автореферат диссертации по электротехнике, 05.09.03, диссертация на тему:Краткосрочное прогнозирование электропотребления угольного разреза в условиях оптового рынка электроэнергии

На правах рукописи

□□3485318

АптоиснкочДмитрий Васильевич

КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ УГОЛЬНОГО РАЗРЕЗА В УСЛОВИЯХ ОПТОВОГО РЫНКА ЭЛЕКТРОЭНЕРГИИ

Спе1шал!>пост1> 05.09.03 - Электротехнические комплексы и системы

АВТОРЕФЕРАТ 2 6 НОЯ 2009

диссертации на соискание ученой степени кандидата технических паук

Красноярск-2009

003485318

Работа выполнена в ФГОУ ВПО "Сибирский федеральный университет", г. Красноярск

Научный руководитель:

кандидат технических наук, доцент Южанников Александр Юрьевич

Официальные оппоненты:

доктор технических наук, профессор Христинич Роман Мирославович

кандидат технических наук, доцент Бастрон Андрей Владимирович

Ведущая организация:

Красноярский филиал

ОАО «Электропроект» (г. Красноярск)

Защита состоится " 9 " декабря 2009 г. в 16 часов на заседании диссертационного совета ДМ 2 ¡2.099.06 при ФГОУ ВПО "Сибирский федеральный университет" по адресу: 660074, г. Красноярск, ул. Ак. Киреиского, 26, ауд. УЛК 115.

С диссертацией можно ознакомиться в библиотеке Сибирского федерального университета по адресу: г. Красноярск, ул. Ак. Киреиского, 26, Г-274.

Автореферат разослан ноября 2009 г.

Ученый секретарь диссертационного совета

Р. Ю. Царев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В условиях рыночной экономики основой успешного функционирования любого предприятия является обеспечение требуемого уровня рентабельности его хозяйственной деятельности.

Особую важность приобретает задача эффективного использования электрической энергии на различных промышленных предприятиях, одними из которых являются угледобывающие.

Угледобывающее производство - одно из наиболее энергоемких отраслей промышленности - занимает существенную часть в энергетическом балансе страны.

В 2003 г. с принятием Федерального закона «Об электроэнергетике» был образован оптовый рынок электрической энергии (ОРЭ). С 1 сентября 2006 г. начал работу новый оптовый рынок энергии и мощности (НОРЭМ) с измененными правилами работы.

Необходимость включения условия о количестве электроэнергии определена тем, что в соответствии с Гражданским кодексом Российской Федерации договор энергоснабжения отнесен к договорам купли-продажи и должен определять наименование и количество товара, подлежащего передаче покупателю.

Особенность электроэнергии как товара, подлежащего купле-продаже, заключается в том, что в энергетике процессы производства-потребления электроэнергии совпадают во времени и не могут быть разнесены. Электроэнергию нельзя «складировать», поэтому при заключении договора электроснабжения возникает задача прогнозирования электропотребления.

Выход предприятия на оптовый рынок позволит значительно снизить стоимость потребленной энергии, так как стоимость электроэнергии, получаемой предприятием с ОРЭ, будет существенно ниже стоимости электроэнергии, получаемой от гарантирующего поставщика (региональной энергосистемы).

Данный путь снижения затрат на электрическую энергию требует от предприятия выполнения ряда условий, связанных с необходимостью прогнозировать величину электропотребления для предоставления заявки по часам на сутки вперед с отклонением не более чем на пять процентов.

Ошибка в прогнозировании нагрузки, как правило, оборачивается экономическим ущербом для предприятия: недооценка ожидаемой нагрузки (превышение заявленного максимума) приводит к штрафам (увеличению стоимости перерасходованной мощности); если фактическая часовая мощность ниже договорной, то оплата производится по значению, обусловленному заявленной величиной.

Очевидно, что составление заявок будет невозможным без создания методики прогнозирования, отражающей особенности угледобывающего предприятия с его индивидуальными технологическими свойствами как сложного техноценологического объекта.

Прогнозированию режимов электропотребления электротехнических комплексов (ЭТК) промышленных предприятий посвящены работы Д.В. Бэнна,

И.Е. Васильева, Ф.Д. Гальяны, В.И. Гордеева, С.К. Гурского, В.И. Доброжанова, C.B. Жака, И.И. Надтоки, В.И. Сидельникова, A.B. Седова, Е.Д. Фармера, В.В. Прокопчика, A.A. Федорова и других известных ученых.

Моделирование электропотребления на основе техноценологических свойств - новое направление в исследовании действующих предприятий, сформированное профессором Б.И.Кудриным, которое положительно зарекомендовало себя как общий подход к анализу сложных технических систем и получило дальнейшее развитие в работах Фуфаева В.В., Гнатюка В.И., Жилина Б.В., Лагуткина O.E., Ошуркова М.Г., Южанникова А.Ю., Сизгановой Е.Ю., Степанова A.B., Чупак Т.М., Луценко Д.В. и др.

Несмотря на большое количество научных публикаций в области моделирования и прогнозирования электропотребления, остается ряд вопросов, одним из которых является разработка математических моделей процесса электропотребления угледобывающих предприятий, повышающих точность моделирования и прогнозирования.

Общая теоретическая база, позволяющая решать проблему, связанную с выходом угольного разреза на оптовый рынок электроэнергии на всех уровнях горного производства, в настоящее время разработана недостаточно.

Это приводит к тому, что реализация задач прогнозирования потребления электроэнергии оказывается слишком субъективной и слабо связанной с предприятием и теми изменениями, которые происходят в процессе их функционирования. Потребление электроэнергии в изменяющихся условиях на угледобывающем предприятии зависит от множества производственных, горногеологических, технологических и административных факторов, большинство из которых в настоящее время не учитывается при анализе, планировании и управлении на всех уровнях предприятия. В связи с этим необходимо установление взаимосвязей между технологическими и энергетическими режимами производственных процессов.

Диссертационная работа посвящена определению параметров электропотребления угольного разреза в условиях оптового рынка электрической энергии. В работе проведена оценка влияния технологических показателей на фактическое электропотребление угольного разреза и обоснована возможность применения ценологической теории для прогнозирования электропотребления угледобывающего предприятия в целом (с учетом всех подразделений).

Целью работы является разработка методики краткосрочного прогнозирования и формирования оперативного корректирующего воздействия с целью планирования объемов электропотребления угольного разреза и управления ими в условиях работы на оптовом рынке электроэнергии.

Для достижения поставленной цели необходимо решить следующие задачи:

-Создать информационную базу параметров электропотребления ЭТК угледобывающего предприятия и основных технологических показателей угольного разреза (на примере ОАО ХК «Якутуголь»).

- Провести анализ основных методов прогнозирования и сформулировать требования к системе краткосрочного прогнозирования с учетом специфики угольного разреза.

-Разработать методику краткосрочного прогнозирования электропотребления угольного разреза (на примере разреза «Нерюнгринский»),

- Разработать алгоритм корректирующего воздействия электропотребления угольного разреза для поддержания договорной величины потребляемой электроэнергии.

-Оценить экономическую эффективность от внедрения методики краткосрочного прогнозирования параметров электропотребления угольного разреза.

Методы исследования включает в себя применение подхода Гусеница-ББА, теорию сингулярного разложения матриц, использование их свойств собственных чисел и собственных векторов, методы разложения Фурье, теории вероятности, ценологический аппарат и его вариации. Теоретические исследования сопровождались разработкой различных математических моделей, реализованных в виде программных алгоритмов. Для реализации алгоритмов на практике использовались среды Ма&аЬ, МаЛСас), БТАПБПСА.

Результаты, выносимые на защиту и представляющие научную новизну:

1. Методика краткосрочного прогнозирования электропотребления ЭТК угледобывающего предприятия на основе рангового анализа и устойчивых гиперболических Н-распределений (на примере ОАО ХК «Якутуголь»).

2. Методика краткосрочного прогнозирования электропотребления ЭТК угольного разреза на основе теории временных рядов (на примере угольного разреза «Нерюнгринский»),

3. Энергетические характеристики карьерных экскаваторов для оперативного корректирования электропотребления угольного разреза.

4. Алгоритм корректирующих воздействий на параметры электропотребления ЭТК угольного разреза.

Выводы и предложения основываются на результатах анализа статистики посуточного и почасового электропотребления и технологических показателей ОАО ХК «Якутуголь» с 2006-2008 гг.

Значения для теории состоит в развитии метода прогнозирования параметров электропотребления угледобывающих предприятий на основе теории временных рядов, и техноценологической теории устойчивых гиперболических Н-распределений.

Значения для практики имеют:

1. Методика краткосрочного прогнозирования параметров электропотребления угольного разреза на основе теории временных рядов для часовых нагрузок и ценологической теории для суточных нагрузок.

2. Математическая модель электропотребления угольного разреза, включающая в себя технологические показатели (факторы).

3. Математические модели для моделирования посуточного и почасового потребления электрической энергии и формирования корректирующего воздействия на процесс электропотребления угольного разреза.

4. Энергетические характеристики основных потребителей электроэнергии угольного разреза для осуществления корректирующего воздействия на параметры электропотребления.

Обоснованность и достоверность научных положений и выводов основываются на анализе статистики, полученной по данным автоматизированных систем коммерческого учета электроэнергии угледобывающего предприятия в течение трех лет и сопоставления полученных результатов прогнозирования с экспериментальными данными.

Реализация работы. Результаты диссертационной работы внедрены на ОАО ХК «Якутуголь», угольном разрезе «Нерюнгринский» и в учебный процесс Технического института (филиала) Якутского государственного университета.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на международных, всероссийских и региональных конференциях: Региональная научно-практическая конференция молодых ученых, аспирантов и студентов, Нерюнгри, 2006-2009; XX межвузовская научно-практическая конференция «Совершенствование образовательных технологий», Калининград, 2006; Международная научно-практическая конференция «Южная Якутия - Новые этапы индустриального развития», Якутск, 2007; Международная конференция «Технические науки и современное производство», Пекин, 2007; Международная научно-практическая конференция «Электроэнергия: от получения и распределения до эффективного использования», Томск, 2008; IV Всероссийская научно-практическая конференция «Энергетика в современном мире», Чита, 2009; I Всероссийская научно-практическая конференция «Молодежь и научно-технический прогресс в современном мире», Мирный, 2009; Международная научно-техническая конференция «Проблемы электротехники, электроэнергетики и электротехнологии», Тольятти, 2009; ХУ Международная научно-практическая конференция «Современные техника и технологии» СТТ2009, Томск, 2009; Международная научно-практическая конференция «Современные направления теоретических и прикладных исследований -2009», Одесса, 2009; I Международный конгресс «Цветные металлы Сибири-2009», Красноярск, 2009; VI Международной заочной научно-практической конференции "Наука на рубеже тысячелетий", Тамбов, 2009, а также на постоянно действующем семинаре кафедры «Электроснабжение и электрический транспорт» ПИ СФУ.

