Магистерский диплом на тему Прогнозирование объема потребления электроэнергии на промышленном предприятии с привлечением методов статистического анализа

Содержание:

ВВЕДЕНИЕ 4
Раздел 1. Методы и средства контроля и управления электропотреблением промышленных предприятий 6
1.1 Актуальность прогнозирования электрической нагрузки 6
1.2 Современные средства контроля электроэнергии на промышленных предприятиях 12
Раздел 2. Методы прогнозирования электропотребления на промышленных предприятиях 22
2.1 Обзор и классификация методов 22
2.2 Основные методы прогнозирования численных рядов 53
2.3 Выбор метода прогнозирования 55
Раздел 3. Разработка методики построения прогностической модели предприятия 57
3.1 Основные принципы построения модели 57
3.2 Использование нейронных сетей для прогнозирования 58
3.3 Прогноз электропотребления промышленного предприятия 62
ЗАКЛЮЧЕНИЕ 67
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ 68

Введение:

ВВЕДЕНИЕ

Актуальность темы. Прогнозирование режимов электропотребления (электрической нагрузки) требуется при решении большого спектра задач текущего планирования и оперативного управления режимами функционирования электроэнергетических систем.
Прогнозы нагрузки осуществляются в следующих временных диапазонах:
— оперативном (в пределах изменения, текущих суток)
— краткосрочном (сутки, неделя, месяц);
— долгосрочном (месяц, квартал, год).
Таким образом, прогнозирование режимных параметров и технико-экономических показателей является одной из важных задач, как при планировании, так и при ведении текущих режимов электроэнергетической системы.
В настоящее время разработано несколько моделей, которые способны прогнозировать объемы электропотребления на промышленных предприятиях.
Краткосрочное прогнозирование электропотребления промышленного предприятия является важной задачей. Ошибки прогнозирования определяют величину дополнительных финансовых затрат предприятия, связанных с оплатой отклонений фактически использованной электроэнергии от плановых (заявленных на оптовый рынок электроэнергии) значений электрического потребления.
Уменьшение величин ошибок прогноза позволит предприятию снизить эти расходы, а значит — уменьшить общую сумму платежей за потребляемую электроэнергию.
Анализ существующих прогностических моделей, предназначенных для краткосрочного прогнозирования электропотребления, показал, что все они имеют существенный недостаток, а именно — отсутствие учета производственных показателей предприятия при прогнозировании электропотребления.
Таким образом, прогнозирование и создание прогностической модели прогнозирования электроэнергии на промышленных предприятиях является актуальным направлением исследований.
Целью написания магистерской диссертации является прогнозирование объема потребления электроэнергии с привлечением методов статистического анализа.
При выполнении работы были поставлены следующие задачи:
1. Выполнить обзор литературы по теме исследования. Изучить существующие методы прогнозирования потребляемой электроэнергии промышленных предприятий.
2. Выполнить разработку прогностической модели, для которой следует выделить следующие подзадачи:
— Составление плана почасового потребления электроэнергии предприятием на сутки вперед;
— Снижение нерационального использования электроэнергетических ресурсов;
— Монетизация баз данных потребления электроэнергии на предприятии;
— Предиктивный мониторинг состояния электротехнического оборудования на предприятии;
— Планирование годовых ремонтных работ электрооборудования;
— Оценка технического оборудования электростанций и сетей по наработкам и срокам службы.
Объектом исследования является объем электроэнергии потребляемой на промышленном предприятии.
Предмет: прогнозирование объема потребляемой электроэнергии промышленным предприятием.

Текст работы:

Предложенная модель классификации дней недели является эффективным факторным источником данных для прогностической модели, созданной на базе ИНС. Результат сопоставления ошибок существующей регрессионной и ИНС-модели показал, что разница суммарной погрешности прогноза колеблется менее, чем на 2%, что говорит о достоверности полученных результатов.
Благодаря моделированию, выбрано методику определения оптимального количества эпох обучения путем уравнивания с погрешностью прогноза. Погрешность перестает уменьшаться, пройдя пятьсот эпох, но существуют ситуации, когда для другого набора обучающей выборки (с другой последовательностью рабочих, праздничных дней и выходных) необходимо на сто эпох больше (для первого дня), а на второй прогнозный день увеличивается количество эпох и ошибка обучения.
Скорость обучения была принята опытным путем в сто эпох, так как при маленьком шаге выбирается верное направление, приводящее к минимуму ошибки обучения.
Разработанный алгоритм управления электропотреблением позволяет получить решение поставленной задачи сравнительно простыми математическими средствами.
Алгоритм реализует выбор потребителей-регуляторов на отдельных уровнях сети с помощью приближенного метода. При незначительных затратах на реализацию, для него характерны определенные потери в точности по выбору нагрузки, которую необходимо уменьшить.

