Магистерский диплом (ВКР) на тему Исследование методов оптимизации технических решений в электроэнергетике.

Содержание:

Введение 4

1. Теоретические аспекты оптимизации как процесса 6

1.1 Понятие, сущность и особенности оптимизации 6

1.2 Постановка задач оптимизации 8

1.3 Классификация оптимизационных задач 15

2. Управление энергетическими режимами 53

2.1 Электроэнергетические системы и принципы их работы 53

2.2 Основные принципы управления режимами электроэнергетических систем 55

2.3 Математическое моделирование задач оптимизации режимов 57

2.3.1 Понятие линейного программирования и оптимизации 61

2.3.2 Технология решения оптимизационных задач средствами программы MathCad 65

2.3.3 Этапы компьютерного математического моделирования 67

2.3.4 Графический метод решения задач линейного программирования 75

2.3.5 Решение задач линейного программирования при помощи симплекс таблиц 78

3. Методы оптимизации технических решений в электроэнергетике 83

3.1 Градиентный метод 83

3.2 Метод Ньютона 84

3.2.1. Игнорирование ограничений безопасности линии 84

3.2.2 Ограничения мощности линии 90

3.3 Эффективность использования данных методов 94

Заключение 100

Список использованных источников 105

Введение:

Принципы постиндустриального общества XXI века и концепция всемирной глобализации выявили новые общественно-экономические направления развития экономики, которые повлияли и на возникновение новых концептуальных положений функционирования электроэнергетики. В основе парадигмы прошлого XX века, века интенсивной индустриализации и научно-технической революции была заложена концепция максимального сосредоточения материальных, финансовых, энергетических и человеческих ресурсов для производства промышленных, сельскохозяйственных или других видов продукции. Основной задачей электроэнергетики того времени было достижение эффективности электроснабжения, что требовало высокой онцентрации промышленных и энергетических мощностей и связанных с этим значительных экономических затрат.

На современном этапе происходит минимизация этих затрат путем обратного процесса – рассредоточение мощностей, как промышленных, так и энергетических производств. Этот процесс повлек за собой развитие новых идеологических основ менеджмента и маркетинга в сфере энергетических услуг. Вместе с тем интенсивное развитие информационных и сетевых технологий, микропроцессорной и силовой электроники обусловило значительный прогресс в достижении максимальной эффективности энергопотребления объектами, питающимися от нескольких конкурентных источников. Оба эти процесса как экономический, так и производственный стали предпосылкой возникновения нового сектора электроэнергетики – интеллектуальной электроэнергетики, основанной на концепции интеллектуальных сетей.

Эти сети представляют собой автоматизированные системы, осуществляющие собственное поколение, мониторинг и распределение потоков электрической энергии с учетом требований потребителя для достижения максимальной эффективности энергопотребления. По определению USA Department of Energy Grids 2030: «Интеллектуальная сеть – это полностью автоматизированная энергосистема, обеспечивающая двусторонний поток электрической энергии и информации между электрическими станциями и электроприборами» [2]. Необходимо отметить, что в общем употреблении мнемоническая аббревиатура SMART используется в проектном управлении, менеджменте, персональном развитии как критерий оценки задачи или цели.

Согласно этой концепции, функционирование энергетического сектора обеспечивается как за счет централизованных, так и децентрализованных распределенных источников энергии (DER). При этом наблюдается увеличение количества источников электроэнергии, рассредоточенных на определенной территории или локальном объекте и объединенных в единую микросистему, при этом интеллектуальная система имеет преимущества по сравнению с централизованными системами электроснабжения, поскольку отсутствует необходимость строительства новых генерирующих мощностей, протяженных линий электропередач и распределительных сетей, что, в свою очередь, требует значительных вложений и дополнительных потерь электроэнергии. Современная интеллектуальная система электроснабжения организована путем интегрирования маломощных источников энергии и максимальной их адаптации к режимам электропотребления. Создание таких систем позволяет радикально изменить отношение потребителей к управлению процессами генерации и распределения электроэнергии [3].

Все интеллектуальные системы работают на базе математических алгоритмов, в связи с этим данное исследование актуально.