Публикации. Основные результаты исследований по данной теме опубликованы в 19 печатных работах. Список работ автора по теме диссертации приведен в конце автореферата.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, выводов по работе, выполнена на 169 страницах машинописного текста, содержит 50 рисунков, 16 таблиц, список использованной литературы из 151 наименований и 4 приложения на 20 страницах.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, дается общая характеристика работы, поставлены цели и задачи исследований, показана научная новизна и практическая ценность работы, отражены вопросы реализации и апробации научных результатов, сформулированы основные положения работы, выносимые на защиту.

В первой главе описаны цели и задачи проводимого исследования и намечены предполагаемые методы их решения. Рассмотрено электрическое хозяйство угольного разреза как объект техноценологического прогнозирования.

Анализ схемы электроснабжения ЭТК угольного разреза «Нерюнгринский» показал, что она не являться эталонной, поскольку, как правило, проектирование электроснабжения оказывается слишком ориентировочным, в большей степени субъективным и слабо связано с производственной программой предприятия и с теми изменениями, которые происходят в процессе ее реализации. Выполнен обзор работ, опубликованных в отечественной и зарубежной технической литературе посвященных краткосрочному прогнозированию электропотребления. Описаны основные методы прогнозирования электрической нагрузки, проведен их анализ для целей краткосрочного прогнозирования электропотребления угольного разреза.

Анализ данных материалов показывает сложность задачи краткосрочного прогнозирования для угледобывающего предприятия. Показана необходимость разработки методики прогнозирования расхода электроэнергии угольного разреза, удовлетворяющей требованиям ОРЭ.

Невозможность учета различных сочетаний факторов ставит преграду для разработки универсальных математических алгоритмов прогнозирования электропотребления. Учет же в каждом случае локальных факторов требует разработки математических моделей для каждого предприятия.

В качестве методов, обладающих высокой точностью и гибкостью используемых моделей, были предложены: ценологические и прогнозирование на основе теории временных рядов.

Во второй главе рассмотрены основные алгоритмы и математический аппарат методов прогнозирования (рисунок 1).

Для прогнозирования электропотребления объектов ЭТК в-методами в основном используются модели авторегрессионного скользящего среднего, декомпозиции временного ряда, а также различные вариации методов на основе анализа сингулярного спектра траекторией матрицы временного ряда. В процессе прогнозирования электропотребления техноценоза Z-мeтoдaми должны учитываться техноценологические свойства, сводящиеся в конечном итоге к понятию устойчивости гиперболических ранговых параметрических распределений.

Как показывает практика, далеко не всегда исходные данные, оказываются вполне корректными, что значительно снижает достоверность интервального оценивания и прогнозирования. Следовательно, требуется предварительная верификация базы данных, которая включает следующие

процедуры: 1) устранение нулевых данных; 2) устранение явно ошибочных данных (выбросов); 3) устранение абсолютно равных данных; 4) восстановление утерянных данных.

G-методы прогнозирования (Теория Гаусса)

Рисунок 1 - Методы прогнозирования

Для выявления тенденций электропотребления предприятий проводится анализ структуры электропотребителей угледобывающего комплекса, техноценологически полагая единство процессов электропотребления отдельными предприятиями. Учитывая, что величина электропотребления непрерывна, исследование проводится в ранговой форме. Методика анализа структуры рангового распределения заключается в следующем:

1. В ценозе выделяются элементы (предприятия-особи) и исследуемый параметр - часовое или суточное электропотребление особей, W,;

2. Предприятия ранжируются: им присваивается ранг i - целые числа в порядке убывания исследуемого параметра Wj. Ранг 1 приписывается особи с наибольшим электропотреблением, особь, имеющая минимальное электропотребление будет иметь ранг, равный общему числу предприятий i = п.

Для математического описания рассмотрим ранговое распределение в координатах ранг - значение параметра W(r). Функция принимает по оси абсцисс только целочисленные значения, по оси ординат такое ограничение отсутствует. Для получения непрерывной функции W(r) из дискретной W, (где г - непрерывный аналог целочисленного i), применяя метод наименьших квадратов, получаем невозрастающую функцию - W(r). В качестве основы для построения выбрано гиперболическое Н-распределение:

W,

W(r) = -^L (1)

г

где ß - характеристический ранговый показатель, определяющий степень крутизны кривой; W| - константа, в качестве которой принимается электропотребление наиболее крупного потребителя. Чем больше ß, тем круче гиперболическая кривая и больше разрыв в электропотреблении между несколькими крупными предприятиями и остальной массой предприятий.

Изменение рангового распределения во времени формализуется поверхностью рангового Н-распределения - динамикой первого рода:

\У,(1)

Элекгропогребление,

кВт-ч

Электропотребпение

Время,

{ наблюдения '

Рисунок 2 - Техноценологический метод прогнозирования

Смысл прогнозирования заключается фактически в прогнозировании площади под ранговым Н-распределением (или точки), скорректированной во времени конфигурацией поверхности (см. рисунок 2). Поверхность, в свою очередь является верхней границей объема (во времени) суммарного электропотребления всех предприятий (реализация процедуры верификации прогноза). Ценологический прогноз электропотребления отдельных предприятий на основе динамики первого рода рангового Н-распределения основан на допущении о неизменности ранга предприятий (особей) в структуре электропотребления (ценоза).

Законы развития техники и живой природы, состоящей из отдельных особей, имеют много общего. Поэтому представляется возможным описывать сложные системы на основе ценологических понятий. Устойчивость системы обусловлена действием законов энергетического и информационного отборов по аналогии с живыми системами, где действует закон естественного отбора. Показано применение понятий «Золотое сечение» и числа Фибоначчи в сфере организации электротехнических систем по аналогии с живой природой.

В качестве основы для построения выбрано гиперболическое Н-распределение:

\У(г) = А1-Ф(1_г)=А1/Ф(г~1). (3)

где А| - константа, в качестве которой принимается параметр первого объекта с первым номером ранга, Ф = 1,618 «Золотое сечение».

Также содержится информация о подходе "Гусеница"-88А, которая потребуется для решения поставленных задач. В рамках этого подхода описываются уже существующие интерактивные способы решения задач выделения тренда и периодических составляющих временных рядов, а также рассматриваются условия, при которых возможно решение этих задач.

Для того чтобы выделить аддитивную составляющую ряда Р длины N. Р = р(" +Р<2), в подходе "Гусеница" - ЭБА по ряду Р строится траекторная матрица X заданного размера ЬхК, 1<Ь<И, К = Ы-Ь+1 (Ь называется длиной

окна), вычисляются собственные числа {¡Ц }к=1, собственные {Uk }jlk и факторные {Vk }jlk вектора матрицы ХХТ , формируя сингулярное разложение X = Хк, Хк Набор (>.k,Uk,Vk) ,будем называть к-ой

собственной тройкой.

Затем выделяется группа собственных троек с номерами из некоторого I и определяется матрица Х( > = £ке1Хь по которой восстанавливается требуемая

составляющая F(1) с помощью диагонального усреднения (ганкелизации). Эта схема имеет параметр - длину окна L и управляется выбором группы компонент I, процесс этого выбора будем называть идентификацией.

Модель авторегрессии - проинтегрированного скользящего среднего (ARIMA) предназначена для описания нестационарных временных рядов xt, обладающих следующими свойствами:

- анализируемый временной ряд аддитивно включает в себя составляющую f(t), имеющую вид алгебраического полинома (от параметра времени t) некоторой степени k > 1; при этом коэффициенты этого полинома могут быть как стохастической, так и нестохастической природы;

- ряд хк, , t =1 ,...,Т- к, получившийся из хt после применения к нему к-кратной процедуры метода последовательных разностей, может быть описан моделью ARMA(p,q).

Общий вид смешанной модели авторегрессии скользящего среднего (ARMA) выглядит следующим образом:

Aky, =а,уы +а2у,_2 +-apyt_p +et -е,еы -92е,_2 -...-9qEt_q, (4)

где дку, - к-я последовательная разность ряда с уровнями у,.

Прогнозирование на основе модели (4) включает следующие этапы: удаление нестационарности, подбор стохастической модели, проверка случайной составляющей на соответствие критериям «белого шума», прогноз.

Модель декомпозиции временных рядов для анализа случайного процесса электропотребления в своей основе содержит следующие составляющие: детерминированную (тренд), сезонную, обусловленную погодными условиями (температурой воздуха, влажностью и т.д.) и остаточную (случайную). В ад дитивном виде модель можно представить выражением вида:

yt =f(t) + s, +at, (5)

где f (t) - детерминированная составляющая процесса (тренд);

s, - сезонная составляющая;

at - остаточная случайная компонента.

Прогнозирование на основе модели (5) состоит из следующих шагов: логарифмирование исходного временного ряда, определение параметров тренда с его последующим удалением, удаление сезонности, проверка остатков на соответствие критериям «белого шума», построение прогноза.

В третей главе проведен анализ электропотребления, рассмотрены основные факторы, оказывающие влияние на электропотребление угольного разреза.

На электропотребление угольного разреза оказывают влияние большое количество горно-геологических, технологических и организационных факторов.

Технологией отработки вскрышных пород принята транспортная система разработки с использованием экскаваторов-мехлопат большой единичной мощности и драглайнов ЭШ-13/50 с погрузкой в большегрузные автосамосвалы грузоподъемностью 120-218 тонн.

Для получения предварительной информации проводился анализ данных У — электропотребления угольного разрез «Нерюнгринский» за 2006-2008 года, в котором было рассмотрено влияние следующих факторов:

1) XI - аварийных отключений линий электропередач 35 кВ;

2) х2 - уровень выпавших осадков;

3) х3 - средняя температуры наружного воздуха;

4) X/ — время простоя без напряжения линии 35 кВ.

