автореферат диссертации по электротехнике, 05.09.03, диссертация на тему:Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии

На правах рукописи

НОВИКОВ Сергей Сергеевич

ий-} 168 182

МЕТОДИКА ОПЕРАТИВНОГО ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЕМ КРУПНОТОННАЖНЫХ ЭЛЕКТРОСТАЛЕПЛАВИЛЬНЫХ ПЕЧЕЙ ПРИ РАБОТЕ НА ОПТОВОМ РЫНКЕ ЭЛЕКТРОЭНЕРГИИ

Специальность 05 09 03 - «Электротехнические комплексы и системы»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва-2008

003168182

Работа выполнена на кафедре «Электроснабжение промышленных предприятий» Московского энергетического института (Технического университета)

Научный руководитель - доктор технических наук,

профессор КУДРИН Борис Иванович

Официальные оппоненты - доктор технических наук,

ЛЕЩИНСКАЯ Тамара Борисовна

кандидат технических наук, РАБИНОВИЧ Валерий Лазаревич

Ведущая организация - ОаО «Оскольский эяектрометаллур! ический

комбинат»

Защита состоится 18 апреля 2008 г в аудитории М-611 в 16 час 00 мин на заседании диссертационного совета Д 212 157 02 Московского энергетического института (технического университета) по адресу 111250, Москва, Красноказарменная ул, 13

Отзыв на автореферат (в двух экземплярах, заверенные печатью) просим направлять по адресу 111250, Москва, Красноказарменная ул , 14, Ученый Совет МЭИ (ТУ)

С диссертацией можно ознакомиться в библиотеке МЭИ (ТУ)

Автореферат разослан « // » марта 2008 г

Ученый секретарь

диссертационного совета Д 212 157 02 к т н,доцент

Цырук С А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Рост мирового промышленного производства и динамичное изменение конъюнктуры мировых рынков актуализируют проблему повышения энергозффективности экономики страны и обостряют проблемы экономии электроэнергии На этом фоне реструктуризация электроэнергетики и, в частности, запуск в конце 2006 г новой модели оптового рынка электроэнергии (ОРЭ) повышают значимость технико-экономического аспекта взаимоотношений потребителя с субъектами электроэнергетики и открывают новые возможности повышения энергоэффективности производства путем снижения расходов на приобретение электроэнергии

Планируемое Энергетической стратегией развития России до 2020-2025 гг снижение электроемкости относится и к черной металлургии, являющейся одной из самых энергоемких отраслей (доля электропотребления' 8-10% общероссийского), затраты на электроэнергию в себестоимости продукции которой достигают 11% На сегодня значительная часть предприятий черной металлургии имеет электросталеплавильные цеха с дуговыми печами (ДСП), потребляемая мощность которых находится на уровне 30-40% от мощности всего производства, а режим работы определяет график нагрузки отдельно взятого комбината и энергосистемы района в целом Для экономичности работы систем внешнего электроснабжения подобных производств, режимы электрических нагрузок которых характеризуются значительной неравномерностью потребления, актуальна выработка целостной стратегии поведения на рынке, опирающейся на оперативное прогнозирование, планирование и управление электропотреблением, что требует дополнения системы показателей электрохозяйства данными о часовых и 3-5-минутных замерах параметров электропотребления по точкам поставки, привлечения математических методов моделирования процессов электропотребления на этих интервалах

Тогда как созданные ранее методы анализа и прогнозирования электропотребления строились в основном исходя из стационарности процессов функционирования объектов исследования, современные условия требуют совершенствования методов анализа и прогноза в условиях нестабильности социальных и экономических процессов, и с учетом особенностей конкретного сегмента рынка

Проведенный анализ показал, что при прогнозировании параметров электропотребления и управлении системой электроснабжения необходимо опираться, с одной стороны, на системные кибернетические представления, а с другой - на ценологические, использующие методы самоорганизации Тогда в каждом конкретном случае задача сводится к разработке методик прогнозирования с использованием имеющейся отчетности, что означает принятие решений в условиях неопределенности

Система суточного и почасового прогнозирования электропотребления в комплексе с системой мер по оперативному управлению производственными мощностями может испотьзоваться как средство программно-информационной

поддержки при управлении рыночными рисками предприятия, возникающими на ОРЭ Подобные решения с внедрением специализированных средств конечного пользователя открывают новые возможности анализа, исследования, менеджмента и позволяют удешевить производство снижением расходов на электроэнергию, сравнивать существующий уровень энергопотребления с прогнозным для определения объема экономии энергии и экономической эффективности энергосберегающих мероприятий, сократить сроки подготовки предложений по изменению производственной программы, увеличить количество и детализировать прорабатываемые предложения для повышения эффективности принимаемых решений

Цель работы.

Разработка методики краткосрочного (на двое суток вперед по часам) и оперативного (на час и внутри часа с интервалом в пять минут) прогнозирования электропотребления большегрузных дуговых сталеплавильных печей и регулирования часового расхода электроэнергии электросталеплавильного производства и предприятия в целом с учетом выполнения договорных параметров на границе раздела «предприятие - субъект электроэнергетики»

В соответствии с поставленной целью решены следующие задачи:

1 Обобщение характеристик условий работы промышленных предприятий на основе анализа законодательной и нормативной базы оптового рынка электроэнергии и формирование требований к прогнозам и регулированию параметров электропотребления,'

2 Разработка структуры и создание пополняемой реляционной базы данных по суточным и часовым параметрам электропотреб тения электрометаллургического производства с пятиминутным интервалом осреднения,

3 Анализ, выбор и адаптация к электрометаллургическому производству математических методов краткосрочного и оперативного прогнозирования расхода электрической энергии,

4 Разработка методики и средств программно-математического обеспечения крагкосрочного и оперативного прогнозирования и регулирования часового расхода электроэнергии,

5 Разработка для слузгбы главного энергетика методов определения эффективности оперативного прогнозирования и потенциальной необходимости управления электропотреблением

Методы исследования.

В работе использовались положения теории систем, теории вероятности, теории случайных функций и методы математической статистики Теоретические исследования сопровождались разработкой различных математических моделей, реализованных на ЭВМ и в ВЕде программных средств При выполнении работы использованы научные труды российских и зарубежных специалистов, материалы научно-технических конференции к семинаров

Выводы предложения основываются на анализе статистики, полученной автоматизированной информационно-измерительной системы учета электроэнергии ОАО «Новокузнецкий металлургический комбинат» (ОАО

«НКМК»). Статистические данные включают значения часовых и получасовых нагрузок с интервалом осреднения в пять минут электросталеплавильного чеха (ЭСПЦ-2) ОАО «НКМК» с 27 01 2004 г по 31 03 2004 г, пятиминутные нагрузки ДСП-1 и ДСП-2 с 01 01 2005 г по 14 07 2005 г, а также почасовые значения цен на электроэнергию на рынке на сутки вперед и балансирующем рынке с 01 01 2007 г по 31 05 2007 г ценовой зоны «Сибирь»

Научная новизна работы:

1 Разработана структура базы данных и обоснован необходимый минимум информации по суточным, часовым и расходам электроэнергии и мощности на пятиминутных интервалах осреднения графика нагрузки электрометаллургического производства для планирования и управления,

2 Обоснован выбор и определены области применения различных методов анализа данных и моделирования временных рядов электропотребления для математического обеспечения работы предприятия на оптовом рынке электроэнергии,

3 Доказана необходимость многовариантных расчетов для повышения достоверности прогнозов электропотребления в условиях значительных колебаний основных суточных показателей работы электрометаллургического производства,

4 Доказано, что эффективное планирование и регулирование суточного по часам электропотребления обеспечивается комплексом моделей аппроксимации временного ряда суточного электронотребления с декомпозицией по дням недели, аппроксимации функцией из ряда Фурье с линейным трендом, моделью авторегрессии, кластер-анализом суточных графиков нагрузки по часам и на основе нейронных сетей,

