ВВЕДЕНИЕ 4
1 Анализ существующих подходов к прогнозированию в энергосистемах 12
1.1 Этапы краткосрочного прогнозирования 12
1.2 Проблемы прогнозов потребления на основе экспертной оценки 15
1.3 Степень влияние метеорологических факторов на потребление электрической энергии и мощности Самарской энергосистемы 19
1.4 Определение влияния метеорологических факторов на потребление электрической энергии и мощности Самарской энергосистемы 25
1.5 Методы прогнозирования, основанные на использовании искусственных нейронных сетей 33
1.6 Разомкнутые ИНС 42
1.7 Многослойные нейронные сети с перекрестными связями 45
1.8 Преимущества ИНС 46
Вывод по главе 1 53
2 Разработка статистическо-динамической модели потребления энергосистемы на базе искусственной нейронной сети 54
2.1 Выбор программного продукта для формирования модели прогнозирования ИНС 54
2.2 Формирование статистической базы почасового потребления мощности энергосистемы 58
2.3 Адаптация входных данных для обучения искусственной нейронной сети 60
2.4 Выбор алгоритма обучения ИНС для статистическо-динамической модели 60
2.5 Выбор архитектуры ИНС для модели прогнозирования энергосистемы 61
2.6 Сравнение результатов прогнозирования при различных моделях построения ИНС 65
Вывод по главе 2 73
3 Введение в модель прогнозирования сведений о метеофакторах, влияющих на характер электропотребления 74
3.1 Оценка качества прогнозирования модели ИНС на различных типах данных 74
3.2 Оценка эффективности введения в прогнозную модель данных влияющих на динамику потребления в энергосистеме 77
3.3 Оценка эффективности прогнозирования выбранной модели нейронной сети с возможностью учета метеофакторов 79
Вывод по главе 3 88
Заключение 89
Список использованных источников 91
Купить

Электроэнергетика является системообразующей отраслью Российской Федерации. От ее надежного функционирования зависит не только безопасность страны, но ее экономическое развитие. Функционирование электроэнергетики это сложный технологический и экономический процессы [2,3], в которых участвуют генерирующие, сетевые, сбытовые компании, потребители электрической энергии и мощности и системный оператор единолично осуществляющий диспетчерское управление в единой энергосистеме [2]. При этом эти два процесса сильно взаимно зависимые, так как для производства электроэнергии генерирующие компании обязаны поддерживать в постоянной готовности генерирующие мощности за счет своевременного проведения ремонтных компаний, а также иметь запасы топлива. В соответствии с Приказом Минэнерго России от 22.08.2013 №469, на тепловых электрических станциях (далее - ТЭС) должен поддерживаться запас топлива в количестве, необходимом для удовлетворения спроса на электроэнергию в энергосистеме страны в конкретный момент времени. Поэтому на данные мероприятия генерирующие компании должны постоянно вкладывать деньги. Такой же принцип работы и у сетевых организаций. Их функцией является передача электрической энергии конечному потребителю. В Стоимость услуг, данных организаций, входит в конечную стоимость каждого киловатт-часа потребленной электрической энергии. Таким образом, для обеспечения бесперебойной работы предприятий электроэнергетической отрасли оплата всех затрат должна проходить предварительно, а затраты связанны с работой этих предприятий, обеспечивающих гарантированную поставку электрической энергии в необходимом объеме и качестве в соответствии с ГОСТ 32144-2013.
Поэтому надежное функционирование технологического процесса зависит от экономического процесса, особенно это выражено в математической модели функционирования оптового рынка электроэнергии и мощности на территории Российской Федерации [3]. Одним из ключевых рыночных механизмов ОРЭМ является процедура выбора состава включенного генерирующего оборудования (далее - ВСВГО). ВСВГО - это механизм определения того, какое генерирующее оборудование электростанции будет включено в ближайший день (плюс прогноз на два дня вперёд). Он базируется на технических и ценовых данных от генерирующих компаний. Процедура ВСВГО является конкурентным отбором ценовых заявок генераторов и влияет на цену рынка на сутки вперёд (далее - РСВ), так как определяет, кто из поставщиков будет предлагать свою электроэнергию на рынке в ближайшие сутки. Общая задача ВСВГО [30] - с максимальной надёжностью и минимальными затратами покрыть потребление электроэнергии. Сейчас в модели ВСВГО главным целевым параметром является минимизация стоимости включённого генерирующего оборудования с учётом прогнозного потребления электроэнергии и заданного объёма резерва, необходимого для обеспечения надёжности работы ЕЭС.