Таблица 1 - Матрица парных коэффициентов корреляции факторов

У XI х-> х3 х4

У 1 0,24 -0,27 -0,33 0,094

X1 0,24 1 0,107 -0,32 -0,247

Х2 -0,027 0,107 1 0,205 0,107

XI -0,33 -0,32 0,205 1 0,332

Х-1 0,094 -0,247 0,107 0,332 1

На рисунках 3 представлены графики электропотребления и основных технологические показателей работы угольного разреза «Нерюнгринский».

№00 ] Ги-1 и ¡'I ПОООО 14.1000 ^(МОО 1КОООО ?00000 ?"!0000

500000 450000 400000 ?.Ч)0'Х'

200000 150000

I ", у "<7 .............

юооо.оо 15000.00 :оош» :«юо.оо зтш iшм> а) Объемы вскрыши, м'. б) Добыча угля, т.

Рисунок 3 - Зависимости электропотребления от технологических показателей

угольного разреза

Исследуется зависимость потребления электроэнергии У от ряда технологических показателей (факторов) производства угольного разреза, а именно: 1) Х1 - объемы добычи, м3; 2) Х2 - объемы вскрыши, м3; 3) Х3 - навалы, м3; 4) Х4- переэкскавация, м3; 5) Х5 = X, + Х2 + Х3 + Х4 - горная масса, м'\

Таблица 2 -Коэффициенты корреляции технологических показателей

У X, Х2 Х3 Х4

У 1 0,13 0,35 0,35 0,03

X, 0,13 1 0,08 0,02 -0,05

Х2 0,35 0,08 1 0,14 -0,09

Хз 0,35 0,02 0,14 1 0,06

х< 0,03 -0,05 -0,09 0,06 1

Результаты расчета парных зависимостей между рассматриваемыми технологическими показателями приведены в таблице 3.

Таблица 3 - Результаты расчетов уравнений парной регрессии

Название Вид уравнения \^а=я;х) Коэффициент детерминации (Л2)

W=f(Xl) ЧУ = 1.293Х, +32669 0,016

\У=Я[Х2) \У = 0,81Х2 + 22577 0,139

V/ = 0,872Х5 + 19058 0,18

Моделирование на основе уравнений регрессии может быть сведено к построению одного уравнения с включением в него большого числа показателей (факторов) или к построению системы уравнений.

Исходя из вышесказанного, получим обобщенную модель:

У = 189540,4 + 1,4Х[ + 0,7Х2 + 4,2Х3 + 0,6Х4 . (6)

На величину результата (электропотребления) влияют все технологические показатели (чем больше объемов, тем больше электропотребление угольного разреза). Если рассмотреть коэффициент множественной детерминации, то важно отметить, что Я2 = 0,22. Этот показатель является практически самым низким. На основе данного показателя определяется число неучтенных факторов, в данной модели эта величина составляет 80%.

Анализ перечисленных факторов показывает, что все они труднопредсказуемы и фактически неуправляемы. В подобных случаях для определения параметров электропотребления должны использоваться особые методы, учитывающие нечеткость и неоднозначность исходных данных.

Принципиально новым является то, что все филиалы (подразделения) ОАО ХК «Якутуголь» входят в одну систему более высокого уровня и подчиняются Аппарату управления ОАО ХК «Якутуголь», которое, несомненно, оказывает системное воздействие на все свои подразделения и объекты через систему планирования и лимитирования, а также администрирования. Поэтому совокупность филиалов (подразделений) представляет собой сообщество слабосвязанных и слабовзаимодействующих объектов (техноценоз). Связи слабые, но, тем не менее, они есть.

Филиалы (подразделения), подчиненные Аппарату управления ОАО ХК «Якутуголь», занимаются различными видами деятельности, направленными на один конечный результат, которым является добыча угля и

его обогащение. Коэффициент конкордации равный 0,888 для совокупности данных ОАО ХК «Якутуголь», свидетельствует о стабильности ранговой поверхности и взаимосвязанности в целом.

Анализ заключается в следующем: 1. В ценозе (ОАО ХК «Якутуголь») выделяются элементы (особи) и определяется исследуемый параметр - часовое электропотребление особей, \У|; 2. Предприятия ранжируются: им присваивается ранг 1 - целые числа в порядке убывания исследуемого параметра Ранг 1 присваивается особи с наибольшим электропотреблением, особь, имеющая минимальное электропотребление будет иметь ранг, равный общему числу предприятий ¡=п. В итоге получается ранговое распределение особей по величине электропотребления.

Электрохозяйство ОАО ХК «Якутуголь» представлено 36-ю объектами (особями). Наиболее энергоёмкими предприятиями являются Нерюнгринский угольный разрез, Обогатительная фабрика, Ремонтно-механический завод. По результатам построения последовательных ранговых Н-распределений наиболее энергоёмкое подразделение отнесено к ноевой касте распределения. Аналогично определены подразделения, составляющие пойнтер и саранчовую касты.

а) б)

Рисунок 4 - Динамика а) первой точки \¥ь б) показателя |3

Коэффициенты регрессии и р определяются по методу наименьших

квадратов (МНК), с помощью которого получаются наиболее точные результаты.

Полученные зависимости параметров ранговой поверхности в функции времени позволили установить взаимосвязи между этими электрическими показателями системы и выполнить прогноз структуры электропотребления ОАО ХК «Якутуголь» на перспективу.

Для надежного прогнозирования и верификации прогноза по предприятиям, как обязательную вторую сторону динамики, необходимо использовать структурно-топологическую динамику - синтез Н-распределения путем прогноза траекторий электропотребления предприятий (рисунок 5).

В основе прогнозирования электропотребления, по сравнению с другими способами прогноза, лежит необходимость спрогнозировать только два параметра и р гиперболической зависимости (1). Электропотребление по объектам просто восстанавливается на основе предшествующих значений устойчивой во времени матрицы рангов.

13

Рисунок 5 - Структурно-топологическая поверхность

В дальнейшем была также исследована модель, основанная с учетом опыта развития живой природы, которая отражает идеальное соотношение количества видов и численности каждого вида (3). Поэтому при определении основных показателей электропотребления целесообразно использовать понятие «Золотое сечение» и числа Фибоначчи.

19000 18000 Г000 16000 15000 14000 | .11)00 12(100 11000 10000

~*-фап -»"Т Д:> егда -метод..........

\V.KBI4

¿Л л /" N. I "Ф1ВД ____________Л

АпЧл Л\

.....)..... \ \......Г) А

1 * _

/ X

II [-Мети.] \* .........._дд

/ ; \ « ! .....Факт.......1 .....\.....

............. и,час

Ошибка. О/о

.4

* ГЪ 1 ? г ¡5 Л

р г Г

и \ /

Г 1 Т;

а) Абсолютная ошибка б) Относительная ошибка

Рисунок 6 - Графики прогноза параметров электропотребления

В четвертой главе описана практическая реализация методики краткосрочного прогнозирования и оперативного управления нагрузкой.

Для оценки качества прогноза использовались данные фактических параметров суточного электропотребления угольного разреза за 2006-2008 г. Точность прогнозирования предложенными методами оценивается по значению ошибки (абсолютной, квадратической, относительной). Фактические значения величин электропотребления позволяют провести сравнение с существующим на сегодняшний день методом, применяемым на угольном разрезе «Нерюнгринский» для прогнозирования электропотребления.

Из условия договора видно, что при условии работы предприятия на ОРЭ она будет иметь значительные потери финансовых средств от неточности связанной с отсутствием методики краткосрочного прогнозирования параметра электропотребления. Величина потерь в связи с неточностью существующего

14

метода прогнозирования составляет в среднем 12 % для суточного и 16.67% часового.

Энергосистема лимитирует допустимое отклонение электропотребления от договорной величины. Отклонение втах представляет собой относительную ошибку, выраженную в процентах, и обычно находится в пределах ±5%. Если фактическое электропотребление находится в этих границах, то расчет за электроэнергию производится по фактическим показаниям приборов расчетного учета. В случае несоответствия фактического расхода электроэнергии допустимым пределам потребитель возмещает убытки, понесенные энергоснабжающей организацией. Следовательно, методика прогнозирования должна обладать точностью, удовлетворяющей допустимым границам отклонения договорной величины. Если точность метода не удовлетворяет допустимому отклонению £тах, то потребитель несет потери от неточности определения договорной величины электропотребления. В качестве эквивалента стоимости потерь может выступать количество электроэнергии, которое оплачивается, но не используется потребителем. В случае превышения договорной величины над фактическим электропотреблением более чем на етах, расчет ведется по договорной величине расхода энергии; таким образом, эквивалентные потери от неточности заявки соответствуют абсолютной ошибке определения договорной величины.

Для избежания превышения заявленной договорной величины и планирования объемов электропотребления необходимо проводить оперативные корректирующие воздействия.

Контроль и управление потреблением электрической энергии на интервалах времени час и более с целью выполнения лимитов. Так, в момент времени с использованием построенной модели определяют прогнозное значение потребленной энергии на конец интервала \Упр(час) (см. рисунок 7). Если прогнозируется превышение лимита потребленной энергии, то значение минимальной мощности потребителей, которую необходимо отключить для выполнения лимита ЧУтах на интервале [0,час], будет равно:

Woт=(Wпp(чac)-Wmax), (7)

где ЧУф (1) - прогнозное значение электропотребления потребителей.

прогнозных параметров электропотребления 15

С целью планирования объемов электропотребления угольного разреза был проведен анализ основных потребителей электроэнергии.

Экспериментальные исследования показали, что расход электроэнергии экскаваторов, работающих на угольном разрезе, зависит от множества факторов: типа экскаватора, объема ковша, категории пород по экскавации, длительности цикла, производительности, угла поворота, качества подготовки забоя, кусковатости горной массы и т.д.

Предварительно можно выделить три основных фактора, определяющих электропотребление экскаватора: производительность, время работы и объем вынимаемой породы. Из трех выделенных факторов наиболее просто учитывается объем вынимаемой породы экскаватора за смену, отчеты по которым ведут горные участки. Зависимости электропотребления от производительности, времени работы и объема вынимаемой породы без учета вспомогательных операций представлены на рисунке 8.

3000 ......

Л\а,

2500 -

2000 .....1.....

1500 ■■—-1000 ■ —; 500 -........