5 Разработана методика оперативного прогнозирования и регулирования часового расхода электроэнергии энергоемкого промышленного производства для новой модели оптового рынка электроэнергии

Практическая ценность работы заключается в создании системы прогнозирования параметров электропотребления электросталеплавильного производства (на двое суток вперед по часам и внутри часа с интервалом в пять минут) для целей минимизации финансовых рисков при работе в нерегулируемом секторе оптового рынка электрической энергии Разработанные методы позволяют определять перспективные объемы электропотребления производства для формирования заявки и производить оценку необходимости и потенциальной эффективности мероприятий по регулированию нагрузки в пределах текущего часа Создан комплекс алгоритмов и программ для информационного обеспечения оперативного прогнозирования и управления электропотреблением, а также разработан метод определения рыночных рисков в режиме реального времени для оценки необходимости и эффективности оперативного управления нагрузкой электросталеплавильного производства

Замена профессионально-логических методов принятия решений в условиях неполноты первичной информации формализованными математическими процедурами позволяет повысить точность планирования и управления энерго-

емким производством с сокращением трудоемкости и времени на принятие решений, что особенно актуально в сложившихся рыночных условиях

Разработанные методики прогнозирования могут использоваться в других отраслях промышленности, характеризующихся наличием энергоемких производств с непрерывным технологическим циклом и возможностью выделения производств-регулятиров для оперативного управления Реализация полученных результатов.

Методика планирования суточного злектропотреблешы по часам и управления режимом внутри часа используется в ОАО «Нижноватомэнергосбыт» для обеспечения работы на оптовом рынке электроэнергии предприятий - абонентов организации

Разработанные методы прогнозирования параметров электропотребления рекомендованы решением Семинара-совещания руководителей и специалистов энергетических служб предприятий, научных и вузовских сотрудников, поставщиков электрооборудования «Практика работы по совершенствованию энергосбережения и развитию энергетических объектов предприятий» (Москва, 2007 г) в виде методических указаний для предприятий черной мегаллур-гии России

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались и получили положительную оценку на конференциях VI научно-техническая конференция молодых ученых, аспирантов и студентов НИ РХТУ (Новомосковск, 2004 г), Международная научно-практическая Интернет-конференция «ЭЭПС-2005» (Казань, 2005 г), Всероссийская научно-техническая конференция «Электроэнергия от получения и распределения до эффективного использования» (Томск, 2006 г), Двенадцатая международная научно-техническая конференция студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 2006 г), Всероссийская научно-практическая конференция с международным участием, посвященная 100-летию со дня рождения проф А А Федорова (Москва, 2007 г) Публикации.

Основные результаты диссертационной работы опубликованы в одиннадцати печатных работах, три из которых в печатных изданиях, рекомендованных ВАК

Структура и объем работы.

Диссертационная работа изложена на 132 страницах машинописного текста с 27 таблицами и 53 иллюстрациями Список использованной литературы включаег 149 наименований работ отечественных и зарубежных авторов Работа состоит из введения, четырех глав, заключения и 4 приложений Приложения представлены на 54 страницах

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность проблем оперативного планирования и управления электропотреблением энергоемких промышленных производств в условиях работы на ОРЭ, формулируются цели и задачи исследования

В первой главе рассматриваются основные направления развития электрометаллургии стали в России и мире Отмечено превышение энергоемкости процессов производства стали в электропечах по сравнению с зарубежными показателями и значительной долей стоимости энергоресурсов в себестоимости продукции заводов черной металлургии

Выделен круг проблем электроснабжения потребителей, возникших, в том числе, в связи с демонополизацией рынков электроэнергии, опережающим ростом стоимости и ожидаемым дефицитом электроэнергии и вызвавших снижение конкурентоспособности продукции промышленных предприятий

Рассмотрены организационные основы функционирования ОРЭ, нормативно-технические требования к участникам рынка и основы ценообразования в новой модели ОРЭ Показаны изменения организационно-правовых и техни-ко-зкономических взаимоотношений между потребителями электроэнергии и субъектами электроэнергетики, в частности, с сетевыми и сбытовыми компаниями

Обоснована возможность снижения издержек на производство потребителя - участника ОРЭ путем повышения точности формирования заявок на потребление электроэнергии и минимизации отклонений по собственной инициативе Показано, что на сегодня одними из основных направлений развития энергоменеджмента на промышленном предприятии являются прогнозирование собственного планового почасового потребления, прогнозирование узловых цен в рынке на сутки вперед (PCB) и индикаторов балансирующего рынка (БР) на соответствующий час торгов, определение оптимальной доли покупки на PCB, связанное с оценкой стоимости риска покупки на БР, разработка эффективных мер по оперативному регулированию графика нагрузки

Вторая глава посвящена анализу и выбору математического аппарата моделирования электрических показателей работы ДСП

Показано, что в рамках розничного рынка расчеты за электроэнергию, например по двуставочному тарифу, предполагали определение лишь совмещенного получасового максимума графика нагрузки предприятия для его заявки Моделирование же графиков нагрузки ДСП сводилось к определению статистических показателей среднее значение нагрузки, коэффициент включения, коэффициент максимума, коэффициент вариации нагрузки, коэффициент формы графика, коэффициент использования номинальной мощности, коэффициент загрузки печного (для индивидуальных графиков) или силового (для групповых графиков) трансформатора, коэффициент мощности Имеются типовые графики работы ДСП, но изменение технологии производства стали в электропечах и интенсификация процесса плавки привели к необходимости новых

подходов для описания таких графиков, так как при малых интервалах осреднения из-за значительной неопределенности суточного электропотребления неприменимы вероятно-статистичесие методы, опирающиеся в пределе на нормальное распределение и оперирующие понятием «среднее», а процесс злектронотребления не стационарный и не эр: одический

Решение задач прогнозирования и управления электропотреблением в условиях ОРЭ требует анализа данных по нагрузкам и расходу электроэнергии с 3-5-минутными интервалами осреднения Это позволяет в пределах интервата регулирования (I час) оценить динамику электропотребления и принять решение о необходимости включения или отключения электроприемников-регуляторов нагрузки, учитывая их корреляционные связи с другими приемниками (производствами, цехами)

Обоснован выбор математических методов моделирования графиков нагрузки отдельно для задач оперативного планирования и управления электропотреблением Показано, что система прогнозирования не может опираться на единственный подход и должна обеспечивать многовариантные расчеты по комплексу моделей

При краткосрочном прогнозировании электропотребления применима модель авторегрессии - проинтегрированного скользящего среднего АРПСС (р, 4

q)

^(B)VdW(t) = e(B)ett (1)

где Ф(Б)~1 -Ф |Б-Ф2£2 - -ФрВр - оператор авторегрессии порядка р, В - оператор сдвига назад W(t)=B(W{t+\)), ®(B)=l-®lB-®2B2- -@qS4 - оператор скользящего среднего порядка q, Vd - оператор разности порядка d, V 1),е,~ стационарный случайный процесс с нулевым математическим ожиданием и дисперсией ае2 Случайная величина е, в модели является разностью прогнозного на один шаг вперед W4p(t) и фактического значений электропотребления W$(t)

erW^t)-W^t) (2)

Для оперативного прогнозирования в случаях, когда аналитически невозможно определить вид зависимости параметров электропотребления от кахих-либо факторов и не эффективно применение традиционных методов анализа временных рядов, предложено использование аппарата искусственных нейронных сетей (НС) с прямой передачей сигнала, к которым, в частности, относятся многослойные персептроны - MLP (.Multi-Layer Perceptron) При этом необходимо выбрать влияющие параметры, провести предобработку входных данных, включающую удаление пропусков, выбросов и требуемое масштабирование данных, выбор количества скрытых слоев, а также количества нейронов в каждом скрытом слое, выбор алгоритма обучения, а также данных, предназначенных для обучения НС

Согласно методу наименьших квадратов, минимизируемой целевой функцией ошибки НС является величина

