2008 року.

Також у програмній реалізації алгоритму прогнозування за структурою СЕ об'єднаної енергосистеми закладено можливість коригування прогнозних коефіцієнтів приросту споживаної електроенергії по кожній групі галузей. Це дає змогу використовувати додаткову зовнішню інформацію про тенденції розвитку окремих галузей господарства.

Оскільки інформація про інтегральні значення СЕ по енергосистемах України доступна з більшою дискретністю (доба) ніж про споживання окремими галузями (місяць), то розроблена для інтегральних значень СЕ математична модель дозволяє враховувати тижневу нерівномірність споживання електроенергії, більш коректно враховувати метеорологічну й трендову складові СЕ. Структурне прогнозування СЕ ґрунтується на інформації про споживання електроенергії кожною з розглянутих галузей і дозволяє точніше враховувати тенденції зміни їх СЕ. Таким чином, у зв'язку з різними вихідними даними й різними моделями прогнозні значення СЕ, розраховані на основі інтегрального і структурного методів, будуть відрізнятися. З метою підвищення точності й надійності середньострокового прогнозування місячного СЕ запропоновано наступну методику взаємопов'язаного двокрокового прогнозування електроспоживання ОЕС України, в якій використовуються дані СЕ енергооб`єднання, регіональних енергосистем і СЕ окремими групами галузей:

1. Виконується середньостроковий прогноз СЕ на основі структурного методу прогнозування. При цьому використовується середньобагаторічні значення метеорологічних факторів. Отримані прогнозні значення споживаної енергії, , а також розраховані на даних передісторії коефіцієнти зміни (приросту - спаду) СЕ кожної галузі заносяться до бази даних.

...