автореферат диссертации по энергетике, 05.14.02, диссертация на тему:Методы и средства анализа и планирования электропотребления энергообъединений и энергосистем

ОАО «Научно-исследовательский институт электроэнергетики» (ОАО «ВНИИЭ»)

На правах рукописи УДК 621.311-025.12

Макоклюев Борис Иванович

МЕТОДЫ И СРЕДСТВА АНАЛИЗА И ПЛАНИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ ЭНЕРГООБЪЕДИНЕНИЙ И ЭНЕРГОСИСТЕМ

Специальность 05.14.02 - «Электростанции и электроэнергетические системы»

Автореферат диссертации на соискание ученой степени доктора технических наук

Москва - 2005

Работа выполнена в ОАО «Научно-исследовательский институт электроэнергетики»

(ОАО «ВНИИЭ»), г. Москва

Официальные оппоненты: доктор технических наук, профессор доктор технических наук, профессор доктор технических наук, доцент

Берлин Александр Сергеевич Терешко Олег Александрович Кононов Юрий Григорьевич

Ведущая организация:

ОАО «СО ЦДУ ЕЭС России», г. Москва

Защита диссертации состоится 29 ноября 2005 г. в 14.00 часов на заседании диссертационного совета Д 512.002.01 при ОАО «Научно-исследовательский институт электроэнергетики» (ОАО «ВНИИЭ») по адресу: 115201, г. Москва, Каширское шоссе, д.22, корп.З.

Отзывы на реферат в двух экземплярах, заверенные печатью организации, просим направлять на имя ученого секретаря Диссертационного совета Д 512.002.01 по адресу: 115201, г. Москва, Каширское шоссе, д.22, корп.З, ОАО «ВНИИЭ».

С диссертационной работой можно ознакомиться в библиотеке ОАО «ВНИИЭ».

Автореферат разослан 28 октября 2005 г.

Ученый секретарь

диссертационного совета Д 512.002.01 доктор технических наук, профессор

В. Э. Воротницкий

2 006-4 2 2/Л 74

■г7-г.ъл

Актуальность проблемы.

Планирование режимных параметров и технико-экономических показателей является одной из важных задач обеспечения функционирования электроэнергетики. Составляя планы по различным показателям на предстоящие сутки, неделю, месяц, квартал, год, службы и отделы энергобъединений (ЭО) и энергосистем (ЭС) решают задачу планирования энергобалансов - соотношения между потребностью электроэнергии (мощности) и средствами ее удовлетворения.

Одним из основных показателей при планировании работы ЭО и ЭС является прогноз ожидаемого электропотребления (потребления электроэнергии и мощности) в целом по системе, группам и отдельным потребителям, узлам электрической схемы. В определенном смысле, величина прогноза электропотребления (далее - ЭП, потребление, нагрузка) является опорным показателем для последующего планирования балансов электроэнергии, мощности и расчетов электрических режимов. Необходимость точного прогнозирования обусловлена технологическими и экономическими причинами. Точные расчеты обеспечивают оптимальное с экономической точки зрения распределение нагрузок между станциями, способствуют осуществлению экономически целесообразных операций по покупке и продаже электроэнергии.

Графики режимов работы ЭО и ЭС должны рассматриваться как элементы общего графика работы Единой энергетической системы России. Объемы потребления ЭО, ЭС, субъектов рынка на всех временных этапах планирования и эксплуатации обязательно согласовываются с подразделениями и филиалами Системного оператора -региональными (РДУ), объединенными диспетчерскими управлениями (ОДУ) и Центральным диспетчерским управлением Единой энергетической системой России (ЦЦУ). Согласованные графики потребления и генерации (диспетчерские графики) являются важнейшими для ЭО и ЭС показателями, определяющими основные аспекты их работы - графики выработки электроэнергии станциями с учетом резервов, состав генерирующего оборудования, объемы покупки и продажи электроэнергии и мощности на рынке. Временная иерархия планирования разделяется на три основных интервала: долгосрочное планирование (от месяца до года вперед), краткосрочное планирование (от суток до месяца вперед), оперативное управление режимами (минуты, часы). Задача расчетов прогнозов потребления решается на всех временных интервалах с последовательным уточнением результатов расчетов по мере уменьшения времени упреждения. Точность прогнозных расчетов определяется соответствием применяемых математических моделей процессу колебаний потребления. В целом колебания потребления представляют собой сложный нестационарный случайный процесс, имеющий определенные цикличности (регулярные колебания). Они определяются сезонными колебаниями температуры и освещенности (долготы дня) в разрезе года, технологическим режимом работы предприятий, режимом труда и отдыха населения. На регулярные колебания накладываются нерегулярные и случайные компоненты, определяемые резкими изменениями погодных условий, различными социальными факторами (популярные телевизионные передачи, переносы рабочих выходных дней и т. п.). Все эти процессы должны учитываться при разработке математических моделей прогноза. При отсутствии математических моделей и программных средств, специалисты служб ЭО и ЭС обычно ограничиваются осредненными за прошлые периоды значениями с поправкой на выявленную сезонную или межгодовую тенденцию и, иногда, с поправкой на коэффициенты влияния температуры, и принятию их в качестве прогноза. Такую методику расчетов ожидаемых плановых величин называют обычно "ручным прогнозом". Упрощенное, "ручное" прогнозирование потребления может давать весьма высокие значения ошибок и практически неприменимо для быстрых оперативных

расчетов в темпе процесса. Между тем, цена ошибок пр( #лШ%ЙЩ^Рания

^ БИБЛИОТЕКА 1

СПетер!

«а

зга/-

становится все более высокой. В некотором смысле, качественный прогноз потребления становится действенным инструментом в конкурентной борьбе на рынке электроэнергии и мощности.

Оценочные расчеты, проводимые для ЭС России с уровнем месячного потребления около 1500 млн. кВт-ч показали, что улучшение качества прогнозирования только месячного потребления на 0,1% способно в настоящих условиях снизить затраты на оплату отклонений от плана по поставкам электроэнергии на 3-5 млн. рублей в год. Также значительный эффект приносит уточнение краткосрочного и оперативного прогноза графиков потребления.

Существенное влияние на потребление оказывают метеорологические факторы -температура наружного воздуха, естественная освещенность, влажность, скорость ветра и другие. Все эти факторы в значительной мере определяют регулярные сезонные, суточные колебания потребления, а также отклонения от плановых величин. Влияние метеофакторов зависит от сезона и времени суток и, в последние годы, значительно усилилось вследствие увеличения доли коммунально-бытовой нагрузки. Оценка влияния метеофакторов и учет указанных факторов при прогнозировании позволяет снижать ошибки прогнозирования в среднем на 0,1-0,4 %.

В зависимости от решаемых задач и детальности планирования, в состав суммарного потребления могут входить компоненты, характеризующие структуру на различных этапах и звеньях технологического процесса. Компоненты могут группироваться по территориальным, технологическим признакам. В рыночных условиях в суммарном потреблении ЭО и ЭС выделяются новые компоненты - крупные потребители, самостоятельно выходящие на рынок. Особым образом структурируется одна из составляющих потребления - полезный отпуск собственным потребителям. В этом случае возможно структурирование полезного отпуска по тарифным группам, типам присоединения, социальным группам и т.п. Планирование потребления осуществляется на основе прогноза суммарного показателя и каждой компоненты, при этом структура потребления должна быть сбалансирована на каждом этапе и уровне планирования. Объем исходных данных и модели прогнозов для различных компонент могут быть весьма различны. Возникает необходимость разработки адаптивной системы моделей прогнозирования и планирования потребления, применимой на различных стадиях и звеньях планирования.

Становление и развитие методов математического моделирования, прогнозирования электропотребления связано с работами таких отечественных и зарубежных ученых, как Бартоломей П.И., Бердин А.С, Богданов В.А., Вагин В.П., Васильев И.Е., Карпов В.В., Гордеев В.И., Гурский С.К., Каялов Г.М., Кудрин Б.И., Куренный Э.Г., Липес A.B., Меламед A.M., Надтока И.И., Праховник A.B., Рабинович М.А., Седов A.B., Степанов В.П., Тимченко В.Ф., Фокин Ю.А., Bunn D.W., Farmer E.D., Ackerman G.B., Gupta P.C., Baker A.B. и других.

В работах специалистов по этой тематике достаточно проработаны, и в той, или иной степени, решались проблемы моделирования и прогнозирования потребления. Вместе с тем, в последние годы возникли обстоятельства, потребовавшие существенного расширения и дополнения круга задач, решаемых при планировании электропотребления:

• Внедрение рынка электроэнергии и его сегментов - регулируемого сектора, свободного рынка, балансирующего рынка. Изменение структуры электроэнергетики России, появление операторов рынка, разделение энергосистем на отдельные структурные подразделения, выход крупных потребителей на рынок, и, как следствие, изменение технологии расчетов по прогнозированию и планированию потребления.

... А

• Изменение структуры потребления - значительный рост доли коммунально-бытовой нагрузки и непромышленной нагрузки, как следствие, увеличение неравномерности графиков, более существенное влияние метеорологических факторов. Это требует применения соответствующих методов и алгоритмов моделирования потребления и учета метеофакторов.

• Необходимость создания и массового внедрения программных продуктов, позволяющих решать задачи прогнозирования и планирования потребления на различных объектах и обеспечивать необходимыми данными сопутствующие задачи. Эта необходимость обусловлена повсеместным внедрением рыночных механизмов в электроэнергетике.

Отмеченные обстоятельства определили основной круг задач, решаемых в данной работе.

Цель и задачи исследования.

Целью работы является разработка методов, алгоритмов и программных средств анализа и планирования потребления, необходимых в практике эксплуатации ЭО, ЭС. Разрабатываемые методы, алгоритмы и программные средства должны обеспечивать:

• Возможность создания и хранения многолетних архивов данных потребления, компонент балансов мощности и электроэнергии, необходимых для проведения всестороннего анализа особенностей и тенденций потребления, разработки адекватных математических моделей. Возможность организации объектной структуры хранения данных потребления на различных объектах.

• Наличие методологии планирования сбалансированной многокомпонентной структуры потребления.

• Наличие набора различных моделей прогнозирования, адекватно описывающих колебания компонент потребления.

• Возможность проведения необходимого статистического анализа потребления, режимных параметров и технико-экономических показателей ЭО и ЭС.

• Необходимую точность расчетов по прогнозированию потребления.

• Учет при прогнозировании и планировании различных влияющих факторов, в том числе метеорологических.

• Возможность увязки исходных данных и результатов расчетов по прогнозированию и планированию потребления с другими задачами планирования и ведения режимов работы ЭО, ЭС (расчет балансов электроэнергии и мощности, режимов электрической сети, расчет потерь, диспетчерские задачи).

• Возможность работы алгоритмов и программных средств в реальных производственных условиях с загрузкой данных в темпе процесса (online) из комплексов ОИК и АСКУЭ.

• Возможность работы алгоритмов и программных средств прогноза потребления в технологии балансирующего рынка.

• Обмен исходными данными и результатами расчетов между объектами и уровнями управления.

Разработанные на основе предлагаемых методов и алгоритмов промышленные программы и программные комплексы должны обеспечивать потребности в средствах планирования потребления соответствующих служб и подразделений ЭО, ЭС, диспетчерских управлений, субъектов рынка электроэнергии.

Для достижения поставленных целей решен ряд научных и технических

задач:

1. Разработаны методы и алгоритмы обработки и хранения информации многолетних статистических выборок (10-15 лет) значительных объемов режимных параметров и технико-экономических показателей (данные потребления, компоненты балансов мощности и электроэнергии, напряжения, токи и т.п.). Осуществлена подготовка многолетних архивов графиков потребления (почасовые и получасовые значения) и влияющих метеофакторов энергообъединений и энергосистем России.

2. Разработана методология и система математических моделей, позволяющих осуществлять прогнозирование и планирование многокомпонентной сбалансированной структуры потребления на различных объектах.

3. Разработаны методы, алгоритмы и программные средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных.

4. Исследованы характерные особенности и тенденции колебаний потребления большинства ЭО и ЭС России

5. Разработаны методы и алгоритмы математического моделирования колебаний потребления. Разработаны методы и алгоритмы прогнозирования потребления в различных временных интервалах - долгосрочном, краткосрочном и оперативном цикле.

6. Разработаны методы и алгоритмы прогноза потребления в технологии балансирующего рынка.

7. Проведен всесторонний статистический анализ влияния метеорологических факторов на потребление. Разработаны методы и алгоритмы моделирования и учета влияния метеорологических факторов.

8. Созданы программы и программные комплексы, обеспечивающие необходимую функциональность и точность расчетов при прогнозировании и планировании потребления и последующих расчетов балансов мощности и электроэнергии в практике эксплуатации ЭО, ЭС.

9. Осуществлено массовое внедрение программ и программных комплексов в промышленную эксплуатацию в ЭО, ЭС, на других объектах ЕЭС России.

Методы исследования и достоверность полученных результатов.

Исследования проводились на основе многолетних статистических выборок данных потребления, влияющих факторов, компонент балансов мощности и электроэнергии большинства ЭО и ЭС России. При проведении исследований применялись методы теории вероятностей и теории случайных процессов, статистического анализа, теории временных рядов. На базе проведенных исследований разрабатывались методы и алгоритмы планирования потребления, которые опробовались экспериментально в ЭО и ЭС и модифицировались с учетом опыта эксплуатации. При проектировании структур хранения и обработки данных потребления использовались объектные и темпоральные подходы, как средства моделирования, и СУБД реляционного типа, как средства хранения данных.

Достоверность новых научных положений, полученных результатов и выводов диссертации подтверждается результатами многолетней эксплуатации разработанных методов, алгоритмов и программных средств в энергообъединениях и диспетчерских управлениях России.

Научная новизна.

1. Разработана методология и система математических моделей, позволяющая осуществлять прогнозирование и планирование сбалансированной многокомпонентной структуры потребления на различных объектах электроэнергетики.

2. Разработаны методы, алгоритмы и средства обработки и хранения многолетних архивов данных потребления, балансов, оборудования на основе объектной модели. Методы и средства позволили осуществить подготовку необходимой статистической базы для научных исследований - архивные данные по всем ЭО и ЭС России (суточные графики потребления, режимные параметры с глубиной архивов от 2 до 10 лет, архивы метеофакторов за аналогичные периоды).

3. Разработаны методы, алгоритмы и средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных.

4. На основе многолетних архивов данных проведены исследования характерных особенностей и тенденций потребления практически всех ЭО и ЭС России. Определены основные тенденции - рост потребления в большинстве ЭС, увеличение доли непромышленной нагрузки, изменение характера сезонных, суточных и недельных колебаний.

5. Разработан метод сезонных кривых - метод аналитического описания регулярных колебаний почасового потребления в разрезе года, заключающийся в выделении базовой нагрузки из фактических реализаций потребления и последующем описании остаточных компонент тригонометрическими или степенными полиномами.

6. На основе предложенного метода сезонных кривых разработаны методы краткосрочного, оперативного и долгосрочного прогнозирования потребления. Разработана методика и средства оперативного циклического прогнозирования потребления для технологии балансирующего рынка.

7. Разработан метод оценки и прогнозирования активных и реактивных нагрузок узлов и районов расчетной схемы ЭО и ЭС при недостаточности данных телеизмерений.

8. Определены основные факторы, влияющие на точность прогнозирования. Отмечено, что одними из основных факторов влияющих на точность являются суточная неравномерность и нерегулярные колебания потребления (отклонения от сезонной кривой). Предложено аналитическое описание зависимости точности прогнозов от неравномерности графиков потребления.

9. Исследовано влияние на потребление метеофакторов - температуры и освещенности. Предложен метод аналитического описания регулярных колебаний метеофакторов с использованием метода сезонных кривых. Разработана методика учета влияния метеофакторов при прогнозировании потребления. Определен характер влияния температуры на потребление для отопительного и летнего сезонов года, предложено аналитическое описание влияния температуры.

10. Предложены методы оценки влияния введения летнего времени на потребление. Определена степень влияния сдвига времени на потребление различных регионов России и ЕЭС России в целом, оценены характер и величина изменений суммарного потребления и максимальных нагрузок.

11. Разработан многофункциональный программный комплекс анализа и планирования потребления, других технико-экономических показателей ЭО, ЭС.

12. Разработанные методы и средства планирования потребления использованы для реализации других технологических задач - расчет потерь электроэнергии, обработка балансов электроэнергии и мощности, диспетчерские задачи.

Методы и алгоритмы, изложенные в работе, разработаны автором. Разработка и внедрение средств планирования электропотребления велись под руководством и при непосредственном участии автора.

Реализация результатов работы и практическая значимость.

Разработанный на основе результатов работы программный комплекс "Энергостат" внедрен в промышленную эксплуатацию в большинстве крупных энергобъединений и диспетчерских управлений России - ЦЦУ, ОДУ Центра, Урала, Северо-Запада, Средней Волги, Сибири, Московское, Ленинградское, Смоленское РДУ, Кузбассэнерго, Тюменьэнерго, Алтайэнерго, Красноярскэнерго, Самараэнерго, других энергообъединениях, отделениях Энергосбыта и РДУ России. Разработанные с использованием методик и компонент комплекса "Энергостат" комплексы РТП и РБЭ используются в Мосэнерго для расчетов потерь электроэнергии и балансов. Модификация комплекса "Энергостат" использовалась в ЦЦР ФОРЭМ для обработки и расчетов балансов электроэнергии и мощности субъектов рынка.

Результаты работы используются для решения следующих практических задач ЭО, ЭС, диспетчерских управлений, других объектов электроэнергетики:

• Загрузка данных из комплексов ОИК, АСКУЭ в темпе процесса. Организация структуры и хранение многолетних архивов данных потребления, компонент балансов мощности и электроэнергии с различной дискретностью (15 мин., 30 мин., час, месяц, год);

• Подготовка и адаптация структуры взаимосвязанных компонент потребления с учетом реструктуризации и выхода потребителей на рынок. Подбор и адаптация моделей прогноза. Настройка коэффициентов моделей прогноза;

• Статистический анализ данных. Расчет характеристик суточных графиков потребления - средних, экстремальных точек, коэффициентов заполнения, неравномерности и т.п. Анализ по временным интервалам - год, квартал, месяц, неделя, сутки. Расчет приростов, нарастающих итогов. Идентификация и замена недостоверных значений по определенным статистическим критериям;

• Корреляционный и регрессионный анализ параметров. Расчет линейной и нелинейной регрессий для однофакторной и многофакторных моделей. Расчет коэффициентов влияния метеофакторов на потребление. Расчет межгодовых тенденций;

• Краткосрочное (сутки - месяц) и долгосрочное (месяц-год, несколько лет) прогнозирование электропотребления и суточных графиков параметров. Прогнозирование характерных точек графиков - средних, минимумов, максимумов, и т.п. Учет метеофакторов при прогнозировании;

• Оперативное прогнозирование графиков потребления и составляющих баланса мощности для текущих суток в темпе процесса.

• Оперативное скользящее прогнозирование потребления для технологии балансирующего рынка;

• Оценка точности результатов прогнозов для заданных временных интервалов и типов суток (Расчет математического ожидания ошибок прогноза, среднеквадратического отклонения и модуля ошибок. Расчет доверительных интервалов);

• Подготовка плановых значений потребления на основе принятых прогнозных величин. Вывод результатов планирования в выходные макеты и формы;

• Расчет и прогнозирование активных и реактивных нагрузок узлов и районов расчетной схемы;

• Переход от месячных значений потребления и балансов к суточным графикам (часовым, получасовым) по различным алгоритмам. Балансировка данных в суточных

разрезах. Вариантно-итеративные схемы расчета структуры потребления с фиксацией определенных компонент при расчетах;

• Расчет прогнозов суммарного полезного отпуска с последующей разбивкой по группам и потребителям;

• Регистрация команд диспетчера РДУ в электронном журнале. Анализ ретроспективы введенных команд, отданных за определенный период диспетчером, группой диспетчеров, диспетчерской сменой. Расчет и сохранение скорректированных диспетчерских графиков (ДГ);

Апробация работы.

Основные положения и результаты диссертационной работы неоднократно докладывались на различных научно-технических конференциях и семинарах.

Под руководством автора и при его непосредственном участии организован и проводится в течение трех лет Всероссийский специализированный научно-технический семинар "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии". На семинаре рассматриваются организационные и методические вопросы планирования потребления, балансов, методы и программные средства анализа и планирования (прогнозирования) потребления, балансов, опыт их практического применения в энергообъединениях России, обсуждаются проблемы подготовки данных для расчетов, структура и средства хранения информации. В работе семинара, проводимого во "ОАО ВНИИЭ", принимают участие специалисты ОАО «СО - ЦДУ ЕЭС», НП АТС, ОАО «ФСК ЕЭС», ОАО «ВНИИЭ», представители ОДУ, РДУ, АО-энерго, отделений Энергосбыта, научно-исследовательских организаций и фирм-разработчиков (более 150 человек из 92 организаций России и стран ближнего зарубежья). Результаты работы неоднократно докладывались автором на этом семинаре. Состав докладов, сделанных на семинаре автором, или с его участием, а также других докладов по теме работы приведен в диссертации.

Положения диссертации также обсуждались автором в энергообъединениях и объединенных диспетчерских управлениях России - ОДУ Центра, ОДУ Урала, ОДУ Северо-Запада, ОДУ Средней Волги, ОДУ Северного Кавказа, ОДУ Сибири, Мосэнерго, Ленэнерго, Алтайэнерго и других.