................................. ! ) < .....II. ТЫСлЛ'иС

о -—1-,——— ; 1 --1->

0.0 0.5 1,0 1,5 2.0 2

а) Производительность, тыс.м3/час.

б) Время работы, мин. Рисунок 8 - Зависимости между расходом электроэнергии и параметрами экскавации для РС8000 без учета вспомогательных операций.

Исследована зависимость потребления активной энергии У (кВт час) от ряда факторов (переменных) экскавации: х, - производительность, тыс.м3/час; х2 - время работы без дополнительных операций, мин.; хз - объем вынимаемой породы, тыс.м3. (таблица 4).

Таблица 4 - Результирующие уравнения

Зависимость Уравнение регрессии W = f(x) Коэффициент детерминации (R2)

II Л - W = 1727Х]0'451 R2=0,662

W = f(x2) W = 19,53x2''087 R2=0,979

W = f(x3) W = 1656x30'944 R'=0,967

По экспериментальным данным были получены уравнения парной регрессии и рассчитаны параметры уравнения зависимостей расходов

электроэнергии для шести типов экскаваторов (таблице 5).

Таблица 5 - Энергетические характеристики экскаваторов

Тип экскаватора Уравнение W=f(s) Коэффициент детерминации (R2)

М301 W = 29,94s* +0,212 R2=0,859

РС8000 W = 99,46s*-3,408 R2=0,819

М201 W= 17,86s*-0,620 R2=0,879

ЭКГ-15 W= 16,20s*-1,334 R2=0,825

ЭКГ-20А W = 20,22s*-4,012 R2=0,817

ЭКГ-8 W = 8,276s*- 1,662 R2=0,722

Примечание: - количество 3-х минутный значений, б>1

Прогнозирование электропотребления угольного разреза и коррекции включают в себя два этапа (рисунок 9). На первом этапе проводится прогноз для составления заявки. В качестве входных данных используется массив значений электропотребления за последний месяц предыстории. Для хранения информации о предыстории электропотребления имеется база данных.

Рисунок 9 - Алгоритм краткосрочного прогнозирования и коррекции параметров электропотребления угольного разреза «Нерюнгринский»

На втором этапе, после получения прогнозных оценок проводятся плановые коррекции параметров электропотребления, которые вычисляются по характеристикам (таблица 5).

На рисунке 10 показано сравнение методов для краткосрочного прогнозирования объемов электропотребления.

Ошибка,% МДВР План Ц-метод^

У» Ц. Адл, .Дл.........

N V АРПСС АСС V

1 1,сутки

■арпсс

лее

■МДВР ■Пиан -♦•ТЦ-метй

Ошибка,0/® , АСС

* »А

Л

1

АРПС

................;.............1............ ТЦ-Метод\/

План 1,час

-н.ШИ -*~АСС

-»••МДВР —•- [

-^-ТЦ-ыеки

а) Суточные параметры б) Часовые параметры

Рисунок 10 - Визуальная оценка относительной точности прогноза

Как можно видеть из диаграммы на рисунке 10,а, при применении метода прогнозирования АРПСС имеются значительные потери, применение ТЦ-метода способствует уменьшению потерь от неточного планирования и заявки. Что касается почасового прогноза (рисунок 10,6), то наличие значительных потерь соответствует методу, существующему на данный момент на предприятии; наилучшие показатели представлены у модели ДВР (декомпозиции временных рядов).

На рисунке 11 показаны эквивалентные потери при различных методах прогнозирования.

74158

П

у-' 4

43826

1 Л2«47 вЯ

■ Н Ш?».............

шш ШВ у ш /

ТЦ-метол АРПСС АСС МДВР План

ТЦ-мегм АРПСС АСС МДВР Пми

а) Суточные параметры б) Часовые параметры

Рисунок 11 - Сравнение эквивалентных потерь для различных методов

Цена ошибок прогнозирования и планирования становится все более высокой. Оценочные расчеты, проводимые для угольного разреза «Нерюнгринский» при прогнозировании посуточных параметров показали, что экономия составила 1148835,53 кВтчас, а при почасовых - 55686,94 кВт-час.

Применение методов краткосрочного прогнозирования для улучшения точности договорной величины только за месяц позволило сэкономить 15% финансовых ресурсов.

Прогнозная кривая МДВР лучше повторяет ход фактического электропотребления, чем график заявленного электропотребления. Прогноз по предполагаемому МДВР в соответствии с приведенным алгоритмом, характеризуется наличием заниженных оценок электропотребления вследствие регулирования электропотребления простоями и тщательного планирования работ энергоемких экскаваторов на угольном разрезе «Нерюнгринский».

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. На основании анализа современных методов прогнозирования электропотребления выявлено, что основным требованием для работы на ОРЭ, предъявляемым к прогнозированию договорной величины электропотребления ЭТК угольного разреза по часам на сутки вперед, является обеспечение ошибки не более чем 5%.

2. Показано, что электропотребление ЭТК угольного разреза «Нерюнгринский» - элемент системы техноценологического типа (техноценоза) угледобывающего предприятия ОАО ХК «Якутуголь», на основании чего обоснована необходимость техноценологического подхода к решению задачи краткосрочного прогнозирования договорной величины электропотребления угольного разреза.

3. Установлена принадлежность эмпирических распределений электропотребления ОАО ХК «Якутуголь» к виду устойчивых ранговых параметрических Н-распределений с целью прогнозирования на основе экстраполяции параметров этих распределений.

4. В результате исследований различных методов прогнозирования были определены как наиболее точные: техноценологический метод для суточных заявок электроэнергии, при этом экономия составила 1148,53 тыс.кВт-час в месяц, и модель декомпозиции временных рядов для часовых объемов электропотребления угольного разреза, который увеличил точность составления часовых заявок на 55,94 тыс.кВт-час в сутки.

5. Получены энергетические характеристики карьерных экскаваторов от времени экскавации для формирования корректирующего воздействия на параметры электропотребления угольного разреза в целях непревышения договорной величины электроэнергии.

6. Разработана методика краткосрочного прогнозирования для определения необходимой договорной величины электропотребления угольного разреза, позволяющая снизить финансовые потери на 15%.

ПУБЛИКАЦИИ АВТОРА ПО ТЕМЕ ДИССЕРТАЦИИ

Основные результаты исследований по теме диссертации, опубликованные автором в изданиях, рекомендуемых ВАК для публикации результатов кандидатских и докторских диссертаций:

1. Антоненков Д.В., Ценологические параметры электропотребления горного предприятия / Д.В. Антоненков, А.Ю. Южанников // Известия вузов. Горный журнал, №6. - Екатеринбург, 2009 г. - С. 19-22.

Публикации в прочих изданиях:

2. Антоненков Д.В., Прогнозирование электропотребления методом анализа главных компонент (Опыт применения пакета MathCad-2001) / Д.В. Антоненков, Д.В. Луценко, Л.И. Двойрис, В.И. Гнатюк, П.Ю. Дюндик // Сборник научных трудов «Электропотребление судов и электроэнергетики» ФГОУ ВПО «Калининградского государственный технический университет». -Калининград, 2006 г. - С. 31-44.

3. Антоненков Д.В., Луценко Д.В., Дюндик П.Ю. Перспективное прогнозирование электропотребления техноценоза на основе GZ-анализа / Д.В. Антоненков, Д.В. Луценко, П.Ю. Дюндик // Материалы XX межвузовской научно-практической конференции «Совершенствование образовательный технологий» // Научно-методический сборник №¡20, Часть 1, книга 1. - Калининград, 2006 г. - С. 68-71.

4. Антоненков Д.В., Прогнозирование электропотребления методом анализа главных компонент / Д.В. Антоненков, Д.В. Луценко, Л.И. Двойрис, В.И. Гнатюк, П.Ю. Дюндик И Журнал «Электрика» / Гл. редактор, Б.И. Кудрин. -2007 г.-№3-С. 41-46.

5. Антоненков Д.В., Применение гибридной сети ANF1S для краткосрочного прогнозирования электропотребления угольного разреза / Д.В. Антоненков, А.Ю. Южанников, Д.В. Луценко // Материалы международной научно-практической конференции «Южная Якутия - Новые этапы индустриального развития» Якутский государственный университет им. М.К. Аммосова. - Нерюнгри, 24-26 октября 2007 г. - С. 147-151.

6. Антоненков Д.В., Краткосрочное прогнозирование электропотребления / Д.В. Антоненков, А.Ю. Южанников // РАЕ, Китай, «Технические науки и современное производство», Успехи современного естествознания (приложение)/ - 24 ноября 2007 г. - С. 128-129.

7. Антоненков Д.В., Мультипликативные методы прогнозирования параметров электропотребления на примере модели ARIMA / Д.В. Антоненков, H.H. Пахно // Сборник трудов по материалам IX региональной научно-практической конференции молодых ученых, аспирантов и студентов. -Нерюнгри, 2008 г.- С. 33-34.

8. Антоненков Д.В., Прогнозирование электропотребления методом рангового анализа промышленных предприятий Нерюнгринского района / Д.В. Антоненков, A.A. Находкина // Сборник трудов по материалам IX региональной научно-практической конференции молодых ученых, аспирантов и студентов. - Нерюнгри, 2008 г. - С. 27-29.

9. Антоненков Д.В., Ранговый анализ электропотребления горнообогатительного производства / Д.В. Антоненков, А.Ю. Южанников // ВНТК «Электроэнергия: от получения и распределения до эффективного использования». - Томск, 12-14 мая 2008 г, - С. 36-39.

10. Антоненков Д.В., Особенности электроснабжения каменноугольного разреза в условиях Южно-Якутского региона / Д.В. Антоненков, Е.Г. Дедюлькин // Журнал «Электрика» / Гл. редактор, Б.И. Кудрин. - 2008 г. -№7-С. 28-33.

И. Антоненков Д.В., Генератор негауссовой выборки техноцено-логического типа / Д.В. Антоненков, Д.В. Луценко, Л.И. Гнатюк, П.Ю. Дюндик, Е.В. Персиянцев /7 Научно-методический сборник N 23/5., Калининград: КПИ. - Калининград, - 2008 г. - С. 78-86.

12. Антоненков Д.В., Южанников А.Ю. Ценологическая модель электропотребления предприятия горнодобывающей отрасли / Д.В. Антоненков, А.Ю. Южанников // Сборник lV-ой ВНПК «Энергетика в современном мире», Т1„ - Чита, 24-25 марта 2009 г. - С. 278-285.

