WWW.KNIGI.KONFLIB.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

 
<< HOME
Научная библиотека
CONTACTS

Pages:     | 1 || 3 | 4 |   ...   | 13 |

«УДК 621.311 Закарюкин В.П., Крюков А.В., Раевский Н.В., Яковлев Д.А. МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ ПРОЦЕССОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ Под ред. ...»

-- [ Страница 2 ] --

В монографии предложена методика прогнозирования ЭП с помощью техноценологического анализа, основанная на аппарате рангового Нраспределения [58]. Прогноз электропотребления по железной дороге на основе предложенной методики позволяет определить необходимую величину ЭП в целом по магистрали. Применение данного подхода для прогнозирования расхода электроэнергии на ТП железной дороги позволяет получить точность прогноза около 4,5 %.

Данная методика легла в основу программного продукта «Учет и прогнозирование электропотребления», созданного в рамках проведенных исследований для хранения и обработки данных об электропотреблении по ТП, а также для прогнозирования ЭП на основе рангового анализа. Разработанный программный продукт положен в основу информационносправочной системы, служащей дополнением к существующим автоматизированным системам контроля и учета электропотребления (АСКУЭ) и диспетчерского управления (АСДУ). Система имеет иерархическую структуру, отвечающую на каждом уровне единым принципам построения, интерфейсам, методам обработки данных. Структуры систем управления базами данных на уровне техноценоза и на уровне структурной единицы подобны. Предложена декомпозиция данных по трем направлениям: числовая база (параметры электропотребления); текстовая (документооборот);

графическая (различные схемы). В основу архитектуры системы положена карта географического расположения дистанций электроснабжения железной дороги.

В четвёртой главе представлена методика прогнозирования ЭП на тяговых подстанциях с использованием аппарата искусственных нейронных сетей (НС). Анализ методов прогнозирования показал, что для сокращения сроков и повышения точности прогнозирования целесообразно использовать нейросетевые технологии [51]. Вопросам применения методов искусственного интеллекта для решения электроэнергетических задач посвящены работы [26..30, 49..53].

В монографии выполнен анализ моделей нейронных сетей, который показал, что многослойные сети пригодны для прогноза электропотребления на ТП [54, 113]. Рассмотрены возможные варианты формирования обучающей выборки с целью построения кривой обучения, наиболее адекватной решаемой задаче. Результатом обучения является такая настройка весов синаптических связей в НС, при которой каждому входному вектору сеть формирует требуемый (или близкий к нему) выход.

На основании обработки значительного массива статистических данных выявлена роль факторов, оказывающих влияние на электропотребление тяговых подстанций.

Предложено разделение входной информации на следующие уровни [113]:

• тяговая подстанция (ЭЧЭ) дорога;

• дистанция электроснабжения (ЭЧ) дорога;

• отделение дороги (НОД) дорога;

• энергоснабжающая организация (ЭСО) дорога.

При построении прогноза по уровню «НОД дорога» нейронная сеть оптимально сочетает в себе такие характеристики как быстродействие и высокая аппроксимирующая способность. Рассмотрены различные варианты представления в нейронной сети качественных и количественных факторов, влияющих на электропотребление.

Реализация факторного нейросетевого прогнозирования осуществляется посредством использования модели персептрона [83, 124], ориентированной на прогнозную оценку одного параметра. Данная модель реализована для решения задачи прогноза электропотребления тяговыми подстанциями железной дороги и ее отделений c применением рангового анализа [112, 141]. При его использовании возникает задача прогнозирования ЭП объектов с первым рангом W1 как одной из главных характеристик деятельности отделения дорог. При этом первичный анализ показал, что потребителями первого ранга для каждого из отделения дороги являются следующие тяговые подстанции: НОД-1 – ТП-8 (названия подстанций условные); НОД-2 – ТП-27; НОД-4 – ТП-31.

Для осуществления прогнозных оценок параметра W1 выделены факторы, на него влияющие. Значимость каждого из факторов оценивалась исходя из наличия накопленных статистических данных. В качестве меры значимости того или иного фактора принималось значение его коэффициента корреляции cor(W, ) с электропотреблением. Выполненный корреляционный анализ по отделениям дороги показал, что наиболее сильным влиянием обладают грузооборот Г (тыс. тонн) и средний вес брутто Qбр (тыс. тонн). Значения корреляции лежат в пределах cor(W, ) = 0,6…0, [46].

На основе проверки значимости коэффициентов при степенях выше первой можно сделать вывод об их незначительном влиянии на прогнозируемый параметр W. В итоге приемлемой регрессионной зависимостью можно считать линейную функцию вида W =а0+a1 1+a2 2. По методу наименьших квадратов рассчитаны коэффициенты зависимостей для отделений железной дороги. Проверка сформулированной модели на адекватность дала положительный результат.

Непараметрическую зависимость W = f( 1, 2) можно смоделировать на нейронной сети, в которой в качестве входных параметров принимаются факторы 1 и 2, а выходного – электропотребление W. Данная структура сети позволила добиться в процессе обучения точности прогнозирования, характеризующейся максимальной погрешностью 0,42 %.

На основе полученных результатов определены наиболее эффективные средства прогнозирования ЭП для организационно-структурных уровней железнодорожной магистрали.