Целью работы явлется: Исследование методов оптимизации технических решений в электроэнергетике

Основные задачи:

1. Анализ процессов оптимизации

2. Управление энергетическими режимами

3. Анализ методов оптимизации, применяемых в интеллектуальных системах

Заключение:

С начала девятнадцатого века социальное и экономическое развитие развитых обществ было вызвано широкомасштабным использованием ископаемого топлива. Нефть и уголь были основными источниками энергии, которые не только сжигались в чрезмерных количествах, но и в течение длительного периода времени. Это имело долгосрочные негативные последствия для нашей окружающей среды, такие как загрязнение и потепление климата, вызванное выбросами вредных газов в атмосферу и выбросами опасных отходов. Учитывая эти негативные последствия и тот факт, что эти ресурсы становятся дефицитными, необходимо найти решения, которые сделают страны менее зависимыми от ископаемого топлива. Основное преимущество возобновляемых источников энергии заключается в том, что их использование не влечет за собой стольких негативных последствий для нашей окружающей среды, поскольку они уменьшают количество загрязняющих веществ, выбрасываемых в атмосферу. Таким образом, мы должны быть твердо привержены использованию возобновляемых и чистых источников энергии. Кроме того, их территориальное распространение более рассредоточено. ЕС запустил интегрированную политику в области энергетики и изменения климата. Его цель — продвинуть Европу к устойчивому будущему и экономике, производящей низкие выбросы углерода и потребляющей меньше энергии.1].

Эта новая парадигма также влияет на производство электроэнергии, где конкуренция усилилась после принятия децентрализованного подхода. Во многих странах эта модель уже начинает захватывать часть доходов традиционного бизнеса, подрывая его преимущества и усложняя и без того трудную задачу балансирования спроса и предложения. Избыток мощностей, низкие цены на рынке электроэнергии для увеличения производства возобновляемой энергии и реформа, которая наказывает инвестиции в экологически чистые энергетические ресурсы, усугубляют эту трудность. Между тем, Европейская комиссия поставила очень амбициозные цели в области зеленой энергетики, которые должны быть достигнуты к 2030 году, такие как использование 27% чистых ресурсов, сокращение выбросов CO 2 на 36% и повышение энергоэффективности на 27% [ 2 , 3 ].

Предложения, посвященные энергоэффективности, которые мы обнаружили в уровне техники, имеют многочисленные недостатки. В работе Чжао и др. предлагается использовать многоагентную архитектуру для принятия решений в управлении энергосистемой [ 4 ]. Однако этой системе не хватает знаний об окружающей среде, и поэтому она не может принимать надлежащие решения; это связано с тем, что он не использует внешние источники для включения информации (например, отзывы с информацией о других пользователях в аналогичных ситуациях). Другие авторы, такие как Фишер, обращаются к теме энергоэффективности, изучая эффективность методов обратной связи. Фишер просматривает другие исследования и факторы, которые они определяют как детерминанты эффективности, он также проводит анализ, чтобы найти факторы наибольшей важности [ 5] .]. Эйрес и др. также использовали методы обратной связи, чтобы позволить клиентам узнать, как сократить потребление электроэнергии и природного газа, чтобы коммунальные предприятия могли снизить потребление энергии с низкими затратами [ 6 ]. Сучу и др. в [ 7] предложить инструмент, который оценивает потенциальную экономию, которая может быть достигнута за счет принятия фотоэлектрических решений на малых и средних предприятиях (МСП). Некоторые предложения сосредоточены на правильном регулировании температуры, чтобы температура в помещении не менялась резко от одного момента к другому. Когда пользователи принимают оптимальные решения (меры по повышению эффективности) об использовании отопления и кондиционирования воздуха, они могут сократить потери энергии и снизить стоимость счетов. Среди этих мер мы находим, например, правильное регулирование температуры, чтобы комнатная температура не менялась резко от одного момента к другому. Повышение температуры на один градус означает увеличение потребления энергии на 7%. Температура регулируется с помощью солнечного тепла для обогрева здания или дома и путем проветривания здания, когда наружная температура выше, поскольку это снизит контраст между внутренней и внешней температурой. Важным аспектом является обнаружение утечек воздуха в здании, куда проникают тепло и холод, что приводит к повышенному потреблению энергии. Также важно знать, какие участки дома или квартиры заняты и в какое время, чтобы можно было отключить или уменьшить отопление и запрограммировать его включение, когда человек вернется в дом.

Авторы [ 8 ] предложили меры, позволяющие лучше использовать энергию в зданиях и снизить ежегодные счета за газ на 70 %. Общественно-офисные здания остро нуждаются во внедрении энергосберегающих решений. Это связано с тем, что количество энергии, которое они потребляют, намного выше по сравнению с другими типами зданий и домов. Пользователи общественных зданий часто не заботятся об экономии энергии (включение/выключение света), так как им не нужно платить за электроэнергию. Таким образом, необходимо предложить эффективные меры, которые изменят привычки пользователей, особенно в общественных зданиях [ 9] .]. Изменить привычки пользователей в их собственном доме не так сложно, потому что всякий раз, когда они принимают правильные решения (меры эффективности) об использовании отопления и кондиционирования воздуха, они сокращают потери энергии и снижают стоимость своих счетов.