Исходной информации используемой для расчета ВСВГО являются данные о планируемых перетоках электрической энергии и мощности, краткосрочные прогнозы потребления электрической энергии и мощности энергосистем, которые складываются в прогноз потребления единой энергосистемы, объемы мощности включаемые по требованиям участников ОРЭМ, режимные генераторы находящиеся в работе для обеспечения максимального допустимого перетоков в сечениях в послеаварийных режимах работы энергосистем, объемы резервов на электрических станциях.
Следует отметить, что обеспечение надежности функционирования единой энергосистемы при оперативном планировании зависит от регулировочного диапазона включенного генерирующего оборудования по результатам ВСВГО и находящегося во включенном состоянии в операционных сутках для покрытия в потребности электрической энергии и мощности, и обеспечение устойчивости функционирования энергосистем в нормальном и послеаварийном режимах работы. Так как состав генерирующего оборудования который должен находится в работе в час Х по результатам ВСВГО определяется на основании планируемого потребления электрической энергии и мощности в энергосистемах, то в конечном счете, от качества краткосрочного прогноза потребления электрической энергии и мощности зависит как конечная стоимость электрической энергии и мощности, надежное функционирование энергосистем, так и качество оперативного прогноза потребления электрической энергии и мощности.
Также на основании краткосрочного прогноза рассчитываются исходные и оптимальные электрические режимы энергосистем, оценивается их надежность, экономичность, качество электроэнергии [6].
Необходимо отметить, что оперативный прогноз потребления электрической энергии и мощности определяется исходя из текущей динамики потребления мощности на срез последней минуты каждого часа, но основным ориентиром для технолога который формирует прогноз потребления на планируемый период служит траектория потребления мощности заложенная в краткосрочном прогнозе потребления.
Таким образом, обеспечение высокой точности краткосрочного прогноза спроса на электрическую энергию и мощность в энергосистемах является приоритетной задачей.
Исходя из этого, необходимо обратить внимание на то, что оперативное прогнозирование потребления электрической энергии и мощности является составляющей краткосрочного прогнозирования, поэтому повышение точности оперативного прогнозирования невозможно осуществить без повышения точности прогноза выполненного на этапе ВСВГО, рынка на сутки вперед и при актуализации расчетной модели. Таким образом, в данной работе вопрос повышения качества оперативного прогноза потребления будет рассмотрен как совокупность мероприятий повышения качества краткосрочного прогнозирования.
Краткосрочное прогнозирование потребление электрической энергии и мощности в энергосистемах, на сегодняшний день, включает в себя две составляющих: рыночные технологии и технические аспекты. Вопрос рассмотрения по отдельности каждой составляющей подобен рассмотрению целого пласта научных исследовательских работ, в которых подробно рассмотрены множество вопросов связанных с повышением точности краткосрочных прогнозов.
Прежде всего, хочется сказать, что, несмотря на большое количество приведенных работ по созданию специализированных программ и методов прогнозирования, данный вопрос не теряет актуальность, связано это не с низким качеством рассматриваемых вопросов, а с тем что прогнозные величины потребления утверждаются и формируются персоналом, т.е. проходят экспертную оценку, и поскольку процесс электропотребления носит сложный случайный характер, то всегда будет существовать ошибка прогнозирования.
Что касается рыночных технологий, то они регламентируются регламентом функционирования оптового рынка электроэнергии и мощности (далее - регламенты ОРЭМ) и определяют процедуру и временные рамки формирования краткосрочного прогноза потребления электрической энергии и мощности, а так же методику прогнозирования.
Рыночные механизмы ОРЭМ постоянного совершенствуются, а вопрос о переходе к новому регламенту ВСВГО и актуализации расчетной модели становится очевидным [30], в связи с этим встает вопрос повышении оперативности прогнозирования за счет снижения времени принятия аналитических решений и заключений специалистом осуществляющего краткосрочный прогноз потребления энергосистем.