1 ] р

(Ы) ч

где у) р - реальное выходное состояние нейрона у выходного слоя N НС при

подаче на ее входы р-го образа, ¿№ - идеальное (желаемое) выходное состояние этого нейрона Суммирование ведется по всем нейронам выходного слоя и по всем обрабатываемым сетью образам Минимизация выполняется методом градиентного спуска

дЕ

Аж(,п) = -т} --га)

' дя, ' (;

где - весовой коэффициент синаптической связи, соединяющей г-ый нейрон слоя п-1 су-ым нейроном слоя я. г] - коэффициент скорости обучения, 0<ц<1

Для повышения достоверности и надежности почасового прогнозирования применяется подбор типовых графиков из предыстории При этом на основании цикличности производства и единого характера эксплуатационных регламентов (плановые остановки печей, плановые ремонты, пусковые режимы, эксплуатационные режимы) электросталеплавильного производства предполагается наличие в предыстории характерных по режиму электропотребления суток Процедура прогнозирования в этом случае основывается на анализе исходных графиков электропотребления и выявлении устойчивых связей и циклических зависимостей

Для решения задачи оперативного управления необходимо выделение энергоемких производств (технологических агрегатов), которые будут использоваться в качестве регуляторов нагрузки, прогнозирование электропотребления в пределах текущего периода отчетности, сравнение полученных прогнозных значений с заявленными и принятие решения о необходимости регулирования Использование для построения прогнозов в этих условиях методов традиционного анализа временных рядов затруднено неопределенностью динамики графиков нагрузки ДСП с пятиминутным интервалом осреднения, поэтому задача была сведена к прогнозированию по одному параметру - времени, на основании информации о предыдущем развитии процесса

Для принятия решения о необходимости регулирования и выполнения отключения достаточно 15 мин (этот период согласован с технологами ЭСПЦ-2 ОАО «НКМК» и в работе полагается достаточным), поэтому оперативное регулирование предлагается проводить на основе данных об электропотреблении за 45 мин текущего часа (с интервалом осреднения в 5 мин) и прогноза электропотребления на оставшиеся 15 мин В качестве регуляторов нагрузки рассматриваются крупнотоннажные ДСП, что обосновывается технологическими режимами их работы и широкими диапазонами возможного регулирования (30-40% нагрузки всего предприятия) При этом длительность отключения, необходимая для минимизации отклонения часового электропотребления от заявленной величины, определяется по фактической мощности печи в текущий момент времени

Для прогнозирования внутри часа обосновано использование аппарата нейронных сетей с нечеткой логикой (Adaptive-Network-Based Fuzzy Inference System ~ ANFIS), которые обладают высокой скоростью обучения, простотой алгоритма и оптимальной проработанностью программного обеспечения в системе математического моделирования MATLAB 71, и устойчиво показывают точные результаты прогнозирования в энергетике

Предложен математический аппарат прогнозирования электропотребления на основе подбора типовых графиков из предыстории, опирающийся на предположение о наличии в предыстории исчерпывающей информации о характерных технологических состояниях производства

Третья глава посвящена разработке методов планирования и оперативного управления режимами электропотребления ДСП В том числе рассмотрены методы построения оперативного прогноза часового электропотребления на двое суток вперед с помощью авторегрессионных моделей, нейронных сетей с прямой передачей сигнала Предложены методы прогнозирования внутри часа подбором графика-аналога, применением нейро-нечеткой системы Обоснована структура информационно-методического обеспечения задач оперативного планирования и управления электропотрсблением

Анализ данных по получасовым нагрузкам печей выявил несоответствие их нормальному закону распределения Для статистического анализа и построения авторегрессионных моделей использовалось почасовое элекгропо-требяение за два месяца и данные третьего месяца для проверки точности прогноза

Анализ автокорреляционной функции распределения нагрузки ДСП показал, что оптимальной для прогнозирования является модель АРПСС (2,0,0)(1,0,0), так как в исходных временных рядах отсутствует сезонная составляющая, а для учета наиболее значимых коэффициентов автокорреляции достаточно взятия одной разности

Для прогнозирования нагрузки ЭСПЦ выбран? нейронная сеть с прямой передачей сигнала и использовалась статистическая отчетность по нагрузкам производства с интервалом осреднения в 30 мин - 3120 значений Для обеспечения независимости от технологов прогноз основывался на учете свойств временного ряда электропотребления Значения получасовых нагрузок производства изменяются в широком диапазоне (2007 - 134938 кВт)

В качестве входного использовался вектор с тремя элементами получасовые значения нагрузки ЭСПЦ, номер соответствующего получаса в сутках, номер соответствующего дня в неделе Сеть имеет два слоя с тремя нейронами в первом слое и одним нейроном во втором слое (рис 1) В качестве функций активации в первом слое используется гиперболический тангенс, во втором слое - Лилейная функция В качестве алгоритма обучения была использована лроцедура обратного распространения на временном ряде получасовых нагрузок ЭСПЦ (3000 значений), для проверки точности прогноза модели - 120 значений Алгоритм обучения с помощью процедуры обратного распространения заключается в следующем на входы сети подается один из возможных обра-

зов: рассчитываются отклонения для выходного слоя; рассчитываются изменения весов слоя М; рассчитываются отклонения и изменения весов для всех остальных слоев; производится коррекция всех весов в нейронной сети; если ошибка сети существенна, то производится переход на первый шаг расчетов; в противном случае - алгоритм завершается.

а- » Ыта$ <Г\Л*1 #¡+>11 «г = рше!ш (1ЛУа ¡щ+Ь])

Рис. 1. Архитектура нейронной сети с прямой передачей сигнала.

Анализ динамики ошибки работы сети на проверочной выборке показывает, что сеть достигла насыщения (обучилась) на 80-й итерации.

Для прогнозирования внутри часа подбором графика-аналога из предыстории используются пятиминутные значения нагрузки ДСП-1 и ДСП-2, полученные с помощью автоматизированной системы учета электроэнергии. Формируются часовые графики нагрузки (12 значений 5-минутного потребления). Предыстория - 45 минут (девять значений мощности Рц, г = 1 ... 9). Часовые графики классифицируются по форме для получения характерных групп графиков и усредненных графиков для каждой группы. Применяются формализованные процедуры кластерного анализа.

После применения кластерного анализа данные сгруппированы в кластеры (выделены 24 группы графиков), характеризующие схожие технологические состояния.

I Однако внутри одного кластера графики могут иметь большой разброс,

поэтому дополнительно следует исследовать нагрузки всех печей, электропотребление которых определяет электропотребление ЭСПЦ в целом.

Анализ динамики электропотребления печей показал независимость времени технологического цикла и удельных показателей по отдельным плавкам.

Предполагая, что данные предыстории отражают все возможные технологические состояния печей и, находя фрагмент графика, соответствующий текущему за 45 мин, по его продолжению, можно оценить дальнейшее развитие процесса. Прогноз необходимо выполнять по каждой печи, а суммарный график нагрузки и будет прогнозным для ЭСПЦ.