Публикации.

По теме диссертации опубликованы 29 печатных работ, включая два свидетельства Роспатента на программы и базы данных.

Структура и объем диссертации.

Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы из 160 наименований, списка докладов из 48 наименований и приложения. Ее содержание изложено на 295 страницах текста и включает 140 рисунков и 45 таблиц.

Краткое содержание работы

Во введении обоснована актуальность темы, сформулированы цель и задачи исследований, научная новизна и практическая значимость работы, представлены основные положения, выносимые на защиту, описана структура работы.

В первой главе сделан краткий обзор методов планирования потребления, электропотребление рассмотрено, как составная часть балансов мощности и электроэнергии, описана методология и система моделей планирования потребления.

В первом разделе главы сделан обзор публикаций, посвященных проблеме анализа и планирования потребления, а также обзор докладов по теме диссертации на специализированном научно-техническом семинаре "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии". Отмечены проблемы и вопросы, не рассмотренные в публикациях и докладах.

В работе электропотребление рассматривается, как составная часть балансов электроэнергии и мощности. Отмечены особенности и тенденции колебаний потребления и компонент балансов различных ЭО и ЭС России. Балансы электроэнергии и мощности определяют соотношение между потреблением и выработкой электроэнергии, соответственно, за определенные интервалы (месячные, годовые балансы электроэнергии) или на фиксированные моменты времени (балансы мощности на определенные часы суток, характерные периоды). Задача планирования потребления является первым этапом при расчете балансов.

В состав балансов могут входить различные компоненты, показатели, характеризующие выработку и потребление на различных этапах и звеньях технологического процесса. В свою очередь, потребление также может структурироваться по различным признакам - технологическим, территориальным.

Описана методология и система моделей прогнозирования, применяемая при планировании многокомпонентной структуры потребления. Разработанная методология включает в себя методы, алгоритмы, технологию расчетов, способы и средства обработки данных, необходимые для осуществления всего цикла планирования электропотребления. Прогнозирование потребления в последнее время вышло за рамки относительно простой математической задачи, когда выполнялся прогноз потребления одного объекта на основе анализа ретроспективных временных рядов. Реструктуризация электроэнергетики, введение рынка привели к изменению структуры планируемого суммарного потребления ЭО, ЭС. Выделяются крупные потребители, изменяется принадлежность объектов. В зависимости от решаемых задач и детальности планирования, в состав суммарного потребления могут входить различные показатели (компоненты). При планировании необходимо прогнозировать каждую компоненту. Потребление отдельных компонент имеет свои особенности и характер колебаний, кроме того, зачастую, данные по вновь образуемым объектам имеются только за небольшой

период (два-три месяца) и применить сложные математические модели не представляется возможным. В то же время, в реальных условиях эксплуатации производственный персонал должен обладать достаточно простыми и эффективными средствами расчетов. В связи с этим предложено использование системы моделей прогнозирования, позволяющей в условиях эксплуатации осуществлять планирование многокомпонентных структур потребления. Основные применяемые модели:

• Модель прогноза с использованием сезонной кривой потребления (с учетом или без учета метеофакторов);

• Модель прогноза метеофакторов с использованием сезонной кривой ;

• Модель сезонной кривой в качестве прогноза;

• Модель предыдущего среднего дня (с учетом или без учета сезонности);

• Комбинированная модель для прогноза многокомпонентных величин ;

• Адаптивная модель прогнозирования тенденций;

• Модель оперативного прогнозирования в темпе процесса;

• Модель, основанная на обработке данных контрольных замеров (при отсутствии данных телеизмерений).

На рис. 2 и рис. 3 приведена структура планируемого потребления в СО-ЦЦУ ЕЭС России и его филиалах. На уровне ЦЦУ в состав компонент включается потребление отдельных ОЭС, энергосистем. На уровне ОДУ в структуру включаются дополнительные компоненты крупных потребителей, АО-энерго, собственных нужд станций и потерь в сетях.

Рис. 2. Структура компонент потребления ЕЭСРоссии

ОЭС Урала

гч:

Т» ■•иьаиарге

АО ЧеПЯб9МерГ0

Собственны* ну*ды федеральных электростанций

1-*Г СН ТрГРЭС I

Потеря I сятях ФСК

Рис. 3. Структура компонент потребления ОЭС Урала

Важным элементом методологии расчетов является сбалансированность структуры результатов прогнозов потребления на всех уровнях диспетчерского управления. На уровне ЦДУ ЕЭС расчетные алгоритмы должны обеспечивать согласование прогнозных значений, полученных на различных уровнях таким образом, чтобы суммарные значения потребления всех ОЭС были равны потреблению ЕЭС для каждого часа, а суммарные значения потребления ЭС были равны потреблению своей ОЭС для каждого часа. Соответственно, потребление энергосистем должно равняться сумме компонент потребления АО-энерго, крупных потребителей, собственных нужд федеральных электростанций и потерь в сетях ФСК (рис. 3).

Компоненты потребления в данном случае можно разделить на три основные группы:

• Потребление ЕЭС, Потребление ОЭС, Потребление энергосистем. Для данной группы имеются архивы графиков потребления и метеофакторов за длительный период (несколько лет). Для этих компонент применимы основные модели прогноза потребления (с использованием сезонных кривых, с учетом метефакторов и аналогичные).

• Потребление крупных потребителей и собственных нужд федеральных ЭС. Колебания потребления этой группы в основном определяются их производственными циклами. По большинству объектов нет годовых архивов, также нет данных по метеофакторам. Если отсутствуют данные плановых заявок, возможно планирование указанных компонент по адаптивным моделям предыдущего среднего дня с упрощенным учетом сезонности (линейным). При наличии плановых заявок в качестве прогнозов используются заявки.

• Потребление АО-энерго. Потребление этой компоненты является в настоящее время нестабильным параметром вследствие выделения крупных потребителей. В этом случае потребление АО-энерго определяется, как разность прогнозов потребления энергосистемы и прогнозов крупных потребителей, собственных нужд, потерь в сетях ФСК.

Для составляющих внутри основных групп потребления модели прогнозирования могут различаться. При расчетах производится балансировка результатов на всех уровнях.

Структурирование полезного отпуска по

1 Группы потребителей по форме Ф-4в ЭС

Группы потребления по уровням напряжения

Группы потребителей ПО от 1ле«трост1иций

I Типовые тарифные труппы (одиоставочный, |дауставочный, зонный)

I

Социальные группы

выделенных потребителей

потребителей

Рис 4 Структурирование полезного отпуска по определенным видам потребителей

При планировании полезного отпуска в отделениях Энергосбыта потребление также может структурироваться по определенным критериям - территориальному или

групповому. На рис. 4 приведен пример реализованной при внедрении в Ярэнерго структуры полезного отпуска в отделениях Энергосбыта.

В расчетах также используется процедура балансировки величины суммарного показателя потребления и суммы его компонент.

Балансировка результатов расчетов является заключительным этапом планирования потребления. Первоначально сумма прогнозов составляющих (компонент потребления, групп потребителей) отличается от прогнозных значений суммарного потребления. В разработке реализованы методы устранения небаланса с применением различных алгоритмов. Их можно разделить на два основных типа:

• 1 тип - устранение небаланса с коррекцией суммарного показателя;

• 2 тип - устранение небаланса с коррекцией составляющих (компонент).

В общем случае в структуре потребления выделяются компоненты или группы, значения прогнозов которых не должны изменяться в процессе расчетов (группы приемлемых значений), другие составляющие могут менять значения так, чтобы выражение (1), основанное на первоначальных прогнозах, было обращено в равенство:

фикс слов ' (1)

1_фикс ¡„своб

р

где - первоначальные значения прогноза потребления 1-ой

фиксированной компоненты,

Р

>-<** . первоначальные значения прогноза потребления для ¡-ой нефиксированной (свободной) компоненты.

Р - прогноз суммарного потребления.

Сбалансированный прогноз потребления г'-ой компоненты рассчитывается при этом по формуле:

Р Рафике

1_фикс

(2)

При устранении небаланса возможно использование различных алгоритмов. Свободные компоненты могут изменяться в зависимости от коэффициентов долевого участия:

Р- 1,р,

_фикс I _ фикс у

(3)

где К1 гао6 - коэффициенты долевого участия для /-ой нефиксированной (свободной) компоненты, оцениваемые по различным алгоритмам.

Во второй главе описаны методы и средства обработки информации для планирования, методы и результаты статистического анализа электропотребления ЭО и ЭС России.

Проведение расчетов по планированию потребления со сложной структурой требует обработки и хранения значительных объемов многолетних архивных данных потребления и связанной с планированием потребления информации - балансов, структуры объектов, состава и характеристик оборудования. Структура и средства

хранения данных должны обеспечивать автоматизированный доступ к информации, анализ и прогнозирование потребления, согласование прогнозных значений, полученных на различных уровнях диспетчерского управления, межуровневый обмен прогнозируемыми значениями почасового потребления. Необходимо также обеспечить математическую взаимосвязь между графиками различных ЭО и ЭС, возможность экспертной оценки, сопоставления с фактическими и прогнозными графиками других дней, сравнение с полученными ранее прогнозными значениями потребления того же дня и т.п.

Для обеспечения возможности обработки и хранения статистических архивов потребления и связанных с ним параметров (глубина архивов до 10-15 лет) разработана информационная объектная структура хранения данных. Объектная структура хранения с набором программных средств администрирования базы данных представляет собой информационную систему для планирования потребления и других технологических задач. При проектировании структуры системы использовались объектные и темпоральные подходы, как средства моделирования, и СУБД реляционного типа с SQL доступом, как средства хранения данных.

Структура и средства объектной информационной системы обеспечивают решение следующих задач:

• сбор, обработка и хранение данных потребления, других измеряемых параметров режимов, балансов мощности и электроэнергии с различной дискретностью;

• учет состава и состояния технологического оборудования, производственных и административных объектов, подготовка классификаторов и справочников;

• выполнение технологических расчетов по планированию потребления и других технологических задач.

• подготовка отчетов о состоянии объектов и оборудования, суточных ведомостей и других видов отчетности;

• обмен данными между различными объектами и уровнями управления.

Реализованные методы и средства статистического анализа используют аппарат математической статистики, а также разработанные методы и средства обработки и хранения архивов данных. Для статистического анализа используются многолетние выборки данных потребления, других режимных параметров с различной дискретностью - минутные, часовые, месячные, квартальные значения. Реализован гибкий разветвленный алгоритм подсчета самых различных вариантов статистических характеристик. Возможна оценка статистических характеристик по определенным характерным часам, дням недели, для заданных временных интервалов, сезонов года и т.п., что позволяет оценивать закономерности, тенденции, характерные значения колебаний потребления. Глубина исследуемых временных рядов не ограничена и лимитируется только доступным количеством данных. Средства корреляционного анализа позволяют установить степень взаимного влияния величин. Расчет коэффициентов корреляции дает оценку линейной связи между отклонениями параметра-аргумента и параметра-функции. Результаты корреляционного анализа могут быть использованы в различных расчетных алгоритмах, например в процедуре пересчета уровня потребления с одного периода на метеоусловия другого периода. В разработке реализованы алгоритмы регрессионного анализа с расчетом параметров регрессий. При расчете регрессий возможна оценка оптимальных степеней полиномов.

На рис. 5 представлена динамика месячных значений потребления электроэнергии за трехлетний период и аппроксимация регрессионными полиномами различной степени. Средства анализа коэффициентов полинома дают возможность оценить, что ряд разложения на составляющие является быстро сходящимся - коэффициенты полиномов

высших порядков практически равны нулю и число значимых членов, как правило, не более 18-20.

При внедрении реализованные средства хранения данных стыкуются с комплексами ОИК и АСКУЭ и производят загрузку данных в темпе процесса. Это позволяет специалистам, эксплуатирующим разработку, осуществлять необходимый статистический анализ непосредственно в режиме реального времени (on-line).

Рис 5. Пример аппроксимации процесса колебаний потребления степенными полиномами первой, восьмой и восемнадцатой степени

Исследования колебаний потребления ЭО и ЭС различных регионов России производились с использованием средств статистического анализа на основе многолетних архивных данных, накопленных при внедрении и эксплуатации разработки. В главе представлены основные характерные особенности и тенденции потребления ЭО и ЭС. Отличием данной работы от аналогичных, сделанных другими авторами, является предоставленная возможность обработки архивных данных практически всех ЭО и ЭС России, что позволило выявить определенные характеристики потребления регионов. Определены основные цикличности колебаний потребления - суточная, недельная, сезонная. Приведены статистические характеристики - средние за периоды, дисперсии, характерные точки (величина и время наступления суточных, сезонных минимумов, максимумов). Данные по потреблению сопоставлены с данными метеорологических факторов. Отмечено, что локальные экстремальные точки графиков потребления взаимосвязаны с локальными отклонениями метеофакторов от плавных сезонных изменений.

Определены основные тенденции динамики и структуры потребления - рост потребления в большинстве ЭС, увеличение доли непромышленной нагрузки, характера сезонных, суточных и недельных колебаний (рис. 6).

Проанализированы статистические показатели всех ЭО и ЭС России - приросты среднего месячного потребления, годовых и месячных максимумов нагрузки, характеристики нерегулярной составляющей (рис. 7)

а) б)

Рис. 6. Структура полезного отпуска Московского региона в 1985г.(а) и 2004г.(б).

'ОПриросгераямго ВОшнлщивот иютойцлиоЛ |

Рис. 7 Диаграмма приростов среднемесячного потребления мощности и характеристик нерегулярной составляющей (отклонение от сезонной кривой) ЕЭС и ОЭС России (2004

год).

В третьей главе представлены методы моделирования и прогнозирования электропотребления с различным упреждением, результаты расчетов и основные факторы, влияющие на точность прогнозирования.

Задача прогнозирования решается в современной практике путем математического моделирования процесса колебаний потребления. В основу разработанной методики моделирования электропотребления положен предложенный автором метод "сезонных кривых", позволяющий аналитически описывать колебания нагрузки в разрезе года. Основы метода заложены в кандидатской диссертации автора, выполненной на кафедре электрических систем МЭИ и институте "Энергосетьпроект".

В настоящей работе метод модифицирован и дополнен методикой долгосрочного планирования, прогноза нагрузок узлов расчетной схемы и учета метеофакторов в различные сезоны года. Метод предполагает аддитивность нагрузки:

P(i,j) = Po(iJ) + PcesfiJ) + 5P(i,j) + yP(i,j),

(4)

где i - час суток (1 + 24); j - номер дня недели (1 + 7); P(i, j) - фактическая нагрузка энергосистемы;

P0(i, j) - базовая составляющая, определяемая устойчивыми производственными циклами, суточной и недельной неравномерностью графика нагрузки;

Pca(i, j) - сезонная составляющая (сезонная кривая), определяемая сезонными колебаниями нагрузки в разрезе года. Эта составляющая обусловлена в первую очередь глубокими сезонными колебаниями метеофакторов - температуры и освещенности; SP(i, j) - составляющая, определяемая нерегулярными колебаниями метеофакторов (нерегулярными считаются отклонения метеофакторов от устойчивых сезонных циклов); yP(i,j) - остаточная составляющая, определяемая влиянием неучтенных факторов.

Аналогичным образом моделируются метеорологические факторы - температура и освещенность (25,26).

Базовая составляющая P0(i, j) определяется устойчивыми производственными циклами, минимумом коммунально-бытовой нагрузки. Такая нагрузка для большинства ЭС России имеет место в летние месяцы, поскольку она минимальна и менее всего подвержена вариациям. Базовая нагрузка представляется стабильными среднемесячными графиками нагрузки.

Затем из фактических часовых нагрузок P(ij) каждого дня года вычитается средняя почасовая базовая нагрузка. В результате этой операции происходит выделение сезонной компоненты нагрузки. Таким образом, преобразование вида:

где ДРсез(ц) - сезонная компонента;

Ро(у) - базовая нагрузка, нормирует суточные графики всех 365 суток года.

Осуществив подобное нормирование графиков нагрузки за несколько лет, мы приводим их к одинаковым условиям, исключив также влияние недельного цикла. Сезонные компоненты формируются по календарному принципу от 1-го до 365-го номера:

где / - час суток (1 + 24); п - день в году (1 * 365).

Особенностью метода сезонных кривых является то, что годовой график сезонной компоненты - сезонная кривая рассчитывается отдельно для каждого часа суток, в результате чего на практике оперируют с матрицей, состоящей из 24 сезонных кривых.

Сезонная компонента потребления коррелирована с сезонными колебаниями температуры наружного воздуха, естественной освещенностью (долготой светового дня), летним снижением электропотребления учреждений и предприятий. В ряде регионов сезонная кривая имеет свою специфику - например, сезонное летнее повышение электропотребления в курортных зонах Крыма, Кавказа.

APca(ij)=P(ij)-Po(i,j),

(5)

ДР„,(''./)=>ДР«,('>)<

(б)

Базовая компонента, в свою очередь, коррелировала с макроэкономическими показателями - уровнем экономической активности, ростом или спадом промышленного производства. Аналитическое описание сезонной кривой производится с помощью полиномов Фурье:

А *

Ра,(п) = — + сов кат + А'к &ткат) 2 1,1 ,

(7)

где А0,Ак,А'к - коэффициенты Фурье;

а, = • Т=365; ^-количество членов в разложении Фурье. Г '

Оценка коэффициентов А0,Ак,^производится с помощью метода наименьших квадратов. Порядок N определяется экспериментально постепенным увеличением порядка полинома. В качестве критерия для прекращения увеличения степени является проверка дисперсий на каждом шаге. Результатом расчетов является матрица коэффициентов Фурье размерностью (25*(2№1)*7). На практике оптимальная степень полинома для описания сезонной кривой для различных часов суток колеблется от 4 до 15. Для упрощения и ускорения процесса расчета аналитического описания сезонной кривой на практике может использоваться параболическая регрессия в виде ортогонального многочлена Чебышева:

р.('.»> - Д, £,('»+А АС.»)' <8>

где Во^'") >"•' - многочлены Чебышева;

р ,..., р^ - коэффициенты полинома, определяются с помощью метода наименьших квадратов.

Использование сезонных кривых дает возможность с высокой точностью делать прогноз нагрузки на интервале упреждения от одних суток до года. Вид сезонной кривой представлен на рис. 8.

Рис 8 Сезонные кривые для различных часов суток ОЭС Средней Волги

В общем виде краткосрочный прогноз нагрузки 1-го часа на день I (1^-365) определяется:

Р{и) = ¿а • {Р(Ц -т)+ - т)+/[ХТ{1 - - т)]} (9)

где Р(г, / - т) - фактическая нагрузка в день т - интервал упреждения прогноза;

- т) - приращение сезонной кривой на интервале 1-т и I; /[/1Г(? - т), А@(( - и)] - составляющая, корректирующая нагрузку на разность метеоусловий дней ¡-т и I;

-т), - т) - разность метеоусловий дней 1-т и / в отклонениях от сезонных кривых;

Ь - число однотипных суток (понедельник, рабочий день, суббота, воскресенье), Ь = 4 -16 в зависимости от интервала упреждения; а - весовой коэффициент.

Для более точного учета температуры используется так называемая "эффективная" температура Тэ, дающая возможность учесть запаздывание влияния температуры на нагрузку:

Тэ = ^оаТ(1-т), (Ю)

м=О

где: Г(? -т) - температура текущего, вчерашнего, и т. д. дней;

Ок - весовые коэффициенты, определяемые из корреляционной функции "среднесуточная температура - нагрузка".

Выражение (9) используется при краткосрочном (сутки, неделя) и долгосрочном (месяц, год) прогнозировании потребления. При оперативном прогнозировании с упреждением от 10 минут до нескольких часов используется метод прогноза временных рядов, основанный на представлении отклонений фактического потребления от базовой компоненты в виде модели авторегрессии - скользящего среднего (модель АРИСС). В качестве базовой компоненты используется прогноз графика нагрузки, сделанный накануне. Фактическая нагрузка представляется в виде:

ДО = />,(')+#(<) (И)

где Рпр (/) - прогноз нагрузки, сделанный накануне; I - номер часа или минутного интервала.

Наличие значимых автокорреляций для процесса £(/) свидетельствует, что предложенная модель процесса может быть улучшена путем описания последовательности отклонений адекватной стохастической моделью. Эти модели определяются в классе моделей Бокса и Дженкинса АРИСС (р ,й, ц). Оценка автокорреляционной функции £(/) свидетельствует о нестационарности процесса (автокорреляционная функция затухает медленно или не затухает вовсе). Взятие первой разности:

Д£(0-«О-«'-!)

(12)

приводит процесс к стационарному и он моделируется АРИСС (0,1,1) - процесс скользящего среднего.

На представленной ниже таблице сопоставлены ошибки прогнозирования для ЭО и ЭС с различным упреждением. Для оценки точности использовались данные за 2002 год по рабочим дням, прогноз производился с использованием программного комплекса «Энергостат» по методу сезонных кривых с учетом метеофакторов. Ошибки прогнозирования оценивались по среднему модулю относительных ошибок прогноза по

1И

выбранному временному интервалу —-.