Из вышеприведенных работ видно, что необходимо выявить факторы, способствующие повышенному расходу энергии, чтобы иметь возможность поддерживать заданную температуру без увеличения ее использования при обогреве здания зимой или охлаждении летом. Некоторые из этих факторов включают расположение здания, состояние здания и климатические условия [ 10].]. Хотя эти факторы предопределяют большее потребление энергии, большое влияние также оказывает поведение людей, работающих в этих зданиях. Однако недостаточно различать действующих лиц и факторы, влияющие на энергосбережение и энергоэффективность. Потенциал экономии зависит от широкого круга факторов, таких как местные заинтересованные стороны на энергетическом рынке, правила, погода, окружающая среда, цены на энергию и доступность или возможности финансирования. Таким образом, нам нужно объединить и улучшить предыдущие подходы с целью разработки эффективных решений, которые помогут пользователям экономить энергию.

В рассмотренной литературе мы не нашли ни одной архитектуры, которая собирала бы все необходимые данные и предоставляла решения проблем, которые были описаны в предыдущем пункте. По этой причине в этой работе предлагается модель энергоэффективности, которая позволяет экономить энергию в домах и зданиях за счет управления температурой. Энергетическая эффективность достигается в этой архитектуре за счет контроля температуры во всех комнатах, коридорах и всех наружных стенах здания. Данные от различных типов датчиков и сторонних источников используются для предоставления дополнительной информации, которая используется нашим алгоритмом оптимизации в процессе анализа данных. Это позволяет системе рекомендовать наилучшие возможные методы энергосбережения в здании и предлагать изменения в привычках жителей [11 ]. Минор и др. представить подход CBR для систем управления инертной энергией, направленный на сокращение потерь энергии при перегреве и переохлаждении зданий [ 12 ].

Целью работы, представленной в данной работе, является предоставление новой системы анализа параметров, влияющих на потребление энергии. На основе этого анализа система будет принимать решения, которые позволят оптимизировать использование энергии. Эта система была разработана с использованием многоагентной системы в качестве базовой архитектуры для технической реализации. Информация, необходимая для анализа, получается с помощью данных о температуре и занятости, предоставляемых датчиками; это возможно благодаря развертыванию WSN, который облегчает связь между различными устройствами, составляющими систему. Связь между аппаратным и программным обеспечением системы (датчики, исполнительные механизмы и т. д.) осуществляется агентами.

Основные вклады этой работи заключаются в следующем: получение информации, касающейся жителей, ненавязчивым способом благодаря использованию датчиков или системы CBR, объединение текущей внутренней и наружной температуры вместе с будущей температурой для предотвращения температуры. скачки системы HVAC, которые сильно увеличивают потребление энергии. Все это позволило разработать систему, которая использует комбинацию информации о привычках и предпочтениях жителей и переменных, влияющих на расход энергии, для достижения экономии энергии.

Фрагмент текста работы:

1. Теоретические аспекты оптимизации как процесса

1.1 Понятие, сущность и особенности оптимизации

В последние годы глобальное потребление энергии значительно увеличилось из-за роста населения и промышленного развития. В частности, на жилые и коммерческие здания приходится примерно 30-40% мирового потребления энергии и около 39% общих выбросов CO 2 [ 1 ]. В результате энергоэффективное проектирование зданий стало основным направлением среди правительств, застройщиков, архитекторов, инженеров и других заинтересованных сторон [ 2 ].

Традиционная методология энергетического проектирования зданий, по сути, представляет собой подход «проб и ошибок». Дизайнер (архитектор или инженер) создает проект, оценивает его энергетические характеристики и пересматривает проект на основе результатов оценки. Процесс повторяется до тех пор, пока дизайн не будет соответствовать определенным требованиям. Эффективность и действенность этого подхода во многом зависят от сложности проектной задачи и технической компетентности проектировщика. В современном информационном обществе все большее значение приобретает оптимизация, как процесс нахождения наилучшего решения в рамках заданных ограничений и целей. С появлением интеллектуальных систем, основанных на искусственном интеллекте и машинном обучении, оптимизация стала значительно эффективнее и более точной. В данном разделе дипломной работы рассмотрим понятие, сущность и особенности оптимизации с учетом интеллектуальных систем.