Таким образом, основную часть задачи оперативного регулирования можно считать решенной в случае, если известны прогнозный график нагрузки на последние 15 мин часа и заявленное значение электропотребления на этот час, то есть - величина отклонения электропотребления за текущий час от заявленного. Далее, зная величину отклонения и мощности печей, производится ----- -------. _ — ---------,

расчет времени отключения печей в различных режимах работы, необходимого для соблюдения заявки, поданной на PCB

Для получения инвариантного оперативного прогноза на час вперед предложено использовать нейро-нечеткую сеть типа Сугэно, имеющую два входа х и один выход у (рис 2)

Рис 2 Архитекчура нейронной сети с прямой передачей сигнала

В качестве входов сети используются две выборки 1) пяиминутные значения нагрузки Р, (г = 1, , 96) для восьми часов, предшествующих прогнозируемому В выборку также входят значения номера часа в сутках, тип дня (рабочий, выходной) и номера интервала (пятиминутки) прогноза, 2) почасовые значения нагрузки Р, (г = 1, , 96) для четырех часов, предшествующих прогнозируемым (48 значений), и для тех же часов предыдущих суток (48 значений) С помощью функции genfis2 синтезируется модель первого порядка с использованием субтрактивной кластеризации (метод, не использующий итерационных процедур оптимизации и позволяющий быстро экстрагировать нечеткие правила) Временной ряд входных переменных должен быть разделен на тренировочную и тестовую выборки На каждом шаге в модель добавляется одна входная переменная, обеспечивающая минимальное значение средне-квадратической ошибки на тренировочной выборке

Общий алгоритм работы потребителя в нерегулируемом секторе рынка, позволяющий решить поставленные задачи, включает 1) базу данных по параметрам функционирования промышленного объекта, 2) блок формирования почасовой заявки на потребление электроэнергии, 3) блок оперативного управления Необходима разработка автоматизированных систем обработки информации, которые дополнят существующие автоматизированные системы коммерческою учета и автоматизированные сисгемы диспетчерского управления База данных имеет иерархическую структуру, отвечающую на каждом уровне единым принципам построения, интерфейсам методам обработки данных Предложена нормализованная реляционная форма базы данных для обеспечение задач 1) прогнозирования электропотребления на интервале упреждения до двух суток и подач** заявки на электропотребление на PCB, регулирования зяектроиотреблекия в пределах текущего часа на основе оценки возможных рисков в режиме реального времени База данных должна содержать следующее I) значения электропотребления промышленного объекта с интервалом осреднения 5 мин объемом не менее 3400 последовательно зафиксированных

значений, 2) значения электропотребления промышленного объекта с интервалом осреднения 1 час (30 мин) объемом не менее 2000 (4ООО) последовательно зафиксированных значений, 3) плановые и фактические объемы выпуска основных видов продукции, 4) объемы потребления тепта, объемы сырьевых потоков и т д Пополнение базы данных осуществляется информацией АСКУЭ, данными плановых и производственных отделов предприятия

В четвертой главе на основе предложенных методов разработаны методики оперативного прогнозирования и управления электропотреблением, которые реализованы на примере электросталеплавильного цеха ОАО «НКМК» и предложена методика технико-экономического обоснования необходимости и эффективности применения методик

Реализация почасового прогноза электропотребления на двое суток вперед выполнена с применением ЛЛ/,<Ш-моделей Для прогноза нагрузки печей произведено определение коэффициентов модели АРПСС (2,0,0)(1,0,0) Для ДСП-1 была получена зависимость Д/)=68,86+0,4872 Р(М)+0,4151 Р(,.2), для ДСП-2 Р(0=65,73+0,4752Р(г.!)++0,4341 Р(/.2) Предложенная модель позволила адекватно описать почасовой расход электроэнергии (рис 3, 4) Автокорреляционная функция остатков не содержит значимых коэффициентов автокорреляции, а гистограмма распределения ошибок прогноза имеет математическое ожидании близкое к нулю__

, Р, кВт

55000 ■

й Прогноз о Факт

и

АО

¡15000 [О-А—Р-А.—Д_

Од"

¿А" X АД О

-чДо-

о "А/О о а

<4,

№ по тучасевого интервала

Рис 3 Фактическое и прогнозное значение получасовой нагрузки ДСП-1

I I

¡30000 -----------------------------]

20000 1ЧМ0

18000 5000

А ГЪогноз о Фзкт

-I

»о.

Оа"

-ЧЭ-О—Ж4-;

О А

О А

почасового интервата

50

60

70

80

Рис 4 Фактическое и прогнозное значение получасовой нагрузки ДСП-2

Для этой же задачи в целях верификации результатов реализована методика применения нейронной сети с прямой передачей сигнала. В результате обучения сети получены матрицы весовых коэффициентов и смещений для структуры, соответственно, из двух слоев с тремя нейронами в первом слое и одним нейроном во втором:

¡W

Ы =

0.0520 -0.0622 0.4269 -1.3991 -1.7669 3.2203 -0.3840 -0.8519 1.0825

0.0231] „ I

Ь2=2.8125,

LW = [2.0455 0.5447 -3.9173],

0.8680 | 1.3352]

Работоспособность модели подтверждается сравнением фактических и прогнозных значений нагрузки цеха (рис. 5).

Р,МВт

9 as

_

| ♦ Прогноз I а Факт

, у

* г»

40 ■ 20 ■

20

• *

Л'е получасового интервала

ПО

Рис. 5. Прогнозное и фактическое значение получасовой нагрузки ЭС.ПЦ-2 ОАО «НКМК».

Реализована математическая модель прогнозирования почасового электропотребления ЭСПЦ. При этом прогноз почасового электропотребления выполняется путем подбора для каждого дня типового графика электропотребления в зависимости от дня недели и его номера. Исходными данными является часовое электропотребление ЭСПЦ-2 за один месяц.

Аппроксимацей временного ряда часового электропотребления функцией из ряда Фурье для временного ряда электропотребления получена зависимость вида:

2к , . lit 4 я

IV(t) = ax-i- b + a. cos—! + o, sin—t + a, cos—f +

v - i /7 i i n

' ' (4.1)

, . 4jc 6л , . 6я

+ sm—t +a, cos—f 4 o, sm—t 111

где W - расчётное значение электропотребленйя; t - номер дня; a, at, а-,, а3, Ь, Ь], Ъ2, Ъ3, - коэффициенты уравнения, а = 2,7794025; Ъ = 1288,2939; ах = -79,293175; 6, = -70,008428; а2 = 23,141769; Ь2 = -64,238205; а3 = 71,3716!; £>3 = -39,070825.

На основании проведенного кластерного анализа выявлено семь характерных групп графиков (кластеров), каждая из которых характеризует определенное технологическое состояние Таким образом, получены типовые графики часового электропотребления Прогнозные значения зависят от дня недели и его номера и кластера Получены нормированные по среднему значению графики кластеров

Таблица прогнозных значений почасового электропотребления (табл 1) формируется автоматически путем последовательного сложения нормированных значений часового электропотребления и среднего значения суточного электропотребления, полученного с помощью функции Фурье Погрешность прогнозирования изложенным методом в 96% случаев не превышает 8,3 %

Таблица I

_Прогнозные значения часового э!ектропотребления, кВтч

День недели № '' Р (.у*) кВтч Номер часа

Дата 1 2 3 23 24

01 06 04 Вт | 1417633 73682 65815 54727 51731 38755

02 06 04 Ср 1059915 52084 46817 42025 47107 15203

03 06 04 Чт 1314746, 59256 73653 71259 76557 37415

Дополнительным критерием соответствия графика нагрузки на прогнозируемые сутки и типового графика одного из выделенных кластеров служит суточное электропотребление, прогнозное значение которого определяется на основе моделей авторегрессии и аппарата искусственных нейронных сетей

Каждому кластеру с типовым графиком нагрузки ставится в соответствие ряд параметров типовой график нагрузки, месяц, день недели, состояние производства (нормальная работа, ремонт одной из печей и т д ), суточное электропотребление по типовому графику, объемы выпуска по видам выплавляемого металла, количество плавок по видам металла По каждому параметру для кластера необходимо указать среднее значение и разброс значений показателя относительно среднего

Операгивный прогноз внутри часа выполняется подбором графика-аналога из предыстории пятиминутных замеров электропотребления ДСП-1 и ДСП-2 (по минимуму среднеквадратичного отклонения текущего графика нагрузки и всех графиков нагрузки из предыстории) Прогноз производится по графикам нагрузки каждой печи за 45 минут текущего часа Последние три значения графика-аналога каждой печи являются прогнозными Далее производится переход от графиков нагрузки печей к графику ЭСПЦ 67% всех прогнозов имеют погрешность не выше 2,5% Погрешность практически всех прогнозов в 96% случаев не превышает 7.5%, что, исходя из условий работы промышленных потребителей в новой модели ОРЭ, можно признать удовлетворительным

