Размещено на http://www.allbest.ru/

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. АНАЛИТИЧЕСКИЙ ОБЗОР

1.1 Анализ состояния вопроса проектирования

1.2 Анализ методов прогнозирования

2. ПРОЕКТИРОВАНИЕ

2.1 Разработка обобщённой подсистемы прогнозирования

2.2 Обобщённая блок-схема алгоритма программы прогнозирования

2.3 Разработка пользовательского интерфейса

3. РАЗРАБОТКА

3.1 Выбор языка и среды программирования

3.2 Выбор математического обеспечения

3.3 Синтез подсистемы

3.4 Разработка руководства пользователя

3.5 Тестирование и анализ результатов

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ 1. Исходный текст класса Forecast

ПРИЛОЖЕНИЕ 2. Описание работы алгоритма BFGS

ПРИЛОЖЕНИЕ 3. Исходный текст класса UtilsCals

ПРИЛОЖЕНИЕ 4. Структура документов форматов *.fpf и *.tsf на языке XML Schema

ПРИЛОЖЕНИЕ 5. Руководство пользователя



ВВЕДЕНИЕ

В настоящее время практически каждый жилой дом, образовательные и муниципальные учреждения, больницы, офисные здания и прочие строения оборудованы системами теплоснабжения. Тепловая энергия, поступающая через систему теплоснабжения, является важной частью городской инженерной инфраструктуры.

Выработка тепловой энергии, необходимой для систем теплоснабжения, нередко имеет неизменный характер, не зависящий от условий внешней среды. При этом поступающее потребителям тепло в течение периода отопительного сезона не соответствует оптимальному, из-за чего не соблюдается постоянный температурный режим внутри помещений. Кроме того, затраты на выработку и поставку необходимой тепловой энергии определяются исходя из грубых расчётов, из-за чего теплоснабжение является одной из самых затратных статей коммунального бюджета.

Поэтому возникает задача управления энергетическими ресурсами, используемыми теплогенераторными станциями, в соответствии со схемой существующего изменения температуры воздуха окружающей среды.

Проблема управления энергетическими ресурсами возникла достаточно давно. Вопросы данной темы рассматривались специалистами соответствующих областей, разрабатывались новые подходы и пути решения.

Целью данной выпускной квалификационной работы является создание подсистемы прогноза снабжения энергетическими ресурсами теплогенераторных станций.

В дипломном проекте производится анализ методов и средств решения поставленной задачи, анализируются требования к программному продукту, обосновывается выбор инструментальных средств разработки, разрабатываются алгоритмы, пользовательский интерфейс и руководство пользователя, приводится программа тестирования.

1. АНАЛИТИЧЕСКИЙ ОБЗОР

1.1 Анализ состояния вопроса проектирования

При производстве тепловой энергии на теплогенераторных станциях важно учитывать проблему управления энергетическими ресурсами. Это инженерная проблема, решающая обеспечение жизнедеятельности населения, а также улучшающая технико-экономические показатели.

В настоящее время мы имеем целый ряд проблем, связанных с переплатой, недостатком ресурсов и неудовлетворительной системой снабжения необходимым ресурсом. Федеральный закон «Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации» № 261-ФЗ от 23.11.2009 учитывает необходимость экономии ресурсов и средств хозяйствующих субъектов [1]. Таким образом, исследование по разработке управления снабжением энергетическими ресурсами представляется вполне актуальным.

Обобщенная схема теплоснабжения и горячего водоснабжения (ТГВС) представлена на рисунке 1.1. Имеются производитель ресурса, система транспортировки ресурса и потребитель.

Размещено на http://www.allbest.ru/

Рисунок 1.1 - Обобщенная схема ТГВС



Система транспортировки теплоносителя состоит из магистральных трубопроводов и трубопроводов - отводов. ТГВС оплачивается потребителем на основании тарифов.

Как видно из приведённой схемы система ТГВС построена по самому простому принципу. В соответствии с теорией автоматического управления она может быть отнесена к разомкнутым системам управления. Системы такого типа не обеспечивают качественного регулирования и обладают следующими недостатками:

1) неэффективность в использовании ресурсов обеспечения существования системы;

2) низкая точность работы;

3) отсутствие реакции на внешние возмущающие воздействия.

В ряде случаев такие схемы вообще могут быть неработоспособны и не могут быть использованы для управления.

Целью задачи управления теплогенераторной станцией является повышение технико-экономической эффективности предприятия. При использовании четкого тарифа возникает ситуация, когда оплата одинакова независимо от изменения температуры воздуха окружающей среды. Рациональным является полная автоматизация производства теплоснабжения для устранения усреднённого тарифа.

Структурная схема управления объектом в общем виде представлена на рисунке 1.2.

Размещено на http://www.allbest.ru/

Рисунок 1.2 - Структурная схема управления в общем виде

В такой системе:

(1)

где - выходная величина;

- входная величина;

- внешнее воздействие.

Из данной структурной схемы следует, что все объекты управления генерируют и потребляют что-либо.

Структурная схема управления применительно к системе управления снабжением энергетическими ресурсами представлена на рисунке 1.3.

Размещено на http://www.allbest.ru/

Рисунок 1.3 - Структурная схема управления снабжением энергетическими ресурсами

Входными величинами являются:

1) электроэнергия;

2) топливо;

3) теплоноситель.

Выходная величина - генерируемый ресурс, который на выходе генератора и на входе у потребителя различен за счет потерь, возникающих из-за значительной длины тепловых сетей.

Главным недостатком такой системы управления является отсутствие обратной связи, то есть нет зависимости между температурой окружающей среды и количеством вырабатываемого ресурса.

В общем виде, генератор является объектом, производящим ресурсы. Данный объект находится в среде, являющейся потребителем ресурсов, генерируемых объектом. Объект производит ресурсы за счет средств и ресурсов, предоставляемых средой, а также за счет своих внутренних ресурсов.

Можно выделить следующие виды ресурсов:

1) ресурсы воспроизводства - это ресурсы, идущие на поддержание объекта в работоспособном состоянии;

2) ресурсы внутреннего потребления - это все иные ресурсы, генерируемые и используемые внутри объекта, необходимые для его жизни.