Таблица 1. Точность краткосрочного прогнозирования потребления

Рабочие днн Выходные дни

ЭО и ЭС Упреждение |»|ср % Р» Р|ср

ОЭС Центра 1 сутки 27079 1.49 24698 1.7

Зсуток 1.67 1.81

1 неделя 1.92 1.97

ОЭС Северо-Запада 1 сутки 8821 1.72 8193 2.07

Зсуток 1.91 2.22

1 неделя 2.17 2.27

ОЭС Средней Волги 1 сутки 9100 1.76 8349 2.32

Зсуток 2.22 2.54

1 неделя 2.36 2.64

ОЭС Северного Кавказа 1 сутки 5517 1.81 5201 2.33

Зсуток 2.03 2.55

1 неделя 2.49 2.85

ОЭС Урала 1 сутки 24511 0.98 23420 1.20

Зсуток 1.26 1.44

1 неделя 1.38 1.54

I сутки 8845 2,48 7764 2,57

Мосэнерго Зсуток 3,18 3,19

1 неделя 3,12 3,25

Тюменьэнерго 1 сутки 6229 1,55 6172 1,76

Зсуток 1,92 2,11

1 неделя 2,20 1,98

По данным, представленным в таблице 1 можно заметить, что ошибки прогнозирования увеличиваются при увеличении упреждения от суток к неделе. Кроме того, ошибки прогнозирования для ЭО, ЭС с незначительной суточной неравномерностью и нерегулярной компонентой оказались существенно меньше, чем для ЭС с высокой неравномерностью.

В таблице 2 приведены ошибки оперативного прогнозирования по различным ЭО и ЭС с упреждением 1-10 часов. Ошибки оперативного прогнозирования также в значительной степени зависят от упреждения, с каким производился прогноз. Лучшая точность прогнозов достигается при минимальном упреждении - час, полчаса, при увеличении упреждения точность ухудшается и приближается по мере роста времени упреждения к точности краткосрочного прогноза (рис. 9).

Таблица 2. Точность оперативного прогнозирования потребления

Упреждение, час 1 2 3 4 5 б 7 8 9 10

ОДУ Урала Средняя ошибка, */• Модуль Ошибки, % о.оо -0.01 -0.01 404)1 -0.03 -0.01 -0.02 41.01 -0.01 -0.01

0.20 0.24 0.2» 0.41 0.49 0.52 0.54 0Л9 0.63 0.69

Мосэнерго Средняя ошибка, % 0.00 -0.01 -0411 -0.01 -0.07 -0.21 -0.16 -0.21 -0.1» -0.20

Модуль Ошибки, % 141 1.32 1.53 1.83 1.97 2.1» 2.24 2.24 из 2.38

Лен энерго Средняя ошибка,'/» 0.00 -0.01 -0.01 -0411 04)2 0.02 -0.04 0416 0.07 0.07

Модуль Ошибки, % 0.67 14» 134 1.44 1.49 1.60 1.63 1.69 1.74 1.79

| Модуль ми(м омрммоп пресном

Рис. 9. Зависимость погрешности оперативного прогнозирования от упреждения в

часах

В целом предложенные алгоритмы оперативного прогноза с учетом метеофакторов дают достаточно высокую точность.

М.|||»|||||и|||11||||Ц111111111111«1Ш111.1.1|.|И1||||Ш|.!1|1.»«.^иа|.Ш||Я»Ц»ГГ е«икт««| 8м»

Рис. 10. Автокорреляционная функция ошибок оперативного прогноза на 1 час вперед

На рис. 10 приведена автокорреляционная функция ошибок оперативного прогноза на 1 час вперед при оптимально настроенной модели прогноза с учетом метеофакторов. Вид автокорреляционной функции свидетельствует, что автокорреляция ошибок незначима и усовершенствование модели прогноза уже не дает увеличения точности.

На практике, в цикле оперативного планирования диспетчерскому персоналу представляются три графика - плановый график потребления, сделанный накануне, фактический на текущее время и расчетный до конца суток.

В настоящее время решается задача запуска в 2005 году балансирующего рынка электроэнергии. Задача надежного, регулярного получения корректных прогнозов сбалансированной структуры потребления становится одной из основных задач, решаемых при обеспечении функционирования балансирующего рынка электроэнергии

Для включения реализованных в разработке методов и средств в технологию балансирующего рынка была разработана методика и специальный программный модуль, "Энергостат-БР", позволяющий осуществлять расчеты в темпе процесса в режиме "черного ящика", без вмешательства инженера - технолога. Методика расчетов основана на использовании метода оперативного прогноза потребления с учетом влияния метеофакторов. Методика и средства являются составной частью комплекса информационного обеспечения функционирования балансирующего рынка, разрабатываемого в УПИ и ОДУ Урала (рис. 11).

ПО балансирующего рынка

Рис. 11. Функционирование компоненты "Энергостат-БР" в системе ПО балансирующего рынка

При долгосрочном планировании потребления (прогнозирование тенденций) с упреждением от 2 до 10 лет возникает ряд значимых факторов, влияние которых оценить математически довольно затруднительно в силу сложности их формализации. Это, в первую очередь, социально-экономические факторы, от которых зависят тенденции изменения потребления регионов. Учет таких факторов возможен посредством введения факторов роста численности населения, планов жил.строительства, ввода производственных мощностей и т.п. В предложенной методике алгоритмы для долгосрочного планировании позволяют производить прогноз тенденции развития в форме экстраполяции временных рядов, дополнительно применяются алгоритмы изменения наклона тенденции роста (падения).

Многолетние временные ряды потребления содержат периодические сезонные колебания. Методы долгосрочного прогноза используют методику прогнозирования временных рядов с сезонным эффектом, предложенную Ю.П. Лукашиным. Колебания потребления характеризуются периодически повторяющимися сезонными эффектами. Эти колебания можно представить, как генерируемые моделями двух основных типов: моделями с мультипликативными и с аддитивными коэффициентами сезонности. Модели первого типа имеют вид:

Р, = аи/, + е,, (13)

где Л - фактическое наблюдение потребления; а/1 характеризует тенденцию развития процесса; fi.fi!, ■■■^11+1 - коэффициенты сезонности;

I - количество фаз в полном сезонном цикле (если ряд представляет месячные значения потребления, / = 12, при квартальных данных 1 = 4 и т. п.); е, - неавтокоррелированный шум с нулевым математическим ожиданием. Модели второго типа записываются:

Р, = (аи +&)+£,, (14)

где ъ,, ..., g,.l+, - аддитивные коэффициенты сезонности.

Возможно задание комбинаций различных типов тенденций и циклических явлений аддитивного и мультипликативного вида. Первую группу образуют модели без тренда, модель с аддитивным линейным трендом и модель с мультипликативным (экспоненциальным) трендом. Вторую группу составляют три модели из первой группы с наложенным на них аддитивным сезонным эффектом. В третью группу входят три модели из первой группы, но с наложенным на них мультипликативным сезонным эффектом.

Все девять моделей могут быть отражены в одной записи:

= 0,(11 + (1- а,) <12, (15)

где аи - текущий уровень ряда после устранения сезонных колебаний; а/ - параметр сглаживания, 0 < а, < /;

е1, ¿2-- коэффициенты различные для видов тенденции и сезонных эффектов.

Прогнозы ожидаемых значений потребления на момент / + т могут бьггь получены по моделям, представленным в таблице 3:

Таблица 3. Различные модели долгосрочного прогнозирования

Тенденция роста Характер сезонности

1.Отсутствие сезонного эффекта 2.Аддитивный сезонный эффект З.Мультипликативный сезонный эффект

Отсутствие тенденции роста а1,1

Аддитивный рост (о 1,< +

Экспоненциальный рост в;,/ г, г а1,1 г<т + g,.|+r "/,г/-/+т г, г

где а, , - текущий уровень ряда после устранения сезонных колебаний,

а2,, - коэффициент линейного роста;

г, - коэффициент экспоненциального роста;

gl - аддитивная сезонная компонента;

/, - мультипликативный коэффициент сезонности;

определяются экспоненциальным сглаживанием.

На рис. 12 представлены графики долгосрочных прогнозов потребления электроэнергии с различными коэффициентами тенденции. Адаптивная математическая модель, используемая при прогнозировании тенденций, содержит ряд коэффициентов, настройка которых позволяет получить наиболее точные результаты прогноза. Коэффициенты тенденций (наклон кривой) определяются технологом, осуществляющим планирование, на основе данных о предполагаемом развитии ЭО и ЭС на ближайшие годы

Рис 12. Графики долгосрочных прогнозов потребления с различными коэффициентами, характеризующими тенденцию (нелинейный рост, линейный рост, нелинейное затухание

роста)

Если точность краткосрочного и оперативного прогноза определяется адекватностью математических моделей, то точность долгосрочного прогноза (2-10 лет) в значительной степени зависит от того, насколько были верны предположения о темпах развития региона и, соответственно, какой коэффициент наклона тенденции использовался при прогнозировании. Алгоритмы и программные средства в данном случае предоставляют технологу инструмент для расчетов.

В таблице 4 представлены результаты расчетов долгосрочного прогноза на 1999 год для Мосэнерго. Упреждение прогноза - 1 год. Прогноз выполнен с затуханием 1, в предположении, что темпы роста электропотребления сохранятся на том же уровне.

Следует отметить увеличение ошибок прогноза в период включения-отключения отопления. Это связано с тем, что долгосрочный прогноз, как правило, производится на среднемноголетние значения температуры. В периоды включения-отключения отопления влияние температуры существенно возрастает и достигает 2-3 % на градус С°, что отражается на точности прогнозов.

Таблица. 4. Результаты долгосрочного прогноза месячных значений полезного отпуска

Мосэнерго.

Месяц/год Факт (Млн.квт-ч) Прогноз Ошибка Ошибка, %

1999 год 49059 49444 -385 -0.8

Январь 4602 4697 -95 -2.1

Февраль 4430 4483 -54 -1.2

Март 4516 4533 -17 -0.4

Апрель 3925 4126 -202 -4.1

Май 3710 3536 174 4.3

Июнь 3483 3459 24 0.7

Июль 3400 3489 -89 -2.6

Август 3447 3511 -65 -1.9

Сентябрь 3677 3709 -32 -0.9

Октябрь 4269 4409 -141 -3.3

Ноябрь 4681 4546 136 2.9

Декабрь 4920 4944 -24 -0.5

При отсутствии, или недостаточности данных телеизмерений нагрузок, методы прогнозирования нагрузок узлов схемы отличаются от методов обработки временных рядов, изложенных в предыдущих разделах. В данном случае источником информации о параметрах нагрузок узлов являются контрольные замеры нагрузок, осуществляемые, как правило, дважды в год - в период зимнего максимума (декабрь) и летнего минимума (июнь), а также имеющиеся в наличии телеизмерения по суммарной нагрузке ЭС и районов схемы. Методика прогнозирования включает в себя несколько этапов:

• обработка результатов контрольных замеров нагрузок;

• расчет псевдоизмерений узловых нагрузок;

• прогнозирование узловых нагрузок.

Обработка контрольных замеров включает в себя подготовку и загрузку щитовых ведомостей подстанций в период максимума и минимума. Заключительным этапом обработки замеров является расчет установившегося режима (УР), параметры которого в наибольшей степени соответствуют измеренным величинам. Результаты обработки контрольных замеров дают необходимую информацию для последующего моделирования узловых нагрузок:

• активные нагрузки районов и узлов расчетной схемы, потери активной мощности;

• коэффициенты мощности для расчета реактивных нагрузок в узлах.

Первым этапом расчета является вычисление коэффициентов участия узлов (районов) в суммарной нагрузке ЭО, ЭС:

мо-*® . 06)

где Р - суммарная нагрузка района (системы); .Ру(') - нагрузка в / - ом узле (районе); / = 1... N, где N - количество узлов.

Расчет производится для всех точек в контрольном замере. В результате, для каждого замера получается двумерный массив коэффициентов участия.

Рассчитанные коэффициенты долевого участия являются исходной информацией для расчета нагрузок в узлах схемы по заданному потреблению и потерям. Для интерполяции в разрезе суток применяется линейная или нелинейная интерполяция между точками времен замеров. При этом коэффициент участия для временного интервала [1кДм] будет рассчитываться по формуле:

К,О) = + - *,((,)). (17)

'к*I ~'»

где и - время соответствующего замера, отсчитанное от нулевого часа; К у и - коэффициент участия в момент времени и г, соответственно;

(- время, на которое производится расчет.

Для интерполяции в разрезе года применяется также линейная или нелинейная интерполяция (по сезонным кривым) между двумя точками летнего и зимнего замеров. При этом годовой интервал разбивается на два полуинтервала (лето-зима) и (зима-лето), а коэффициент участия для временного интервала (лето - зима) будет рассчитываться по формуле:

Ку{п) = Ку(п,) + ^^-*{ку{П])-Ку(пл)), (18)

где пя и п, - количество дней с момента первого замера до соответствующего летнего и зимнего замера;

Ку(п,) и Ку(п,) - коэффициент участия узла в момент летнего и зимнего замера, соответственно;

п — день, для которого производится расчет.

Поскольку точки часов замеров в летние и зимние контрольные замеры не совпадают, то для интерполяции в разрезе года и времени суток применяется билинейная интерполяция. При этом в формуле (18) Ку(п„) и Ку(п,) заменятся на соответствующие интерполированные в разрезе суток значения, и расчет будет происходить по формуле:

Ку(п,1) = Ку(п,1) + х(КуК,г)-Ку(п„1)), (19)

где Ку{пп,1) и Ку(п„1) - интерполированные для времени суток 1 коэффициенты участия узла в момент летнего и зимнего замера.

Для расчета прогнозных значений коэффициентов участия производится линейная экстраполяция этого ряда с коэффициентами, рассчитанными по методу наименьших квадратов:

Ку(п) = К0+сс-п, (20)

где Ку(п) - коэффициент участия узла на день расчета; п - день, на который производится прогноз.

ЛТ0 и а - коэффициенты, рассчитанные по методу наименьших квадратов.

Аналогично расчету коэффициентов участия происходит расчет коэффициентов мощности:

а

I

где О, - реаюгивная нагрузка узла; Р, - активная нагрузка узла.

Расчет псевдоизмерений узловых нагрузок производится на основе фактических значений потребления районов и ЭО в целом и потерь в сети. Для расчета прогнозов используются прогнозные значения потребления районов и ЭО. Для заданного дня п и времени суток / рассчитываются и нормируются коэффициенты участия каждого узла:

Ку1(1,п) = К01(1,п) + а1(1,п)п (22)

активная нагрузка каждого узла:

Р = РКУ1{ип), (23)

где Р - суммарная нагрузка за вычетом потерь в сети, ЛГу((*,я) - нормированные коэффициенты участия каждого узла, и реактивная нагрузка каждого узла:

Й Ш) (24)

Итогом расчета является массив активных и реактивных нагрузок в узлах, передаваемый в задачу расчета УР.

При наличии достаточного количества телеизмерений изложенный выше метод может быть дополнен методикой расчета по контролируемым фрагментам сети, разработанной В.В. Карповым и В.П. Вагиным для Ленэнерго. Суть методики заключается в выделении на электрической схеме сети максимального числа фрагментов различного объема (замкнутых контуров), контролируемых телеизмерениями по внешним связям. Нагрузки узлов определяются по сбалансированным нагрузкам контуров и коэффициентам участия.

В главе определены основные факторы, влияющие на качество прогнозирования в практике эксплуатации - объем и качество исходных данных, возможность учета влияния метеофакторов, время упреждения. Рассмотрена взаимосвязь точности прогнозирования, неравномерности графиков и характеристики нерегулярных колебаний. Эту взаимосвязь можно моделировать линейными уравнениями регрессии. В ЭО и ЭС, где наблюдается значительная суточная неравномерность графиков потребления (низкий коэффициент неравномерности), выше относительная величина нерегулярной составляющей (существенное отклонение потребления от сезонной кривой), ошибки прогнозирования оказываются наиболее высокими. При организации рыночных операций по купле-продаже электроэнергии и мощности такие энергообъединения могут оказываться в худших условиях, поскольку точность прогнозов будет ниже (таблица 5).

В четвертой главе приведены результаты исследования влияния различных метеофакторов на потребление, методы учета влияния метеофакторов при прогнозировании. Приведены результаты оценки влияния летнего времени на потребление ЭО и ЭС.

Таблица 5 Неравномерность суточных графиков и точность прогнозирования

ЭС Коэффициенты, характеризующие форму графика Ошибки прогноза Коэффициенты, характеризующие форму графика Ошибки прогноза

Рср. МВт Кзап Кнер СКО откл |П|ср % СК О % Рср. МВ т Кзап Кнер СКО откл % [П|ср •А СК О %

За 2000 и 2001 гг. раздельно по годам За период 2000-2001 гг.

Кузбассэнерго 2000 2001 3683 3706 0,945 0,948 0,887 0,897 2,335 2,671 1,52 1,49 2,03 2,11 3695 0,946 0,892 2,516 1,50 2,07

Мосэнерго 2000 2001 8208 8578 0,840 0,845 0,604 0,614 4,496 4,523 2,29 2,46 2,99 3,43 8394 0,842 0,609 4,515 2,41 3,26

Саратовэнерго 2000 2001 1483 1502 0,884 0,878 0,753 0,742 3,978 4,261 2,76 2.59 3,67 3,47 1492 0,881 0,747 4,155 2,67 3,57

Смоленскэнерг о 2000 2001 477 505 0,877 0,881 0,730 0,739 5,241 5,544 3,28 3,34 4,47 4,77 491 0,879 0,734 5,295 3,31 4,62

Тюменьэнерго 2000 2001 5916 6202 0,956 0,962 0,900 0,914 1,876 1,822 1,17 1,15 1,51 1,47 6059 0,959 0,907 1,848 1,16 1,49

Существенное влияние на потребление электроэнергии оказывают метеорологические факторы - температура наружного воздуха, освещенность, влажность, скорость ветра. Они во многом определяют сезонные колебания и суточную неравномерность графиков потребления. Наиболее значительное влияние на потребление оказывает температура и освещенность. Влияние температуры определяется расходом электроэнергии на отопление зданий, вентиляцию, охлаждение в холодильниках, кондиционерах. Наиболее чувствителен к температуре расход энергии в зимний, отопительный сезон, а также примыкающие к нему периоды. Для ЭС, где осветительная нагрузка составляет значительную часть, вариации естественной освещенности оказывают влияние на нагрузку, особенно на формирование утреннего и вечернего максимумов. В расчетах в качестве показателя температуры используется часовая температура, в качестве показателя освещенности - облачность в баллах, фиксируемая в метеослужбах. Для моделирования колебаний температуры и освещенности также используется разработанный метод сезонных кривых. Температура и освещенность представляются в виде суммы двух компонент:

Т(п) = Тсез(п) + 8Г(п), (25)

Q(n) = дсез(п) + %)(п), (26)

где Тсез, Qceз - сезонные составляющие (сезонные кривые) метеофакторов, определяемые регулярными сезонными колебаниями в разрезе года; 5Т, - нерегулярные отклонения метеофакторов от сезонной составляющей, п - номер дня в году (1 - 365);

В ы

Ти: (п) = — + £ (Я, соя кшп + В\ эт кот) ^71

Qc„ = C~ + Yl(.Cl cos Aram + C't sin кот) (28)

где Bc,Bt,B[ ,C0,Ct,C'k - коэффициенты Фурье;

ю = l7t ■ T=365; N=4. T '

На рис. 13 представлено фактическое потребление и температура для Кузбассэнерго а также моделированные сезонные кривые параметров. Сезонные кривые

Рис. 13 Графики фактического потребления, температуры и сезонные кривые этих параметров за период 2002 года для Кузбассэнерго

Коэффициенты влияния температуры и освещенности на потребление Kpt и Kpq определяются оценкой влияния отклонений метеофакторов <571 SQ от сезонных кривых на отклонения нагрузки от сезонной кривой в виде уравнений регрессии.

Для качественной оценки влияния метеофакторов на потребление используются коэффициенты корреляции и корреляционные функции. Расчет взаимной корреляционной функции показывает наличие явно выраженного запаздывания изменений электропотребления по отношению к изменениям температуры. Коэффициент взаимной корреляции этих случайных функций достигает максимума:

= Мах при t2=ti+T, (29)

где значение т колеблется в пределах 15 - 22 часа. При отсутствии запаздывания г = О значение корреляционной функции тождественно коэффициенту влияния.

Анализ корреляционных функций показывает, что они затухают достаточно медленно, имеется значимая связь на интервале до 100 часов. Максимального значения коэффициент корреляции достигает при задержке около 20 часов.

Рис. 14. Взаимная корреляционная функция температуры и потребления

Наличие факта запаздывания позволяет сделать важный вывод о том, что модель учета метеофакторов нужно строить с учетом динамических свойств процессов. При прогнозировании для более точного учета температуры используется "эффективная" температура, дающая возможность учесть запаздывание влияния этого метеофактора. Коэффициенты влияния также изменяются внутри суток и варьируются для различных типов суток (рабочий день, выходные).

Для оценки влияния температуры целесообразно рассматривать три зоны коррелированности потребления по отношению к температуре:

• Летний период (сезон без отопления). Потребление слабо зависит от температуры наружного воздуха.

• Зимний период (отопительный сезон). Связь между температурой и потреблением существенна.

• Переходные весенний и осенний периоды. При отключенном центральном и снижении температуры ниже 10 градусов влияние температуры на потребление резко возрастает и их связь становится нелинейной - начиная с +8 градусов каждый градус снижения температуры сопровождается все большим приростом электропотребления. Коэффициент влияния колеблется от 1 до 2,5 % / ° С.