Понятие оптимизации

Оптимизация – это процесс поиска оптимального решения среди множества возможных вариантов. Оптимизация может применяться в различных областях, таких как экономика, производство, логистика, финансы и другие. Цель оптимизации заключается в достижении максимальной эффективности, минимизации затрат или достижении наилучших результатов.

Сущность оптимизации с учетом интеллектуальных систем

С развитием интеллектуальных систем оптимизация получила новые возможности и инструменты для решения сложных задач. Интеллектуальные системы основаны на использовании методов искусственного интеллекта, машинного обучения и алгоритмов оптимизации. Они способны обрабатывать большие объемы данных, анализировать информацию, выявлять закономерности и прогнозировать результаты.

Интеллектуальные системы позволяют автоматизировать процесс оптимизации, учитывая различные ограничения и предпочтения. Они способны применять различные методы оптимизации, такие как генетические алгоритмы, алгоритмы имитации отжига, методы оптимизации на основе искусственных нейронных сетей и другие. Эти системы могут адаптироваться к изменяющимся условиям, самостоятельно улучшать свою производительность и находить оптимальные решения.

Особенности оптимизации с использованием интеллектуальных систем

Оптимизация с использованием интеллектуальных систем имеет ряд особенностей, которые делают ее более эффективной и точной:

а) Автоматизация процесса: Интеллектуальные системы позволяют автоматизировать процесс оптимизации, что упрощает его выполнение и сокращает время, затрачиваемое на решение задачи.

б) Работа с большими объемами данных: Интеллектуальные системы способны обрабатывать большие объемы данных и анализировать их для нахождения оптимального решения. Это особенно важно в сферах, где требуется обработка и анализ больших объемов информации, например, в финансовом анализе или в логистике.

в) Учет различных ограничений и предпочтений: Интеллектуальные системы могут учитывать различные ограничения и предпочтения при оптимизации. Они могут учитывать не только целевую функцию, но и другие факторы, такие как бюджетные ограничения, временные рамки, предпочтения пользователя и т.д.

г) Адаптивность и самообучение: Интеллектуальные системы способны адаптироваться к изменяющимся условиям и самостоятельно улучшать свою производительность. Они могут использовать методы машинного обучения для обновления моделей и улучшения результатов оптимизации.

Оптимизация с использованием интеллектуальных систем является мощным инструментом для нахождения оптимальных решений в различных областях. Интеллектуальные системы позволяют автоматизировать процесс оптимизации, работать с большими объемами данных, учитывать ограничения и предпочтения, а также обладать адаптивностью и способностью к самообучению. Они значительно повышают эффективность и точность оптимизации, что делает их незаменимыми инструментами для решения сложных задач в современном информационном обществе.

1.2 Постановка задач оптимизации

В современном мире растущее осознание проблемы изменения климата стало движущей силой увеличения доли возобновляемых источников энергии в энергетическом секторе.1]. Развитие возобновляемых источников энергии растет быстрыми темпами, и многие страны мира разрабатывают свои будущие энергетические сценарии, основанные на таких источниках энергии.2]. За последнее десятилетие возобновляемые источники энергии, включая гидроэнергетику, ветер, солнечную энергию и биомассу, увеличили конечную выработку электроэнергии на 8%, достигнув 28% в 2020 году.3]. Солнечная и ветровая энергия внесли основной вклад в это расширение, в котором солнечная фотоэлектрическая и ветровая энергия продемонстрировала 16% и 12% ежегодный рост доли производства электроэнергии из возобновляемых источников соответственно. Усилия по увеличению возобновляемой генерации привели к снижению глобальной углеродоемкости и, следовательно, выбросов CO2 в энергетике на 2,5% и 1,3% в 2019 году соответственно. В свете глобальной пандемии (Covid-19) выбросы CO2, связанные с энергетикой, по оценкам, сократятся на 8% в 2020 году, поскольку прогнозировалось, что глобальный спрос на энергию снизится примерно на 6%.4]. Хотя спрос на возобновляемые источники энергии увеличился на 1,5% в первом квартале 2020 года, возобновляемые источники энергии были не единственным фактором снижения выбросов. Фактически, более мягкие, чем в среднем, погодные условия и более низкий спрос на энергию привели к значительному снижению спроса на отопление, особенно в регионе Северного полушария. Это сокращение было сильнее в промышленном секторе (4,2%), чем в строительстве (1,8%).5]. Осознание этого сильного воздействия может проиллюстрировать зависимость спроса на энергию и, следовательно, выбросов CO2 от спроса на отопление. Несмотря на такую сильную зависимость, сектор теплоснабжения получил номинальные взносы на снижениеуглеродоемкость. В секторе отопления ископаемое топливо является доминирующим источником энергии, на долю которого приходится 73% от общей доли. Учитывая, что на долю тепла приходится половина доли конечного потребления энергии, крайне важно снизить интенсивность использования ископаемого топлива, чтобы приблизиться к обществу с нулевым выбросом углерода.