Алгоритм отбора переменных для нейро-нечеткой системы модифицирован путем суммирования в результате работы функции среднеквадратичных

ошибок на тестовой и тренировочной выборках На каждом шаге в модель добавляется одна входная переменная, обеспечивающая минимальное значение среднеквадратической ошибки на тренировочной и тестовой выборках В результате установлено, что наименьшая ошибка прогноза достигается при количестве входных переменных, равных четырем С помощью функции саф& производится обучение системы на исходных выборках Время, затраченное на генерацию нечеткой системы и ее обучение, составило 9 сек Нейро-нечеткая система типа Сугено смогла достаточно точно описать тренировочную выборку Средняя ошибка прогноза составила 1,25% Максимальная ошибка -3,18%, минимальная - 0,09% (рис 6)

Г кВтч

, 140000

120000 -100000 80000 60000 40000 -\

20000 I

0 -L

----Факт I

--Прогноз I

/\

/Ч

\/

№ пямиттного интервала

1 2 3 4 5 б 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Рис 6 Прогноз элекгропотребления ЭСПЦ-2 с 00 00 по 01 55 02 01 2005 г

Заключительной частью расчетов являются вычисления значения регулируемого параметра Зная величину превышения заявки, номинальную мощность каждой из печей, можно рассчитать время, на которое необходимо отключить каждую печь, чтобы не превысить величину заявленного электропотребления

В конечном виде на основании подобного расчета должно быть принято решение по управлению сталеплавильным производством При этом учитывается, что печи в данный момент могут иметь мощность, отличную от номинальной

Методика внутричасового прогноза и оперативного регулирования нагрузки ДСП программно реализована Создано приложение «Контрольный модуль АСКУЭ» с помощью системы визуального программирования Delphi 7 Доступ к базам данных, осуществляется с помощью платформы Borland Database Engine (BDE)y которая должна устанавливаться на все компьютеры, где выполняется приложение, осуществляющее работу с базами данных

Приложение предоставляет пользователю возможность просмотра базы данных в форме графиков с интервалом осреднения 5 мин и 1 час соответственно При этом дата (время) начального и конечного значения графика задается в отдельных полях программы Используется реляционный способ доступа к данным Приложение включает в себя программный модуль, позволяющий в полуавтоматическом режиме производить оперативное планирование объемов

электропотребления в пределах текущего часа и формировать рекомендации по управлению производственными мощностями

Для оценки «постфактум» технико-экономического эффекта от внедрения разработанных методик планирования выполнен анализ фактических и предполагаемых результатов хозяйственной деятельности ЭСПЦ-2 ОАО «НКМК» Моделирование проводилось исходя из условий выхода производства полной мощностью в нерегулируемый сектор оптового рынка электроэнергии

Проанализирована динамика изменения величины почасовых отклонений электропотребления ЭСПЦ от заявленного графика Для производства характерно недопотребление, что при работе на ОРЭ означает покупку «недопотреб-ленных» объемов на РСВ и продажу их на БР Исходными данными для анализа послужили почасовые значения цен на электроэнергию на РСВ и БР с 01 01 2007 г по 03 01 2007 г по группе точек поставки той же ценовой зоны («Сибирь»), в которой работает ОАО «НКМК» Значения цен сопоставлялись значениям фактического почасового электропотребления ЭСПЦ-2 и соответствующим отклонениям от заявленного графика

Выполнен прогноз почасового электропотребления производства на двое суток вперед (с 01 04 2004 г по 03 04 2004 г) Средняя ошибка прогнозирования составила 5,6% Данные по фактическому потреблению за указанный период в не включались в обучающую и проверочную выборки при построении сети, что свидетельствует об устойчивости прогнозов на основе созданной модели Вычислялись значения стоимости объемов отклонения электропотребления производства за двое суток для работы 1) без применения методик оперативного планирования, 2) с использованием результатов почасового прогнозирования для формирования заявки на РСВ Суммарная стоимость отклонений (за двое суток) в первом случае составила 74,4 тыс руб., во втором - 48,9 тыс руб Для аналогичных вариантов работы были вычислены значения стоимости полных объемов электроэнергии, потребляемой ЭСПЦ-2 за двое суток без применения прогнозных моделей - 1349,4 тыс руб, при использовании результатов прогнозирования - 1308,8 тыс руб Таким образом, технико-экономический эффект от использования разработанной методики при корректном применении моделей может достигать 3,5% от общей стоимости электроэнергии

Для анализа ценовых рисков от участия в нерегулируемом секторе рынка выполнен краткосрочный прошоз нерегулируемой цены на электроэнергию Авторегрессионный анализ показал, что в ряду изменения цены существуют устойчивые колебания с периодом в восемь часов На основании этого сделано предположение, что условная дисперсия процесса изменения нерегулируемых цен постоянна и не зависит от истории процесса, и для прогноза возможно применение ШЛСЯ-моделей

В соответствии с алгоритмом 1) вычисляются начальные приближения параметров у с условием положительности вычисляемых на их основе условных дисперсий, 2) вычисляются остатки е,(у) -у1- 3) вычисляются услов-

ные дисперсии о,2 и градиенты остатков / с1у, 4) вычисляются градиенты условных дисперсий Н.\ 5) производится вычисление условной информационной матрицы .'-го наблюдения и величины вклада в градиент /-го наблюдения; 7) выполняется оценка искусственной регрессии; 8) проверяется выполнение правила остановки алгоритма. Производится вычисление коэффициентов прогнозной модели для параметра >>,+1 и начинается новая итерация. После того, как итеративный алгоритм сойдется (подтвердится правило остановки), на основе ковариационной матрицы из искусственной регрессии вычисляются стандартные ошибки параметров и /-статистики.

Получен прогноз значений нерегулируемой цены на двое суток (рис. 7). Анализ результатов показал, что полученная модель хорошо описывает процесс изменения почасовых цен при горизонте прогнозирования в пределах 24 значений (средняя ошибка прогноза составляет 7,4%).

Рис. 7. Фактические и прогнозные значения почасовых нерегулируемых цен на электроэнергию с 30.05.2007 г. по 31.05.2007 г.

Таким образом, возможна оценка необходимости и эффективности оперативного управления производственными мощностями путем оценки стоимости электроэнергии, приобретаемой по конкурентной цене, «до и после» регулирования. Необходимость регулирования определяется сравнением прогнозной стоимости потребляемых объемов электроэнергии и стоимости, определенной при бизнес-планировании в качестве «максимально рентабельной».

Основные выводы но работе:

1. Разработана структура и создана пополняемая реляционная база данных по суточным, часовым и пятиминутным параметрам электропотребления электрометаллургического производства; определен необходимый минимум электрических показателей для информационного обеспечения оперативного прогнозирования и управления электропотреблением;

2. Рассмотрены, проверены на адекватность и адаптированы для электросталеплавильного производства различные методы анализа (корреляционно-регрессионный, дисперсионный, кластерный) и прогнозирования временных рядов (искусственные и гибридные нейронные сети, АЮМА -модели, методы аппроксимации временных рядов);

3 Доказано, что система прогнозирования и управления электропотреблением не может опираться на единственный подход и должна обеспечивать многовариантные расчеты по комплексу моделей авторегрессионных, нейронных сетей с прямой передачей сигнала и построенных на основе разработки типовых графиков - для задач почасового прогнозирования, нейронных сетей с нечеткой логикой и построенных на основе подбора типового графика - для прогнозирования и управления внутри часа

4 Разработана методика прогнозирования параметров электропотребления электросталеплавильного производства (на двое суток вперед по часам и внутри часа с интервалом в пять минут) для целей минимизации финансовых рисков при работе в нерегулируемом секторе оптового рынка электрической энергии