Цель объекта - производство ресурсов в соответствии с потреблением среды при ограничении на воспроизводство. Требуется разработать стратегию объекта, содержащую управляющее взаимодействие, которое позволило бы максимально использовать собственные и предоставленные средой ресурсы, а также способности объекта и среды, так, чтобы генерируемые ресурсы максимально удовлетворяли требованиям среды, при этом объект должен иметь возможность выполнять свои функции и эволюционировать. На деятельность объекта также наложены разные параметрические ограничения. Схема снабжения и обмена ресурсами такого объекта представлена на рисунке 1.4.

Размещено на http://www.allbest.ru/

Рисунок 1.4 - Схема снабжения и обмена ресурсами



Для решения поставленной задачи требуется формализовать схему снабжения и обмена ресурсами, которая позволила бы выделить следующие ключевые характеристики:

1) финансовые потоки;

2) технологические потоки;

3) организационные связи;

4) структурную подчиненность.

Среда с потреблением ресурсов осуществляет возврат ресурсов в систему для восстановления плана. В общем случае возврат происходит со скоростью потребления плана. Требования к ресурсу, передаваемому от среды, с позиции среды: затраты должны быть минимальными, а качество ресурса должно удовлетворять объект.

Объект потребляет ресурсы и для поддержания своей деятельности. Поэтому возвращаемый средой ресурс должен превышать затраты объекта на воспроизводство ресурсного плана, причем превышение должно обеспечить затраты системы на функционирование и развитие, иначе объект погибает.

Исходя из этого получаем, схему управления с обратной связью, представленную на рисунке 1.5.



Рисунок 1.5 - Схема управления снабжением энергетическими ресурсами с обратной связью

Ресурсы генерируемый и потребляемый разные, так как существует временная задержка поступления тепла из-за длины трубопровода, его качества.

В такой системе будет осуществляться передача необходимого количества ресурсов потребителю. Данные генератор может получить от распределителя и сформировать план по производству требуемого ресурса.

От потребителей осуществляется возврат ресурсов для восстановления плана генерации.

С целью поддержания непрерывности генерации и поглощения ресурсов средой в системе должен находиться некоторый резерв, который используется для поддержания плана на время генерации ресурсов, при этом возникает задача нахождения уровня накопления, при котором затраты системы на формирование плана минимизируются. Затраты на хранение резерва минимизируются при ограничении на мощность потребляемого ресурса и мощности генератора.

Для решения этой проблемы выберем метод, состоящий из следующих шагов:

1) накопление данных об изменении температуры воздуха окружающей среды, влияющей на потребление средой ресурсов, за некоторый квант времени;

2) ввод в систему накопленных данных;

3) ввод в систему данных о параметрах системы;

4) сглаживание полученного ряда наблюдений;

5) формирование нового ряда;

6) аппроксимация нового ряда;

7) прогнозирование и экстраполяция;

8) построение модели снабжения энергетическими ресурсами.

1.2 Анализ методов прогнозирования

Из анализа состояния вопроса проектирования можно сделать вывод, что необходимо вводить регулирование энергетического потока в зависимости от температуры окружающей среды. Для этого необходимо решить задачу прогнозирования.

В настоящее время существует около 220 методов прогнозирования, но чаще всего на практике используются не более 10, среди них: фактографические, экспертные, публикационные, матричные, моделирование, построение графов и т.д. [2]

Наиболее распространенными методами (свыше 90% всех сделанных в мире прогнозов) являются экспертиза и фактографические методы.

Экспертиза - итоговое суждение эксперта (или группы экспертов) о динамике показателей анализируемого объекта или об альтернативных вариантах их возможного развития в будущем, которое:

1) объективно;

2) научно обосновано;

3) вероятностно по природе;

4) корректируемо в рамках прогнозного периода по мере поступления новой информации;

5) верифицируемо после завершения прогнозного периода;

6) должно быть четким, ясным, не допускать неожиданных толкований, строго соответствовать заданию на прогноз, быть доказательным и воспроизводимым.

Метод экспертизы используется при неопределенности. Эксперт - носитель специальных знаний и/или практического опыта, а также представитель групп интересов или организаций, который:

1) имеет или дает объективные и полные сведения об особенностях и свойствах внешнего объекта и/или рекомендации относительно предпочтительных вариантов управленческих решений, касающихся этого объекта;

2) обладает совокупностью сбалансированных прав и обязанностей, а также несет ответственность за свое экспертное заключение;

3) включен в процесс принятия решений и участвует в научном обосновании этих решений;

4) независимо от внешних влияний и собственной выгоды высказывает суждения по поставленным перед ним вопросам из области его специальных знаний и/или практического опыта.

Для работы необходимо не менее двух прямо или косвенно взаимодействующих экспертов.

Среди используемых в экспертизе методов присутствуют такие как: экспертные методы, анкетирование, интервьюирование, метод мозговой атаки (штурма), метод контрольных вопросов, метод лицом к лицу, метод ситуационного анализа, метод суда, метод «комиссий» («круглого стола»).

Основные цели экспертизы:

1) повышение обоснованности принимаемых решений на основе заключений экспертов;

2) контроль соблюдения соответствия и/или установления соответствия между характеристиками объекта экспертизы и требованиями, предусмотренными нормативными, нормативно-правовыми и законодательными документами различных уровней.

Экспертные методы прогнозирования наиболее востребованы, они хорошо работают на большие периоды и являются основными для долгосрочного прогноза. Для краткосрочного прогноза экспертные прогнозы не подходят (особенно в экономике).

Фактографические методы основаны на экстраполяции в будущее тенденций, закономерности развития которых в прошлом и настоящем хорошо известны. К ним относятся: экстраполяция, трендовая модель, тренд-анализ, интерполяция, моделирование, математическое моделирование, сценарии, эксперименты, имитации, графы, матрицы, графические изображения и др.

Модель - это объект (например: явление, процесс, система, установка и др.), находящийся в отношении подобия к моделируемому объекту. Под подобием понимается взаимно однозначное соответствие между двумя объектами. [3]

Модель обеспечивает изучение только некоторых свойств моделируемого объекта. Она способна замещать моделируемый объект таким образом, что изучение поведения модели в новых условиях даёт новую информацию о нём.