В контексте эффективного использования энергии и эффективного управления энергопотреблением интеграция производства тепловой энергии в энергосистемы представила многообещающий подход к вопросам, связанным с энергетикой. Этот метод производства энергии вскоре был признан комбинированным производством тепла и электроэнергии (ТЭЦ) и получил признание во многих экономически развитых странах. В системах ТЭЦ основной целью является повышение эффективности и экономичности за счет одновременной выработки электроэнергии и тепла. Достижение этой общей цели позволяет таким системам снизить потребление первичной энергии и экологические последствия. Несмотря на длительное существование систем когенерации и тригенерации, внедрение централизованных электростанций со значительно меньшими затратами отвлекло внимание и интересы от внедрения таких конфигураций. С этой целью, в разработках ТЭЦ наблюдалось значительное снижение, за которым последовала тенденция к увеличению за последнее десятилетие. В развитых странах, таких как Великобритания и Канада, введение финансовых стимулов со стороны правительства создало конкурентный рынок для систем ТЭЦ, что привело к увеличению интереса, особенно в промышленном секторе. Тем не менее, капиталоемкость и сложность таких систем по-прежнему перевешивают предлагаемые преимущества. С этой целью развитие систем ТЭЦ в основном рассматривалось для децентрализованного производства энергии в промышленном секторе. В частности, химическая промышленность является одной из самых энергоемких и крупнейших утилизаторов систем ТЭЦ. Например, на химическую промышленность приходится наибольшая часть спроса на энергию в Великобритании.6]. По состоянию на 2016 год ТЭЦ была разработана на 53 химических предприятиях по всей Великобритании, на долю которых приходилось значительное количество энергии, вырабатываемой в этом секторе.7]. В США аналогичную тенденцию можно проиллюстрировать какМощность ТЭЦ в химическом и нефтеперерабатывающем секторе была зафиксирована на уровне 20 000 МВт и 15 000 МВт.

в 2016 году соответственно [8]. Хотя текущая тенденция кажется привлекательной, системы ТЭЦ требуют значительных капитальных вложений и страдают от сложности управления.стратегии и требуют оптимизированных термодинамических характеристик, чтобы рассматриваться на предмет получения государственных субсидий. В связи с этим требуется решить сопутствующие проблемы как с термодинамическими, так и с экономическими показателями систем ТЭЦ. В связи с тем, что эти две точки зрения связаны в любой энергосистеме, была введена термоэкономическая концепция, которая теперь представляет собой один из важнейших аспектов работы энергосистемы.

Оптимизация — это мощный инструмент и перспективное решение любых вопросов, связанных с эксплуатацией.проблемы. Постоянно растущая сложность инженерных систем, растущие требования к точности, поиск оптимальных и надежных конструкций создают дополнительные трудности, которые могут быть учтены только путем разработки оптимизационных моделей. Теоретически оптимизация — это процесс максимизации или минимизации целевой функции путем последовательного выбора и/или расчета возможных результатов в рамках определенного набора кандидатов. Оптимизация энергетической системы широко используется для получения информации о различных сценариях, когда энергетическая система подвергается многочисленным термодинамическим, экономическим и экологическим ограничениям. Сложность энергетической модели в значительной степени зависит от математического представления и энергетической системы, на которой она основана [2]. Даже при высокоточном моделировании, высококачественных данных и обширных вычислительных ресурсах сложность моделей энергопотребленияищет значительное количество суждений моделиста для проверки результатов модели [9]. Системы ТЭЦ не являются исключением; на самом деле очень сложно, учитывая наличие в системе более одного выходного продукта. За последние годы был сделан значительный вклад в исследование технических и экономических аспектов производства тепла и холода наряду с электроэнергией. Эти вклады в основном связаны с оптимизацией термоэкономических показателей в отношении энергетического баланса, наличия потребности в отоплении и охлаждении, ценообразования и финансовых стимулов, экологической политики и планирования электроэнергии и тепла. Оптимальные решения таких оптимизационных задач получаются с использованием широкого спектра поисковых (метод поиска) и математических методов оптимизации (метод исчисления). Метод поиска постепенно следует случайному или систематическому шаблону (последовательности), чтобы улучшить целевую функцию. С другой стороны, метод исчисления, известный как градиентный метод, использует производные первого и/или второго порядка для определения экстремума или минимума целевой функции.