При математическом моделировании коэффициентов влияния температуры на потребление Кр1 (() также необходимо учитывать следующее:

• при снижении температуры ниже некоторого порога коэффициент влияния Кр1 (0 уменьшается и становится нулевым;

• при повышении температуры выше некоторого порога коэффициент влияния меняет знак, что свидетельствует об увеличении электропотребления при повышении температуры вследствие включения приборов кондиционирования и охлаждения бытовых помещений;

• коэффициент влияния зависит от того, включено или нет отопление, и необходимо моделировать две зависимости Крг (I) - для условий включенного и отключенного отопления.

Для моделирования зависимости коэффициента влияния Кр1 (I) от температуры используется функция сигмоид 81рт(х)=1/(1+ехр(-х)) , параметризованная следующим образом:

Я^х. хО, г, у1, уг) = у1 +(уг - у1)/(1 +ехр(-2.7*(х-х0)/г)), (30)

где Хо - положение области наклона (ордината полувысоты области наклона), г - полуширина (радиус) области перехода, у, - значение функции в нижней области насыщения, уг - значение функции в верхней области насыщения.

Моделирование коэффициентов влияния производится с использованием суперпозиции двух функций с различными значениями параметров. График

моделированного Кр-1 приведен на рис. 15 (с обратным знаком). На графике „ыП -

коэффициент влияния температуры Кр-1 на потребление при условии включенного отопления, а Кхожшшй - коэффициент влияния температуры Кр-1 на потребление при условии отключенного отопления. Значение коэффициента влияния в области низких температур (менее -20 0 С ) равно 0, в области максимальных температур (более 30° С) -0.2 %/° С. Максимальная величина коэффициента влияния для условий включенного

Рис. 15. Зависимость от температуры коэффициентов влияния Кр-ф) на потребление в условиях включенного и отключенного отопления для Мосэнерго

Температура определяет момент включения отопления (среднесуточная температура в течение трех и более дней ниже +8° С). Ход графиков, отображенный пунктирными линиями, является моделированным. Поскольку включение отопительной системы не бывает одномоментным событием и происходит постепенно в течение нескольких дней, изменение коэффициента влияния в зоне от 0 до +15° С может быть достаточно сложным. В практических расчетах следует учитывать факт изменения коэффициента влияния в зависимости от состояния отопительной системы (включенное -отключенное).

Для ЭС с концентрированной коммунально-бытовой нагрузкой особенно сильное влияние оказывает одновременное (кумулятивное) воздействие нескольких погодных факторов, когда к влиянию температуры добавляются факторы освещенности (облачности) и некоторых дополнительных - влажности, силы ветра. Рассмотрим это на примере суточного графика потребления Мосэнерго в понедельник 21 мая 2001 г. График приведен в сопоставлении с осредненным графиком рабочих дней мая 2001 года на рис. 16.

Рис. 16. Влияние освещенности на примере суточного графика потребления АО «Мосэнерго» в понедельник 21 мая 2001 г.

На графике 21.05.2001 хорошо заметно локальное повышение нагрузки в 15 часов, превышающее ожидаемое значение на 700 мВт (-10%). Это превышение вызвано возникшей в эти часы низкой плотной облачностью, интенсивным дождем и одновременным резким локальным снижением температуры на 5 градусов.

Естественная освещенность определяется двумя факторами - длительностью светового дня и облачностью. Долгота дня - фактор регулярный и учитывается при формировании сезонной кривой потребления. Облачность - фактор случайный, измеряемый в единицах облачности и может бьггь так же представлена в виде суммы сезонной и нерегулярной составляющих. Проведенные исследования показали, что наибольшая корреляция электропотребления с облачностью имеет место в осенний период. Коэффициент корреляции Крц различен для различных типов суток (рабочие -выходные дни). В отличие от температуры корреляция с облачностью не имеет временного лага, в разрезе суток коэффициент также изменяется.

Влияние фактора освещенности на показатели потребления также можно оценить на примере повторяющейся процедуры перехода на летнее и зимнее время .

При разработке многофакторных моделей, к которым относится и модель влияния совокупности метеофакторов на потребление, необходимо учитывать проблемы мультиколлинеарности. Под мультиколлинеарностью понимают наличие сильной корреляции между самими влияющими факторами (аргументами). Для облачности очевидна невысокая, но устойчивая связь с температурой. Причем, если зимой корреляция положительна (облачность ведет к ослаблению морозов, к оттепели), то в летний период - отрицательна (облачность, дожди несут ослабление летней жары).

В заключение раздела приведены ошибки прогнозирования потребления с учетом и без учета метеофакторов. Для сопоставления точности прогнозирования электропотребления оценивались различные модели прогноза: модель прогноза среднего дня (в качестве прогноза используются средние графики аналогичных суток), модель прогноза потребления по сезонной кривой, а также модель прогноза потребления по сезонной кривой с учетом метеофакторов. Результаты расчетов приведены в таблице 6. В качестве метеофактора использовалась почасовая температура. Использование метода сезонных кривых и учет фактора температуры позволяет улучшить точность прогнозирования в среднем на 0,1-0,4 %.

Таблица б Сопоставление точности прогнозирования с учетом и без учета

метеофакторов

эс Точ Пр01 уч метео< ность ~ноза с етом акторов Точность прогноза без учета метеофакторов Точность прогноза: по методу предыдущего среднего дня

% СКО % % СКО % % СКО %

Мосэнерго 2002 год 2,60 3,88 2,77 4,28 5,45 6,13

Кузбассэиерго 2002 год 1,36 1,77 1,46 1,86 1,69 2,01

Существенное влияние на характер потребления оказывает переход на летнее время. Сезонный перевод часовых стрелок - акция общегосударственного масштаба и проводится ежегодно. Вместе с тем, дискуссия о целесообразности перехода на летнее время продолжается. Исследование влияния перехода на летнее время необходимо для количественной и качественной оценки влияния перехода на электропотребление, а также для учета сдвига времени при прогнозировании потребления. В работе рассмотрено, как изменяется уровень потребления в различных регионах России при переходе на летнее и зимнее время. Исследования проводились на основе архивов данных с использованием средств статистического анализа комплекса "Энергосгат".

Для оценки изменения электропотребления при сдвиге часов совмещались на одном графике почасовые среднесуточные графики рабочих дней (осредненных за несколько лет для исключения влияния колебаний метеофакторов), за неделю до и после перевода часов (рис. 17). На графиках используются обозначения: —— Среднесуточный график электропотребления рабочих дней в неделю до перевода часов;

Среднесуточный график электропотребления рабочих дней в неделю после перевода часов.

Рис 17 Графики потребления ЕЭС России (слева) и ОЭС Северного Кавказа до и после перехода на летнее время (2002-2004гг.)

РОС. НАЦИОНАЛЬНАЯ БИБЛИОТЕКА

09 МО акт

III I -»» <*

В таблице 7 сведены данные анализа по различным ОЭС и ЕЭС в целом.

Таблица 7. Анализ показателей ОЭС и ЕЭС России при переходе на летнее время.

ОЭС Показатели

\Рсум % йРмакс МВт / % Киер1/ Кнер2

ОЭС Центра 0,57 573/1,77 0,76/0,76

ОЭС Средней Волги 1," 267/2,42 0,79/0,79

ОЭС Северо-Запада -0,28 -71/-0,69 0,80/0,79

ОЭС Урала 0,55 444/1,62 0,879/0,886

ОЭС Северного Кавказа 0,73 142/1,94 0,71/0,72

ОЭС Сибири 1,60 740/3,04 0,881/0,897

ЕЭС России (без Сибири) 0,5 1924/2,18 0,809/0,817

В таблице указаны отклонения суммарного потребления и максимума за неделю до перехода и после перехода:

АРсум = Рсум1- Рсум2 (31)

где Реум1 - суммарное суточное потребление в неделю до перевода часов, Рсум2 - суммарное суточное потребление в неделю после перевода часов,

А Рмакс- Рмакс1 - Рмакс2 (32)

где Рмакс1 - максимальное электропотребления за сутки в неделю до перевода часов; Рмакс2 - максимальное электропотребления за сутки в неделю после перевода часов,

а также коэффициенты неравномерности до перевода часов и после перевода в относительных единицах:

Кнер1 - коэффициент неравномерности в неделю до перевода часов, Кнер2 - коэффициент неравномерности в неделю после перевода часов; Данные таблицы 7 показывают, что влияние летнего времени существенно отличается для различных регионов. В целом по ЕЭС и большинству ОЭС переход на летнее время положительно сказывается на уровне и характере графиков потребления -снижается суммарное потребление, величина максимума и неравномерность нагрузки. Наиболее значительно снижается потребление и максимумы нагрузки для регионов Сибири (1,6% и 3 % соответственно) и Средней Волги (1,17% и 2,4%). По региону Северо-Запада при переходе потребление и максимум увеличиваются (0,28% и 0,7 %). Для ЕЭС России потребление и максимум снижаются на 0,5% и 2% , соответственно.

В пятой главе приведено описание разработанного на основе предложенных методов и алгоритмов программного комплекса "Энергостат". Приведены основные объекты внедрения, результаты практической эксплуатации в ЭО и ЭС, аспекты применения разработки для различных технологических задач.

Комплекс состоит из нескольких подсистем, предназначенных для решения различных технологических задач, связанных с анализом и планированием элекгропотребления и балансов:

Энергостат-1.1

Анализ и планирование графиков нагрузки и составляющих баланса мощности.

Анализ и планирование активных и реактивных нагрузок узлов и контролируемых районов расчетной схемы эиергообьединения. Анализ и планирование электропотребления и показателей баланса электроэнергии.

Анализ и планирование потребления групп потребителей.

Тарифы на электроэнергию. Товарная продукция.

Анализ и планирование потребления тепловой энергии. Тарифы

на тепловую энергию. Товарная продукция.

Подготовка и ведение базы данных производственных и

административных объектов, технологического оборудования и

режимных параметров.

Комплекс диспетчерских задач. Ввод и анализ состава и состояния оборудования, электронный журнал диспетчерских команд, оперативное прогнозирование баланса мощности. Оперативное циклическое прогнозирование потребления в технологии балансирующего рынка

Энергостат-2.1

Энергостат-3.1

Энергостат-4.1

Эиергостат-5.1

Энергостат-6.1

Энергостат-Диспетчер

Энергостат - БР

Программные подсистемы могут функционировать как раздельно, так и совместно на общей базе данных в среде Windows. Возможна сетевая организация работы в файл-серверном и клиент-серверном вариантах (с использованием СУБД ORACLE, MS SQL Server, Cache', InterBase). Программный комплекс и его отдельные подсистемы эксплуатируются в различных ЭО и ЭС.

Адаптация алгоритмов, программных средств к конкретным объектам и эксплуатация производится в соответствии с методологией расчетов и включает:

• Подготовку информационной структуры данных;

• Загрузку состава измерений, объектов и технологического оборудования, производственных объектов;

• Привязку к измерительным комплексам ОИК и АСКУЭ для получения данных телеметрии, состояния оборудования, показаний счетчиков в темпе процесса;

• Настройку коэффициентов математических моделей - расчет сезонных кривых, коэффициентов влияния, способов балансировки и т.п.;

• Подготовку отчетных форм, макетов данных для обмена информации с другими задачами и уровнями управления.

Комплекс внедрен более, чем в 50 объектах России, в том числе в крупнейших энергообъединениях и диспетчерских управлениях России. Практика эксплуатации показала эффективность разработанных методов и алгоритмов. Описаны состав основных объектов внедрения и особенности установки комплекса на объектах.

Рассмотрены основные этапы адаптации средств комплекса на объектах -подготовка информационной структуры, загрузка данных из ОИК, АСКУЭ, настройка программных интерфейсов. Отмечены технологические особенности функционирования комплекса в ЦЦУ ЕЭС России и РДУ (рис. 18).

Одна из подсистем комплекса - компонента "Энергостат-БР" предназначена для оперативного циклического прогнозирования потребления территорий и его составляющих в системе балансирующего рынка. Компонента "Энергостат-БР" реализована как приложение, находящееся в режиме ожидания. Запуск компоненты обеспечивается управляющей системой балансирующего рынка - супервизором.

Заявка диспетчерского фафика (макет 308)

Долгосрочные балансы мощности и энергии

Рис. 18. Технология планирования потребления в ЭС.

Описана технология использования подсистем комплекса для сбора данных полезного отпуска по группам потребителей от отделений Энергосбыта и дальнейшего планирования составляющих баланса и полезного отпуска в целом в центральном отделении Энергосбыта (рис. 19). Программа устанавливается в центральном офисе Энергосбыта и осуществляет прием-передачу данных по электронной почте.

Рис. 19. Схема прогнозирования и обмена данными между головным и региональными

отделениями Энергосбыта

Подготовка и сбор значений полезного отпуска производится в несколько этапов:

• Ввод структуры электростанций и отделений Энергосбыта в базу данных "Энергостат";

• Генерация укрупненных параметров баланса полезного отпуска для всех отделений и в целом по энергообъединению. Генерируются группы с разбивкой по форме Ф.46-ЭС, уровням напряжения, видам тарифных групп .

• Передача структуры параметров из Энергосбыта в отделения путем посылки по электронной почте файла обмена структурой.

• Прием файла обмена в отделении Энергосбыта и загрузка его в базу данных программы "Энергостат - отделение Энергосбыта". Расчет полезного отпуска по сгенерированным укрупненным параметрам на основе данных полезного отпуска абонентов.

• Передача рассчитанных укрупненных значений полезного отпуска из отделения путем передачи по электронной почте файла обмена. В головном отделении Энергосбыта производится прием файла обмена значениями полезного отпуска и загрузка его в базу данных программы.

В процессе эксплуатации производилось сопоставление точности расчетов с другими реализованными методами (метод "Диспетчер", разработанный в Нижновэнерго) и метод "Энергостат". Результаты сопоставления показывают существенное улучшение точности прогнозирования по основным показателям для представленной разработки

Рис. 20. Сравнение точности методов "Энергостат" и "Диспетчер" по среденеквадратическим ошибкам прогноза

Заключительные разделы главы посвящены технологии использования методов и средств планирования для других технологических задач - обработки данных балансов, расчетов потерь, диспетчерских задач.

Технологические расчеты по балансам могут выполняться при наличии достаточного объема информации о субъектах рынка, поэтому задача сбора и обработки заявок субъектов является одной важных задач на стадии автоматизации расчетов. Разработанные структура и программные средства дают возможность осуществлять подготовку, загрузку и хранение полной структуры производственных и административных объектов, оборудования и показателей балансов электроэнергии и мощности субъектов рынка (рис. 21). На основе данных об объектах с помощью средств «Энергостат» динамически формируется иерархия параметров плановых балансов, а также параметров оперативного баланса. Это позволяет существенно упростить

администрирование структуры параметров. Данная версия комплекса эксплуатировалась в ЦЦР ФОРЭМ (в настоящее время НП АТС).

Рис. 21. Структура данных субъектов рынка.

Разработанные средства включают в себя интерфейсы подготовки структуры показателей балансов мощности и электроэнергии, создания суммарных показателей по регионам, других расчетных показателей. Возможна организация загрузки плановых данных баланса из внешних источников - файлов, макетов, сформированных другими организациями (ФСТ). Данные плановых балансов могут быть обработаны средствами анализа балансов для их согласования. Основные реализуемые функции:

• Загрузка и ведение многолетней базы данных составляющих баланса мощности субъектов рынка - электропотребление, суммарная генерация, сальдо-переток, межсистемные перетоки (часовая или получасовая дискретность данных).

• Загрузка и ведение многолетней базы данных (фактических и плановых): составляющих месячного баланса электроэнергии и теплоэнергии субъектов рынка -электропотребление, выработка в целом и по типам оборудования, сальдо-переток, потери в сетях РАО, полезный отпуск теплоэнергии с коллекторов (месячная, квартальная и годовая дискретность данных).

• Подготовка структуры и иерархическое отображение субъектов рынка, балансов мощности и электроэнергии.

• Подготовка графических схем субъектов с нанесенными на них фактическими и плановыми значениями потребления, выработки, перетоков.

• Расчет оперативного баланса на основе утвержденного планового баланса и договоров, заключенных субъектами рынка.

Одной из составляющих баланса электроэнергии являются потери электроэнергии. Для определения их величины необходимо производить большой объем расчетов по оценке и суммированию потерь в элементах технологической цепочки производства и распределения электроэнергии. В расчетах используется информация о нагрузках узлов сети, фактических и прогнозных графиках потребления, других режимных параметрах. Используются данные технологического оборудования, его характеристики. Для обработки информации и систематических расчетов по определению величины технических потерь разработан комплекс РТП (Расчет технических потерь) внедренный в эксплуатацию в Мосэнерго (руководитель работ - д.т.н, В.Э.Воротницкий).

Основные задачи, решаемые комплексом РТП - построение единой информационной системы подготовки и обработки данных, расчет потерь и балансов по данным приборов учета в филиалах и ЭС в целом.

В замкнутых электрических сетях 110 кВ и выше расчет переменных потерь мощности и электроэнергии ведется ежесуточно с учетом реальных изменений коммутационного состояния сети и ее работы в режимах суточных максимумов нагрузки. Нагрузки в узлах схемы и суточные потери в питающих сетях определяются с использованием методов и средств комплекса "Энергостат". В разомкнутых электрических сетях 110, 35, 6-10 кВ, силовых трансформаторах, синхронных компенсаторах и токоограничивающих реакторах расчеты переменных потерь мощности выполняются для нагрузок зимнего максимума с их пересчетом в годовые переменные потери электроэнергии по времени наибольших потерь.

Технология обработки и хранения данных, описанная в работе, позволяет автоматизировать процесс сбора и подготовки информации на следующих уровнях:

• Энергосбыт;

• Предприятие электрических сетей;

• Районные электрические сети.

На уровне ПЭС производится ввод данных по оборудованию подстанций и их характеристикам, данных зимних и летних контрольных замеров, состава приборов учета, месячных показаний приборов учета. Электронные журналы введенных данных пересылаются в центр сбора информации (Энергосбыт), где происходит обновление центральной базы данных. На уровне Энергосбыта производится ввод данных по составу оборудования. Обмен информацией осуществляется по существующим каналам связи. Расчет суммарной величины и структуры технических потерь электроэнергии по ЭС в целом, по месяцам и годам заданного расчетного периода, по ступеням напряжения и структурным подразделениям в соответствии с принятой месячной периодичностью расчета и нормирования потерь электроэнергии.

Одной из важных задач функционирования рынка электроэнергии является регистрация времени и содержания диспетчерских команд. Технология необходима для расчетов стоимости отклонений от диспетчерского графика, оценки действий диспетчерского персонала.

Разработанный на основе компонент комплекса "Энергостат" электронный журнал команд диспетчера (ЭЖК) позволяет решать следующие задачи:

• Документирование команд диспетчера, формирование макетов для передачи данных между уровнями диспетчерского управления, подготовка отчётных форм;

• Расчёт и отображение диспетчерских графиков и отклонений;

• Исключение разнознаковых инициатив (разных знаков отклонений ДГ по системе в целом и отклонений по субъектам) с помощью системы прогнозирования и предупреждения появления отклонений;

• Обеспечение многопользовательского режима работы журнала с разграничением доступа.

Основой для реализации ЭЖК является система хранения данных объектов, технологического оборудования и режимных параметров комплекса «Энергостат». Все данные по составу станций и группам точек поставки (ГШ), диспетчерским графикам (ДГ), характеристикам оборудования, командам и причинам возникновения инициатив, а также пользователям и правам доступа хранятся в объектной базе.

Фактические данные по активной мощности генерации поступают из ОИК, данные по торговому графику - из макетов. Отображение отклонений в темпе процесса позволяет оперативно реагировать на изменения ДГ (такие, как появление разнознаковых инициатив) и минимизировать ошибки при распределении нагрузки по ПТТ. Расчет УДГ

осуществляется по алгоритмам, разработанным в соответствии с утверждённой в Системном операторе методикой на основе данных, хранимых в базе (ДГ по субъектам, состав и характеристики оборудования). Возможно задание определенных настроек алгоритмов - количество контрольных точек в сутки, способов аппроксимации, интерполяции и т.п.

Программа ЭЖК находится в эксплуатации в Московском РДУ. Эксплуатация осуществляется совместно с комплексом «Энергостат» на единой базе объектов, оборудования и режимных параметров.

Заключение

Основным итогом работы является создание методов и программных средств, позволяющих осуществлять анализ и планирование электропотребления в энергообъединениях и энергосистемах. Разработанная методология включает в себя систему моделей, способы и средства обработки данных, программные комплексы и обеспечивает необходимыми средствами технологию расчетов планирования потребления на различных объектах, уровнях технологического управления и временных циклах. Проведенные исследования позволили определить характерные особенности и тенденции колебаний потребления регионов России, оценить степень влияния на потребление различных факторов. Разработанная методология и программные средства внедрены в эксплуатацию в большинстве крупных энергообъединений и энергосистем России, других энергетических объектах.

Основные научные и практические результаты диссертационной работы:

1. Разработана методология планирования сбалансированной структуры потребления на основе системы моделей прогнозирования. Методология включает в себя методы и технологию расчетов, способы и средства обработки данных, программные модули, необходимые для осуществления всего цикла планирования электропотребления. Методология позволяет производить анализ и планирование на большинстве объектов электроэнергетики, для различных типов параметров, периодов упреждения, состава исходной информации.

2. Для обработки и хранения значительного объема данных, необходимых для планирования, разработаны методы и средства, обеспечивающие создание и функционирование системы обработки данных режимных параметров, оборудования. Методы и средства обеспечивают функциональность системы на различных объектах. Осуществлена подготовка обширной статистической базы архивных данных (суточные графики потребления, режимные параметры с глубиной архивов от 2 до 10 лет, архивы метеофакторов за аналогичные периоды). Архивные данные позволяют производить статистический анализ потребления для всех ЭО и ЭС России.