Заключение:

ВВЕДЕНИЕ

Актуальность темы. Прогнозирование режимов электропотребления (электрической нагрузки) требуется при решении большого спектра задач текущего планирования и оперативного управления режимами функционирования электроэнергетических систем.
Прогнозы нагрузки осуществляются в следующих временных диапазонах:
— оперативном (в пределах изменения, текущих суток)
— краткосрочном (сутки, неделя, месяц);
— долгосрочном (месяц, квартал, год).
Таким образом, прогнозирование режимных параметров и технико-экономических показателей является одной из важных задач, как при планировании, так и при ведении текущих режимов электроэнергетической системы.
В настоящее время разработано несколько моделей, которые способны прогнозировать объемы электропотребления на промышленных предприятиях.
Краткосрочное прогнозирование электропотребления промышленного предприятия является важной задачей. Ошибки прогнозирования определяют величину дополнительных финансовых затрат предприятия, связанных с оплатой отклонений фактически использованной электроэнергии от плановых (заявленных на оптовый рынок электроэнергии) значений электрического потребления.
Уменьшение величин ошибок прогноза позволит предприятию снизить эти расходы, а значит — уменьшить общую сумму платежей за потребляемую электроэнергию.
Анализ существующих прогностических моделей, предназначенных для краткосрочного прогнозирования электропотребления, показал, что все они имеют существенный недостаток, а именно — отсутствие учета производственных показателей предприятия при прогнозировании электропотребления.
Таким образом, прогнозирование и создание прогностической модели прогнозирования электроэнергии на промышленных предприятиях является актуальным направлением исследований.
Целью написания магистерской диссертации является прогнозирование объема потребления электроэнергии с привлечением методов статистического анализа.
При выполнении работы были поставлены следующие задачи:
1. Выполнить обзор литературы по теме исследования. Изучить существующие методы прогнозирования потребляемой электроэнергии промышленных предприятий.
2. Выполнить разработку прогностической модели, для которой следует выделить следующие подзадачи:
— Составление плана почасового потребления электроэнергии предприятием на сутки вперед;
— Снижение нерационального использования электроэнергетических ресурсов;
— Монетизация баз данных потребления электроэнергии на предприятии;
— Предиктивный мониторинг состояния электротехнического оборудования на предприятии;
— Планирование годовых ремонтных работ электрооборудования;
— Оценка технического оборудования электростанций и сетей по наработкам и срокам службы.
Объектом исследования является объем электроэнергии потребляемой на промышленном предприятии.
Предмет: прогнозирование объема потребляемой электроэнергии промышленным предприятием.

Список литературы:

Раздел 1. Методы и средства контроля и управления электропотреблением промышленных предприятий