Моделирование - процесс получения информации о моделируемом объекте путём проведения экспериментов с его моделью в заданных внешних условиях.

Разнообразие моделей и форм моделирования отражает их классификация, при которой методы моделирования подразделяются на группы:

1) натурное моделирование - эксперимент на самом исследуемом объекте, который при специально подобранных условиях опыта служит моделью самого себя;

2) физическое моделирование - эксперимент на специальных установках, сохраняющих природу явлений, но воспроизводящих их в количественно изменяемом масштабированном виде;

3) математическое моделирование - использование моделей, по физической природе отличающихся от моделируемых объектов, но имеющих сходное математическое описание.

Эксперимент - свершившееся нововведение, которое условно рассматривается «задним числом» как проведенный эксперимент.

Сценарии дают возможность четко формулировать и сопоставлять между собой различные вероятные или желательные перспективы развития.

Оценивая выше названные методы прогнозирования можно выделить следующее:

1) экспертные методы прогнозирования наиболее точны при долгосрочном прогнозировании, а фактографические - при краткосрочном;

2) экспертные методы требуют привлечения двух и более экспертов;

3) точность прогнозов, построенных фактографическими методами, зависят от количества исходных данных для оценки;

4) при наличии необходимого количества исходных данных фактографические методы требуют меньшее количество времени и денежных ресурсов, чем экспертные методы.



2. ПРОЕКТИРОВАНИЕ

2.1 Разработка обобщённой подсистемы прогнозирования

Согласно аналитическому обзору, для решения задачи прогнозирования температуры окружающей среды в рамках управления производством тепловой энергии на теплогенераторных станциях наиболее востребованными методами прогнозирования являются фактографические методы.

Точность прогнозирования при этом должна обеспечиваться за счет предоставления подсистеме прогнозирования исходных данных о температуре окружающей среды за прошедшие периоды времени.

Таким образом, работа подсистемы прогнозирования представляет собой следующие действия:

1) получение накопленного массива данных о температуре окружающей среды за некоторый квант времени;

2) сглаживание полученного временного ряда наблюдений;

3) аппроксимация и формирование нового ряда;

4) прогнозирование и экстраполяция.

Временным рядом называется последовательность значений, изменяемых во времени. Временной ряд позволяет наблюдать всю историю изменения величины и даёт возможность судить о её «типичном» поведении, а также об отклонениях от такого поведения.

В отличие от анализа случайных выборок, анализ временных рядов основывается на предположении, что последовательные значения в массиве данных наблюдаются через равные промежутки времени.

Большинство регулярных составляющих временных рядов являются либо трендом, либо сезонной составляющей. Тренд - общая систематическая линейная или нелинейная компонента, которая может изменяться во времени. Сезонная составляющая - это периодически повторяющаяся компонента. [4]

Описание модели временного ряда температуры воздуха окружающей среды состоит в следующем:

1) длительность наблюдения данных - от одного года;

2) промежутки наблюдения данных - 1 сутки или 1 месяц;

3) присутствует сезонная составляющая: повышение температуры в летние периоды времени и понижение температуры в зимние периоды.

Одними из самых популярных методов для оценки параметров временного ряда и прогнозирования его данных являются:

1) метод авторегрессии проинтегрированного скользящего среднего (АРПСС). Данный метод имеет высокую мощность и гибкость, однако, благодаря этому, АРПСС - сложный метод, его не так просто использовать, и требуется большая практика, чтобы овладеть им;

2) экспоненциальное сглаживание. Является очень популярным методом прогнозирования. Существует несколько вариантов такого метода:

a) простое экспоненциальное сглаживание не учитывает тренд и сезонную составляющую;

b) методы, учитывающие аддитивные и мультипликативные тренд и сезонность - модель Хольта, модель Хольта-Уинтерса и модель Тейла-Вейджа;

3) сезонная декомпозиция (метод Census I). Тренд и циклическая компонента объединяются в одну тренд-циклическую компоненту;

4) сезонная корректировка X-11 (метод Census II). Метод учитывает корректировки временного ряда, такие как: поправка на число рабочих дней, резко выделяющиеся наблюдения (выбросы) и другие;

5) анализ распределенных лагов - это специальный метод оценки запаздывающей зависимости между рядами;

6) одномерный анализ Фурье. Позволяет разложить временной ряд с циклическими компонентами на несколько основных синусоидальных функций с определенной длиной волн;

7) кросс-спектральный анализ. Развивает одномерный анализ Фурье и позволяет анализировать одновременно два ряда.

Для решения задачи прогнозирования воспользуемся методом экспоненциального сглаживания.

Простое экспоненциальное сглаживание временного ряда осуществляется по формуле:

, (2.1)

где - прогнозируемое значение для периода t текущего цикла;

- значение временного ряда для периода t текущего цикла;

- коэффициент сглаживания, .

Простое экспоненциальное сглаживание не учитывает тренд и сезонную составляющую, поэтому его применение для поставленной задачи прогнозирования обосновано только при описании временным рядом менее двух сезонов.

Для прогнозирования значений временного ряда при описании им двух и более сезонов используем экспоненциальное сглаживание по модели Хольта-Уинтерса.

Модель Хольта-Уинтерса расширяет прогностическую модель экспоненциального сглаживания и учитывает тренд и сезонность временного ряда. [5]

Существует две вариации модели Хольта-Уинтерса в зависимости от природы сезонной составляющей: аддитивный и мультипликативный методы.

Использование аддитивного метода предпочтительно, когда сезонная составляющая временного ряда примерно постоянна для каждого цикла. Мультипликативный же метод предпочтителен, когда сезонная составляющая изменяется пропорционально значениям временного ряда в каждом цикле.

Согласно определенной модели временного ряда поставленной задачи прогнозирования ясно, что необходимо использование аддитивного варианта модели Хольта-Уинтерса. Прогнозируемые значения временного ряда y с количеством измерений в одном цикле m для горизонта прогнозирования h рассчитываются по формулам:

, (2.2)

, (2.3)

, (2.4)

, (2.5)

где - прогнозируемое значение для периода времени, отстающего на d шагов от последнего значения временного ряда;

- параметр прогноза, очищенный от влияния тренда и сезонности;

- параметр тренда периода t;

- параметр сезонности периода t;

- значение временного ряда для периода t;

- коэффициенты сглаживания, .