3. Разработаны методы, алгоритмы и программные средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных.

4. Исследованы характерные особенности и тенденции колебаний потребления. Отмечены основные тенденции динамики и структуры потребления - рост потребления в большинстве ЭС, увеличение доли непромышленной нагрузки, изменение характера сезонных, суточных и недельных колебаний. Произведен статистический анализ потребления мощности ЭО и ЭС России по различным показателям (среднемесячное и среднегодовое потребление, месячные и годовые

максимумы), определены динамика роста и характеристики нерегулярной составляющей потребления.

5. Предложен метод сезонных кривых - метод аналитического описания регулярных колебаний почасового потребления в разрезе года, заключающийся в выделении базовой нагрузки из фактических реализаций потребления и последующем описании остаточных компонент тригонометрическими или степенными полиномами.

6 Разработаны методы и алгоритмы прогнозирования потребления в различных временных интервалах - долгосрочном, краткосрочном и оперативном цикле.

7. Разработана методика и средства оперативного циклического прогнозирования потребления для технологии балансирующего рынка

8 Разработан метод оценки и прогнозирования активных и реактивных нагрузок расчетной схемы ЭО и ЭС при недостаточном количестве телеизмерений.

9 Определены основные факторы, влияющие на точность расчетов прогнозов потребления - объем и качество исходных данных, оптимальный выбор модели прогноза и ее настройка, упреждение прогноза, возможность учета метеорологических факторов, неравномерность и величина нерегулярной составляющей.

10. Определена взаимосвязь точности прогнозирования, неравномерности графиков и характеристики нерегулярных колебаний. Эту взаимосвязь можно моделировать линейными уравнениями регрессии.

11. Проведены исследование влияния метеорологических факторов на потребление. Определено, что в совокупность факторов необходимо включать данные основных влияющих факторов - температуры, освещенности, а также дополнительных -влажности, силы ветра, давления. Отмечено, что влияние метеофакторов зависит от сезона и времени суток. Предложено моделирование влияния температуры нелинейными функциями сигмоида с учетом состояния отопительной системы и эффекта запаздывания воздействия температуры.

12. Произведена оценка влияния введения летнего времени на потребление регионов России. Определено, что влияние перехода существенно отличается для различных регионов. В целом по ЕЭС и большинству ОЭС переход на летнее время положительно сказывается на уровне и характере графиков потребления - снижается суммарное потребление, величина максимума и неравномерность нагрузки. Наиболее значительно снижается потребление и максимумы для регионов Сибири и Средней Волги. По региону Северо-Запада при переходе потребление и максимум увеличиваются. Для ЕЭС России потребление и максимум снижаются на 0,5% и 2% соответственно.

13. На основе предложенных методов и алгоритмов разработан программный комплекс планирования электропотребления "Энергостат". Комплекс внедрен и эксплуатируется более, чем в 50 объектах, в том числе в крупнейших энергообъединениях и диспетчерских управлениях России. Практика эксплуатации показала эффективность разработанной методологии, системы моделей и программных средств планирования потребления.

14. Разработанные методики и программные средства планирования потребления используются для других технологических задач ЭО и ЭС - обработки данных балансов субъектов рынка, расчета потерь электроэнергии, для диспетчерских задач -журнала команд диспетчера и расчета отклонений диспетчерских графиков.

15. Организован и ежегодно проводится Всероссийский научно-технический семинар по проблемам, рассматриваемым в диссертационной работе. Семинар стал открытым форумом по обсуждению вопросов планирования электропотребления и расчета балансов.

Основное содержание работы представлено в публикациях:

1. Макоклюев Б.И. Методика определения эффективности введения летнего времени для энергосистем.- Депонировано в Информэнерго, N 1163 ЭН-Д-82,1982.

2. Макоклюев Б.И. Реализация на ЕС ЭВМ комплекса алгоритмов и программ прогнозирования в различных интервалах времени нагрузки энергосистемы,-Депонировано в Информэнерго, N 1164 ЭН-Д-82,1982.

3. Макоклюев Б.И. Моделирование нагрузки энергосистемы с учетом метеофакторов,-Депонировано в Информэнерго, N 1183 ЭН-Д-82,1982.

4. Шаханов B.C., Данилов H.H., Николаев В.Т., Гармаш B.C., Макоклюев Б.И. Комплекс программ внутрисуточного прогнозирования нагрузок энергообъединений и энергосистем. Сб. трудов Энергосетьпроект.- М.: Энергоиздат,1982.

5. Макоклюев Б.И. Воронков В.Н., Логинова JI.B. Эффективность введения "летнего времени" для Московской энергосистемы.- Электричество, 1983, № 4.

6. Макоклюев Б.И. Влияние на графики энергосистемы сдвига "летнего времени" на 1 час - Экспресс-информация". М: Информэнерго, 1983, №6.

7. Макоклюев Б. И., Воронков В. Н. Опыт эксплуатации алгоритмов и программ прогнозирования нагрузки энергосистемы. " Средства и системы управления в энергетике. Экспресс-информация". М: Информэнерго, 1983, №6.

8. Макоклюев Б. И., Федоров Д. А. Оперативное прогнозирование нагрузки ЭЭС с учетом метеофакторов. В кн.: Советчики диспетчеров по оперативной коррекции режимов работы ЭЭС. - Иркутск. 1984.

9. Макоклюев Б. И. Моделирование электрических нагрузок на ЭВМ. Разработка, проектирование и внедрение технических средств АСУ в энергетике. Сб. трудов Энергосетьпроект, М.: Энергоиздат, 1986.

10. Макоклюев Б. И., Заболоцкая O.A., Шевцова В.Т. Программные комплексы планирования и коррекции электрических нагрузок. Разработка, проектирование и внедрение технических средств АСУ в энергетике. Сб. научных трудов Энергосетьпроект. М.: Энергоиздат, 1986.

11. Макоклюев Б.И., Костиков В.Н. Моделирование электрических нагрузок электроэнергетических систем. - Электричество,1994, N 10.

12. Макоклюев Б.И.Домишин Г.В., Антонов A.B. Программный комплекс анализа и планирования активных и реактивных нагрузок узлов и контролируемых районов электрической схемы энергообъединений "Энергостат-2.1". Вестник ВНИИЭ. - М.,

НЦЭНАС ,1996.

13. Макоклюев Б.И., Антонов A.B., Костиков В.Н. Программный комплекс анализа и планирования режимных параметров энергообъединения «Энергостат-1.1». Вестник ВНИИЭ, М„ НЦ ЭНАС 1996.

Н.Серова И. А., Макоклюев Б.И. Оценка текущей схемно-режимной ситуации в электрических сетях энергосистем и энергообъединений в условиях недостатка телеинформации. Вестник ВНИИЭ . М.,НЦ ЭНАС, 1997.

15. Макоклюев Б.И. Расчет и планирование режимных параметров, балансов мощности и электроэнергии АО-энерго и предприятий сетей с помощью программных комплексов "Энергостат" и "РБЭ". Сборник докладов " Современные методы и средства расчета, нормирования и снижения технических и коммерческих потерь электроэнергии в электрических сетях", М., НЦ ЭНАС, 2000.

16. Антонов A.B. Макоклюев Б.И. Программный комплекс анализа и планирования параметров "Энергостат". Свидетельство Роспатента об официальной регистрации программы №2000611207 от 23.11.2000.

17.Макоклюев Б.И., Владимиров А.И., Фефелова Г.И. Прогнозирование потребления электроэнергии в АО «Мосэнерго».- ТЭК, 2001, N 4, стр.56-57.

18. Антонов A.B., Макоклюев Б.И. База данных производственных и административных объектов, технологического оборудования и измеряемых параметров - База данных "Энергостат". Свидетельство Роспатента об официальной регистрации базы данных № 2002620117 от 15.07.2002.

19. Макоклюев Б.И., Антонов A.B. Анализ и планирование режимных параметров энергообъединений на основе специализированных программных комплексов. В сб. докладов открытой всероссийской научно-технической конференции "Управление режимами единой энергосистемы России" М., НЦ ЭНАС, 2002.

20. Макоклюев Б.И., Павликов B.C., Владимиров А.И., Фефелова Г.И.Влияние колебаний метеорологических факторов на электропотребление-Электрические станции,2002,N1.

21. Макоклюев Б.И., Салманов Б.И., Антонов A.B. Статистический анализ и планирование технико-экономических показателей энергообъединений на основе программного комплекса "Энергостат" - Энергетик, 2002, N 3.

22. Макоклюев Б.И., Антонов A.B. Специализированный программный комплекс для планирования и анализа режимных параметров энергосистем и энергообъединений. Журнал "Новое в российской электроэнергетике", 2002, N 6.

23. Макоклюев Б.И., Павликов В. С., Владимиров А.И., Фефелова Г.И. Влияние колебаний метеорологических факторов на электропотребления энергообъединений -Энергетик, 2003, N 6.

24. Антонов A.B., Макоклюев Б.И., Опыт внедрения и эксплуатации в энергообъединениях России программного комплекса подготовки данных и расчетов прогнозов электропотребления и балансов "Энергостат". Вестник ВНИИЭ, М., НЦ ЭНАС, 2004.

25. Макоклюев Б.И., Антонов. A.B., Набиев Р.Ф. Информационная структура и программные средства обработки и хранения данных технологического оборудования и режимных параметров. - Электрические станции, 2004, N 6.

26. Кузьмин В.В., Чугунов A.A., Воротницкий В.Э., Макоклюев Б.И., Калинкина М.А., Заслонов C.B., Набиев Р.Ф., Многоуровневый интегрированный комплекс программ РТП для расчетов и нормирования потерь электроэнергии в электрических сетях ОАО «Мосэнерго»,- Электрические станции, 2004, N 6.

27. Макоклюев Б.И., Еч В.Ф. Учет влияния метеорологических факторов при прогнозировании электропотребления энергообъединений. - Энергетик, 2004, N 6.

28. B.I. Makoklyev, A.V. Antonov, R.F. Nabiev. Information structure and software for processing and storing data on operating environment and parameters.- Power Technology and Engineering, 2004, N 5.

29. Макоклюев Б.И., Еч В.Ф. Взаимосвязь точности прогнозирования и неравномерности графиков электропотребления.- Электрические станции, 2005, N 5.

С содержанием докладов на семинаре "Современные методы и программные

средства анализа и планирования электропотребления, балансов мощности и

электроэнергии" можно ознакомиться в сборниках докладов во ВНИИЭ, НЦ ЭНАС и в

Интернете на сайте www.energostat.ru.

Подписано к печати 25.10.05

Тираж 100 экз.; заказ N 28 , формат 60x84 1/16

ОАО «ВНИИЭ» 115201, Москва, Каширское шоссе, д.22, корп. 3

»20 о 0 â

РНБ Русский фонд

2006-4 22231

Введение.

Актуальность проблемы.

Цель и задачи исследования.

Методы исследования и достоверность полученных результатов.

Научная новизна.

Реализация результатов работы и практическая значимость.

Апробация работы.

Публикации.

Структура и объем диссертации.

Глава 1. Обзор методов и средств планирования электропотребления. Электропотребление, как составная часть балансов мощности и электроэнергии. Методология и система моделей планирования электропотребления ЭО и ЭС.

1.1. Аналитический обзор методов и средств анализа и планирования электропотребления ЭО и ЭС.

1.1.1. Обзор публикаций в отечественных и зарубежных изданиях.

1.1.2. Обзор докладов научно-технического семинара "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии".

1.2. Электропотребление, как составная часть балансов электроэнергии и мощности. Особенности структурирования электропотребления и балансов ЭО и ЭС.

1.2.1. Структура баланса электроэнергии.

1.2.2. Структура баланса мощности.

1.2.3. Структура электропотребления.

1.3. Методология и система моделей планирования сбалансированной структуры электропотребления ЭО, ЭС.

1.4. Выводы.

Глава 2. Методы и средства обработки и хранения информации, необходимой для планирования электропотребления. Методы и средства статистического анализа данных. Результаты статистического анализа электропотребления ЭО и ЭС России.

2.1. Методы и средства обработки и хранения информации, необходимой для планирования электропотребления и других технологических задач.

2.2. Методы и средства статистического анализа данных электропотребления.

2.3. Характерные особенности и тенденции электропотребления. Результаты статистического анализа электропотребления ЭО и ЭС России.

2.3.1. Основные цикличности и тенденции электропотребления.

2.3.2. Суточная цикличность. ф 2.3.3. Недельная цикличность.

2.3.4. Сезонная цикличность.

2.3.5. Тенденции динамики и изменения структуры электропотребления.

2.4. Выводы.

Глава 3. Методы моделирования и прогнозирования электропотребления. Методы прогнозирования активных и реактивных нагрузок узлов расчетной схемы. Результаты расчетов.

3.1. Метод математического моделирования колебаний электропотребления - метод сезонных кривых.

3.2. Методы краткосрочного и оперативного прогнозирования потребления. Использование методов оперативного прогноза для технологии балансирующего рынка. Долгосрочное прогнозирование потребления. Результаты расчетов.

3.2.1. Методы краткосрочного и оперативного прогнозирования потребления. . Результаты расчетов.

3.2.2. Использование методов оперативного прогноза для технологии балансирующего рынка.

3.2.3. Методы долгосрочного прогнозирования. Результаты расчетов.

3.2.4. Другие методы, применяемые в практике расчетов планирования потребления.

3.3. Методы оценки и прогнозирования активных и реактивных нагрузок узлов расчетной схемы.

3.4. Основные факторы, влияющие на точность прогнозирования электропотребления.

3.4.1. Основные факторы, влияющие на точность.

3.4.2. Взаимосвязь точности прогнозирования и неравномерности графиков.

3.4.3. Идентификация недостоверных данных.

3.5. Выводы.

Глава 4. Исследование влияния метеофакторов на электропотребление, методы учета влияния метеофакторов при прогнозировании. Оценка влияния летнего времени на электропотребление ЭО и ЭС.

4.1. Исследование влияния различных метеофакторов на электропотребление, методы учета влияния метеофакторов при прогнозировании.

4.1.1. Основные метеофакторы, влияющие на электропотребление. Характерные особенности колебаний температуры и освещенности.

4.1.2. Моделирование колебаний метеофакторов. Оценка влияния метеофакторов на электропотребление.

4.1.3. Учет влияния метеофакторов при прогнозировании.

4.2. Оценка влияния перехода на летнее время на электропотребление ЭО и ЭС России.

4.3. Выводы.

Глава 5. Практическая реализация и внедрение разработанных методов, алгоритмов и программных средств планирования электропотребления. Опыт применения методов и программных средств для планирования электропотребления и других технологических задач.

5.1. Общая характеристика программного комплекса "Энергостат". Объекты внедрения, опыт практической эксплуатации средств планирования электропотребления в ЭО и ЭС России.

5.1.1. Общая характеристика программного комплекса "Энергостат".

5.1.2. Объекты внедрения и особенности установки программного комплекса.

5.1.3. Программные версии и СУБД, используемые при эксплуатации комплекса

5.1.4. Привязка к комплексам ОИК и АСКУЭ. Идентификация недостоверных исходных данных по потреблению и метеофакторам.

5.1.5. Адаптация программных средств к технологическим особенностям расчетов в энергообъединениях и энергосистемах.

5.1.6. Реализация компоненты "Энергостат-БР" для технологии балансирующего рынка.

5.1.7. Обработка и планирование структуры полезного отпуска отделений Энергосбыта.

5.1.8. Сопоставление точности расчетов с другими реализованными методами.

5.2. Опыт использования разработки для различных технологических задач.

5.2.1. Обработка средствами комплекса "Энергостат" данных балансов электроэнергии и мощности.

5.2.2. Расчет технических потерь электроэнергии.

5.2.3. Реализация диспетчерских задач. Регистрация команд диспетчера РДУ и расчет отклонений диспетчерских графиков с использованием компонент комплекса "Энергостат».

5.3. Выводы.

Актуальность проблемы

Планирование режимных параметров и технико-экономических показателей является одной из важных задач обеспечения функционирования электроэнергетики. Составляя планы по различным показателям на предстоящие сутки, неделю, месяц, квартал, год, службы и отделы энергобъединений (ЭО) и энергосистем (ЭС) решают задачу планирования энергобалансов - соотношения между потребностью электроэнергии (мощности) и средствами ее удовлетворения.

Одним из основных показателей при планировании работы ЭО и ЭС является величина прогнозов ожидаемого электропотребления (потребления электроэнергии и мощности) в целом по системе, группам и отдельным потребителям, узлам электрической схемы [1,2]. В определенном смысле, величина прогноза электропотребления (далее - ЭП, потребление, нагрузка) является опорным показателем для последующего планирования балансов электроэнергии, мощности и расчетов электрических режимов. Необходимость точного прогнозирования обусловлена технологическими и экономическими причинами. Точные расчеты обеспечивают оптимальное с экономической точки зрения распределение нагрузок между станциями, способствуют осуществлению экономически целесообразных операций по покупке и продаже электроэнергии.

Графики режимов работы ЭО и ЭС должны рассматриваться как элементы общего графика работы Единой энергетической системы России. Федеральным законом «Об электроэнергетике» [3] определены основные принципы оперативно-диспетчерского управления в электроэнергетике, к которым относятся обеспечение баланса производства и потребления электрической энергии и обеспечение долгосрочного и краткосрочного прогнозирования. Долгосрочные прогнозы объемов потребления электрической энергии на год, квартал, месяц используются для формирования Федеральной энергетической комиссией при участии ОАО «СО-ЦДУ ЕЭС» (далее - Системный оператор, ЦДУ) ежегодных сводных балансов производства и потребления электрической энергии. Балансы производства и потребления электрической энергии, в свою очередь, являются основой для планирования режимов работы электростанций, определения объемов необходимых запасов топлива на ТЭС, формирования графиков ремонта оборудования и т.д. С учетом сформированных сводных балансов производства и потребления электрической энергии устанавливаются также тарифы на электрическую энергию (мощность) для участников ОРЭ.

Краткосрочные прогнозы потребления, от недели до суток вперед, являются основой для формирования диспетчерских графиков. Одновременно определяются необходимые объемы и размещение резервов мощности в ЕЭС. Объемы потребления ЭО, ЭС, субъектов рынка на всех временных этапах планирования и эксплуатации обязательно согласовываются с подразделениями и филиалами Системного оператора -региональными (РДУ), объединенными диспетчерскими управлениями (ОДУ) и Центральным диспетчерским управлением Единой энергетической системой России (ЦДУ). Согласованные графики потребления и генерации (диспетчерские графики) являются важнейшими для ЭО и ЭС показателями, определяющими основные аспекты их работы - графики выработки электроэнергии станциями с учетом резервов, состав генерирующего оборудования, объемы покупки и продажи электроэнергии и мощности на рынке. Помимо заявленных графиков потребления участников рынка, учтенных Системным оператором при расчете предварительного диспетчерского графика, Системный оператор осуществляет собственный суточный прогноз потребления активной мощности на моменты окончания диспетчерских интервалов времени по территориям диспетчерского управления, которыми являются [1.1] (Здесь и далее в работе номера с точкой указывают ссылки на доклады, сделанные на семинаре):

• Единая энергетическая система (ЕЭС) России;

• Европейская часть ЕЭС России, включая ОЭС Урала;

• объединенные энергетические системы (ОЭС);

• региональные электроэнергетические системы (ЭС).

Целью составления и использования Системным оператором собственных прогнозов потребления активной мощности на территориях диспетчерского управления при планировании ПДГ является обеспечение надежности режимов функционирования ЕЭС России за счет принятия ответственных решений по:

• определению состава включенного генерирующего оборудования;

• составлению графиков производства генерирующего оборудования с учетом необходимых резервов.

При формировании расчетного диспетчерского графика, учитывающего результаты торгов в конкурентном секторе рынка, Системный оператор имеет право принять собственный прогноз графика потребления, если он более чем на 5% отличается от графика потребления, заявленного покупателями.

Для составления прогнозов потребления Системный оператор должен использовать имеющиеся в распоряжении статистические и расчетные данные:

• о конфигурации (профиле) и величинах фактического потребления активной мощности на моменты окончания диспетчерских интервалов времени, зарегистрированных за аналогичные дни недели текущего и прошлого годов;

• о значениях параметров, являющихся основными факторами, определившими профиль и величины фактического потребления активной мощности, зарегистрированными за аналогичные дни недели текущего и прошлого годов, которые могут включать: о температуры окружающего воздуха; о степень освещенности; о долготу дня; о события переносов выходных и праздничных дней; о события сезонных переходов с зимнего на летнее время и обратно; о наличие экстраординарных событий (катастрофы; массовые акции);

• прогнозы погодных условий;

• прогнозы состояния других факторов, влияющих на изменение потребления в соответствии с данными, полученными в результате обработки статистики потребления;

• о планируемых включении/отключении энергоемких производств.

При управлении режимами работы ЕЭС Системный оператор должен использовать оперативный прогноз графика потребления на следующий час и оставшиеся до конца суток часы с целью оптимального использования энергоресурсов и минимизации стоимости отклонений поставок от планового объема.

Для осуществления Системным оператором функций по оперативно-диспетчерскому управлению, закрепленных Федеральным законом, необходимо на всех уровнях иерархии Системного оператора: ЦДУ, ОДУ, РДУ использовать сертифицированные программные средства для долгосрочного и краткосрочного, включая оперативное, прогнозирования потребления.