1.1 Актуальность прогнозирования электрической нагрузки

Управление электропотреблением несет в себе основную задачу прогнозирования нагрузки.
Исходные данные для решения задачи прогнозирования должны быть достоверными и собраны по одной методике. Период их сбора должен быть постоянным и учитывать влияние сезонных колебаний [1].
Электроэнергетические системы являются сложными системами управления. Они характеризуются непрерывным технологическим процессом, обладют динамическими свойствами, чувствительныvb к воздействию внешних и внутренних факторов, имеющих сложную, иерархическую структуру.
Как показано в [2,3,4] к этим характеристикам относятся:
— большие масштабы энергетического производства, распространенность на большую территорию энергообъектов, объединенных общностью режима и единством оперативного управления;
— непрерывность во времени процессов производства, распределения и потребления электроэнергии и теплоэнергии;
— вероятностный характер формирования электрических и тепловых нагрузок;
— саморегулирование в смысле активного действия при изменении как внешних, так и внутренних воздействий;
— взаимосвязь большого количества элементов и, как следствие, наличие многочисленных внутренних и внешних, в том числе и обратных связей;
— надежность функционирования при избыточности связей и элементов.
Между энергосистемой и многочисленными потребителями электрической энергии существуют сложные взаимоотношения, которые определяются особенностями электроэнергетического производства.
Неразрывность технологического процесса производства и потребления энергии приводит к жесткой зависимости объема производства от потребления в каждый данный момент времени.
Одним из первых и основных элементов проекта электроснабжения промышленных предприятий является определение ожидаемых электрических нагрузок. Именно нагрузки определяют необходимые технические характеристики элементов электрических сетей.
Преувеличение ожидаемых нагрузок приводит к перерасходу проводов и кабелей и неоправданному перерасходу средств, вложенных в избыточную стоимость мощных трансформаторов. Занижение — к лишним потерям в сетях, перегреву проводников и трансформаторов, повышенному тепловому износу и сокращению нормального срока их службы.
В таких случаях приведенные затраты, которые являются критерием экономичности принятых проектных решений, а также себестоимости передачи электроэнергии возрастают. Правильное определение электрических нагрузок обеспечивает правильный выбор и экономичную работу средств компенсации реактивной мощности и регулирования напряжения, а также релейной защиты и автоматики.
Анализ электрических нагрузок, который проводился в последние годы, отмечал наличие в них в той или иной степени циклической составляющей. Цикличность характерна не только для небольших потребителей типа цехов заводов, но и для электрических систем в целом. Существование цикличности объясняется сильной зависимостью от суточной цикличности ритма жизни населения и работы предприятий, а также от метеорологических и климатических условий. Последняя зависимость в ряде случаев играет большую роль в формировании случайных отклонений от периодический график, поэтому прогнозирование ведется, например, на основе величины среднесуточной температуры воздуха и т.п. На величину электропотребления влияют также изменения освещенности как в течение суток, так и в зависимости от сезона. Увеличение доли транспортных и коммунальных потребителей также вызывает появление циклических составляющих с периодом, который определяется демографическими и социологическими факторами.
Известно, что нагрузка представляет собой случайный процесс, а наличие циклических составляющих и трендов математического ожидания переводит нагрузку в класс нестационарных случайных процессов при рассмотрении их на достаточно длительном интервале времени.
Свойства стационарности (периодичности) используются при анализе случайных процессов для упрощения многих соотношений и позволяет перейти от случайного процесса последовательности к случайным величинам, которые полностью определяются своими моментами и корреляционной функцией.
Суточная периодичность, которая существует, судя по графикам корреляционной функции, носит неявный характер. Если же поставить в соответствие процесс погрузки любого физического аналога, то это могла бы быть колебательная система, которая находится под влиянием случайных возбудителей. Можно привести следующие сравнения:
1. Случайным прыжкам соответствует материальная точка в нейтральном равновесии.
2. Ритмическими колебаниями обладает устойчивая автономная система, то есть система с характеристиками, зависящими от времени.
При субъективном обосновании принятых решений необходимы заблаговременные оценки их возможных и наиболее вероятных результатов, поэтому одной из главных задач при формировании планов и их нормативной базы является подготовка прогнозов электропотребления и других энергоресурсов.
Точность электропотребления в решающей степени определяет объемами капитальных вложений на строительство системы электроснабжения (СЭС), строящегося или реконструируемого.
Проектирование СЭС промышленного предприятия начинается с определения параметров электропотребления и источников электроэнергии, предварительно определяется стоимость строительства электроэнергетического объекта.