13. Антоненков Д.В., Анализ зависимости параметров электропотребления угольного разреза от технологических показателей / Д.В. Антоненков // Сборник трудов по материалам X региональной научно-практической конференции молодых ученых, аспирантов и студентов. -Нерюнгри, 2009 г. - С. 76-82.

14. Антоненков Д.В., Анализ электропотребления электрогидравлического экскаватора РС8000 / Д.В. Антоненков // 1-й ВНПК «Молодежь и научно-технический прогресс в современном мире», Приурочена к 15-летию МПТИ(ф)ЯГУ., - Мирный, 26-27 марта 2009 г., - С. 112-116.

15. Антоненков Д.В., Техноценозы и золотое сечение в системах электроснабжения / Д.В. Антоненков, А.Ю. Южанников // МНТК «Проблемы электротехники, электроэнергетики и электротехнологии», - Тольятти, 12-15 мая 2009г. - С. 326-329.

16. Антоненков Д.В., Ранговая модель электропотребления горнообогатительного предприятия / Д.В. Антоненков, А.Ю. Южанников // ХУ МНПК «Современные техника и технологии» СТТ2009, - Томск, 4-8 мая 2009 г. - С. 25-27.

17. Антоненков Д.В., Анализ электропотребления электрогидравлического экскаватора / Д.В. Антоненков, А.Ю. Южанников // МНПК «Современные направления теоретических и прикладных исследований - 2009», Т.5. Технические науки., - Одесса, март 2009 г. - С. 3538.

18. Антоненков Д.В., Ранговый анализ электропотребления предприятия горнодобывающей отрасли / Д.В. Антоненков, А.Ю. Южанников // I Международный конгресс «Цветные металлы Сибири-2009», - Красноярск, сентябрь 2009 г. - С. 79-81.

19. Антоненков Д.В., Ценологический анализ электрических нагрузок / Д.В. Антоненков, А.Ю. Южанников // Сборник материалов VI-ой международной заочной научно-практической конференции "Наука на рубеже тысячелетий", Тамбов, - Першина, 26-27 октября 2009 г. - С. 89-90.

Антоненков Дмитрий Васильевич Краткосрочное прогнозирование электропотребления угольного разреза в условиях оптового рынка электроэнергии Автореферат диссертации на соискание ученой степени кандидата технических наук Подписано в печать 06.11.2009. Заказ № 2418 Формат 60x84/16. Бумага тип. № 1. Усл. печ. л. 1. Тираж 100 экз.

Отпечатано на ризографе ИВМ СО РАН 660036, Красноярск, Академгородок

ВВЕДЕНИЕ.

1. АНАЛИЗ И ОЦЕНКА ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭТК УГЛЕДОБЫВАЮЩЕГО ПРЕДПРИЯТИЯ В УСЛОВИЯХ

ОПТОВОГО РЫНКА ЭНЕРГИИ И МОЩНОСТИ.

1.1. Угледобывающая промышленность в топливно-энергетическом комплексе и особенности угольного разреза «Нерюнгринский».

1.2. Описание схемы электроснабжения ЭТК угольного разреза «Нерюнгринский».

1.3. Условия работы на оптовом рынке электроэнергии и мощности.

1.4. Требования, предъявляемые к методам прогнозирования параметров электропотребления ЭТК угледобывающего предприятия.

Выводы по главе.

2. КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ ПОТРЕБЛЕНИЯ ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ.

2.1. Техноценологический метод прогнозирования.

2.1.1. Техноценологический метод прогнозирования без фиксированной первой точки.

2.1.2. Техноценологический метод прогнозирования с фиксированной первой точкой.

2.1.3. Техноценологический метод прогнозирования с делением на кастовые зоны.

2.1.4. Ф-метод прогнозирования электропотребления.

2.2. Статистические методы прогнозирования временных рядов.

2.3. Метод прогнозирования на основе анализа сингулярного спектра

S S А-«Гу сеница».

2.3.1. Построение траекторной матрицы.

2.3.2. Сингулярное разложение траекторной матрицы.

2.3.3. Процедура группировки.

2.3.4. Диагональное усреднение.

Выводы по главе.

3. ЦЕНОЛОГИЧЕСКИЙ АНАЛИЗ ПАРАМЕТРОВ

ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭТК УГОЛЬНОГО РАЗРЕЗА.

3.1. Анализ электропотребления угольного разреза.

3.2. Анализ зависимости электропотребления угольного разреза от технологических показателей.

3.3. Ценологические свойства угольного разреза как неотъемлемая часть угледобывающего техноценоза.

3.4. Прогнозирование параметров электропотребления угольного разреза методом рангового анализа.

Выводы по главе.

4. МЕТОДИКА КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ПАРАМЕТРОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ И

ОПРЕДЕЛЕНИЕ КОРРЕКТИРУЮЩИХ ВОЗДЕЙСТВИЙ.

4.1. Прогнозирование параметров электропотребления угольного разреза на основе временных рядов.

4.1.1. Метод прогнозирования на основе модели авторегрессионного проинтегрированного скользящего среднего (АРПСС).

4.1.2. Метод прогнозирования на основе анализа сингулярного спектра АСС-«Гусеница».

4.1.3. Метод прогнозирования на основе модели декомпозиции временного ряда (МДВР).

4.2. Анализ электропотребления энергоемкого одноковшового экскаватора угольного разреза.

4.3. Современные технические средства учета и контроля параметров электропотребления угольного разреза.

4.3.1. Многофункциональный программируемый комплекс.

4.3.2. Нижний уровень комплекса.

4.3.3. Верхний уровень комплекса.

4.4. Корректирующие воздействия на параметры электропотребления угольного разреза.

4.5. Расчет экономического эффекта от применения краткосрочного прогнозирования параметров электропотребления угольного разреза.

Выводы по главе.

Актуальность работы. В условиях рыночной экономики основой успешного функционирования любого предприятия является обеспечение требуемого уровня рентабельности его хозяйственной деятельности.

Особую важность приобретает задача эффективного использования электрической энергии на различных промышленных предприятиях, одними из которых являются угледобывающие [87, 113, 118].

Угледобывающее производство - одно из наиболее энергоемких отраслей промышленности - занимает существенную часть в энергетическом балансе страны [95].

В 2003 г. с принятием Федерального закона «Об электроэнергетике» [119] был образован оптовый рынок электрической энергии (ОРЭ). С 1 сентября 2006 г. начал работу новый оптовый рынок энергии и мощности (НОРЭМ) с измененными правилами работы.

Необходимость включения условия о количестве электроэнергии определена тем, что в соответствии с Гражданским кодексом Российской Федерации договор энергоснабжения отнесен к договорам купли-продажи и должен определять наименование и количество товара, подлежащего передаче покупателю.

Особенность электроэнергии как товара, подлежащего купле-продаже, заключается в том, что в энергетике процессы производства-потребления электроэнергии совпадают во времени и не могут быть разнесены. Электроэнергию нельзя «складировать», поэтому при заключении договора электроснабжения возникает задача прогнозирования электропотребления.

Выход предприятия на оптовый рынок позволит значительно снизить стоимость потребленной энергии, так как стоимость электроэнергии, получаемой предприятием с ОРЭ, будет существенно ниже стоимости электроэнергии, получаемой от гарантирующего поставщика (региональной энергосистемы).

Данный путь снижения затрат на электрическую энергию требует от предприятия выполнения ряда условий, связанных с необходимостью прогнозировать величину электропотребления для предоставления заявки по часам на сутки вперед с отклонением не более чем на пять процентов.

Ошибка в прогнозировании нагрузки, как правило, оборачивается экономическим ущербом для предприятия: недооценка ожидаемой нагрузки (превышение заявленного максимума) приводит к штрафам (увеличению стоимости перерасходованной мощности); если фактическая часовая мощность ниже договорной, то оплата производится по значению, обусловленному заявленной величиной.

Очевидно, что составление заявок будет невозможным без создания методики прогнозирования, отражающей особенности угледобывающего предприятия с его индивидуальными технологическими свойствами как сложного техноценологического объекта.

Прогнозированию режимов электропотребления электротехнических комплексов (ЭТК) промышленных предприятий посвящены работы Д.В. Бэнна, И.Е. Васильева, Ф.Д. Гальяны, В.И. Гордеева, С.К. Гурского, В.И. Доброжанова, С.В. Жака, И.И. Надтоки, В.И. Сидельникова, А.В. Седова, Е.Д. Фармера, В.В. Прокопчика, А.А. Федорова и других известных ученых.

Моделирование электропотребления на основе техноценологических свойств — новое направление в исследовании действующих предприятий, сформированное профессором Б.И.Кудриным, которое положительно зарекомендовало себя как общий подход к анализу сложных технических систем и получило дальнейшее развитие в работах Фуфаева В.В., Гнатюка В.И., Жилина Б.В., Лагуткина О.Е., Ошуркова М.Г., Южанникова А.Ю., Сизгановой Е.Ю., Степанова А.В., Чупак Т.М., Луценко Д.В. и др.

Несмотря на большое количество научных публикаций в области моделирования и прогнозирования электропотребления, остается ряд вопросов, одним из которых является разработка математических моделей процесса электропотребления угледобывающих предприятий, повышающих точность моделирования и прогнозирования.

Общая теоретическая база, позволяющая решать проблему, связанную с выходом угольного разреза на оптовый рынок электроэнергии на всех уровнях горного производства, в настоящее время разработана недостаточно.

Это приводит к тому, что реализация задач прогнозирования потребления электроэнергии оказывается слишком субъективной и слабо связанной с предприятием и теми изменениями, которые происходят в процессе их функционирования. Потребление электроэнергии в изменяющихся условиях на угледобывающем предприятии зависит от множества производственных, горно-геологических, технологических и административных факторов, большинство из которых в настоящее время не учитывается при анализе, планировании и управлении на всех уровнях предприятия. В связи с этим необходимо установление взаимосвязей между технологическими и энергетическими режимами производственных процессов.

Диссертационная работа посвящена определению параметров электропотребления угольного разреза в условиях оптового рынка электрической энергии. В работе проведена оценка влияния технологических показателей на фактическое электропотребление угольного разреза и обоснована возможность применения ценологической теории для прогнозирования электропотребления угледобывающего предприятия в целом (с учетом всех подразделений).