Временная иерархия планирования разделяется на три основных интервала: долгосрочное планирование (от месяца до года вперед), краткосрочное планирование (от суток до месяца вперед), оперативное управление режимами (минуты, часы). Задача расчетов прогнозов потребления решается на всех временных интервалах с последовательным уточнением результатов расчетов по мере уменьшения времени упреждения. Точность прогнозных расчетов определяется соответствием применяемых математических моделей процессу колебаний потребления. В целом колебания потребления представляют собой сложный нестационарный случайный процесс, имеющий определенные цикличности (регулярные колебания). Они определяются сезонными колебаниями температуры и освещенности (долготы дня) в разрезе года, технологическим режимом работы предприятий, режимом труда и отдыха населения. На регулярные колебания накладываются нерегулярные и случайные компоненты, определяемые резкими изменениями погодных условий, различными социальными факторами (популярные телевизионные передачи, переносы рабочих выходных дней и т. п.). Все эти процессы должны учитываться при разработке математических моделей прогноза.

При отсутствии математических моделей и программных средств специалисты служб энергообъединений обычно ограничиваются осредненными за прошлые периоды значениями с поправкой на выявленную сезонную или межгодовую тенденцию и, иногда, с поправкой на коэффициенты влияния температуры, и принятию их в качестве прогноза. Такую методику расчетов ожидаемых плановых величин называют обычно "ручным прогнозом". Упрощенное, "ручное" прогнозирование потребления может давать весьма высокие значения математического ожидания ошибок, широкий доверительный интервал и практически неприменимо для быстрых оперативных расчетов в темпе процесса. Между тем, цена ошибок прогнозирования и планирования становится все более высокой. Анализ зарубежных публикаций на эту тему показывает, что экономическая результативность точного прогнозирования нагрузок побуждает многих энерготрейдеров разворачивать собственные исследования в области прогнозирования, создавать группы математиков и статистиков [4]. Отмечается, что долгосрочный и краткосрочный прогноз требуют совершенно различных методик — долгосрочным прогнозам нужны сценарные подходы для оценки общеэкономической ситуации, отраслевых тенденций развития и т.п. Для краткосрочных прогнозов важны метеофакторы, характер дня (рабочий, выходной.), конфигурация суточного графика, состояние режима энергосистемы в ближайшей ретроспективе. Потребность рынка в точном прогнозе такова, что некоторые из клиентов готовы платить до 15 тыс. долларов в месяц за ежедневный краткосрочный прогноз нагрузки. В некотором смысле качественный прогноз становится действенным инструментом в конкурентной борьбе на рискованном рынке электроэнергии и мощности, поэтому ". технологии прогнозирования нагрузок и потребления занимают свое место среди самых заветных промышленных секретов, которые компании держат "за семью печатями" [4,5].

Оценочные расчеты, проведенные для ЭС России с уровнем месячного потребления около 1500 млн. кВтч показали, что улучшение качества прогнозирования только месячного потребления на 0,1% способно в настоящих условиях снизить затраты на оплату отклонений от плана по поставкам электроэнергии на 3-5 млн. рублей в год. Также значительный эффект приносит уточнение краткосрочного и оперативного прогноза графиков потребления.

Существенное влияние на потребление оказывают метеорологические факторы -температура наружного воздуха, естественная освещенность, влажность, скорость ветра и другие. Все эти факторы в значительной мере определяют регулярные сезонные, суточные колебания ЭП, а также отклонения от плановых величин. Влияние метеофакторов зависит от сезона и времени суток и, в последние годы, значительно усилилось вследствие увеличения доли коммунально-бытовой нагрузки. Оценка влияния метеофакторов и учет указанных факторов при прогнозировании позволяет снижать ошибки прогнозирования в среднем на 0,1-0,4 %.

В зависимости от решаемых задач и детальности планирования, в состав суммарного потребления могут входить компоненты, характеризующие структуру на различных этапах и звеньях технологического процесса. Компоненты могут группироваться по территориальным, технологическим признакам. В рыночных условиях в суммарном потреблении ЭО и ЭС выделяются новые компоненты -крупные потребители, самостоятельно выходящие на рынок. Особым образом структурируется одна из составляющих потребления - полезный отпуск собственным потребителям. В этом случае возможно деление полезного отпуска по тарифным группам, типам присоединения, социальным группам и т.п. Планирование потребления осуществляется на основе прогноза суммарного показателя и каждой компоненты, при этом структура потребления должна быть сбалансирована на каждом этапе и уровне планирования. Объем исходных данных и модели прогнозов для различных компонент могут быть весьма различны. Возникает необходимость разработки адаптивной системы моделей прогнозирования и планирования потребления, применимой на различных стадиях и звеньях планирования.

Становление и развитие методов математического моделирования, прогнозирования и планирования электропотребления связано с работами таких отечественных и зарубежных ученых, как Бартоломей П.И., Бердин А.С, Богданов В.А., Вагин В.П., Васильев И.Е., Карпов В.В., Гордеев В.И., Гурский С.К., Каялов Г.М., Кудрин Б.И., Куренный Э.Г., ЛипесА.В., Меламед A.M., Надтока И.И., Праховник

А.В., Рабинович М.А., Седов А.В.,Степанов В.П., Тимченко В.Ф., Фокин Ю.А., Bunn D.W., Farmer E.D., Ackerman G.B., Gupta P.C., Baker A.B. и других.

В работах специалистов по этой тематике достаточно проработаны, и в той, или иной степени решались проблемы моделирования и прогнозирования электропотребления. Вместе с тем, в последние годы возникли обстоятельства, потребовавшие существенного расширения и дополнения круга задач, решаемых при планировании потребления:

• Внедрение рынка электроэнергии и его сегментов - регулируемого сектора, свободного рынка, балансирующего рынка. Изменение структуры электроэнергетики России, появление операторов рынка, разделение энергосистем на отдельные структурные подразделения, выход крупных потребителей на рынок, и, как следствие, изменение технологии расчетов по прогнозированию и планированию потребления.

• Изменение структуры потребления - значительный рост доли коммунально-бытовой нагрузки и непромышленной нагрузки, как следствие, увеличение неравномерности графиков, более существенное влияние метеорологических факторов. Это требует применения соответствующих методов и алгоритмов моделирования потребления и учета метеофакторов.

• Необходимость создания и массового внедрения программных продуктов, позволяющих решать задачи прогнозирования и планирования потребления на различных объектах и обеспечивать необходимыми данными сопутствующие задачи. Эта необходимость обусловлена повсеместным внедрением рыночных механизмов в электроэнергетике.

Отмеченные обстоятельства определили основной круг задач, решаемых в данной работе.

Методы и алгоритмы, изложенные в работе, разработаны автором. Разработка и внедрение средств планирования электропотребления велись под руководством и при непосредственном участии автора. В подготовке материалов 4 и 5 главы принимали участие Еч В. Ф. и Полижаров А.С., проходящие обучение в аспирантуре ВНИИЭ под руководством автора диссертации. Разработка и внедрение программных средств комплекса "Энергостат", комплексов РТП1, РТП2, РБЭ осуществлялось руководимым автором коллективом программистов. Автор выражает благодарность всему коллективу и, прежде всего, Антонову А.В. Также автор весьма признателен всем специалистам энергосистем и энергообъединений России, в первую очередь Мосэнерго, Ленэнерго, подразделений и филиалов СО-ЦЦУ ЕЭС России, ЦЦР ФОРЭМ за оказанную помощь при внедрении комплекса "Энергостат", высказанных предложений и замечаний по усовершенствованию разработки.

Цель и задачи исследования

Целью работы является разработка методов, алгоритмов и программных средств анализа и планирования потребления, необходимых в практике эксплуатации ЭО, ЭС. Разрабатываемые методы, алгоритмы и программные средства должны обеспечивать:

• Возможность создания и хранения многолетних архивов данных потребления, компонент балансов мощности и электроэнергии, необходимых для проведения всестороннего анализа особенностей и тенденций потребления, разработки адекватных математических моделей. Возможность организации объектной структуры хранения данных потребления на различных объектах.

• Наличие методологии планирования сбалансированной многокомпонентной структуры потребления;

• Наличие набора различных моделей прогнозирования, адекватно описывающих колебания компонент потребления;

• Возможность проведения необходимого статистического анализа потребления, режимных параметров и технико-экономических показателей ЭО и ЭС;

• Необходимую точность расчетов по прогнозированию потребления;

• Учет при прогнозировании и планировании различных влияющих факторов, в том числе метеорологических;

• Возможность увязки исходных данных и результатов расчетов по прогнозированию и планированию потребления с другими задачами планирования и ведения режимов работы ЭО, ЭС (расчет балансов электроэнергии и мощности, режимов электрической сети, расчет потерь, диспетчерские задачи);

• Возможность работы алгоритмов и программных средств в реальных производственных условиях с загрузкой данных в темпе процесса (online) из комплексов ОИК и АСКУЭ;

• Возможность работы алгоритмов и программных средств прогноза потребления в технологии балансирующего рынка;

• Обмен исходными данными и результатами расчетов между объектами и уровнями управления.

Разработанные на основе предлагаемых методов и алгоритмов промышленные программы и программные комплексы должны обеспечивать потребности в средствах планирования потребления соответствующих служб и подразделений ЭО, ЭС, диспетчерских управлений, субъектов рынка электроэнергии.

Для достижения поставленных целей решен ряд научных и технических задач:

• Разработаны методы и алгоритмы обработки и хранения информации многолетних статистических выборок (10-15 лет) значительных объемов режимных параметров и технико-экономических показателей (данные потребления, компоненты балансов мощности и электроэнергии, напряжения, токи и т.п.). Осуществлена подготовка многолетних архивов графиков потребления (почасовые и получасовые значения) и влияющих метеофакторов энергообъединений и энергосистем России;

• Разработана методология и система математических моделей, позволяющих осуществлять прогнозирование и планирование многокомпонентной сбалансированной структуры потребления на различных объектах;

• Разработаны методы, алгоритмы и программные средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных;

• Исследованы характерные особенности и тенденции колебаний потребления большинства ЭО и ЭС России;

• Разработаны методы и алгоритмы математического моделирования колебаний потребления. Разработаны методы и алгоритмы прогнозирования потребления в различных временных интервалах - долгосрочном, краткосрочном и оперативном цикле;

• Разработаны методы и алгоритмы прогноза потребления в технологии балансирующего рынка;

• Проведен всесторонний статистический анализ влияния метеорологических факторов на потребление. Разработаны методы и алгоритмы моделирования и учета влияния метеорологических факторов;

• Созданы программы и программные комплексы, обеспечивающие необходимую функциональность и точность расчетов при прогнозировании и планировании потребления и последующих расчетов балансов мощности и электроэнергии в практике эксплуатации ЭО, ЭС;

• Осуществлено массовое внедрение программ и программных комплексов в промышленную эксплуатацию в ЭО, ЭС, на других объектах ЕЭС России.

Методы исследования и достоверность полученных результатов

Исследования проводились на основе многолетних статистических выборок данных потребления, влияющих факторов, компонент балансов мощности и электроэнергии большинства ЭО и ЭС России. При проведении исследований применялись методы теории вероятностей и теории случайных процессов, статистического анализа, теории временных рядов. На базе проведенных исследований разрабатывались методы и алгоритмы планирования потребления, которые опробовались экспериментально в ЭО и ЭС и модифицировались с учетом опыта эксплуатации. При проектировании структур хранения и обработки данных потребления использовались объектные и темпоральные подходы, как средства моделирования, и СУБД реляционного типа, как средства хранения данных.

Достоверность новых научных положений, полученных результатов и выводов диссертации подтверждается результатами многолетней эксплуатации разработанных методов, алгоритмов и программных средств в энергообъединениях и диспетчерских управлениях России.

Научная новизна

• Разработана методология и система математических моделей, позволяющая осуществлять прогнозирование и планирование сбалансированной многокомпонентной структуры потребления на различных объектах электроэнергетики.

• Разработаны методы, алгоритмы и средства обработки и хранения многолетних архивов данных потребления, балансов, оборудования на основе объектной модели. Методы и средства позволили осуществить подготовку необходимой статистической базы для научных исследований - архивные данные по всем ЭО и ЭС России (суточные графики потребления, режимные параметры с глубиной архивов от 2 до 10 лет, архивы метеофакторов за аналогичные периоды).

• Разработаны методы, алгоритмы и средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных.

На основе многолетних архивов данных проведены исследования характерных особенностей и тенденций потребления практически всех ЭО и ЭС России. Определены основные тенденции - рост потребления в большинстве ЭС, увеличение доли непромышленной нагрузки, изменение характера сезонных, суточных и недельных колебаний.

Разработан метод сезонных кривых - метод аналитического описания регулярных колебаний почасового потребления в разрезе года, заключающийся в выделении базовой нагрузки из фактических реализаций потребления и последующем описании остаточных компонент тригонометрическими или степенными полиномами.

На основе предложенного метода сезонных кривых разработаны методы краткосрочного, оперативного и долгосрочного прогнозирования потребления. Разработана методика и средства оперативного циклического прогнозирования потребления для технологии балансирующего рынка.

Разработан метод оценки и прогнозирования активных и реактивных нагрузок узлов и районов расчетной схемы ЭО и ЭС при недостаточности данных телеизмерений.

Определены основные факторы, влияющие на точность прогнозирования. Отмечено, что одними из основных факторов влияющих на точность являются суточная неравномерность и нерегулярные колебания потребления (отклонения от сезонной кривой). Предложено аналитическое описание зависимости точности прогнозов от неравномерности графиков потребления. Исследовано влияние на потребление метеофакторов - температуры и освещенности. Предложен метод аналитического описания регулярных колебаний метеофакторов с использованием метода сезонных кривых. Разработана методика учета влияния метеофакторов при прогнозировании потребления. Определен характер влияния температуры на потребление для отопительного и летнего сезонов года, предложено аналитическое описание влияния температуры.

Предложены методы оценки влияния введения летнего времени на потребление. Определена степень влияния сдвига времени на потребление различных регионов России и ЕЭС России в целом, оценены характер и величина изменений суммарного потребления и максимальных нагрузок.

• Разработан многофункциональный программный комплекс анализа и планирования потребления, других технико-экономических показателей ЭО, ЭС.

• Разработанные методы и средства планирования потребления использованы для реализации других технологических задач - расчет потерь электроэнергии, обработка балансов электроэнергии и мощности, диспетчерские задачи.

Реализация результатов работы и практическая значимость

Разработанный на основе результатов работы программный комплекс "Энергостат" внедрен в промышленную эксплуатацию в большинстве крупных энергобъединений и диспетчерских управлений России - ЦДУ, ОДУ Центра, Урала, Северо-Запада, Средней Волги, Сибири, Московское, Ленинградское, Смоленское РДУ, Кузбассэнерго, Тюменьэнерго, Алтайэнерго, Красноярскэнерго, Самараэнерго, других энергообъединениях, отделениях Энергосбыта и РДУ России. Разработанные с использованием методик и компонент комплекса "Энергостат" комплексы РТП и РБЭ используются в Мосэнерго для расчетов потерь электроэнергии и балансов. Модификация комплекса "Энергостат" использовалась в ЦДР ФОРЭМ для обработки и расчетов балансов электроэнергии и мощности субъектов рынка.

Результаты работы используются для решения следующих практических задач ЭО, ЭС, диспетчерских управлений, других объектов электроэнергетики:

• Загрузка данных из комплексов ОИК, АСКУЭ в темпе процесса. Организация структуры и хранение многолетних архивов данных потребления, компонент балансов мощности и электроэнергии с различной дискретностью (15 мин., 30 мин., час, месяц, год);

• Подготовка и адаптация структуры взаимосвязанных компонент потребления с учетом реструктуризации и выхода потребителей на рынок. Подбор и адаптация моделей прогноза. Настройка коэффициентов моделей прогноза;

• Статистический анализ данных. Расчет характеристик суточных графиков потребления - средних, экстремальных точек, коэффициентов заполнения, неравномерности и т.п. Анализ по временным интервалам - год, квартал, месяц, неделя, сутки. Расчет приростов, нарастающих итогов. Идентификация и замена недостоверных значений по определенным статистическим критериям;

• Корреляционный и регрессионный анализ параметров. Расчет линейной и нелинейной регрессий для однофакторной и многофакторных моделей. Расчет коэффициентов влияния метеофакторов на потребление. Расчет межгодовых тенденций;

• Краткосрочное (сутки - месяц) и долгосрочное (месяц-год, несколько лет) прогнозирование электропотребления и суточных графиков параметров. Прогнозирование характерных точек графиков - средних, минимумов, максимумов, и т.п. Учет метеофакторов при прогнозировании;

• Оперативное прогнозирование графиков потребления и составляющих баланса мощности для текущих суток в темпе процесса;

• Оперативное скользящее прогнозирование потребления для технологии балансирующего рынка;

• Оценка точности результатов прогнозов для заданных временных интервалов и типов суток (Расчет математического ожидания ошибок прогноза, среднеквадратического отклонения и модуля ошибок. Расчет доверительных интервалов);

• Подготовка плановых значений потребления на основе принятых прогнозных величин. Вывод результатов планирования в выходные макеты и формы;

• Расчет и прогнозирование активных и реактивных нагрузок узлов и районов расчетной схемы;

• Переход от месячных значений потребления и балансов к суточным графикам (часовым, получасовым) по различным алгоритмам. Балансировка данных в суточных разрезах. Вариантно-итеративные схемы расчета структуры потребления с фиксацией определенных компонент при расчетах;

• Расчет прогнозов суммарного полезного отпуска с последующей разбивкой по группам и потребителям;

• Регистрация команд диспетчера РДУ в электронном журнале. Анализ ретроспективы введенных команд, отданных за определенный период диспетчером, группой диспетчеров, диспетчерской сменой. Расчет и сохранение скорректированных диспетчерских графиков (ДГ).

Апробация работы

Основные положения и результаты диссертационной работы неоднократно докладывались на различных научно-технических конференциях и семинарах.

Под руководством автора и при его непосредственном участии организован и проводится в течение трех лет Всероссийский специализированный научно-технический семинар "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии". На семинаре рассматриваются организационные и методические вопросы планирования потребления, балансов, методы и программные средства анализа и планирования (прогнозирования) потребления, балансов, опыт их практического применения в энергообъединениях России, обсуждаются проблемы подготовки данных для расчетов, структура и средства хранения информации. В работе семинара, проводимого во "ОАО ВНИИЭ", принимают участие специалисты ОАО «СО - ЦДУ ЕЭС», НП АТС, ОАО «ФСК ЕЭС», ОАО «ВНИИЭ», представители ОДУ, РДУ, АО-энерго, отделений Энергосбыта, научно-исследовательских организаций и фирм-разработчиков (более 150 человек из 92 организаций России и стран ближнего зарубежья). Результаты работы неоднократно докладывались автором на этом семинаре. Состав докладов, сделанных на семинаре автором, или с его участием, а также других докладов по теме работы приведен в диссертации.

Положения диссертации также обсуждались автором в энергообъединениях и объединенных диспетчерских управлениях России - ОДУ Центра, ОДУ Урала, ОДУ Северо-Запада, ОДУ Средней Волги, ОДУ Северного Кавказа, ОДУ Сибири, Мосэнерго, Ленэнерго, Алтайэнерго и других.

Публикации

По теме диссертации опубликованы 29 печатных работ, включая два свидетельства Роспатента на программы и базы данных.

Структура и объем диссертации

Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы из 160 наименований, списка докладов из 48 наименований и приложения. Ее содержание изложено на 295 страницах текста и включает 140 рисунков и 45 таблиц (без приложения).

5.3. Выводы

1. На основе предложенных методов и алгоритмов разработан программный комплекс "Энергостат", предназначенный для анализа и планирования (прогнозирования) различных режимных параметров и технико-экономических показателей. К ним относятся потребление электроэнергии, мощности ЭО, ЭС и отдельных потребителей, узлов и районов расчетных схем, экономические показатели -тарифы на электроэнергию, товарная продукция и другие. Дискретность параметров может быть различной - часовые (получасовые) графики, месячные, квартальные и годовые значения. Программный комплекс «Энергостат» включает в себя 8 подсистем, связанных между собой единым интерфейсом. Программные подсистемы могут функционировать как раздельно, так и совместно на общей базе данных в среде Windows. Возможна сетевая организация работы в файл-серверном и клиент-серверном вариантах.

Комплекс внедрен более, чем в 50 объектах России, в том числе во всех крупных энергообъединениях и диспетчерских управлениях России. Практика эксплуатации показала эффективность разработанных методов и алгоритмов. Описаны состав основных объектов внедрения и особенности установки комплекса на объектах.

Рассмотрены основные этапы адаптации средств комплекса - подготовка информационной структуры, загрузка данных из ОИК, АСКУЭ, настройка программных интерфейсов. Отмечены технологические особенности функционирования комплекса в ЦДУ ЕЭС России и РДУ. Одна из подсистем комплекса - компонента "Энергостат-БР" предназначена для оперативного циклического прогнозирования потребления территорий и его составляющих в системе балансирующего рынка. Программа работает, как составная часть программного обеспечения балансирующего рынка (БР) под управлением управляющей системы БР.

Описана технология использования подсистем комплекса для сбора значений полезного отпуска по группам потребителей от отделений Энергосбыта и дальнейшего планирования составляющих и полезного отпуска в целом в центральном отделении Энергосбыта.