5 На базе программно-математических комплексов STATISTIC А б 0, MATLAB 7 /, hdsEXCEL и системы визуального программирования Delphi 7 создан комплекс алгоритмов и программ для обеспечения оперативного прогнозирования и управления электропотреблением с достаточной точностью, повышающих эффективность и удобство работы

6 Минимальная ошибка прогнозирования по фактическому временному ряду на основе разработанной методики составила 1,25% - для внутричасового прогноза и 5,7% - для почасового прогноза на двое суток вперед Ошибка находится в пределах точности, достаточной для оперативного управления режимами электропотребления и планового прогнозирования заявки и оплаты потребляемой электроэнергии и мощности

7 Разработан метод определения рыночных рисков в режиме реального времени для автоматизированной оценки службой главного энергетика необходимости и эффективности оперативного управления нагрузкой в новой модели оптового рынка электроэнергии на основе почасового прогноза нерегулируемых цен, что позволило получить экономический эффект в размере 3,5%

В приложениях приведены результаты анализа статистического материала по часовым и получасовым значениям нагрузки с пятиминутным интервалом осреднения электросталеплавильного чеха (ЭСПЦ-2) ОАО «НКМК», а также почасовые значения цен на электроэнергию на рынке на сутки вперед и балансирующем рынке

Основные положения диссертации отражены в следующих публикациях:

1. Кудрин Б.И., Ошурков М.Г., Новиков С.С. Терминологическое обеспечение прогнозирования электропотребления и организации энергосбережения по регионам // Материалы Международной науч.-практ. Интернет-конференции «Электрооборудование и электрохозяйство: процессы и системы управления - ЭЭПС-2005». - Казань: КГТУ, 2005. - С. 82-86.

2. Новиков С.С. Управление электропотреблением дуговых печей при выходе на оптовый рынок электроэнергии // Кибернетика электрических систем: Материалы XXIX сессии Всероссийского семинара «Электроснаб-

жение», г. Новочеркасск, 13-15 ноября 2007 г. - Новочеркасск: Ред. Журн. <'Изв. вузов. Электромеханика», 2008. - С. 29-33.

3. Новиков С.С Оперативное управление электропотреблением металлургических предприятий как средство снижения рыночных рисков // Вестник МЭИ - 2008.-№1.~ С. 13-19.

4 Исаев А.С, Новиков С С , Черников A JL Прогнозирование электропотребления ЭСОП //Материалы VI научн -техн конф молодых ученых, аспирантов и студентов НИ РХТУ тез докл - Новомосковск, 2004 - С 195

5 Новиков С С Перспективы работы Большегрузных ДСП на оптовом рынке электроэнергии // Электрификация металлургических предприятий Сибири Вып 12 - Томск Изд-во Том ун-та, 2005 - С 80-85

6 Кудрин Б И, Новиков С С Основания регулирования и управления режимами электропотребления большегрузных дуговых печей при выходе на оптовый рынок электроэнергии // Радиоэлектроника, электротехника и энергетика Двенадцатая междунар науч -техн конф студентов и аспирантов Тез докл В 3-х т - М МЭИ, 2006 Т2 - С 368-369

7 Новиков С С , Ошурков М Г Оперативное управление электропотреблением в условиях оптового рынка // Материалы Всероссийской науч -тех Конференции «Электроэнергия от получения и распределения до эффективного использования» -Томск Изд-воТПУ,2006 - С45-47

8 Новиков С С , Николаев М Е Программное обеспечение оперативного планирования и управления электропотреблением крупных электросталеплавильных производств // Материалы очередной ежегодной Международной научно-технической конференции «Энергосбережение Энергооборудование Энергопотребление» и семинара «Третья научная картина мира и проблемы электрики» (Калининград, Калининградский государственный технический университет, 8-10 февраля 2006 г) Томск Изд-во Том ун-та, 2006 - С 266-268

9 Новиков С С Задачи потребителей в новой модечи рынка электроэнергии // Электрификация металлургических предприятий Сибири Вып 12 / под ред проф Б И Кудрина ~М Издательский дом МЭИ, 2007 - С 212-216

10 Новиков С С , Макаренко ИГ Ценообразование в условиях новой модели оптового рынка электроэнергии // Электрика - 2007 - № 9 - С 8-14

11 Новиков С С К вопросу о задачах потребителей в условиях новой модели рынка электроэнергии // Электрификация металлургических предприятий Сибири Вып 13 К 100-летию со дня рождения проф А А Федорова -Технети-ка, 2007 - С 212-216

Подписано в печать Заказ^ Тираж 100 экз Печ л 1,25

Полиграфический центр МЭИ (ТУ) 111250, г Москва, Красноказарменная ул, 13

ВВЕДЕНИЕ.

ГЛАВА 1. КРУПНОЕ ЭЛЕКТРОСТАЛЕПЛАВИЛЬНОЕ ПРОИЗВОДСТВО В УСЛОВИЯХ РЫНКА ЭЛЕКТРОЭНЕРГИИ.

1.1. Тенденции развития электрометаллургии стали в мире.

1.2. Реструктуризация электроэнергетики и проблемы электрообеспечения' потребителей.

1.3. Позиционирование потребителя на рынках электроэнергии и основы ценообразования.

1.4. Цели и задачи'исследования.

ГЛАВА 2. МАТЕМАТИЧЕСКИЙ-АППАРАТ АНАЛИЗА И МОДЕЛИРОВАНИЯ ЭЛЕКТРИЧЕСКИХ ПОКАЗАТЕЛЕЙ РАБОТЫ ДСП.

2.1. Особенности-графиков нагрузки, ДСП как объекта-математического анализа.

2.2. Математическое описание графиков нагрузки ДСП для задач оперативного планирования;.

2.2.1. Описание графика нагрузки как временного ряда.

2.2.2. Применение математического аппарата нейронных сетей.

2.2.3. Разработка типовых суточных графиков на основании предыстории.5О

2.3. Математическое обеспечение оперативного управления электропотреблением.

2.3.1. Прогнозирование часового электропотребления по графикам-аналогам.

2.3.2. Применение нейронных сетей с нечеткой логикой.

2.4. Оценка эффективности планирования и оперативного управления электропотреблением.

ГЛАВА 3. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ.

3.1. Построение оперативного прогноза часового электропотребления на двое суток вперед.

3.1.1. Авторегрессионные модели.

3.1.2. Нейронные сети с прямой передачей сигнала.

3.2. Прогнозирование на основе выбора характерных суток.

3.3. Прогнозирование внутри часа.

3:3.1. Метод подбора графика-аналога.

3.3.2. Применение нейро-нечеткой системы.

3.4. Информационно-методическое обеспечение задач оперативного планирования и управления электропотреблением. g

ГЛАВА 4. РАЗРАБОТКА МЕТОДИКИ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЕМ.

4.1. Реализация почасового прогноза электропотребления на двое суток вперед.

4.1.1. Применение ARIMA-моделей.

4.1.2. Нейронные сети с прямой передачей сигнала.

4.1.3. Прогнозирование на основе разработки типовых.графиков.

4.2. Реализация оперативного прогноза электропотребления внутри часа.

4.2.1. Прогнозирование методом подбора графика-аналога.

4.2.2. Прогнозирование на основе нейронных сетей с нечеткой логикой.

4.3. Программная «реализация алгоритмов внутричасового прогноза и оперативного регулирования нагрузки ДСП.

4.4. Методика технико-экономического обоснования необходимости и эффективности оперативного планирования и управления электропотреблением ЭСПЦ.

РЕЗУЛЬТАТЫ И ВЫВОДЫ.