1. АНАЛИЗ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

ЭЛЕКТРОПОТРЕБЛЕНИЯ

1.1. Прогнозирование в системе электроснабжения железнодорожного транспорта Железные дороги – филиалы ОАО «Российские железные дороги» – следует рассматривать как большие системы. Этот подход предполагает изучение таких систем с использованием методов, учитывающих наличие тесных связей между большим числом факторов, определяющих состояние объекта. Кроме того, они являются управляемыми объектами, которые необходимо рассматривать как совокупность взаимосвязанных подсистем, объединенных общей целью функционирования [61]. Одной из основных подсистем рассматриваемых объектов, непосредственно вовлеченных в процесс производства, являются хозяйства электроснабжения. Приоритетным направлением их деятельности является снижение эксплуатационных расходов на тягу поездов и повышение эффективности использования электроэнергии для обеспечения перевозочного процесса. От правильной оценки данного показателя зависит успешная деятельность не только электрического хозяйства железнодорожных магистралей, но и отрасли в целом.



Классическая теория управления включает в себя три элемента: планирование, организацию и собственно управление [90]. Все три элемента базируются на прогнозировании деятельности и развития системы. Прогнозирование является составной частью планирования, которое можно представить в виде сдвига выходной информации по отношению к информации входа. В процессе планирования вырабатываются управленческие решения, учитывающие переход объекта из первоначального в некоторое новое состояние, сформировавшееся под воздействием ряда внешних и внутренних факторов.

Прогнозирование должно отвечать на два следующих вопроса [12, 24, 90].

1. Что вероятнее всего ожидать в будущем?

2. Каким образом нужно изменить условия, чтобы достичь заданного конечного состояния прогнозируемого объекта?

Прогнозы, отвечающие на вопросы первого типа, называются поисковыми, второго типа – нормативными (рис. 1.1).

Отделение Рис. 1.1. Классификация научно-технических прогнозов Получение точных и своевременных прогнозных оценок дает возможность заключать договора на поставку энергоресурсов по наиболее льготным тарифам. Поэтому важной характеристикой является время упреждения – отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому относится прогноз.

По времени упреждения прогнозы делятся на следующие виды [12, 77, 103]:

• оперативные (с периодом упреждения от 15 мин до одной недели);

• краткосрочные (период упреждения от нескольких месяцев до года), • среднесрочные (период упреждения более 1 года, но не свыше лет), • долгосрочные (с периодом упреждения более 5 лет).

Прогнозы могут охватывать различные уровни объекта: от микроуровня, рассматривающего развитие отдельных структурных подразделений железнодорожного транспорта, до макроуровня, анализирующего процессы в масштабе отрасли. В системе электроснабжения железнодорожного транспорта прогнозирование возможно для следующих уровней:

• ОАО «РЖД» – энергетический рынок страны (заявляемый, договорной, контролируемый и отчётный объемы ЭП);

• граница раздела дороги и энергосистемы (заявляемый, договорной, лимитируемый, контролируемый и отчётный объемы ЭП);

• структурные подразделения филиалов ОАО «РЖД» – отделения дороги;

• дистанции электроснабжения, входящие в структуру отделения дороги;

• шины отдельно взятой тяговой подстанции.

Особенностью сложившейся системы электроснабжения железнодорожного транспорта является питание от тяговых подстанций не только электрического подвижного состава, но и нетяговых внутрикорпоративных и сторонних потребителей. Их нагрузка в условиях рыночной экономики меняется в широких пределах и может достигать до 25 % от общего электропотребления. Из нетяговых потребителей можно выделить четыре большие группы: коммунально-бытовые, промышленные, сельскохозяйственные и прочие. Внутри этих больших групп можно выделить более мелкие, с характерными графиками потребления электроэнергии.

«Энергетической стратегией ОАО «Российские железные дороги» на период до 2010 года и на перспективу до 2020 года» поставлена задача коренного улучшения структуры управления энергетическим комплексом железных дорог для его гармоничного и эффективного вхождения в энергетический рынок страны. В этих условиях наибольший практический интерес представляют краткосрочные и оперативные поисковые прогнозы электропотребления. Они используются в качестве основного показателя при заключении договоров на пользование электроэнергией с энергоснабжающими организациями сроком на 1 год и для ежеквартального уточнения объемов поставок. При этом предъявляются повышенные требования к точности прогнозирования.

Процессы электропотребления на отдельной железной дороге – филиале ОАО РЖД – за период 1999..2003 гг. иллюстрируются диаграммами, представленными на рис. 1.2..1.7.

МВт•ч Рис. 1.2. Динамика электропотребления на тяговых подстанциях Рис. 1.4. Динамика электропотребления на тяговых подстанциях Рис. 1.6. Динамика электропотребления на тяговых подстанциях Рис. 1.7. Динамика электропотребления по дистанциям электроснабжения Анализ потребления энергии тяговыми подстанциями показывает, что на эту величину влияет большое число факторов, затрудняющих прогнозирование ЭП. К ним следует отнести большое количество точек отбора мощности, сложный профиль пути, питание тяговых подстанций от нескольких энергосистем, различия в климатических условиях на протяжении железной дороги, значительную долю нетяговых потребителей в составе нагрузки.

1.2. Анализ существующих методов прогнозирования электропотребления Методам прогнозирования показателей электропотребления всегда уделялось большое внимание. Ряд теоретических идей, в основном базирующихся на линейных моделях, был выдвинут довольно давно. В этих работах [12, 40, 64, 68, 69, 77, 103], как и во многих других, анализ опирается на разработанные в начале и середине прошлого столетия статистические методы:

• корреляционные, регрессионные и факторные;

• эконометрические и эвристические;

• временной и пространственной экстраполяции;

• моделирования процессов развития.



Pages:     | 1 || 3 | 4 |   ...   | 13 |