Целью работы является разработка методики краткосрочного прогнозирования и формирования оперативного корректирующего воздействия с целью планирования объемов электропотребления угольного разреза и управления ими в условиях работы на оптовом рынке электроэнергии.

Для достижения поставленной цели необходимо решить следующие задачи:

-Создать информационную базу параметров электропотребления ЭТК угледобывающего предприятия и основных технологических показателей угольного разреза (на примере ОАО ХК «Якутуголь»).

- Провести анализ основных методов прогнозирования и сформулировать требования к системе краткосрочного прогнозирования с учетом специфики угольного разреза.

- Разработать методику краткосрочного прогнозирования электропотребления угольного разреза (на примере разреза «Нерюнгринский»).

-Разработать алгоритм корректирующего воздействия электропотребления угольного разреза для поддержания договорной величины потребляемой электроэнергии.

- Оценить экономическую эффективность от внедрения методики краткосрочного прогнозирования параметров электропотребления угольного разреза.

Методы исследования включает в себя применение подхода Гусеница-SSA, теорию сингулярного разложения матриц, использование их свойств собственных чисел и собственных векторов, методы разложения Фурье, теории вероятности, ценологический аппарат и его вариации. Теоретические исследования сопровождались разработкой различных математических моделей, реализованных в виде программных алгоритмов. Для реализации алгоритмов на практике использовались среды MatLab, MathCad, STATISTICA.

Результаты, выносимые на защиту и представляющие научную новизну:

1. Методика краткосрочного прогнозирования электропотребления ЭТК угледобывающего предприятия на основе рангового анализа и устойчивых гиперболических Н-распределений (на примере ОАО ХК «Якутуголь»).

2. Методика краткосрочного прогнозирования электропотребления ЭТК угольного разреза на основе теории временных рядов (на примере угольного разреза «Нерюнгринский»).

3. Энергетические характеристики карьерных экскаваторов для оперативного корректирования электропотребления угольного разреза.

4. Алгоритм корректирующих воздействий на параметры электропотребления ЭТК угольного разреза.

Выводы и предложения основываются на результатах анализа статистики посуточного и почасового электропотребления и технологических показателей ОАО ХК «Якутуголь» с 2006-2008 гг.

Значения для теории состоит в развитии метода прогнозирования параметров электропотребления угледобывающих предприятий на основе теории временных рядов, и техноценологической теории устойчивых гиперболических Н-распределений.

Значения для практики имеют:

1. Методика краткосрочного прогнозирования параметров электропотребления угольного разреза на основе теории временных рядов для часовых нагрузок и ценологической теории для суточных нагрузок.

2. Математическая модель электропотребления угольного разреза, включающая в себя технологические показатели (факторы).

3. Математические модели для моделирования посуточного и почасового потребления электрической энергии и формирования корректирующего воздействия на процесс электропотребления угольного разреза.

4. Энергетические характеристики основных потребителей электроэнергии угольного разреза для осуществления корректирующего воздействия на параметры электропотребления.

Обоснованность и достоверность научных положений и выводов основываются на анализе статистики, полученной по данным автоматизированных систем коммерческого учета электроэнергии угледобывающего предприятия в течение трех лет и сопоставления полученных результатов прогнозирования с экспериментальными данными.

Реализация работы. Результаты диссертационной работы внедрены на ОАО ХК «Якутуголь», угольном разрезе «Нерюнгринский» и в учебный процесс Технического института (филиала) Якутского государственного университета.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на международных, всероссийских и региональных конференциях: Региональная научно-практическая конференция молодых ученых, аспирантов и студентов, Нерюнгри, 20062009; XX межвузовская научно-практическая конференция «Совершенствование образовательных технологий», Калининград, 2006; Международная научно-практическая конференция «Южная Якутия - Новые этапы индустриального развития», Якутск, 2007; Международная конференция «Технические науки и современное производство», Пекин, 2007; Международная научно-практическая конференция «Электроэнергия: от получения и распределения до эффективного использования», Томск, 2008; IV Всероссийская научно-практическая конференция «Энергетика в современном мире», Чита, 2009; I Всероссийская научно-практическая конференция «Молодежь и научно-технический прогресс в современном мире», Мирный, 2009; Международная научно-техническая конференция и

Проблемы электротехники, электроэнергетики и электротехнологии», Тольятти, 2009; ХУ Международная научно-практическая конференция «Современные техника и технологии» СТТ2009, Томск, 2009; Международная научно-практическая конференция «Современные направления теоретических и прикладных исследований - 2009», Одесса, 2009; I Международный конгресс «Цветные металлы Сибири-2009», Красноярск, 2009; VI Международной заочной научно-практической конференции "Наука на рубеже тысячелетий", Тамбов, 2009, а также на постоянно действующем семинаре кафедры «Электроснабжение и электрический транспорт» ПИ СФУ.

Публикации. Основные результаты исследований по данной теме опубликованы в 19 печатных работах.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, выводов по работе, выполнена на 169 страницах машинописного текста, содержит 50 рисунков, 16 таблиц, список использованной литературы из 151 наименований и 4 приложения на 20 страницах.

Основные выводы по работе

1. На основании анализа современных методов прогнозирования электропотребления выявлено, что основным требованием для работы на ОРЭ, предъявляемым к прогнозированию договорной величины электропотребления ЭТК угольного разреза по часам на сутки вперед, является обеспечение ошибки не более чем 5%.

2. Показано, что электропотребление ЭТК угольного разреза «Нерюнг-ринский» - элемент системы техноценологического типа (техноценоза) угледобывающего предприятия ОАО ХК «Якутуголь», на основании чего обоснована необходимость техноценологического подхода к решению задачи краткосрочного прогнозирования договорной величины электропотребления угольного разреза.

3. Установлена принадлежность эмпирических распределений электропотребления ОАО ХК «Якутуголь» к виду устойчивых ранговых параметрических Н-распределений с целью прогнозирования на основе экстраполяции параметров этих распределений.

4. В результате исследований различных методов прогнозирования были определены как наиболее точные: техноценологический метод для суточных заявок электроэнергии, при этом экономия составила 1148,53 тыс.кВт-час в месяц, и модель декомпозиции временных рядов для часовых объемов электропотребления угольного разреза, который увеличил точность составления часовых заявок на 55,94 тыс.кВт-час в сутки.

5. Получены энергетические характеристики карьерных экскаваторов от времени экскавации для формирования корректирующего воздействия на параметры электропотребления угольного разреза в целях непревышения договорной величины электроэнергии.

6. Разработана методика краткосрочного прогнозирования для определения необходимой договорной величины электропотребления угольного разреза, позволяющая снизить финансовые потери на 15%.

1. Аистов А.В. Эконометрика шаг за шагом Текст.: учеб. пособие для вузов / А.В. Аистов, А.Г. Максимов; Гос. ун-т — Высшая школа экономики. — М.: Изд. Дом ГУ ВШЭ, 2006. 178,[2] с. - Прил.: с. 159-170. - Библиогр. список: с. 171-178.

2. Айвозян С.А., Бухштабер В.М., Енюров И.С. Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: Справочное изд.- М.: Финансы и статистика, 1989. 607 с.

3. Алгоритмы и программы восстановления зависимостей/ Под ред. Вапника.- М.: Наука, 1984 816 с.

4. Андерсен Т. Статический анализ временных рядов. М.: Мир, 1976.

5. Антоненков Д.В. Ранговый анализ электропотребления горнообогатительного производства // ВНТК «Электроэнергия: от получения и распределения до эффективного использования» Томск, 12-14 мая 2008, С. 36-39

6. Антоненков Д.В., Дедюлькин Е.Г. Особенности электроснабжения каменноугольного разреза в условиях Южно-Якутского региона // Журнал «Электрика»,— 2008 №7 С.28-33.

7. Антоненков Д.В., Южанников А.Ю. Техноценозы и золотое сечение в системах электроснабжения // МНТК «Проблемы электротехники, электроэнергетики и электротехнологии», Тольятти, 12-15 мая 2009г. С. 326-329.

8. Антоненков Д.В., Южанников А.Ю. Ранговая модель электропотребления горно-обогатительного предприятия//ХУ МНПК «Современные техника и технологии» СТТ2009, 4-8 мая 2009 г., Томск. С. 25-27.

9. Антоненков Д.В., Южанников А.Ю. Анализ электропотребления электрогидравлического экскаватора// МНПК «СНТиПИ-2009», Одесса, март 2009г., Т.5. Технические науки. С. 35-38.

10. Антоненков Д.В., Южанников А.Ю. Ценологические параметры электропотребления горного предприятия// Известия вузов. Горный журнал. -2009. -№ 6. С19-20.

11. Антоненков Д.В., Южанников А.Ю. Ценологическая модель электропотребления предприятия горнодобывающей отрасли. IV ВНПК «Энергетика в современном мире», Чита, 24-25 марта 2009 г.,Т.1, С.278-285.

12. Антоненков Д.В., Луценко Д.В., Двойрис Л.И., Гнатюк В. И., Дюн-дик П.Ю. Прогнозирование электропотребления методом анализа главных компонент // Журнал «Электрика».— 2007 .- №3 — С.41-46.

13. Бариев Н.В. Электрооборудование и наладка экскаваторов. М.: Энергоатомизат, 1985.- 144 е., ил.

14. Бердин А.С. Формирование параметров модели ЭЭС для управления электрическими режимами /А.С. Бердин, П.А. Крючков — Екатеринбург: УГ-ТУ, 2000.- 107 с.

15. Блохин В.Г. Глудкин О.П., Гуров А.И., Ханин М.А. Современный эксперимент: подготовка, проведение, анализ.результатов. — М.: Радио.и связь, 1997.-232 с.

16. Бокс Дж, Дженкинс Г. Анализ временных рядов. Прогноз и управление. Выпуск 1 и 2. М.: Мир, 1974.

17. Большаков А.А., Каримов Р.Н. Методы обработки многомерных данных и временных рядов: Учебное пособие для вузов. — М.: Горячая линия Телеком, 2007. — 522с.: ил.

18. Боровик В.П. STATISTICA. Искусство анализа данных на компьютере. Для профессионалов. СПб.: Питер, 2001.

19. Бронштейн И.Н., Семендяев К.А. Справочник для инженеров и учащихся втузов. -М.: Наука, 1980. 976 с.