Для использования формул (2.3), (2.4) и (2.5) необходима установка начальных значений по следующим формулам:

, (2.6)

, (2.7)

при , (2.8)

Использование метода экспоненциального сглаживания ставит перед нами новую проблему: результаты прогнозирования зависят от выбора коэффициентов сглаживания ( для простого экспоненциального сглаживания и для экспоненциального сглаживания по модели Хольта-Уинтерса).

Коэффициенты сглаживания невозможно выбрать на основе одних лишь исходных данных временного ряда. Поэтому для оценки качества прогнозов применяют специальные статистические методы. [6]

К простейшим статистикам качества прогнозов относятся:

1) средняя абсолютная процентная ошибка (Mean Absolute Percentage Error - MAPE);

2) средняя абсолютная ошибка (Mean Absolute Error - MAE);

3) корень квадратный из средней квадратичной ошибки прогнозирования (Root Mean Squared Error - RMSE).

Средняя абсолютная процентная ошибка прогнозирования является абсолютной мерой качества прогнозов в том смысле, что позволяет оценить его независимо от других прогнозов: достаточно выбрать некий уровень средней ошибки (например, 5%) и сравнивать рассчитанное по статистике значение с этим тестовым уровнем. Если расчетное значение меньше тестового, то прогноз считается хорошим, если больше - плохим.

Две другие меры качества прогнозов (MAE и RMSE) являются относительными, то есть могут быть использованы для сравнения двух (или более) различных прогнозов одного и того же показателя между собой: лучшим считается тот прогноз, у которого значение МАЕ или RMSE меньше. При этом, очевидно, этот лучший прогноз может быть хорошим или плохим с точки зрения МАРЕ.

Главными достоинствами этих трёх статистик качества является простота их расчета и независимость от свойств ошибок прогнозирования, главным недостатком - то, что они не позволяют получить ответ на вопрос о том, являются ли два прогноза показателя разными со статистической точки зрения.

Кроме того, обычно все эти статистики не противоречат друг другу, то есть при их использовании лучшим будет выбран один и тот же прогноз, однако, наиболее часто для сравнения прогнозов используется RMSE.

Приведенные выше статистики качества рассчитываются по следующим формулам:

, (2.9)

, (2.10)

, (2.11)

где N - количество измерений;

- значение временного ряда для периода t;

- прогнозируемое значение для периода t.

Воспользуемся статистикой качества RMSE для оценки прогноза и выбора оптимальных параметров сглаживания. Для этого в системе необходимо разработать функционал расчета RMSE с помощью перебора по сетке.

Метод перебора по сетке являясь наиболее простым и универсальным, одновременно является и самым трудоёмким методом решения задач нелинейного программирования.

Метод перебора по сетке заключается в следующем: возможные значения параметра разбиваются сеткой с определенным шагом (например, для простого экспоненциального сглаживания возможная рассматриваемая сетка значений для коэффициента сглаживания : от до с шагом 0.1), после чего находятся значения целевой функции с использованием каждого из возможных значений в сетке и среди них выбирается наилучшее значение.

Практически метод перебора по сетке применим только при числе переменных целевой функции не больше 4, так как трудоёмкость быстро возрастает с ростом размерности задачи. Поэтому для экспоненциального сглаживания по модели Хольта-Уинтерса возможно необходимо предусмотреть дополнительное упрощение поиска оптимальных параметров сглаживания.

2.2 Обобщённая блок-схема алгоритма программы прогнозирования

Разрабатываемая программа должна на основе составления прогноза температуры окружающей среды рассчитывать затраты энергетических ресурсов при производстве тепловой энергии теплогенераторными станциями.

Составление прогноза температуры окружающей среды осуществляется на основе введенных в программу значений температуры за прошедшие периоды времени с помощью выбранных в предыдущем пункте методов прогнозирования.

Производство тепловой энергии теплогенераторной станцией включает в себя затраты следующих ресурсов:

1) электроэнергия;

2) топливо;

3) теплоноситель.

Для корректного расчета потребляемых ресурсов системой необходим ввод параметров системы в программу. Параметрами, оказывающими влияние на объемы потребляемых системой ресурсов, являются:

1) необходимое количество вырабатываемой теплогенераторной станцией энергии для компенсации теплопотерь потребителей в зависимости от температуры воздуха окружающей среды;

2) потери теплоты в системе при поставке тепловой энергии от генератора к потребителям;

3) потребление электроэнергии системой для генерирования и поставки тепловой энергии;

4) параметры используемого в системе теплоносителя:

a) вид теплоносителя;

b) стоимость за единицу измерения;

c) температура при поступлении в систему;

d) рабочая температура, которую необходимо поддерживать в системе для передачи тепловой энергии потребителям;

e) удельная теплоёмкость при рабочей температуре;

f) плотность при рабочей температуре.

5) параметры используемого для нагрева теплоносителя топлива:

a) стоимость за единицу измерения;

b) удельная теплота сгорания.

Работа программы прогнозирования заключается в анализе исходных данных о температуре воздуха окружающей среды и параметрах системы, составление прогноза расхода ресурсов системой и предоставление этой информации в удобном виде пользователю.

Таким образом, работа программы состоит из следующих шагов:

1) получение накопленных за некоторый квант времени данных о температуре воздуха окружающей среды;

2) составление прогноза температуры воздуха окружающей среды на будущие периоды времени;

3) получение данных о системе;

4) составление прогноза потребления ресурсов системой;

5) построение и сохранение отчета.

Блок-схема алгоритма программы прогнозирования представлена в Приложении 1.



2.3 Разработка пользовательского интерфейса

Разрабатываемый продукт должен функционировать в операционной системе Windows и предоставлять пользователю простой и удобный интерфейс для решения задачи прогнозирования потребляемых теплогенераторной системой энергетических ресурсов.