Ошибки при расчете электрических нагрузок способны увеличить стоимость и сроки сооружения предприятия. Расчет электропотребления проводится для различных целей и на разных уровнях СЭС, что обусловило различие методов и подходов к определению величин расчетной нагрузки и расходу электроэнергии. При достаточно строгих математических преобразованиях фундаментальных законов, на которых базируется большинство известных методов, задача полностью не решена.
Основными составляющими прогноза электрических нагрузок потребителей электроэнергии являются следующие:
1. Графики активных и реактивных нагрузок для различных временных циклов, а именно суточных, сезонных, годовых.
2. Потребление электроэнергии за определенные периоды времени.
3. Основные характеристики графиков нагрузок за заданные периоды времени.
Прогнозирование режимов электропотребления (электрической нагрузки) требуется при решении большого спектра задач текущего планирования и оперативного управления режимами функционирования электроэнергетических систем. Прогнозы нагрузки осуществляются в следующих временных диапазонах:
— оперативном (в пределах изменения, текущих суток)
— краткосрочном (сутки, неделя, месяц);
— долгосрочном (месяц, квартал, год).
Характерные особенности оперативного и краткосрочного прогнозирования состоят в том, что они являются функциональными частями различных контуров управления и задач энергосистем и энергообъединений. Долгосрочное перспективное прогнозирование — задача проектирования организаций.
Оперативное управление реализуется в реальном масштабе времени, поэтому оно требует быстрого принятия решений, а, следовательно, быстродействующих алгоритмов прогнозирования, которые позволяют осуществлять корректировку нормальных режимов работы систем электроснабжения в случае отклонения их от плановых заданий.
Это быстродействие достигается за счет упрощения статистических моделей прогнозирования, использующих небольшой объем исходной информации. Так, например, при корректировке режима электропотребления в часы максимума энергосистемы необходим прогноз с периодом предупреждения от нескольких минут до нескольких десятков минут, для реализации которого достаточный период предыстории длиной в несколько часов.
Краткосрочное прогнозирование базируется на выявлении закономерностей изменения параметров системы электроснабжения за более длительный период предыстории. Эти закономерности являются отражением результатов организационно-технической стратегии, а также естественной цикличностью функционирования с периодами, равными: суткам, неделям, месяцу.
Прогнозирование электрической нагрузки включает в себя следующее:
1. Установление стохастических связей между выпущенной на предприятии валовой продукции и необходимым для этого количеством электрической энергии.
2. Учет новых подключений нагрузки при расширении предприятия.
3. Продолжение установленной связи на определенный срок (функциональное или вероятностное).
Стохастическая (вероятностная) связь случайных процессов или величин характеризуется величиной коэффициента корреляции. На увеличение коэффициента корреляции между продукцией выпускаемой на предприятии и величиной потребляемой энергии, влияют следующие факторы:
а) Уплотнения графика нагрузки предприятия::
1) повышение удельного веса энергоемких агрегатов, предприятий;
2) дальнейшая автоматизация производства, что приводит к повышению электрической нагрузки при работе потребителя в ночное время (автоматическая линия, например, может работать непрерывно, останавливаясь только для изменения программы, технического осмотра и ремонта);
3) уплотнения режима работы коммунально-бытовых потребителей (повышение КПД бытовых электроприемников, дальнейшая электрификация быта, изменение времени телевизионных программ и т.д.);
4) дальнейшая электрификация сельского хозяйства.
б) Снижение влияния крупных одиночных электроприемников на общую нагрузку, а именно:
1) уменьшение относительного вклада этой нагрузки в суммарный показатель в данном присоединении;
2) изменение режима работы отдельных потребителей с целью выравнивания графика общей нагрузки.
в) Уменьшение влияния климатических факторов на величину нагрузки предприятия (применение систем кондиционирования воздуха, безоконные здания).
г) Уменьшение числа аварийных ситуаций, особенно повышение надежности работы технологических агрегатов, поскольку вероятность выхода из строя технологических элементов системы выше, чем вероятность аварии электрической аппаратуры.
Наиболее интересным решением задачи прогнозирования электрической нагрузки может быть слияние исполнительного (рабочего) органа машины с источником питания. Наличие альтернатив, мощных и дешевых источников энергии (топливные элементы, аккумуляторы) на каждой рабочей машине привели бы к уничтожению необходимости в распределении энергии, самой распределительной сети, прогнозировании электрической нагрузкии к значительному выравниванию графика электрической нагрузки (потребителем в данном случае была бы зарядно-аккумуляторная станция, а не предприятие) [5].
Выход предприятия на рынки электроэнергии предусматривает соответствующую техническую оснащенность о современных системах учета и контроля потребления электроэнергии.