20. Бухштабер В.М. Многомерные развертки временных рядов. Теоретические основы и алгоритмы. // Обозрение прикл. промышл. матем., сер. Вероятн. и статист. 1997. Т. 4. Вып. 4. С 629-645.

21. Бэнн Д.В. Сравнительные модели прогнозирования электрической нагрузки.: Пер. с англ. / Д.В. Бэнн., Е.Д. Фармер. — М.: Энергоатомиздат, 1987. 200 с.

22. Валентинов В.А. Эконометрика: Учебник. М.: Издательство торговая корпорация «Дашков и К0», 2006. - 448 с.

23. Волотковский С.А., Козло В.К., Фурсов В.Д., Емец В.И. Электропривод и электроснабжение шахтных самоходных машин. М.,«Недра», 1977. 208 с.

24. Волотковский С.А., Сыроватко А.А., Липин В.М. Удельные расходы электроэнергии на экскаваторные работы. — Горный журнал, 1964, №9, с. 2325.

25. Гайдукевич В.И., Титов B.C. Случайные нагрузки силовых электроприводов. М.: Энергоатомиздат, 1983. — 160 е., ил.

26. Главные компоненты временных рядов: метод «Гусеница» / Под ред. Д.Л. Данилова, А.А. Жиглявского. СПб: Пресском, 1997. 308 с.

27. Гладкий С. В. Состояние и перспективы развития межотраслевого централизованного ремонта электрооборудования промышленных предприятий / С. В. Гладкий // Промышленная энергетика. — 1979. — № 11. — С. 12-15.

28. Гмурман В.Е. Теория вероятностей и математическая статистика. Учеб. Пособие для вузов. Изд. 7-е, стер. М.: Высш. шк., 2004. - 479 е.: ил.

29. Гнатюк В.И., Луценко Д.В., Двойрис Л.И., Антоненков Д.В. Прогнозирование электропотребления методом анализа главных компонент. Электрика. № 3, 2007. - С. 41 - 46.

30. Гнатюк, В. И. Ранговый анализ и энергосбережение / В. И.Гнатюк, А. Е. Северин. Калининград : КВИ ФПС РФ - ЗНЦ НТ РАЕН, 2003. - 120 с.

31. Голяндина Н.Э. Метод «rycemma»-SSA: анализ временных рядов: Учеб. пособие. СПб: Изд-во С.-Петерб. ун-та, 2004. 78 с.

32. Гордеев В.И. Регулирование максимума нагрузки промышленных электрических сетей. М.: Энергоатомиздат, 1986. 182 с.

33. Гордеев В.И., Васильев И.Е., Щуцкий В.И. Управление электропотреблением и его прогнозирование. Ростов н/Д: Изд-во РГУ, 1991. 104 с.

34. Горелова, Г. В. Теория вероятностей и математическая статистика в примерах и задачах с применением Exel: учебное пособие для вузов (Изд. 3-е, доп. и перераб.) / Г. В. Горелова, И. А. Кацко. Ростов н/Д : Феникс, 2005. -480 с. : ил.

35. Горшков A.JI. США: энергетическая стратегия.// Энергия.- 1987.10. с 60-63.

36. Григорьев С.Н. Обоснование порядка разработки мульдообразных залежей угля одним карьером. Диссертация на соискание ученой степени кандидата технических наук (М., МГГУ, 1999г., 190 стр.)

37. Гурский С.К. Адаптивное прогнозирование временных рядов в электроэнергетике.- Минск: Наука и техника, 1983. — 271 с.

38. Данилов Д.Л. Метод «Гусеница» для прогнозирования временных рядов // Главные компоненты временных рядов: метод «Гусеница» / Под ред. Д.Л. Данилова и А.А. Жиглявского. СПб: Пресском, 1997. С. 73-104.

39. Двойрис Л.И. Применение пакета Mathcad при решении прикладных задач. Часть II. Моделирование систем и сигналов. Учебное пособие. Калининград: КПИ ФСБ РФ, 2003. - 132 с.

40. Дуброва Т.А. Статистические методы пргнозирования: Учеб. Пособие для вузов. М.: ЮНИТИ-ДАНА, 2003. - 206 с.

41. Ермилов А. А., Соколов Б. А. Электроснабжение промышленных предприятий. 4-е изд., перераб. и доп. М.: Энергоатомиздат, 1986. 144 с.

42. Жилин Б.В. Модели формирования структуры ценозов. Ценологиче-ские исследования. Вып.1 Математическое описание ценозов и закономерности технетики. Материалы первой международной конференции, Новомосковск, 24-26 января, Москва, 1996 г. с. 142-156.

43. Жилин Б.В. Проблемы расчета электрических нагрузок (по материалам диску сии по комплексному методу Б.И.Кудрина) — Тула: Приокское книжное изд-во.1996. 129 с.

44. Жилин Б.В., Ставцев В.А. К вопросу взаимоотношений предприятия с энергосистемой //Промышленная энергетика.-1993.-1Ч12.

45. Заводы черной металлургии ФРГ. М.: Черметинформация, 1982.120 с.

46. Иберла К. Факторный анализ.- М.: Статистика, 1980.- 365 с.

47. Иванов B.C., Соколов В.И. Режимы потребления и качество электроэнергии систем электроснабжения промышленных предприятий.-М., Электроатомиздат,1987,с.189.

48. Информация с сайта http://www.almozg.narod.ru/st5.htm

49. Информация с сайта Журнал Уголь, 2007г. http://www.rosugol.ru/

50. Информация с сайта ЗАО «Энергопромышленная компания», 20042007 http://www.eic.ru

51. Информация с сайта ОАО "НЭК" энергия преобразований http://www.novesk.ru/AJIStkp.htm

52. Информация с сайта Выход на ФОРЭМ Internet: http://www.abb.ru/

53. Информация с сайта ОАО ХК «Якутуголь»: http://yakutugol.ru/

54. Исаев А.С. Разработка метода определения объемов и периодично-стей регионального электроремонта ремонта На примере Новомосковского промышленного узла). Автореф. . канд.техн.наук. М. 1999.

55. Калинина В. Н., Соловьев В. И. Введение в многомерный статистический анализ: Учебное пособие / ГУУ. — М., 2003. — 66 с.

56. Каялов Г.М. Определение максимума нагрузки произвольных электроприемников// Электричество.- 1937.-N9-10.-C.29-34.

57. Кендалл, М. Временные ряды / М. Кендалл. — М. : Финансы и статистика, 1981.- 199 с.

58. Кендалл, М. Дж. Многомерный статистический анализ и временные ряды / М. Дж. Кендалл, А. Стъюарт. М. : Наука, 1976. - 736 с.

59. Кистенев, В. К. Анализ и прогнозирование электропотребления на предприятиях химической промышленности : дис. . канд. техн. наук : 05.09.03 / В. К. Кистенев ; рук. работы Ю. П. Попов. Красноярск : б. и., 1999.-153 с.

60. Королев Ю. Г., Рабинович П. М., Шмойлова Р. А. Статистическое моделирование и прогнозирование. — М.: МЭСИ, 1985, с. 20.

61. Королюк B.C., Портенко Н.И., Скороход А.В. и др. Справочник по теории вероятностей и математической статистике. — М.:Наука, 1985. — 640 с.

62. Крамер Г., Линдбеттер М. Стационарные случайные процессы. М.: Мир, 1969.

63. Кудрин Б. И. Реструктуризация черной металлургии и план ГОЭЛ-РО // Промышленная энергетика. — 2000 -№ 12. — С. 8 15.

64. Кудрин Б.И. Ценологическое определение параметров электропотребления многономенклатурных производств / Б.И. Кудрин, Б.В. Жилин, О.Е. Лагуткин, М.Г. Ошурков. — Тула: Приокское книжное изд-во, 1994. — 122 с.

65. Кудрин Б.И. Введение в технетику. 2-е изд., перераб. и доп. -Томск: Изд-во Томского гос. ун-та, 1993. - 552 с.

66. Кудрин Б.И. Электроснабжение промышленных предприятий: Учебник для вузов.- М.: Энергоатомиздат, 1995. 416 с.

67. Кудрин Б.И., Жилин Б.В., Лагуткин О.Е., Ошурков М.Г. Ценологическое определение параметров электропотреб-,ления многономенклатурных производств. Тула: Приок. кн. изд-во, 1994. - 122 с.

68. Кудрин Б.И., Кудряшев С.А., Фуфаев В.В., Якимов А.Е. Канонизация и управление видовой структуры ценоза. Принцип максимума энтропии.// Докл. МОИП, 1987. Общая биология. Морфология и генетика процессов роста и развития. МОИП: Наука, 1989,с.69-75.

69. Куликов А.П. "Оценка влияния ресурсных ограничений на развитие ТЭК России до 2025г. (модельный подход)" // "Сборник научных трудов ИНП РАН" — М.:МАКС Пресс, 2003.

70. Лагуткин О.Е., Ошурков М.Г. Прогнозирование электропотребления на основе структурной устойчивости ценозов.// Известия ВУЗов Электромеханика.- 1993 .-N6.C.63.

71. Лившиц С.М. Методы расчета электрических нагрузок промышленных потребителей //Промышленная энергетика.- 1948.- N2.- С. 1-7.

72. Льюнг Л. Идентификация систем. Теория для пользователей. М.; Наука, 1991.-432 с.

73. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика: Начальный курс: М.: Дело, 2000.

74. Математическое описание ценозов и закономерности технетики. Философия и становление технетики. Выпуски 1 и 2. Ценологические исследования. — Абакан: Центр системных исследований, 1996. 452 с.

75. Материалы сайта http://www.neuroproject.ru/

76. Матюнина, Ю. В. Прогнозирование электропотребления промышленных предприятий в условиях структурных изменений производства : дис. . канд. техн. наук : 05.09.03 /Ю. В. Матюнина ; Моск. энерг. ин-т. — М. : б. и., 1992.

77. Махно Д.Е. Эксплуатация и ремонт карьерных экскаваторов в условиях Севера. М., Недра, 1984. 133 с.

78. Методы прогнозирования в условиях рынка Э.Е. Тихонов учебное пособие. Невинномысск, 2006. - 221 с.

79. Методы решения задач реального времени в энергоэнергетике / А.З. Гамм, Ю.Н. Кучеров и др.Новосибирск: Наука, 1990. 294 с.