Дизайн пользовательского интерфейса оказывает влияние на три основные показателя качества программного продукта:

1) функциональность;

2) эстетику;

3) производительность.

Безусловно, функциональность является определяющим фактором, на который необходимо обращать основное внимание. При разработке пользовательского интерфейса необходимо учитывать потребности пользователей в функционале программы, обращать внимание на доступность этого функционала, то есть необходимо рациональное использование площади интерфейса программы. Расположение элементов управления программой должно учитывать те места, где они наиболее значимы, например, если для редактирования какого-либо параметра системы необходимо переходить по нескольким пунктам меню или диалоговым окнам, тратится большое количество времени на его изменение и ухудшается мнение пользователя о программе.

Кроме функциональности на формирование у пользователя мнения о программе во многом влияет эстетичный внешний вид приложения. Правильный выбор цветовой гаммы программы, передача с помощью элементов интерфейса из назначения и смысла представляемых операций, ощущения пользователя при использовании тех или иных элементов управления и достижение пользователем поставленных целей при их использовании позволяет сформировать у потребителя положительное мнение о программе.

Производительность программы также может значительно пострадать при плохом проектировании пользовательского интерфейса. Приложение может хорошо выглядеть, иметь понятное и удобное управление, но, медленная работа программы, регулярные паузы выполнения на длительное время, отсутствие обратной связи с пользователем при выполнении ресурсозатратных операций, а также появления критических ошибок при некорректных действиях пользователя, быстро заставят пользователя отказаться от использования такой программы. В свою очередь, быстрая и стабильная работа приложения могут отчасти компенсировать его не самый стильный дизайн или отсутствие каких-то вторичных функций.

Для разработки прототипа пользовательского интерфейса главного окна прогнозирования затрат ресурсов воспользуемся программой DesignerVista. Прототип интерфейса главного окна представлен на рисунке 2.1.

Рисунок 2.1 - Прототип пользовательского интерфейса главного окна программы

На основе сведений о статистике температуры воздуха окружающей среды, расположенных в левой части окна, с помощью методов прогнозирования, выбранных в разделе 2.1, строится график прогноза температуры воздуха окружающей среды на будущий интервал времени. Пример такого графика приведен на рисунке 2.2.

С помощью перемещаемого по графику указателя возможен выбор недели, для которой необходимо производить расчет затрат энергетических ресурсов для производства необходимого количества тепловой энергии.

Рисунок 2.2 - Пример графика прогноза температуры воздуха окружающей среды на будущий интервал времени

Необходимое для производства количество тепловой энергии зависит от прогнозируемой температуры воздуха в выбранную неделю. Для расчета необходим ввод информации о зависимости количества производимой энергии от температуры воздуха окружающей среды. Эти данные вводятся в форму, расположенную в правой верхней части окна и представленную на рисунке 2.3.

Рисунок 2.3 - Форма для заполнения зависимости количества производимой энергии от температуры воздуха окружающей среды

В правой нижней части окна располагаются элементы редактирования информации о параметрах теплогенераторной системы и элементы вывода расчетных данных о затратах системой энергетических ресурсов для выбранной на графике недели на основе параметров системы и зависимости генерируемого количества тепла от температуры воздуха окружающей среды.

Формы редактирования параметров системы теплоснабжения и вывода расчетных данных представлены на рисунках 2.4 и 2.5 соответственно.

Рисунок 2.4 - Форма для редактирования информации о параметрах теплогенераторной системы

Рисунок 2.5 - Форма вывода расчетных данных о затратах системой энергетических ресурсов

Пользовательский интерфейс главного окна программы прогнозирования затрат энергетических ресурсов теплогенераторной системой, разработанный с помощью средств Qt Creator и Qt Designer представлен на рисунке 2.6.



Рисунок 2.6 - Пользовательский интерфейс главного окна программы

Для удобства использования программы и возможности расчета затрат энергетических ресурсов теплогенераторной системой без составления прогноза добавим стартовое окно программы, появляющееся при запуске программы. Стартовое окно программы представлено на рисунке 2.7.

Рисунок 2.7 - Стартовое окно программы

Элементы управления стартового окна позволяют запустить главное окно программы для составления нового прогноза, запустить главное окно для просмотра или редактирования ранее сохраненного проекта расчета прогноза затрат ресурсов, либо открыть окно быстрого расчета, позволяющего производить расчет затрат энергетических ресурсов теплогенераторной системой без составления прогноза изменения температуры воздуха окружающей среды.

Пользовательский интерфейс окна быстрого расчета представлено на рисунке 2.8.

Рисунок 2.8 - Пользовательский интерфейс окна быстрого расчета



3. РАЗРАБОТКА

3.1 Выбор языка и среды программирования

Язык программирования - это формальный язык, предназначенный для записи компьютерных программ. С момента появления первых программируемых машин было создано более восьми тысяч языков программирования, и с каждым годом их число стремительно увеличивается. Большинство этих языков не имеют широкого распространения и созданы для решения узкоспециализированных задач, либо в учебных целях.

При выборе языка программирования необходимо оценивать многие факторы, среди которых:

1) целевая платформа разрабатываемого продукта;

2) гибкость языка программирования, то есть возможность расширения функциональных возможностей языка;

3) время исполнения проекта, то есть время для создания версии программы, отвечающей всем функциональным требованиям к ней и готовой для работы в производственных условиях;

4) производительность, то есть скорость работы программы, написанной на данном языке программирования, в данной рабочей среде;

5) сообщество, то есть заинтересованность людей в данном языке программирования, его поддержка, обсуждения, помощь как начинающим изучение этого языка, так и его разработчикам.

Последний фактор особенно актуален в настоящее время в связи с развитием информационных сетей и сети Интернет. Поэтому одним из лучших способов оценки популярности языков программирования является индекс TIOBE, который использует для оценки результаты поисковых запросов в крупнейших поисковых системах сети Интернет, таких как: Google, YouTube, Baidu, Wikipedia, Yahoo и другие.