Конкурентоспособность продукции электроемких отраслей промышленности во многом определяется эффективностью энергоиспользования и стоимостью-продукции и услуг электроэнергетики, нефтегазовой промышленности, транспортной'отрасли. Рост производства и динамичное изменение конъюнктуры, мировых рынков, в: высшей степени; актуализируют проблему экономии электроэнергии; Энергетическая? стратегиям развития; России до 2020-2025 гг. предусматривает снижение электроемкости ВВП:по средним темпам 2,4—3,7 % в год, и на 80%- в целом к 2020 г. по сравнению с уровнем: 1995- г. [ 126]. При этом1 потребность промышленности в. электроэнергии к 2015 г. прогнозируют на уровне 600 млрд кВтч [21]. Таким образом, функционирование предприятий в новых экономических, условиях требует измененияшодходов* к оценке и повышению эффективности использования ТЭР^

Изменения в электроэнергетике, связанные с. ее реструктуризацией, открывают потребителям новые возможности повышениягрентабельности производства: Запуск-в конце 2006 г. новой модели оптового рынка электроэнергии обусловил динамичное развитие энерготрейдинга в рамках внутреннего рынка и постепенное: повышение значимости технико-экономического аспекта взаимоотношений потребителя с субъектами электроэнергетики. Выгода от выхода на оптовый рынок для большинства крупных предприятий, с учетом значительных затрат в обеспечение всех организационно-технических требований, оборачивается: иногда экономическими потерями: из-за, некачественного планирования (месячного по суткам и суточного по часам электропотребления), приводящего; к штрафным санкциям. Поэтому необходима выработка для каждого предприятия целостной»стратегии:поведения*на рынке,.опирающейся на оперативные прогнозирование, планирование, управление электропотреблением. Такая постановка задачи требует дополнения системы показателей электрохозяйства данными о часовых, 3—5-минутных замерах параметров электропотребления по точкам поставки и привлечения математических методов моделирования процессов электропотребления на этих интервалах, основываясь на иерархии схемы электроснабжения потребителя.

В> черной металлургии, которая остается одной из самых энергоемких отраслей в стране (доля электропотребления составляет 8—10% от общероссийского) [80], затраты в себестоимости продукции на приобретение основных ТЭР достигают 30-35% (электроэнергия - до 11%) [51]. Существующий уровень производства обуславливает также значительное отставание по ряду основных технико-экономических показателей от металлургии развитых стран (по данным Аналитического Центра "Национальная металлургия" средняя энергоемкость выплавки стали выше на 20-30%). Предприятия отрасли были построены для выпуска продукции в массовых объемах в рамках требований загружать технологическое оборудование до 95-98 [42, 113]. В электросталеплавильном производстве, в частности, всё советское время сохранялись тенденции к увеличению единичной мощности дуговых электропечей (ДСП). Речь шла о большегрузных печах как основном направлении развития, и итогом в области электрометаллургии стали решения об увеличении единичной мощности ДСП, максимальной унификации, переходе к типовому ряду печей 50, 100 и 150 т. В электросталеплавильных цехах (ЭСПЦ), сооружавшихся в стране в последние десятилетия; предусматривалась, в основном, установка ДСП именно такой емкости [1, 51, 112]. Предприятия черной металлургии, имеющие ДСП, 30-40% от мощности всего производства расходуют на выплавку электростали. Режим работы ДСП определяет график нагрузки отдельно взятого комбината и влияет на электропотребление района в целом, так как режимы электрических нагрузок характеризуются значительной неравномерностью потребления по времени суток и дням недели. Для экономичности работы систем электроснабжения таких потребителей большое значение имеет оперативное управление электропотреблением энергоемких производств и агрегатов.

Теоретически обосновано и практически подтверждено [28, 86, 121], что для прогнозирования потребления электроэнергии не существует общего, единого метода: каждое производство содержит индивидуальные технологические циклы, которые, суммируясь, образуют уникальный временной процесс. Одна» ко во всех производственных циклах потребления энергии можно найти общие черты, тем самым образуя методическую базу для выполнения точного прогноза. Этой проблематике посвящено множество работ [18, 23, 36, 58, 127], но созданные ранее методы анализа и прогнозирования электропотребления строились в основном исходя из стационарности развития объектов исследования. I

Современные же условия существования объектов хозяйственной деятельности требуют совершенствования^методов анализа и прогноза в условиях нестабильI ности социальных и экономических процессов, и' с учетом' особенностей того сегмента рынка, участие в котором стратегически и экономически обосновано для потребителя.

Одним из перспективных направлений исследований можно считать анализ и прогнозирование параметров электропотребления исходя из рассмотрения i электрического хозяйства крупного промышленного предприятия как большой системы [45, 54]. При этом необходимо-учитывать, что управление ею должно опираться, с одной стороны, на системные кибернетические представления, а с другой — на ценологические, использующие методы самоорганизации [90]. Кроме того, создание устойчивой системы учета, позволяющей адекватно описывать реальные процессы потребления электроэнергии и дающей возможность наблюдения за каждой административной и производственной единицей, с учетом свойства больших систем иметь различные описания (образы) в разных "системах координат", недостижимо. Тогда актуально для каждого конкретного предприятия (ЭСПЦ, ДСП) разработать методику прогнозирования с учетом индивидуальности технологического объекта и особенностей схемы электроснабжения вниз от границььраздела "потребитель-субъект электроэнергетики" с использованием автоматической' регистрации технологического электропотребления и имеющейся» отчетности, что обеспечит возможность принятия решений в условиях неопределенности [57].

Система суточного и почасового прогнозирования электропотребления в комплексе с системой мер по оперативному управлению производственными мощностями может использоваться как средство программно-информационной поддержки при управлении рыночными рисками предприятия, возникающими на оптовом рынке электроэнергии. Подобные решения с внедрением специализированных средств конечного пользователя открывают новые возможности анализа, исследования, менеджмента и позволяют: удешевить производство благодаря снижению расходов на электроэнергию; сравнивать существующий уровень * энергопотребления1 с прогнозным для определения объема экономии энергии и экономической эффективности энергосберегающих мероприятий; сократить сроки подготовки предложений по изменению производственной программы, увеличить количество и детализировать прорабатываемые предложения для'повышения эффективности принимаемых решений.

Целью работы- является* разработка методики краткосрочного (на двое суток вперед по часам) и. оперативного (на час и внутри часа с интервалом в пять минут) прогнозирования, электропотребления' большегрузных дуговых сталеплавильных печей и регулирования часового расхода электроэнергии электросталеплавильного производства и предприятия в целом, с yчeтoм^ выполнения договорных параметров на границе раздела- субъект электроэнергетики".

Цель работы достигается решением следующих задач:

1. Обобщение характеристик условий работы промышленных предприятий на основе анализа законодательной и нормативной базы оптового рынка электроэнергии и> формирование требований к прогнозам и регулированию параметров электропотребления;

2. Разработка структуры и создание пополняемой реляционной базы данных по суточным и часовым параметрам электропотребления электрометаллургического производства с пятиминутным интервалом осреднения;

3. Анализ, выбор и адаптация к электрометаллургическому производству математических методов краткосрочного и оперативного прогнозирования расхода электрической энергии;

4. Разработка методики и средств^ программно-математического обеспечения^ краткосрочного и оперативного прогнозирования и регулирования часового расхода электроэнергии;

5. Разработка для > службы главного энергетика методов определения эффективности оперативного - прогнозирования- и потенциальной необходимости управления электропотреблением.

Научная новизна при решении поставленных задач:

1. Разработана структура базы данных и обоснован необходимый минимум информации по суточным, часовым и расходам электроэнергии и мощности на пятиминутных интервалах осреднения? графика нагрузки электрометаллургического производства для планирования и управления;

2. Обоснован; выбор и определены- области применения различных методов анализа данных и моделирования' временных рядов электропотребления для математического обеспечения работы предприятия! на: оптовом рынке электроэнергии;

3. Доказана необходимость многовариантных расчетов для.! повышения достоверности прогнозов электропотребления- в условиях значительных колебаний основных суточных показателей работы электрометаллургического» производства;

4. Доказано, что эффективное планирование и регулирование суточного по часам электропотребления обеспечивается* комплексом моделей: аппроксимации временного ряда суточного электропотребления с декомпозицией по дням недели; аппроксимации функцией из ряда Фурье с линейным трендом, моделью авторегрессии, кластер-анализом суточных графиков нагрузки по часам и на основе нейронных сетей;

5. Разработана методика оперативного прогнозирования ш регулирования часового1 расхода электроэнергии энергоемкого промышленного производства для новой1 модели оптового рынка электроэнергии.