80. Михайлов В.В. Тарифы и режимы электропотребления. М.: Энерго-атомиздат, 1986. — 216 с.

81. Некрасов А.С., Синяк С.В. Экономические проблемы развития энергетического сектора в России // Экономическая наука современной России №4, 1999 г. С63-77.

82. Некрасов А.С., Синяк Ю.В. "Долгосрочные тенденции развития энергети-ческого комплекса России" // "Экономика и финансы электроэнергетики», №1 за 2003 г

83. Некруткин В.В. Аппроксимирующие пространства в продолжения временных рядов // Статистические модели с приложениями в эконометрике и смежных областях / Под ред. С.М. Ермакова и Ю.Н. Каштанова. СПб: НИ-ИХСПбГУ, 1999. С. 3-32.

84. Никифоров Г.Н. Комплексное управление электропотреблением и энергосбережением металлургического производства. Автореф. . .докт.техн. наук. Челябинск: 2001.

85. Нормирование топливно-энергетических ресурсов и регулирование режимов электропотребления (Сб. инструкций). М.: Недра, 1983. 224 с.

86. Олейников В.К. Анализ и планирование электропотребления на горных предприятиях. М., Недра, 1983. 192 с.

87. Орлов А.И. Прикладная статистика. Учебник. / А.И.Орлов. М.: Издательство «Экзамен», 2004. - 656 с.

88. Орлов Ю.К. Динамика ранговых распределений и проблемы статистики редких событий.// Электрика. 2001. № 8 - с.39-45.

89. Орнов В.Г., Рабинович М.А. Задачи оперативного и автоматического управления энергосистемами. М.: Энергоатомиздат 1988. 223 с.

90. Отчет "Разработать рекомендации по технологии формирования крутого борта на Северном участке разреза "Нерюнгринский". Шифр Т0-200 (100/2001) (Заключительный). М., МГГУ, 2003г., 104 стр.

91. Отраслевые рынки: итоги и перспективы развития // Топливно-энергетический комплекс России, 2004 С. 16-17.

92. Плащанский JI. А. Основы электроснабжения горных предприятий: Учебник для вузов. М.: Издательство Московского государственного горного университета, 2005. 499 с.

93. Постановление Правительства РФ №526 от 11.06.2001 "О реформировании электроэнергетики Российской Федерации".

94. Праховник А.В., Розен В.П., Дектярев В.В. Энергосберегающие режимы электроснабжения горнодобывающих предприятий. М.: Недра, 1985. -232 с.

95. Прикладная статистика: классификация и снижение размерности. /Под ред. С.А.Айвазяна //М.:Финансы и статистика. 1989 - 600 с.

96. Прогнозирование в системе STATISTIC А в среде Windows: Основы теории и интенсивная практика на компьютере: Учеб. Пособие /В.П. Боровиков, Г.И. Ивченко.-2-е изд., перераб.и доп.- М.: Финансы и статистика, 2006.368 е.: ил.

97. Прокопчик В.В., Кудрин Б.В., Якимов А.Е. Прогноз электропотребления промышленных предприятий на основе индуктивного метода самоорганизации,- М.: Изв. Вузов Энергетика, 1986, N 5, с. 20-24.

98. Прохоров С.А., Иващенко А.В., Графкин А.В.; Под ред. Прохорова С.А. Автоматизированная система корреляционно-спектрального анализа случайных процессов. СНЦ РАН, 2003. - 286 е., ил.

99. Рабочая книга по прогнозированию / Редкол.: И.В. Бестужев-Лада (отв. ред.). М.: Мысль, 1982. - 430 с.

100. Разработка рекомендаций по максимальным параметрам устойчивого борта на Северном участке разреза "Нерюнгринский". Отчет о НИР № УН-118-02-СПБ, ВНИМИ, 2003г.

101. Рубан А.И., Методы анализа данных: Учеб. пособие. 2-е изд., ис-правл. доп. / А. И. Рубан. Красноярск: ИПЦ КГТУ, 2004. 319 с.

102. Северин А.Е. Ранговый анализ в прогнозировании электропотребления // Автоматизация технологических процессов. — Калининград: Изд-во КГТУ, 2002.-С. 118-122.

103. Седов А.В., Надтока И.И. Системы контроля, распределения и прогнозирования электропотребления: модели, методы, алгоритмы и средства. Ростов н/д: Изд-во Рост, ун-та, 2002. - 320 с.

104. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М. Статистика, 1980.

105. Справочник по прикладной статистике. В 2-х т. Т. 1.: Пер. с англ. / Под ред. Ллойда Э, Ледермана У, Тюрина Ю.Н. М.: Финансы и статистика, 1989.-510 с.

106. Срагович В.Г. Теория адаптивных систем. — М.:Наука, 1976—319 с.

107. Федеральный закон «Об электроэнергетике»: Официальный текст. М.: «НЦ ЭНАС», 2003. - 64 с.

108. Федоров А.А., Каменева В.В. Основы электроснабжения промышленных предприятий.- М.: Энергоатомиздат, 1984.- 472 с.

109. Фуфаев В.В. Ценологическое влияние на электропотребление предприятия. Вып. 10. "Ценологические исследования" / В.В. Фуфаев. Абакан: Центр системных исследований, 1999. — 124 с.

110. Фуфаев В.В. Основы теории динамики структуры техно-ценозов // Математическое описание ценозов и законо^мериостей технетики. Ценологические исследования. Вып. 1. Абакан: Центр системных исследований, 1996. -С. 156-193.

111. Фуфаев В.В. Структурно-топологическая устойчивость динамики ценозов // Кибернетические системы ценозов: синтез и управление. М.: Наука, 1991.-С. 18-26.

112. Фуфаев В.В. Ценологическое определение параметров электропотребления, надежности, монтажа и ремонта электрооборудования предприятий региона. — М.: Центр системных исследований, 2000. 320 с.

113. Фуфаев В.В., Кучинская О.А. Учет разнообразия электрических двигателей промышленных предприятий при организации электроремонта // Промышленная энергетика, 1995. № 9. - С. 41 - 48.

114. Холлендей М., Вульф Д. Непараметрические методы статистики. М.: Мир, 1983.

115. Циканов М.М. Реализация Эльгинского проекта в кооперации и интеграции с субъектами Дальневосточного Федерального округа, г.Якутск, Республика Саха (Якутии), 2007.

116. Четыркин Е.М., Калихман И.Л. Вероятность и статисти,ка. М.: Финансы и статистика, 1982.

117. Четыркин, Е. М. Статистические методы прогнозирования / Е. М. Четыркин. -М. : Статистика, 1977. 200 с.

118. Чупак Т.М. Прогнозирование технического состояния силовых мас-лонаполненных трансформаторов : автореферат дис. . кандидата технических наук : 05.14.02 / Чупак Татьяна Михайловна

119. Южанников А.Ю. Золотое сечение, числа Фибоначчи и ценологи-ческие параметры электропотребления промышленного предприятия. //Вестн. Ассоц. Выпуск. КГТУ. Вып. 12 / Под ред. А.А.Михеева. Красноярск: ИПЦ КГТУ, 2005. С.165-169.

120. Южанников А.Ю. Моделирование электропотребления предприятия сельхозмашиностроения / А.Ю. Южанников, А.Г. Студенский, Т.А. Ширяева, Е.Ю. Сизганова. — Красноярск: Вестник КрасГАУ. 2006. №12. -С. 262-274.

121. Южанников А.Ю. Ценозы и золотое сечение в системах электроснабжения // Новое в российской электроэнергетике / А.Ю. Южанников, Е.Ю. Сизганова, 2008. №3, - С. 34-41.

122. Южанников А.Ю. Энергосбережение в образовательной сфере г.Красноярска / А.Ю. Южанников, Е.Ю. Сизганова, В.П. Филиппов. Энергосбережение и водоподготовка, 2007. - №3, - С. 30-33.

123. Южанников А.Ю. Контроль изоляции автотрансформаторов и числа Фибоначчи / А.Ю. Южанников, А.Г. Степанов. Приборы и системы. Управление, контроль, диагностика, 2007. - №4, - С. 55-58.

124. Южанников А.Ю. Техноценозы, гармония технических систем, золотое сечение и числа Фибоначчи / А.Ю. Южанников. — История науки и техники, 2006. - №10, - С. 35-41.

125. Box G.E.P., Pierce D.A. Distribution of Residual Autocorrelations in Autoregressive-Integrated Moving Average Time Series Models //J. of the Am. Statistic. Ass. 1970. Vol. 65. P. 1509-1526.

126. Broomhead D.S., King G.P. On the qualitative analysis of experimental dynamical systems// Nonlinear Phenomena and Chaos / Ed. by S. Sarkar. Bristol: Adam Hilger. 1986.-P. 113-144.

127. Buchstaber V.M. Time series analysis and grassmannians // Applied Problems of Radon Transform./ Ed. by S. Gindikin. Providence, RI: AMS, 1994. P. 1-17.

128. Eisner J., Tsonis A. Singular Spectrum Analysis. A New Tool in Time Series Analysis. New York: Plenum Press, 1996. 163 p.

129. Feinberg E.A. Load Forecasting / E.A. Feinberg and D. Genethliou // Applied Mathematics for Restructured Electric Power Systems: Optimization,

130. Control, and Computational Intelligence (J. H. Chow, F.F. Wu, and J.J. Momoh, eds.), Spinger, 2005. Pp. 269-285.

131. Golyandina N., Nekrutkin V., and Zhigljavsky A. Analysis of Time Series Structure: SSA and Related Techniques. London: Chapman & Hall/CRC, 2001.305 p.

132. Gross G. Short term load forecasting / Gross G. and Galiana F.D. // Proc. IEEE, Vol.75, №12, 1987. Pp. 1558-1573.

133. Keppenne C., Lall U. Complex singular spectrum analysis and multivariate adaptive regression splines applied to forecasting the southern oscillation // Exp. Long-Lead Forest. Bull. 1996. http://www.cpc.ncep.noaa.gov

134. Lilliefors H.W. On the Kolmogorov-Smirnov test for normality with mean and variance unknown / H.W. Lilliefors // Journal of the American Statistical Association. 1967. - Vol.64. - Pp. 399 - 402.

135. Luing G.M., Box G.E.P. On a Measure of Lack of Fit in Time Series Models // Biometrica. 1978. Vol. 65. P. 297-303.