Подсистема прогноза разрабатывается для работы в операционных системах (ОС) семейства Windows и должна обеспечивать поддержку версий: Windows XP, Windows 7, Windows 8 и Windows 10. На рисунке 3.1 представлен индекс TIOBE шести самых распространенных языков программирования для разработки под систему Windows в период с 2002 по 2016 год. [7]

Рисунок 3.1 - Индекс TIOBE с 2002 по 2016 год

Для разработки выберем язык C++. Несмотря на то, что он занимает лишь третью позицию в индексе TIOBE, он обладает рядом преимуществ перед другими языками:

1) для работы программ, написанных на языке C++, в общем случае не требуется установка дополнительного программного обеспечения (ПО), в отличие, например, от языков Java и Python;

2) язык имеет более чем 30-летнюю историю и область его применения включает как создание простых и развлекательных приложений, так и разработку операционных систем, драйверов устройств и высокопроизводительных серверов;

3) язык C++ базируется на языке C и расширяет его возможности, а также удобство работы с ним;

4) существует множество реализаций языка C++, как бесплатных, так и коммерческих и для различных платформ;

5) язык C++ стремительно развивается и каждые три года появляется новый стандарт языка, следующая версия которого должна выйти в 2017 году.

Язык программирования сам по себе лишь задает строгие правила его использования для написания программ. Сам процесс разработки обычно ведется в так называемой интегрированной среде разработки (ИСР) - это комплекс программных средств, используемый для разработки ПО, и включающий в себя:

1) текстовый редактор;

2) компилятор и/или интерпретатор языка;

3) средства автоматизации сборки;

4) отладчик.

Существует множество ИСР, поддерживающих разработку на языке C++. Самыми известными и широко применяемыми являются: NetBeans, Eclipse, Code::Blocks, Qt Creator и Microsoft Visual Studio.

Все они имеют ряд преимуществ и недостатков и их сложно сравнивать между собой, так как каждая из них выделяется на общем фоне уникальными возможностями, недоступными в других ИСР, как например:

1) NetBeans и Eclipse имеют поддержку плагинов и модулей, позволяющих разработчикам самим расширять возможности среды;

2) Code::Blocks имеет поддержку множества компиляторов;

3) Qt Creator разработана для работы с мощным фреймворком Qt;

4) Microsoft Visual Studio позволяет разрабатывать приложения с поддержкой технологии Windows Forms, а также веб-сайты, веб-приложения и веб-службы. Кроме того, этой ИСР поддерживаются платформы Windows, Windows Mobile, .Net Framework, Xbox, Silverlight и другие.

Во многом выбор ИСР основывается на личном опыте разработчика, его оценке эффективности и удобства работы с той или иной ИСР, а также поставленной перед ним задачей.

В качестве среды разработки выберем Qt Creator. Основной задачей этой ИСР является упрощение разработки приложений с помощью фреймворка Qt.

Возможности фреймворка Qt позволяют запускать ПО в различных операционных системах путём компиляции программы для каждой ОС без изменения исходного кода. Qt включает в себя средства для разработки графического интерфейса, а также работы с сетью, базами данных и XML.

Qt комплектуется визуальной средой разработки графического интерфейса «Qt Designer», позволяющей разрабатывать графический интерфейс программы, а также утилитой «Qt Linguist», позволяющей упростить локализацию программы на другие языки, и «Qt Assistant», позволяющей создавать кроссплатформенную справочную систему для разрабатываемого ПО.

В настоящее время Qt распространяется по трём лицензиям:

1) Qt Commercial - для разработки ПО с собственной лицензией, допускающая модификацию самой Qt без раскрытия изменений;

2) GNU GPL - для разработки ПО с открытым исходным кодом, распространяемого на условиях GNU GPL и разрешающего модификацию Qt;

3) GNU LGPL - для разработки ПО с возможностью коммерческого распространения без раскрытия исходного кода при условии неизменности Qt и динамической сборкой библиотек.

Таким образом, для разработки подсистемы была выбрана среда разработки Qt Creator и фреймворк Qt на языке программирования C++.

3.2 Выбор математического обеспечения

Согласно задачам, поставленным перед подсистемой прогнозирования в предыдущей главе, в разрабатываемой программе необходимо реализовать следующие математические операции:

1) простое экспоненциальное сглаживание временного ряда;

2) экспоненциальное сглаживание временного ряда по модели Хольта-Уинтерса;

3) упрощение поиска оптимальных параметров сглаживания;

4) отображение в виде графика прогнозируемых значений временного ряда.

Для расчёта прогноза изменения температуры воздуха окружающей среды реализуем класс Forecast. Исходный текст класса Forecast представлен в Приложении 2.

На входе данный класс получает временной ряд - массив данных об изменении температуры воздуха окружающей среды и параметр, определяющий тип сглаживания временного ряда. После составления прогноза класс предоставляет доступ к массиву прогнозируемых данных, параметрам в случае экспоненциального сглаживания по модели Хольта-Уинтерса или параметру в случае простого экспоненциального сглаживания, а также рассчитанной статистике качества прогноза RMSE.

Для расчёта прогноза изменения температуры воздуха окружающей среды методами простого экспоненциального сглаживания и экспоненциального сглаживания по модели Хольта-Уинтерса класс Forecast использует формулы (2.1) и (2.2) - (2.8) соответственно. Расчёт статистики качества прогноза RMSE производится по формулам (2.9) - (2.10).

Применение метода перебора по сетке для поиска оптимальных параметров для экспоненциального сглаживания по модели Хольта-Уинтерса приводит к большим затратам ресурсов компьютера, значительно увеличивая время составления прогноза, что является неприемлемым для разрабатываемой программы.

Следовательно, как было сказано в разработке обобщённой подсистемы прогнозирования, для упрощения и экономии времени поиска оптимальных параметров сглаживания при экспоненциальном сглаживании по модели Хольта-Уинтерса необходимо реализовать дополнительный функционал.

Для решения задачи оптимизации, то есть задачи нахождения экстремума (минимума или максимума) целевой функции, существует большое количество методов, среди которых: перебор по сетке, метод золотого сечения, метод Гаусса, метод Ньютона и др.