Так как сам по себе процесс потребления электрической энергии, а если рассматривать в конкретный интервал времени, является случайным событием, то он зависит от множества факторов. Это могут быть факторы относящиеся к различным категориям: природные, климатические, технические, экономические, режимные и тд.
Необходимо отметить, что одним из важных технических факторов является состав потребителей энергосистем, что существенно влияет на зависимость потребления в энергосистемах электрической энергии (мощности) от разных категорий факторов. Если потребление населением в значительной степени зависит от погодных условий, естественного освещения и статуса дня (рабочий или выходной день), то потребление крупных промышленных предприятий зависит от технологического процесса производства и складывающейся экономической ситуации, и в меньшей степени от температуры наружного воздуха (далее - ТНВ), а при значительном доминировании в структуре потребления над населением в энергосистеме, влияние потребления электрической энергии и мощности в энергосистеме от ТНВ, будет не таким значительным по сравнению с энергосистемами, где основными потребителями являются мелкомоторная и коммунально-бытовая нагрузка. При этом изменения в экономике региона и страны в целом приводит к изменению характера потребления электрической энергии в энергосистемах за счет изменения режима работы промышленных потребителей, а это в свою очередь приводит к изменению степени влияния потребления от температурных и погодных условий. Соответственно структура потребителей на территории энергосистемы является неотъемлемым вопросом для изучения.
Существующий подход к прогнозированию потребления энергосистем основывается на статистических данных потребления электроэнергии в ретро-периоде. Существует значительная статистическая база потребления электрической энергии энергосистем, где хранится информация не только о фактическом потреблении соответствующего дня (рабочий или выходной день), но и значения ТНВ которому соответствовало данное потребление. Это позволяет на основании имеющейся статистики подобрать такой характерный день, который приблизительно соответствует дню на который осуществляется краткосрочный прогноз, за счет этого с высокой точностью формируется краткосрочный прогноз потребления. Но у данного метода есть два недостатка, первое, он требует поиска соответствующего характерного дня, на что уходит достаточно много времени, и второе, на взгляд автора самым основным, при резко меняющихся режимах работы крупных потребителей, особенно если они не характерны для промышленного сектора, например экономический кризис, то статистическая база для таких режимов работы может отсутствовать, это приводит к увеличению времени на формирование прогноза за счет проведения огромного количества аналитических мероприятий, а так как временные рамки формирования краткосрочного прогноза жестко ограничены, то это в свою очередь приводит к увеличению погрешности прогноза потребления.
Поэтому возникает необходимость в создании статистическо- динамической модели энергосистемы, которая позволит формировать траекторию прогноза потребления на основании, статистики, текущей динамики потребления, фактической и прогнозных значений ТНВ.
Одним из регионов Российской Федерации, в котором сосредоточены крупные промышленные предприятия является Самарская область. Структура потребления представлена на рисунке 1.
Рисунок 1 - Структура потребления ЭС Самарской области
Из рисунка видно, что на долю промышленных потребителей приходится около 70% потребления, а на население всего лишь 11%, поэтому в данном регионе степень влияния потребления электрической энергии от различных факторов определяют промышленные потребители. Характер потребления по данному регионы довольно стабильный, так как крупные промышленные потребителя относятся к химической, нефтехимической, и автомобильной промышленности, однако кризисные явления 2015-2016 гг. изменили характер потребления предприятий, что привело к изменению степени влияния потребления Самарской энергосистемы от различных факторов.
Поэтому задача разработки динамической модели прогнозирования потребления мощности (электрической энергии) при оперативном планировании режима работы энергосистемы Самарской области является актуальной для разработки в научном сообществе.
Целью магистерской диссертации является повышение эффективности краткосрочного и оперативного планирования режима работы энергосистемы в результате разработки статистическо-динамической модели прогнозирования на примере Самарской энергосистемы.
Для достижения поставленной в магистерской работе цели необходимо решить следующие задачи:
• Проанализировать существующие методы прогнозирования;
• Выбрать программный продукт для построения прогнозной модели;
• Провести испытание выбранной модели на тестовой выборке данных;
• Рассчитать экономический эффект от использования полученной статистическо-динамической модели прогнозирования.
Купить