В процессе эксплуатации производилось сопоставление точности расчетов с другими реализованными методами (метод "Диспетчер", разработанный в Нижновэнерго и метод "Энергостат"). Результаты сопоставления показывают существенное улучшение точности прогнозирования по основным показателям для представленной разработки.

2. Разработанные методы и программные средства организации баз данных и планирования электропотребления также используются для различных технологических задач:

• Обработка балансов субъектов рынка. Структура и программные средства предназначены для подготовки и ведения базы данных плановых заявок субъектов ФОРЭМ по электроэнергии и мощности. Средства базы обеспечивают подготовку, загрузку и хранение полной структуры производственных и административных объектов, оборудования и показателей балансов субъектов рынка. Данная версия комплекса эксплуатировалась в ЦДР ФОРЭМ (в настоящее время НП АТС).

• Расчет технических потерь. Разработанные в работе методы и средства используются в комплексах расчета технических потерь "РТП", расчета балансов по данным приборов учета "РБЭ", эксплуатируемых в Мосэнерго. Методы и средства используются для подготовки информационной структуры оборудования и измеряемых параметров, расчета технических потерь в питающих сетях, расчета балансов электроэнергии по данным приборов учета.

• Диспетчерские задачи. Средства комплекса "Энергостат" обеспечивают все необходимые функции электронного журнала команд диспетчера (ЭЖК) -документирование команд диспетчера, расчёт и отображение диспетчерских графиков, формирование макетов для передачи данных между уровнями диспетчерского управления, подготовка отчётных форм. Электронный журнал команд эксплуатируется в Московском РДУ.

Заключение

Основным итогом работы является создание методов и программных средств, позволяющих осуществлять анализ и планирование электропотребления в энергообъединениях и энергосистемах. Разработанная методология включает в себя систему моделей, способы и средства обработки данных, программные комплексы и обеспечивает необходимыми средствами технологию расчетов планирования потребления на различных объектах, уровнях технологического управления и временных циклах. Проведенные исследования позволили определить характерные особенности и тенденции колебаний потребления регионов России, оценить степень влияния на потребление различных факторов. Разработанная методология и программные средства внедрены в эксплуатацию в большинстве крупных энергообъединений и энергосистем России, других энергетических объектах.

Основные научные и практические результаты диссертационной работы:

1. Разработана методология планирования сбалансированной структуры потребления на основе системы моделей прогнозирования. Методология включает в себя методы и технологию расчетов, способы и средства обработки данных, программные модули, необходимые для осуществления всего цикла планирования электропотребления. Методология позволяет производить анализ и планирование на большинстве объектов электроэнергетики, для различных типов параметров, периодов упреждения, состава исходной информации.

2. Для обработки и хранения значительного объема данных, необходимых для планирования, разработаны методы и средства, обеспечивающие создание и функционирование системы обработки данных режимных параметров, оборудования. Методы и средства обеспечивают функциональность системы на различных объектах. Осуществлена подготовка обширной статистической базы архивных данных (суточные графики потребления, режимные параметры с глубиной архивов от 2 до 10 лет, архивы метеофакторов за аналогичные периоды). Архивные данные позволяют производить статистический анализ потребления для всех ЭО и ЭС России.

3. Разработаны методы, алгоритмы и программные средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных.

4. Исследованы характерные особенности и тенденции колебаний потребления. Отмечены основные тенденции динамики и структуры потребления - рост потребления в большинстве ЭС, увеличение доли непромышленной нагрузки, изменение характера сезонных, суточных и недельных колебаний. Произведен статистический анализ потребления мощности ЭО и ЭС России по различным показателям (среднемесячное и среднегодовое потребление, месячные и годовые максимумы), определены динамика роста и характеристики нерегулярной составляющей потребления.

5. Предложен метод сезонных кривых - метод аналитического описания регулярных колебаний почасового потребления в разрезе года, заключающийся в выделении базовой нагрузки из фактических реализаций потребления и последующем описании остаточных компонент тригонометрическими или степенными полиномами.

6. Разработаны методы и алгоритмы прогнозирования потребления в различных временных интервалах — долгосрочном, краткосрочном и оперативном цикле.

7. Разработана методика и средства оперативного циклического прогнозирования потребления для технологии балансирующего рынка.

8. Разработан метод оценки и прогнозирования активных и реактивных нагрузок расчетной схемы ЭО и ЭС при недостаточном количестве телеизмерений.

9. Определены основные факторы, влияющие на точность расчетов прогнозов потребления - объем и качество исходных данных, оптимальный выбор модели прогноза и ее настройка, упреждение прогноза, возможность учета метеорологических факторов, неравномерность и величина нерегулярной составляющей.

10. Определена взаимосвязь точности прогнозирования, неравномерности графиков и характеристики нерегулярных колебаний. Эту взаимосвязь можно моделировать линейными уравнениями регрессии.

11. Проведены исследование влияния метеорологических факторов на потребление. Определено, что в совокупность факторов необходимо включать данные основных влияющих факторов - температуры, освещенности, а также дополнительных -влажности, силы ветра, давления. Отмечено, что влияние метеофакторов зависит от сезона и времени суток. Предложено моделирование влияния температуры нелинейными функциями сигмоида с учетом состояния отопительной системы и эффекта запаздывания воздействия температуры.

12. Произведена оценка влияния введения летнего времени на потребление регионов России. Определено, что влияние перехода существенно отличается для различных регионов. В целом по ЕЭС и большинству ОЭС переход на летнее время положительно сказывается на уровне и характере графиков потребления -снижается суммарное потребление, величина максимума и неравномерность нагрузки. Наиболее значительно снижается потребление и максимумы для регионов Сибири и Средней Волги. По региону Северо-Запада при переходе потребление и максимум увеличиваются. Для ЕЭС России потребление и максимум снижаются на 0,5% и 2% соответственно.

13. На основе предложенных методов и алгоритмов разработан программный комплекс планирования электропотребления "Энергостат". Комплекс внедрен и эксплуатируется более, чем в 50 объектах, в том числе в крупнейших энергообъединениях и диспетчерских управлениях России. Практика эксплуатации показала эффективность разработанной методологии, системы моделей и программных средств планирования потребления.

14. Разработанные методики и программные средства планирования потребления используются для других технологических задач ЭО и ЭС - обработки данных балансов субъектов рынка, расчета потерь электроэнергии, для диспетчерских задач - журнала команд диспетчера и расчета отклонений диспетчерских графиков.

15. Организован и ежегодно проводится Всероссийский научно-технический семинар по проблемам, рассматриваемым в диссертационной работе. Семинар стал открытым форумом по обсуждению вопросов планирования электропотребления и расчета балансов.

1. Маркович И.М. Режимы энергетических систем М.: Энергия, 1969.

2. Дарманчев А.К. Основы оперативного управления энергосистем М.: ГЭИ, 1960.

3. Федеральный закон от 26 марта 2003г. N 35-Ф3 "Об электроэнергетике" (с изменениями от 22 августа, 30 декабря).

4. Алле Ku. "The art of forecasting demand".Global energy business, March/April 2002.

5. Phil Inje Chang. "Load forecasting in practical terms".Global energy business, March/April 2002, www.e-acumen.com.

6. Папян C.K. Статистический метод прогнозирования суточных графиков нагрузки энергосистемы — В кн.:"Применение математических методов и вычислительных машин в энергетике" Кишинев, 1968, вып. 1.

7. Чепига В .Я. Опыт прогнозирования графиков потребления с помощью ЦВМ В кн. «Применение математических методов и вычислительных машин в энергетике» -Кишинев, 1968, вып. 1.

8. Шаханов B.C., Бляхер P.M., Львов Ю.А. Прогнозирование суточных графиков потребления электроэнергии в крупных энергообъединениях. в кн.: «Применение вычислительной техники в электроэнергетике» - М., МД НТП, 1972, №1.

9. Герман И.М., Федосеева С.В., Калинина В.М. Элементы алгоритма прогноза электропотребления в энергообъединении, энергосистемах и на подстанциях. -Труды ИНЭУМ, 1973, вып. 5.

10. Герман И.М., Шаханов B.C. Методика прогнозирования суточного потребления электрической энергии в энергообъединениях и энергосистемах. в кн.: «Проблемы прогнозирования электропотребления по предприятиям и энергосистемам» - М., МДНТП, 1970, с. 18-23.

11. П.Черненко П.А., Кузнецов Г.Г. Определение информативности и краткосрочное прогнозирование периодически нестационарных случайных процессов в электроэнергетических ситемах Ин-т электродинамики АН УССР, Препр., 1977, № 157.

12. Богданов В.А., Кочкарев В.И. Математическая модель оперативного прогнозирования активных нагрузок энергосистем Электрические станции, 1974, №4, с.22-24.

13. Ставровский А.Н. Статистический метод назначения исходных данных о нагрузках электропотребления в эксплуатационных расчетах экономического режима энергосистем на вычислительных машинах Труды ВНИИЭ, 1972, вып.40, с. 125135.

14. Богданов В.А., Ставровский А.Н. Сбор и переработка информации для диспетчерского управления режимами электроэнергетических систем. -Электрические станции, сети и системы. Том 9. М., 1979, с.92-110.

15. Шаханов B.C., Данилов Н.Н., Николаев В.Т., Гармаш B.C., Макоклюев Б.И. Комплекс программ внутрисуточного прогнозирования нагрузок энергообъединений и энергосистем. Сб. трудов Энергосетьпроект.- М.: Энергоиздат, 1982.

16. Тимченко В.Ф. Колебание нагрузки и обменной мощности энергосистем. М.: Энергия, 1975.-208 с.

17. Тимченко В.Ф., Ежилов В.Х. Интервальный однофакторный метод краткосрочного прогнозирования суточного электропотребления энергосистем. Электричество, 1976, №2, с.10-15.

18. Ежилов В.Х. Интервальный однофакторный метод заблаговременного расчета суточных реализаций режимов электропотребления энергосистем. Труды ВНИИЭ, 1979, вып.57, с.111-123.

19. Ставровский А.Н Повышение точности оперативного прогноза графиков суммарной нагрузки электропотребления энергообъединений и энергосистем. Электричество, 1975, №11, с.55-57.

20. Мамедяров О.С., Маледханов В.А. Предсказание графиков нагрузки энергосистемы методом экспоненциального сглаживания. Труды АзНИИэнергетики, 1973, том П.

21. Цвераидзе З.Н. Краткосрочное прогнозирование нагрузки в энергосистемах. в кн.: «Решения научно-технической конференции по вопросам разработки ВТ и АСУ». -Тбилиси, 1975, с. 205-209.

22. Коновалов Ю.С., Крумм JT.A., Кугелевичус И.Б. Определение обобщенных характеристик нагрузок сложных электроэнергетических систем. Известия АН СССР. «Энергетика и транспорт», 1971, № 2, с.82-92.

23. Коновалов Ю.С., Крумм JT.A., Кугелевичус И.Б. Обработка информации при оптимизации процессов в сложных электроэнергетических системах. Известия АН СССР. «Энергетика и транспорт», 1970, №5, с.60-67.

24. Сюткин Б.Д., Бордюгов В.М. Основные направления в разработке методов и программ прогнозирования потребления электроэнергии. в кн. « Тезисы докладов на совещании по теме «Оптимизация режимов работы энергосистем». - М.: ВДНХ СССР, 1977.

25. Голубин Е.А., Юркин Б.Г., Колесников В.П. Анализ зависимости нагрузки потребителей энергосистем от температурных условий. Электрические станции, 1967, №8, с.84-85.

26. Поляков В.Б., Пяткин A.M. Прогнозирование влияния климатических факторов на потребление электроэнергии. Энергетика и электрификация, 1971, №2, с.46-48.

27. Меламед A.M. Об учете влияния колебаний температуры при заблаговременных расчетах долгосрочных режимов электропотребления энергосистем. Средства и системы управления в энергетике. - М., 1977, вып.11.

28. Головкин П.И. Прогнозирование полезного отпуска электроэнергии по энергосистеме. Электричество, 1970, № 10.

29. Мардер Л.И., Морозова Н.С., Мызин А.Л. Некоторые способы улучшения статистических моделей электропотребления и электрических нагрузок энергосистем. Изв. СО АН СССР, Серия техн. Наук, 1978, «3, вып.1, с.105-111.

30. Меламед A.M. Комплекс программ текущего долгосрочного интервального прогнозирования величин электропотребления и характерных графиков нагрузки энергосистем при помощи ЭВМ П поколения. Средства и системы управления в энергетике. - М., 1978, вып.8.

31. Сюткин Б.Д., Бордюгов В.М. Влияние метеофакторов на режим потребления электроэнергии. Тезисы докладов на совещании по теме «Оптимизация режимов работы энергосистем». -М.:ВДНХ СССР, 1977.

32. Карпов В.В. Многофакторная модель суммарной нагрузки энергосистемы. Труды ЛПИ, 1977, №357.

33. Резников В.П. Детерминированно-вероятностная обучающаяся интегральная система (ДВОИС). Известия АН СССР. «Энергетика и транспорт», 1969, №3, с.20-30.

34. Шаталов В.И., Копач Е.Н. О возможности применения регрессионных моделей для учета влияния погодных условий на спрос электроэнергии. — Известия вузов. «Энергетика», 1977, № 5, с. 36-40.

35. Шаталов В.И. Краткосрочное прогнозирование суммарной нагрузки энергосистемы с учетом метеорологических условий. Автореф. дисс. на соиск. ученой степени канд.техн.наук. - Новосибирск, 1976.

36. Вальтин Ю.Ю., Мельдорф М.В., Тийгимяги Э.А., Треуфельдт Ю.Э. Вопросы прогнозирования нагрузок узлов электроэнергетической системы. Труды Таллинск. Политехи. Ин-та, 1976, № 403, с. 81-84.

37. Вальтин Ю.Ю., Мельдорф М.В. Моделирование нагрузки электроэнергетической системы с учетом метеорологических факторов. Труды Таллинск. Политехи. Инта, 1978, №453, с. 3-9.

38. Клыковская Т.С. Исследования и моделирование на ЭВМ задач сглаживания и краткосрочного прогнозирования измерительной информации в АСДУ. Автореф. дисс. на соиск. ученой степени канд.техн.наук. - Свердловск, 1976.

39. Кароль Н.Б., Ставровский А.Н. Исследование точности прогноза графика суммарной нагрузки электропотребления в минутных интервалах. Труды ВНИИЭ, М., 1978, вып.54, с.141-146.

40. Алгоритмы обработки данных в электроэнергетике. Иркутск: СЭИ, 1982.

41. Герасимов J1.H. Статистические свойства перетоков активной мощности и их прогнозируемость адаптивным фильтром Калмана. Иркутск: СЭИ, 1982. с. 15-24.

42. Орнов В.Г., Рабинович М.А. Оперативный прогноз мощности потребления энергообъединения. Иркутск: СЭИ, 1982. с.112-119.

43. Бердин А.С. Крючков П.А. Формирование параметров модели ЭЭС для управления электрическими режимами.УГТУ, 2000.107 с.

44. Гурский С.К. Адаптивное прогнозирование временных рядов в электроэнегетике. Минск: Наука и техника, 1983.-271 с.

45. Седов А.В., Надтока И.И. Системы контроля, распознавания и прогнозирования электропотребления. Ростов-на-Дону. Издательство Ростовского университета, 2002.

46. Ахмедов Р.Б. Экономия электроэнергии на освещение за счет рационального использования светлой части суток. Электрические станции, 1980, № 8, с.2-4.

47. Гладилин Е.В. Экономия электроэнергии на освещение за счет сдвига времени на 1 час вперед. Электрические станции, 1970, № 7, с.3-4.

48. Фармер Э.Д. Метод предсказания нестационарных процессов и его применение к задаче оценки нагрузки. в кн.: Труды П Международного конгресса ИФАК. - М.: Наука, 1965, с.416-434.

49. Mattheumen P.D., Nicholson Н. Techniques for load predictions in the electricity-supply industry. -"Proc.IEE", 1968, 115, p.1451-1457.

50. Van der Sluys M. De unvload von de electriciteit solgifte. Electrotechnick, 1970, v.48, 4.

51. Davies M. The Relftionship between weather and electricity demand. "Proc. IEE, 1958, No. 10.

52. Gupta P.C., Yanada K. Adaptive short-term forecasting of hourly loads using weather information. IEEE Trans.PAS, 1-72, vol. 91, No.5, p.2085-2094.

53. Panuska V. Short-term forecasting of electric power system load from a weather-dependent model. IFAC Symp., 1977, p. 414-418.

54. Van Meeteran H., Van Son p. Short-term load prediction with a combination of different models. IEEE Conf. Proc.: PICA-79, N.Y., 1979, p. 192-197.

55. De Martino В., Fusco G., Mariani Т., Rfhdino R., Ricci P. A medium and short-term load forecasting model for electrical industry IEEE Conf. Proc.: PICA-79, N.Y., 1979, 186191.

56. Ross Lale W., Ackerman Gary D., Bishke R., Podmore R., Wall Kent D. Short-term load prediction for economic dispatch of generation. IEEE Conf. Proc.: PICA-79, N.Y., 1979, 198-204.

57. Nelson D.I., Vermuri S., Automatic load forecasting, ERPI Techn. Rept., 1978, No. EZ 758.

58. Brown R.G., Meyer R.F. The fundamental theorium of exponential smoothing. Oper. Res., 961, No.9.

59. Galiana F.D., Handshin E., Fiechter A. (1974). Identification of stochastic electric load models from physical data. IEEE Trans., Ac-19. № 6.P. 887-893.

60. Energy: Needs, Expectations. World Energy Conf.l3th Congr., Cannes, 5-11 Oct., 1986. Techn.Pfp. Div/1/ World energy trends since 1970. Sess.1.2.2. Rational energy use.5.1., s.a. Var.Pag.

61. Bohler H. Aufbau von Stromlifertragen und Moglichkeiten zur Kostensenkung." Kunststoffe", 1984, 90, N85,1970-1972 (отд.вып. РЖ 91 «Экономия топлива тепловой и электрической энергии», 1984,2.91.154).

62. Industry sees nttd for cost-based rates. "Elec.World", 1985, 199, N 9, 71 (РЖЭ, 1986, 6Ж77).

63. Boom in hardware/software spending. "Elec.World", 1984, N 8, 77-79 (РЖЭ, 1985, ЗЖ111).

64. Geller H.S. Energy-efficient residential appliances performance issued and policy options. IEEE Technol. And Soc.Mag. 1986, 5, N1, 4-10 (отд.вып. РЖ 91 «Экономия топлива, тепловой и электрической энергии», 1986, 9.91.59.).

65. Flory J.E., Chamberlin J.H. Reflecting customer needs in demand side management, planning. IEEE Trans.Power Appar. And Syst., 1985, 104, N 8, 2105-2111 (РЖЭ, 1986, 2Ж228).

66. Customers are to beating competition. "Ibid", N 8, 76-78 (РЖЭ, 1985, 5Ж85).

67. UK favoured in international electricity price survey. "Energy Dig.", 1983,12, N5< 10-12 (РЖЭ, 1984, 10Ж61).

68. Итоги науки и техники. Серия "Энергетические системы и их автоматизация". Том.4. Прогнозирование и управление электропотреблением в электроэнергетических системах. ВИНИТИ. М.1988.

69. Бэнн Д.В., Фармер Е.Д. Обзор методов краткосрочного прогнозирования в электроэнергетике // Сравнительные модели прогнозирования электрической нагрузки энергосистем. М.: Энергоатомиздат, 1987. 260 с.

70. Временные правила работы ФОРЭМ». Сборник нормативных и методических документов по измерениям, коммерческому и техническому учету электрической энергии и мощности. М., ЭНАС, 2001г.

71. Постановление ФЭК России от 24.11.2000г. № 69/4 (изменения и дополнения к 15/2).

72. Постановление Правительства РФ от 11 июля 2001 г. № 526 "О реформировании электроэнергетики Российской Федерации".

73. Постановление Правительства РФ от 24 октября 2003г. N 643 "О правилах оптового рынка электрической энергии (мощности) переходного периода".

74. Постановление ФЭК РФ от 26 декабря 2003г. N 110-э/19 "Об утверждении Порядка вывода на федеральный (общероссийский) оптовый рынок электрической энергии (мощности) энергоемких организаций-потребителей".

75. Федеральный закон от 14 апреля 1995г. N 41-ФЗ "О государственном регулировании тарифов на электрическую и тепловую энергию в Российской Федерации".

76. Постановление ФЭК от 26.12.2003г. № 110-э/19 "О порядке вывода на ФОРЭМ энергоемких потребителей".

77. Постановление Правительства РФ от 26 февраля 2004г. N 109 "О ценообразовании в отношении электрической и тепловой энергии в Российской Федерации" (с изменениями от 31 декабря).

78. Серебряников Н. И. О проблемах энергетики. Эл. станции №12 2000г.

79. Дубинский Е. В., Синютин П. А., «Развитие рынка сбыта электроэнергии и новых услуг для бытовых потребителей в г. Москве», Энергетик, №8, 2000г.

80. Беляев В.И. Энергоснабжение потребителей в 2001г. и задачи на 2002г. Энергетик №4,2002г.

81. Описание делового процесса прогнозирования электропотребления при краткосрочном планировании режимов работы ЕЭС России. Материалы ОАО "СО-ЦЦУ ЕЭС". 2004г.

82. Бондаренко А. Ф. Основные проблемы рынка электроэнергии в России., Энергетик №1,2001г.