Практическая ценность работы заключается в создании системы прогнозирования параметров электропотребления электросталеплавильного производства (на двое суток вперед по часам и внутри часа с интервалом в пять минут) для целей минимизации финансовых рисков при работе в нерегулируемом секторе оптового рынка электрической энергии. Разработанные методы позволяют определять перспективные объемы электропотребления производства для формирования заявки и производить оценку необходимости и потенциальной эффективности мероприятий по регулированию нагрузки в пределах текущего часа. Создан комплекс алгоритмов и программ для информационного обеспечения оперативного прогнозирования1 и управления электропотреблением, а также разработан метод определения рыночных рисков в режиме реального времени для»оценки необходимости и эффективности оперативного управления нагрузкой электросталеплавильного'производства.

Замена профессионально-логических методов принятия решений в условиях неполноты первичной информации формализованными математическими процедурами позволяет повысить точность планирования и управления энергоемким производством с сокращением трудоемкости и времени на принятие решений, что особенно актуально в сложившихся рыночных условиях.

Разработанные методики прогнозирования могут использоваться в других отраслях промышленности, характеризующихся наличием энергоемких производств с непрерывным технологическим циклом и возможностью выделения производств-регуляторов для оперативного управления.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались и получили положительную оценку на конференциях: VI научно-техническая конференция молодых ученых, аспирантов и студентов НИ РХТУ (Новомосковск, 2004 г.); Международная научно-практическая Интернет-конференция "ЭЭПС-2005" (Казань, 2005 г.); Всероссийская научно-техническая конференция "Электроэнергия: от получения и распределения до эффективного использования" (Томск, 2006 г.); Двенадцатая международная научно-техническая конференция студентов и аспирантов "Радиоэлектроника, электротехника и энергетика" (Москва, 2006 г.); Всероссийская научнопрактическая конференция с международным участием, посвященная 100-летию со дня рождения проф. А.А. Федорова (Москва, 2007 г.)

Публикации. Основные результаты диссертационной работы опубликованы в 11 печатных работах, 3 из которых в печатных изданиях, рекомендованных ВАК.

РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Разработана структура и создана пополняемая реляционная база данных по суточным, часовым и пятиминутным параметрам электропотребления электрометаллургического производства; определен необходимый минимум электрических показателей для информационного обеспечения оперативного прогнозирования,и управления электропотреблением;

2. Рассмотрены, проверены на адекватность и адаптированы для1 электросталеплавильного производства различные методьь анализа (корреляционно-регрессионный, дисперсионный, кластерный) и прогнозирования временных рядов (искусственные и гибридные нейронные сети, ARIMA-модели, методы аппроксимации временных рядов);

3. Доказано, что система прогнозирования и управления электропотреблением не может опираться на единственный подход и должна обеспечивать многовариантные расчеты по комплексу моделей: авторегрессионных, нейронных сетей с прямой передачей сигнала и построенных на основе разработки* типовых графиков — для задач почасового прогнозирования; нейронных сетей с нечеткой логикой' и построенных на основе подбора1 типового графика - для прогнозирования и управления внутри часа. '

4. Разработана методика прогнозирования параметров электропотребления электросталеплавильного производства (на двое суток вперед по часам и внутри часа с интервалом в пять минут) для- целей минимизации финансовых рисков при работе в нерегулируемом секторе оптового рынка электрической энергии.

5. На базе программно-математических комплексов STATISTICA 6.0, MATLAB 7.1, MsEXCEL и языка программирования С++ создан комплекс алгоритмов и программ^ для обеспечения оперативного прогнозирования и управления электропотреблением с достаточной точностью, повышающих эффективность и удобство ^работы.

6. Минимальная ошибка прогнозирования по фактическому временному ряду на основе разработанной методики составила: 1,25% — для внутричасового прогноза и 5,7% — для почасового прогноза на двое суток вперед. Ошибка находится в пределах точности, достаточной для оперативного управления режимами электропотребления и планового прогнозирования заявки и оплаты потребляемой электроэнергии и мощности.

7. Разработан метод определения рыночных рисков в режиме реального времени для оценки необходимости и эффективности оперативного управления нагрузкой в новой модели оптового рынка электроэнергии на основе почасового прогноза нерегулируемых цен, что позволило получить экономический эффект в размере 3,5%.

1. Авдеев В.А. и др. Информационный банк "Черметэлектро" / Авдеев В.А., Кудрин Б.И., Якимов А.Е. М.: Электрика, 1995. - 400с.

2. Авдеев В.А. и др. Основы проектирования заводов черной металлургии / Авдеев В.А., Друян В.М., Кудрин Б.И. М.: Интермет Инжиниринг, 2001. -510с.

3. Адно Ю. Мировая металлургия на пороге нового столетия // МЭиМО. 2001. №8. С. 59.

4. Айвазян С.А., Енюков И.С., Мешалкин Л.Д Прикладная статистика: Основы моделирования и первичная обработка данных. — М.: Финансы и статистика, 1983. — 472 с.

5. Алиев Р.А., Церковный Л.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.-241 с.

6. Андерсон Т. Статистический анализ временных рядов. — М.: Мир, 1976. -756 с.

7. Аракелов В.Е., Кремер А.И. Методические вопросы экономии энергоресурсов М.: Энергоатомиздат, 1990. - 192 с.

8. Афонин С.З. Сталеплавильное производство России и конкурентоспособность металлопродукции // Электрометаллургия. 2003. № 1.С. 2-5.

9. Бавин А. Лаптева А. Естественный отбор в стальном мире: выживает сильнейший. Режим доступа: http://www.uln.nmet.ru/a/2007/01/23/289.html, свободный. — Заглавие с экрана. — Яз. рус.

10. Базы знаний интеллектуальных систем/ Т.А. Гаврилова, В.Ф. Хорошевский СПб: Питер, 2000. - 384 с.

11. Баркин О. Новая модель оптового рынка электроэнергии (мощности)// Энергорынок. 2006. № 2. С. 18-22.

12. Бартоломей П.И., Ерохин П.М., Паниковская Т.Ю. Стратегия поведения субъектов на оптовом рынке электроэнергии // Электрика. 2005. № 6.

13. Белан А.В., Гордеев В.И. Прогнозирование электропотребления на основе многофакторного регрессионного и корреляционного анализов // Проблемы энергосбережения. Вып.7. К.: Наукова думка, 1991.

14. Бендат Д., Пирсол А. Прикладной анализ случайных данных. — М.: Мир, 1989.-540 с.

15. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. -М.: Мир, 1974, вып. 1.-406 е.; вып. 2. 200 с.

16. Бондаренко А.Ф., Лисицин Н.В., Морозов Ф. Я., Окин А.А., Семенов В.А. Зарубежные энергообъединения. — М.: Издательство НЦ ЭНАС, 2001. — 359 с.

17. Боровиков В.П., Ивченко, Г.И. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере. — М.: Финансы и статистика, 2000. 384с.

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

19. Вагин Г.Я., Лоскутов А.Б., Шалаев С.А. Основные направления экономии энергии на металлургических предприятиях // Промышленная энергетика. 1995. №9. С. 12-15.

20. Влияние дуговых электропечей на системы электроснабжения / Под ред. М.Я. Смелянского и Р.В. Минеева. М. : Энергия, 1975.

21. Волков Э.П., Баринов В.А., Маневич А.С. Проблемы и перспективы развития электроэнергетики России. М.: Энергоатомиздат, 2001. — 432 с.

22. Гительман Л.Д., Ратников Б.Е. Энергетический бизнес: Учеб. пособие. 2-е изд., испр. - М.: Дело, 2006. - 600 с.