Для оптимизации поиска параметров необходим метод нахождения минимума нелинейного функционала. Таковым, и одним из наиболее широко применяемых, является алгоритм Бройдена - Флетчера - Гольдфарба - Шанно (Broyden - Fletcher - Goldfarb - Shanno algorithm - BFGS). [8]

Модификация алгоритма BFGS с ограниченным использованием памяти (Limited-memory BFGS - L-BFGS) сокращает использование памяти с до и предназначена для решения нелинейных задач с большим количеством неизвестных. Существует также модификация с ограниченным использованием памяти в многомерном кубе (L-BFGS-B), позволяющая ограничивать минимальные и максимальные значения неизвестных параметров функционала. Подробное описание работы алгоритма BFGS представлено в Приложении 3.

Использование алгоритма L-BFGS-B в программе обеспечим подключением библиотеки CppNumericalSolvers, написанной на языке C++ с использованием библиотеки Eigen - мощным инструментом для работы с задачами линейной алгебры. Библиотека CppNumericalSolvers позволяет применять следующие методы оптимизации: градиентный спуск, метод сопряжённых градиентов, метод Ньютона, алгоритмы BFGS, L-BFGS и L-BFGS-B, алгоритм CMA-ES и метод Нелдера - Мида.

Графическое отображение прогнозируемых значений временного ряда обеспечивает библиотека QCustomPlot. Данная библиотека написана на языке C++ для использования фреймворком Qt виджета, способного отображать различные виды графиков: линейные, столбчатые, круговые и др.

3.3 Синтез подсистемы

Для расчёта прогноза затрат энергетических ресурсов при производстве тепловой энергии на теплогенераторной станции необходим ввод в программу исходных данных о системе и используемых ресурсах. К этим данным относятся:

1) количество тепла необходимого для компенсации теплопотерь потребителей;

2) коэффициент потерь теплоты в системе;

3) суммарная мощность насосов, установленных в системе и осуществляющих движение теплоносителя по системе трубопровода;

4) цена электроэнергии;

5) параметр, определяющий осуществляется ли нагрев теплоносителя от электросети или с использованием топливного ресурса;

6) параметры теплоносителя:

a) температура при поступлении в систему;

b) рабочая температура, то есть температура теплоносителя в системе на выходе из генератора;

c) удельная теплоёмкость при рабочей температуре;

d) плотность при рабочей температуре;

7) параметры топливного ресурса:

a) цена за единицу измерения;

b) удельная теплота сгорания.

На основе исходных данных о системе производится расчёт следующих величин:

1) расход тепловой энергии для нагрева теплоносителя;

2) расход теплоносителя в системе;

3) расход электроэнергии, потребляемой системой;

4) затраты на потребляемую электроэнергию;

5) расход топливного ресурса для нагрева теплоносителя;

6) затраты на покупку топливного ресурса.

Расчёт данных величин производится по следующим формулам:

(3.1)

где - расход тепловой энергии для нагрева теплоносителя, МДж/м³;

- удельная теплоёмкость теплоносителя при рабочей температуре, Дж/(кг°C);

- плотность теплоносителя при рабочей температуре, кг/м³;

- рабочая температура теплоносителя, °C;

- температура теплоносителя при поступлении в систему, °C;

- коэффициент потерь теплоты в системе, .

(3.2)

где - расход теплоносителя в системе, м³/ч;

- количество тепла необходимого для компенсации теплопотерь потребителей, Вт;

- коэффициент потерь теплоты в системе, ;

- удельная теплоёмкость теплоносителя при рабочей температуре, Дж/(кг°C);

- рабочая температура теплоносителя, °C;

- температура теплоносителя при поступлении в систему, °C.

(3.3)

где - расход электроэнергии, потребляемой системой,

- суммарная мощность насосов, установленных в системе, Вт.

Если нагрев теплоносителя должен осуществляться от электросети, то формула (3.3) примет следующий вид:

(3.4)

где - расход электроэнергии, потребляемой системой,

- суммарная мощность насосов, установленных в системе, Вт;

- расход теплоносителя в системе, м³/ч;

- расход тепловой энергии для нагрева теплоносителя, МДж/м³.

(3.5)

где - затраты на потребляемую электроэнергию, руб. в сутки;

- расход электроэнергии, потребляемой системой,

- цена электроэнергии,

(3.6)

где - расход топливного ресурса для нагрева теплоносителя, кг/ч;

- расход тепловой энергии для нагрева теплоносителя, МДж/м³;

- расход теплоносителя в системе, м³/ч;

- удельная теплота сгорания топливного ресурса, МДж/кг.

Если используемый вид ресурса имеет единицы измерения м³, то формула (3.6) примет следующий вид:

(3.7)

где - расход топливного ресурса для нагрева теплоносителя, м³/ч;

- расход тепловой энергии для нагрева теплоносителя, МДж/м³;

- расход теплоносителя в системе, м³/ч;

- удельная теплота сгорания топливного ресурса, МДж/кг;

- плотность топливного ресурса, кг/м³.

(3.8)

где - затраты на покупку топливного ресурса, руб. в сутки;

- расход топливного ресурса для нагрева теплоносителя, кг/ч или м³/ч;

- цена топливного ресурса, руб. за кг или руб. за м³.

Для реализации быстрого доступа к формулам (3.1) - (3.8) в программе разработан класс UtilsCalc. Также, данный класс содержит базу данных параметров девяти видов топливного ресурса и одного вида теплоносителя - воды.

Параметры топливных ресурсов базы данных программы представлены в таблице 3.1. Для воды в базу данных занесены значения удельной теплоёмкости и плотности при различных значениях температуры, которые представлены в таблицах 3.2 и 3.3 соответственно.