83. Дьяков А. Ф., Платонов В. В. Роль тарифной политики в реализации программы энергосбережения России. Энергетик №2,2001г.

84. Макоклюев Б.И., Салманов Б.И., Антонов А.В. Статистический анализ и планирование технико-экономических показателей энергообъединений на основе программного комплекса "Энергостат"- Энергетик, 2002, №3.

85. Макоклюев Б.И., Антонов. А.В., Набиев Р.Ф. Информационная структура и программные средства обработки и хранения данных технологического оборудования и режимных параметров. Электрические станции, 2004, №6.

86. B.I. Makoklyev, A.V. Antonov, R.F. Nabiev. Information structure and software for processing and storing data on operating environment and parameters. Power Technology and Engeineering, 2004, №6.

87. Макоклюев Б.И., Антонов А.В. Специализированный программный комплекс для планирования и анализа режимных параметров энергосистем и энергообъединений. Журнал "Новое в российской электроэнергетике", 2002, №6.

88. Макоклюев Б.И., Антонов А.В. Опыт внедрения и эксплуатации в энергообъединениях России программного комплекса подготовки данных и расчетов прогнозов электропотребления и балансов "Энергостат"- Вестник ВНИИЭ, 2004. М., 2004.

89. Макоклюев Б.И., Антонов А.В., Костиков В.Н. Программный комплекс анализа и планирования режимных параметров энергообъединения «Энергостат-1.1». Вестник ВНИИЭ, 1996, стр.76-80.

90. Макоклюев Б.И. Реализация на ЕС ЭВМ комплекса алгоритмов и программ прогнозирования в различных интервалах времени нагрузки энергосистемы.-Депонировано в Информэнерго, N 1164 ЭН-Д-82,1982.

91. Макоклюев Б.И., Владимиров А.И., Фефелова Г.И. Прогнозирование потребления электроэнергии в АО «Мосэнерго».- ТЭК, 2001, №4, стр.56-57.

92. Справочник по электроснабжению и электрооборудованию. М., Энергоатомиздат, 1987.

93. Электрические системы. Т.2 / Под ред.В.А.Веникова. М.: Высшая школа, 1971., 438 с.

94. Автоматизация управления энергообъединениями М.: Энергия, 1979.

95. Жежеленко И.В., Саенко Ю.Л., Степанов В.П. Методы вероятностного моделирования в расчетах характеристик электрических нагрузок потребителей. М.: Энергоатомиздат, 1990.- 123 с.

96. Редкозубов С.А. Статистические методы прогнозирования в АСУ. М.: Энергоиздат, 1981.

97. Пустыльник Н.И. Статистические методы анализа и обработки наблюдений. -М.: Наука, 1968.

98. Резников В.П. Предсказание естественных процессов обучающейся системой. -Новосибирск, 1982.

99. Алгоритмы обработки данных в электроэнергетике. Иркутск: СЭИ, 1982.

100. Митропольский А.К. Техника статистических вычислений. М., 1971.

101. Ивахненко А.Г., Лапа В.Г. Предсказание случайных процессов. Неукова думка, Киев, 1971.

102. Крамер Г. Математические методы статистики. М.: Мир, 1975. 163.

103. Шидловский А.К., Куренный Э.Г. Введение в статистическую динамику систем энергоснабжения. Киев: Наукова думка, 1984.-273 с.

104. Демиденко Е.З. Линейная и нелинейная регрессия. М.: ИМЭМО АН СССР, 1973

105. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып.1. М.: Мир, 1974.

106. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. Вып.2. М.: Мир, 1974.-300.

107. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. — М.: Статистика, 1979.

108. Надтока И.И., Седов А.В. Адаптивные модели прогнозирования нестационарных временных рядов электропотребления // Изв. вузов. Электромеханика. 1994. № 1-2. с.57-64.

109. Котюк А.Ф., Ольшевский В.В., Цветков Э.Н. Методы и аппаратура для анализа характеристик случайных процессов. М.: Энергетика, 1967.

110. Кильдишев Г.С., Френкель А.А. Анализ временных рядов и прогнозирование. -М.: Статистика, 1973.

111. Меламед A.M., Тимченко В.Ф., Сааренд К.А. Моделирование динамики изменений потребления электроэнергии энергосистем при неполной информации // Электричество. 1977 № 4. с. 23-30.

112. Михайлов В.В. Тарифы и режимы электропотребления. М.: Энергоатомиздат, 1986.-216с.

113. Дроздова О. Н., Лисицын Н. В. Анализ потребления электрической энергии в Российской Федерации в 1999г., Энергетик №11,2000г.

114. Макоклюев Б.И. Моделирование нагрузки энергосистемы с учетом метеофакторов.- Депонировано в Информэнерго, N 1183 ЭН-Д-82,1982.

115. Макоклюев Б. И. Моделирование электрических нагрузок на ЭВМ. Разработка, проектирование и внедрение технических средств АСУ в энергетике. Сб. трудов Энергосетьпроект, М.: Энергоиздат, 1986.

116. Макоклюев Б.И., Костиков В.Н. Моделирование электрических нагрузок электроэнергетических систем.3Л Электричество. 1994. N 10.

117. Макоклюев Б. И., Федоров Д. А. Оперативное прогнозирование нагрузки ЭЭС с учетом метеофакторов. В кн.: Советчики диспетчеров по оперативной коррекции режимов работы ЭЭС. Иркутск. 1984.

118. Богданов В.А., Бордюгов В.М., Сюткин Б.Д. Оценка качества и методика сопоставления программ прогнозирования суммарных активных нагрузок и потребления электроэнергии энергообъединений и энергосистем. М.: ВДНХ СССР, 1977.

119. Богданов В.А., Бордюгов В.М., Сюткин Б.Д. Оценка качества и методика сопоставления программ прогнозирования суммарных активных нагрузок и потребления электроэнергии энергообъединений и энергосистем. М.: ВДНХ СССР, 1977.

120. Макоклюев Б. И., Воронков В. Н. Опыт эксплуатации алгоритмов и программ прогнозирования нагрузки энергосистемы. " Средства и системы управления, в энергетике. Экспресс-информация". М: Информэнерго, 1983, №6.

121. Бартоломей П.И., Зайцева М.В. Повышение экономической эффективности планирования суточных графиков нагрузки. Известия вузов. «Энергетика», 1979, №10.

122. Ицкович Э.Л., Трахтенгерц Э.А. Оптимальная компоновка программ контроля и управления производством. Автоматика и телемеханика, 1968, № 5.

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

124. Об основных положениях Энергетической стратегии России на период до 2020 года. Энергетик №9,2000г.

125. О стратегии развития электроэнергетики России на ближайшие 15 лет., Энергетик №1, 2001г.

126. Лукашин Ю.П. Программы адаптивных методов прогнозирования. -М. ИМЭМО АН СССР, 1978.

127. Треуфельдт Ю.Э. Вопросы прогнозирования нагрузок узлов электроэнергетической системы. Труды Таллинск. Политехи. Ин-та, 1976, № 403, с. 81-84.

128. Шидловский А.К., Вагин Г.Я., Куренный Э.Г. Расчеты электрических нагрузок систем электроснабжения промышленных предприятий. М.: Энергоатомиздат, 1992. 224 с.

129. Макоклюев Б.И., Хомишин Г.В., Антонов А.В. Программный комплекс анализа и планирования активных и реактивных нагрузок узлов и контролируемых районовэлектрической схемы энергообъединений "Энергостат-2.1" Вестник ВНИИЭ 1996. -М., 1996.

130. Вагин В.П. Карпов В. В. Прогнозирование нагрузки узла при неполной исходной информации / Труды ЛПИ. 1984 N 339.

131. Серова И. А., Макоклюев Б.И. Оценка текущей схемно-режимной ситуации в электрических сетях энергосистем и энергообъединений в условиях недостатка телеинформации. Вестник ВНИИЭ 1997. - М., 1997.

132. Макоклюев Б.И., Павликов B.C., Владимиров А.И., Фефелова Г.И. Влияние колебаний метеорологических факторов на электропотребление. Электрические станции,2002, N I.

133. Макоклюев Б.И., Павликов B.C., Владимиров А.И., Фефелова Г.И. Влияние колебаний метеорологических факторов на электропотребление энергообъединений- Энергетик, 2003, N 6.

134. Макоклюев Б.И., Еч В.Ф. Учет влияния метеорологических факторов при прогнозировании электропотребления энергообъединений.- Энергетик, 2004, N 6.

135. Макоклюев Б.И., Еч В.Ф. Взаимосвязь точности прогнозирования и неравномерности графиков электропотребления. Электрические станции, 2005, N 5.

136. Кондратьев К.Я. Современные изменения климата и определяющие их факторы.- Метеорология и климатология, 1977, № 4.

137. Астапенко П.Д. Вопросы о погоде. Л.: Гидрометеоиздат, 1982.

138. Берлянд М.Е., Кондратьев К.Я. Города и климат планеты. Л., 1972.

139. Бартенева О. Д. Режим естественной освещенности в зависимости от метеоусловий. Труды ГГО, 1958, вып.68, с.120-130.

140. Степанов B.C., Степанова Т. Б. Оценка энергетической эффективности систем освещения. Промышленная энергетика №2,2001г.

141. Макоклюев Б.И. Методика определения эффективности введения летнего времени для энергосистем.- Депонировано в Информэнерго, N 1163 ЭН-Д-82, 1982.

142. Макоклюев Б.И. Воронков В.Н., Логинова Л.В. Эффективность введения "летнего времени" для Московской энергосистемы. Электричество, 1983, № 4.

143. Макоклюев Б.И. Влияние на графики энергосистемы сдвига "летнего времени" на 1 час Экспресс-информация". М: Информэнерго, 1983, №6.

144. Бондарь И. «Нужен ли переход на летнее время» «Энергия» 2001, N 9

145. Ebersbach К., Schaefer Н. Sommerzeit und Energieeinsparung. -Energiewirschaftliche Tasesfragen, 1980, No.7.

146. Антонов А.В., Макоклюев Б.И. Программный комплекс анализа и планирования параметров "Энергостат". Свидетельство Роспатента об официальной регистрации программы №2000611207 от 23.11.2000.

147. Программный комплекс "Энергостат". Сертификат соответствия системы сертификации Госстандарта России N РОСС RU.ME20.H00747.

148. Методика расчета минимальных тарифов на электрическую энергию для населения. "Экономика и финансы энергетики". №11,2000г.

149. И34-70-030-87. Инструкция по расчету и анализу технологического расхода электрической энергии на передачу по электрическим сетям энергосистем и энергообъединений М.: СПО «Союзтехэнерго», 1987.

150. В.Э. Воротницкий, С.В. Заслонов, М.А. Калинкина. Программа расчета технических потерь мощности и электроэнергии в распределительных сетях 6-10 кВ, Электрические станции, 1999 -№8-с.38-42.

151. В.Э. Воротницкий, М.А. Калинкина. Расчет, нормирование и снижение потерь электроэнергии в электрических сетях. Учебно-методическое пособие М., ИПК госслужбы, 2000 -61с.

152. Список докладов на научно-техническом семинаре "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии" в 2003-2005 гг.

153. Прогнозирование электропотребления основа надежного функционирования ЕЭС России. Кириенко Е.И. (ОАО «СО-ЦДУ ЕЭС»).

154. Динамика электропотребления и обеспечение надежности электроснабжения Московского региона. Павликов В. С., Владимиров А.И., Фефелова Г.И. (РДУ ОАО «Мосэнерго»), Макоклюев Б.И. (ОАО ВНИИЭ).

155. Планирование электропотребления, балансов мощности и электроэнергии с использованием специализированных программных комплексов. Макоклюев Б.И., Моржин Ю.И. (ОАО ВНИИЭ).

156. Концепция создания единой информационной среды интегрированной системы управления электрическим сетями ЕЭС России на основе международных стандартов и необходимость введения системы сертификации. Лондер М.И., Макоклюев Б.И., Моржин Ю.И. (ОАО ВНИИЭ).

157. Информационная структура и программные средства обработки и хранения данных технологического оборудования и режимных параметров электроэнергетических предприятий. Макоклюев Б.И., Антонов. А.В., Набиев Р.Ф. (ОАО ВНИИЭ).

158. Взаимосвязь точности прогнозирования и неравномерности графиков электропотребления. Макоклюев Б.И. (ОАО ВНИИЭ), Ёч В. Ф. (Университет "Дубна").

159. Влияние метеорологических факторов на электропотребление.

160. Макоклюев Б.И., Антонов А. В. (ОАО ВНИИЭ), Ёч В. Ф. (Университет "Дубна").

161. Анализ и планирование электропотребления, балансов мощности и электроэнергии с использованием программного комплекса "Энергостат". Макоклюев Б.И., Антонов. А.В., Набиев Р.Ф. (ОАО ВНИИЭ), Полижаров А.С., Салманов Б.И. (ООО Энергостат).

162. Опыт внедрения и эксплуатации в энергообъединениях России программного комплекса подготовки данных и расчетов прогнозов электропотребления и балансов. Антонов А.В., Макоклюев Б.И. (ОАО ВНИИЭ).

163. Многоуровневый комплекс программ РТП для расчетов и нормирования потерь электроэнергии в электрических сетях Мосэнерго. Воротницкий В.Э., Макоклюев Б.И.,

164. Калинкина М.А., Заслонов С.В., Набиев Р.Ф., (ОАО «ВНИИЭ»), Кузьмин В.В., Чугунов А.А., (ОАО «Мосэнерго»).

165. Опыт расчета балансов электроэнергии по данным приборов учета на основе программного комплекса РБЭ в Восточных электрических сетях Мосэнерго. Бурцева Н.С., Петрова Е.Г. (Восточные сети Мосэнерго), Макоклюев Б.И.,Набиев Р.Ф. (ОАО ВНИИЭ).

166. Характерные особенности и тенденции колебаний электропотребления в энергообъединениях различных регионов России. Ёч В.Ф. (Университет "Дубна"), Макоклюев Б.И. (ОАО ВНИИЭ).

167. Регистрация команд диспетчера РДУ и расчет отклонений диспетчерских графиков с использованием компонент комплекса "Энергостат». Антонов. А.В., Макоклюев Б.И. ,(ОАО ВНИИЭ), Полижаров А. С. (МЭИ), Владимиров А. И., Данильцев С. С. (Московское РДУ).

168. Единая система классификации и кодирования в электроэнергетике. Проблемы и пути решения. Попов С.Г., Лондер М.И. , Макоклюев Б.И. (ОАО "ВНИИЭ"), Котляр M.JL,Шумилин В. Ф., Кудряшов Ю.М.(ГВЦ Энергетики), Шадунц Ю. А. (Департамент ИТ РАО « ЕЭС России).

169. Опыт внедрения и эксплуатации в энергообъединениях России программного комплекса подготовки данных и расчетов прогнозов электропотребления и балансов Антонов А.В., Макоклюев Б.И. (ОАО "ВНИИЭ").

170. Влияние перехода на летнее и зимнее время на уровень электропотребления в различных регионах России. Макоклюев Б.И., (ОАО "ВНИИЭ"), Ёч В.Ф.(Университет "Дубна").

171. Оптимизация балансов электроэнергии и мощности дефицитного АО-энерго Осьминушкин А.В., (Нижегородское РДУ), Смирнов О.В. (ОАО«Нижновэнерго»).

172. Анализ неравномерности и колеблемости электропотребления для целей прогнозирования.Осьминушкин А.В.( Нижегородское РДУ).

173. Опыт прогнозирования потребления Смоленской энергосистемы. Почечуев С.В.(Смоленское РДУ).

174. Программные средства прогнозирования и оптимизации плановых показателей энергетических балансов региональной энергосистемы. Сергеев1. A.В.(ОАО«Самараэнерго»).

175. Программные средства прогнозирования и оптимизации плановых показателей энергетических балансов региональной энергосистемы. Сергеев А. В. (ОАО «Самараэнерго»).

176. Комплекс планирования долгосрочных и среднесрочных энергетических режимов на уровнях СО-ЦДУ ЕЭС России и ОДУ (ПРЭС). Абакшин П.С. (ОАО ВНИИЭ).

177. Задача оптимизации по тарифам при планировании долгосрочных энергетических режимов энергосистем. Абакшин П.С., Протопопова Т.Н. (ОАО ВНИИЭ), Лелюхин М.Н. (ОАО «СО-ЦДУ ЕЭС»).

178. Комплекс программ оптимизации долгосрочных режимов каскадов ГЭС в составе энергетических и водохозяйственных систем. Протопопова Т.Н., Лазаренко

179. B.А., Егоров М.В. (ОАО ВНИИЭ).

180. Некоторые подходы к решению задачи оптимального планирования выработки и режимов ГЭС Ангаро-Енисейского каскада в условиях функционирования оптового рынка электроэнергии в регионе Сибири. Протопова Т.Н., Егоров М.В. (ОАО ВНИИЭ).

181. Комплекс программ планирования суточных режимов энергосистем ПРЭС-СУТКИ Абакшин П.С., Алябышева Т.М., Яганов P.M. (ОАО ВНИИЭ).

182. Информационно-вычислительная система контроля, анализа и расчета суточных режимов каскадов ГЭС. Алябышева Т.Н., Яганов P.M. (ОАО ВНИИЭ).

183. Прогнозирование параметров на основе нейронных сетей. Глебов А.А. (Филиал ОАО «СО-Ц ДУ ЕЭС» Астраханское РДУ).

184. Долгосрочное прогнозирование потребления и производства электроэнергии на многолетнюю перспективу с учетом реструктуризации отрасли и совокупности влияющих факторов. Лелюхин М.Н, (ОАО «СО-ЦДУ ЕЭС).

185. Проблемы создания единой отраслевой классификации объектов и оборудования. Учет изменений состояния оборудования в различных задачах автоматизированного управления объектами (энергоремонт и смежные задачи). Кудряшов Ю.М. (ОАО "ГВЦ Энергетики").

186. Планирование электропотребления Смоленской энергосистемы. Почечуев С.В. (Смоленское РДУ).

187. Методика использования регрессий для прогнозирования спроса на электроэнергию на среднесрочный период. Коссов В. В. (НИИЭЭ), Коссова Е.В.(ГУ-ВШЭ).

188. О разработке системы автоматизированного межуровневого обмена результатами расчета долгосрочных водно-энергетических режимов работы ГЭС Ангаро-Енисейского каскада на этапах планирования выработки ГЭС. Егоров М.В., Протопопова Т.Н. (ОАО ВНИИЭ).

189. Опыт применения комплекса программ «БВД» планирования долгосрочных водно-энергетических режимов каскадов ГЭС на Саяно-Шушенской ГЭС. Лазаренко

190. B.А., Протопопова Т.Н. (ОАО ВНИИЭ).

191. Комплекс программ планирования суточных режимов энергообъединенний ПРЭС-СУТКИ.Абакшин П.С. Алябышева Т.М., Яганов Р.М.( ОАО ВНИИЭ).

192. Программное обеспечение планирования, анализа и контроля краткосрочных режимов работы каскадов ГЭС. Алябышева Т.М., Сбытов К.О. , Яганов P.M. (ОАО ВНИИЭ).

193. Опыт эксплуатации программного комплекса "Энергостат" на базе СУБД Cache'. Влияние качества прогнозирования на экономию затрат в условиях конкурентного рынка. Мятежный Н.Ю.ОАО «Самараэнерго»).

194. Оперативное, краткосрочное и долгосрочное прогнозирование электропотребления в энергосистеме. Демура А.В., Надтока И.И., Седов А.В.,Сербиновская А.А., Сухомлинова 0.А.(000 НПП "ВНИКО") Коневский М.Б. (ОАО "Ростовэнерго").

195. Методические подходы и основные результаты разработки среднесрочных прогнозных балансов электроэнергетики и холдинга РАО «ЕЭС России». Терентьев Г.Ю. (РАО « ЕЭС России»).

196. Прогноз потребления электрической энергии в составе комплекса информационного обеспечения функционирования балансирующего рынка. Бердин А.

197. C., Крючков П.А., Суворов А.А. (ГОУ ВПО УГТУ-УПИ), Шубин Н. Г., Демидов С.И., Ермакова О.Д. (Филиал ОАО "СО ЦДУ ЕЭС " - ОДУ Урала).

198. Реализация технологических алгоритмов в автоматизированной системе балансирующего рынка. Ермакова О.Д. . (Филиал ОАО "СО ЦДУ ЕЭС " - ОДУ Урала).

199. Подготовка данных для расчетов и планирование полезного отпуска в отделениях Энергосбыта с применением комплексов ОИК «Сбыт» и «Энергостат».Пивник Е.В., Парамонов П.Б. (Компания "ТЕХНОСБЫТ"), Антонов А.В. (ОАО "ВНИИЭ").

200. Прогнозирование электропотребления в энергосистеме. Демура А.В., Надтока И.И., Седов А.В.,Сербиновская А.А., Сухомлинова 0.А.(000 НПП "ВНИКО"), Кушнарев К.Ф., Коневский М.Б.( ОАО "Энергосбыт Ростовэнерго").

201. Планирование потребления электроэнергии для ОАО «Российские Железные Дороги» О.В. Евсеев, М.Б. Мишустин, Г. М. Поляк (ВНИИАС МПС России).

202. Технологические процессы балансирующего рынка. Алла Э.А. (ОАО «СО-ЦДУ ЕЭС).

203. С содержанием докладов на семинаре можно ознакомиться в сборниках докладов во ВНИИЭ, НЦ ЭНАС и в Интернете на сайте www.energostat.ru.