Таблица 3.1 - Параметры топливных ресурсов базы данных программы

Вид топливного ресурса	Удельная теплота сгорания, МДж/кг	Плотность топлива, кг/м3	Цена
газ природный	50,00	0,7168	4,86 руб. за м3
уголь бурый	25,00	--	4,70 руб. за кг
уголь древесный	33,89	--	16,00 руб. за кг
антрацит (уголь каменный)	34,80	--	10,00 руб. за кг
древесина дубовая	19,87	710,00	1000,00 руб. за м3
древесина еловая	20,30	432,00	800,00 руб. за м3
древесина сосновая	20,85	510,00	900,00 руб. за м3
дизельное топливо	41,87	850,00	32250,00 руб. за м3
мазут	41,84	995,00	12,00 руб. за кг

Таблица 3.2 - Значения удельной теплоёмкости воды базы данных программы

Температура, °C	1	10	15	20	25
Удельная теплоёмкость, Дж/(кг°C)	4217	4191	4187	4183	4179
Температура, °C	30	35	40	45	50
Удельная теплоёмкость, Дж/(кг°C)	4174	4174	4174	4177	4181
Температура, °C	55	60	65	70	75
Удельная теплоёмкость, Дж/(кг°C)	4182	4182	4185	4187	4191
Температура, °C	80	85	90	95	100
Удельная теплоёмкость, Дж/(кг°C)	4195	4202	4208	4214	4220

Таблица 3.3 - Значения плотности воды базы данных программы

Температура, °C	0	2	4	6	8	10	12	14	16	18
Плотность, кг/м3	999,8	999,9	1000,0	999,9	999,9	999,7	999,5	999,2	999,0	998,6
Температура, °C	20	22	24	26	28	30	32	34	36	38
Плотность, кг/м3	998,2	997,8	997,3	996,8	996,2	995,7	995,0	994,4	993,7	993,0
Температура, °C	40	42	44	46	48	50	52	54	56	58
Плотность, кг/м3	992,2	991,4	990,6	989,8	988,9	988,0	987,1	986,2	985,2	984,2
Температура, °C	60	62	64	66	68	70	72	74	76	78
Плотность, кг/м3	983,2	982,1	981,1	980,0	978,9	977,8	976,6	975,4	974,2	973,0
Температура, °C	80	82	84	86	88	90	92	94	96	98
Плотность, кг/м3	971,8	970,5	969,3	967,8	966,6	965,3	963,9	962,6	961,2	959,8
Температура, °C	100
Плотность, кг/м3	958,4

прогнозирование энергетический теплогенераторный станция

Исходный текст класса UtilsCalc представлен в Приложении 4.

Для удобства работы с программой предусмотрим поддержку сохранения и открытия файлов с информацией о работе в программе.

Результаты работы программы могут быть сохранены в форматах *.fpf и *.tsf, а также в виде отчета в формате *.xlsx.

Формат *.fpf (ForecastProjectFile - файл проекта прогноза) содержит всю информацию о составленном в программе прогнозе затрат энергетических ресурсов. В нём хранится информация о статистических данных изменения температуры воздуха окружающей среды, параметры системы теплоснабжения, параметры теплоносителя и список выбранных для сравнения топливных ресурсов с их параметрами. Файл, сохранённый в формате *.fpf позволяет быстро возобновить работу с ранее составленным прогнозом затрат ресурсов.

Формат *.tsf (TemperatureStatisticsFile - файл статистики температуры) содержит только информацию о статистических данных изменения температуры воздуха окружающей среды. Файл, сохранённый в формате *.tsf позволяет загрузить данные об изменении температуры для создания нового проекта.

Содержимое файлов форматов *.fpf и *.tsf записано при помощи языка разметки XML (eXtensible Markup Language - расширяемый язык разметки). Язык XML имеет простой формальный синтаксис, удобный для создания и обработки документов программами. Кроме того, язык XML не фиксирует разметку документа, позволяя разработчику модифицировать её в соответствии с потребностями конкретной области, ограничивая лишь синтаксические правила составления документа.

Такое строение языка позволяет проверять соответствие структуры документа заранее составленному описанию, например, на языке XML

Описание структуры документов форматов *.fpf и *.tsf на языке XML Schema представлены в Приложении 5.

Формат *.xlsx (Рабочая книга Excel) - стандартный формат рабочих книг приложения Excel 2007, входящий в группу форматов Office Open XML. Предназначен для хранения информации об электронных таблицах для работы в таких программах как Microsoft Office Excel и OpenOffice Calc.

Сохранение отчётов в формате *.xlsx реализуем при помощи библиотеки QtXlsxWriter, написанной на языке C++ и предоставляющей простой доступ к данным существующих документов, а также записи данных и сохранения в новый документ.

Пример сформированного программой отчёта представлен на рисунке 3.2.

Рисунок 3.2 - Пример отчета, сформированного в окне быстрого расчёта

3.4 Разработка руководства пользователя

Руководство пользователя - это документ, содержащий информацию о разработанной системе и особенностях работы с ней. Основное назначение руководства пользователя - предоставление помощи пользователям системы в её использовании.

Грамотно составленное руководство пользователя даёт пользователю системы полное представление о её работе, помогает быстрее и без посторонней помощи освоить работу с системой и получить необходимую информацию для решения возникающих проблем.

Согласно методическим указаниям РД 50-34.698-90 руководство пользователя содержит следующие разделы: [9]

1) введение;

2) назначение и условия применения;

3) подготовка к работе;

4) описание операций;

5) аварийные ситуации;

6) рекомендации по освоению.

Разработаем руководство пользователя при помощи инструмента Qt Assistant, входящего в пакет установки среды разработки Qt Creator.

Qt Assistant позволяет создавать кроссплатформенную справочную систему для разрабатываемого ПО. Такая справочная система работает независимо от разрабатываемого ПО и имеет полноценный пользовательский интерфейс для работы с документацией, который включает: оглавление с возможностью быстрого перехода между страницами документации, поиск по ключевым словам и сохранение закладок.

Работа справочной системы основана на отображении простейших веб-страниц, написанных с помощью HTML (HyperText Markup Language - «язык гипертекстовой разметки»), и организации переходов между ними.

Выделим в руководстве пользователя следующую структуру:

1. Введение.

2. О программе.

3. Интерфейс программы.

3.1. Стартовое окно.

3.2. Окно прогнозирования.

3.3. Окно быстрого расчёта.

4. Работа с файлами.

5. Быстрый расчёт.

5.1. Порядок работы.

5.2. Сохранение отчёта.

6. Составление прогноза.

6.1. Порядок работы.

6.2. Сохранение проекта.

6.3. Сохранение отчёта.

7. Заполнение полей

7.1. Таблица статистики.

7.2. Параметры системы.

...