WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 | 2 || 4 |

Рис. 2. Конфигурация и поле ГН рабочих дней для зимнего сезона 2005 г.

Анализ данных позволяет сделать следующие выводы. Изменения информации по сезону показывает, что имеются разные процессы изменения нагрузки и не целесообразно использовать сезонный период для прогнозирования нагрузки. При исследовании изменения параметров ГН внутри суток для сезонного периода ретроспекции поле изменения этих параметров весьма значительно, было предложено уменьшить период ретроспекции до месяца и ниже.

Месячный процесс изменения нагрузки. Внутримесячные процессы изменения информации анализируются по часам и типовым суткам. Именно месяц был выбран за базовый период ретроспекции, поскольку погрешности прогноза в этом случае минимальны.

Статистические модели оперативных ГН. Для прогнозирования суточных ГН рассматривались четыре модели М1, М2, М3, М4, которые выбраны в соответствии с целью их использования – выдать прогноз ГН на оптовый рынок с заблаговременностью на двое суток. Модели подбираются по информации за период ретроспекции, предшествующий прогнозному периоду от месяца до нескольких дней, причем для каждой характеристики он выбирается индивидуально. Год и сезон в качестве периода ретроспекции не рассматривались, так как расчеты показали, что погрешности прогноза будут увеличиваться. Анализ данных вычислительного эксперимента показал, что наилучшие результаты дает модель М1. Примерно 80% погрешностей попало в интервал до 2 % (табл. 1). Погрешность модели определялась инверсной верификацией.

Таблица 1

Сопоставление погрешностей прогнозов по модели М1 и с использованием экспертных методов в НРДЦ за ноябрь 2006 года

Прогноз

Погрешность за период, %

Частота попадания в заданный интервал

Мин.

Макс.

Сред.

0%…2%

2%…5%

> 5%

М1

0,012

8,9

2,79

247

55

34

НРДЦ

0,014

9,6

3,12

173

115

48

В четвертой главе дается методика прогнозирования ГН с учетом поправок к статистическим графикам нагрузки. Поправочные коэффициенты это дополнительные значения увеличения или уменьшения мощностей графика нагрузки. К таким факторам могут быть отнесены: метеофакторы (температура, освещенность, сила ветра), частота, структура потребления, потери от транзита. Количество факторов и степень их влияния различны для каждой энергосистемы. Прогнозируемые факторы вызывают экспертные () и расчетные () поправки. Таким образом, нагрузка для интервала t

, (2)

где - прогнозная нагрузка по модели М1; - отклонение мощности нагрузки, связанное с расчетными поправками; - отклонение мощности нагрузки, связанное с экспертными поправками.

Методика расчета и внесения поправок, которая предложена в данной работе, требует решения следующих задач: подбора статистических моделей для определенных факторов, учитывающих прошлое и будущее их состояние; создание для планируемых факторов методов расчета поправок; внесение экспертных поправок с использованием неформальных процедур, для которых могут разрабатываться специальные рекомендации.

В диссертации рассмотрены методы и примеры расчета поправочных коэффициентов от изменения температуры, облачности (освещенности), частоты, потерь в сетях от транзитных перетоков мощности.

Метеорологические факторы (МФ) оказывают существенное влияние на нагрузку. Разработаны статистические модели поправок. Устойчивые сезонные и суточные циклы колебаний МФ вносятся в статистическую модель ГН.

Для энергообъединений с концентрированной коммунально-бытовой и осветительной нагрузкой к температурному влияющему фактору добавляются факторы естественной освещенности (облачности) и некоторых дополнительных (влажность, сила ветра). Однако учет таких факторов как влажность и сила ветра весьма затруднителен из-за отсутствия информации, поэтому чаще всего влажность и ветер обычно не рассматриваются, как определяющие для электропотребления, а рассматриваются как факторы, усиливающие действие основных влияющих факторов (температуры и естественной освещенности). При этом внесение поправок на эти усиливающие факторы рекомендуется выполнять на основе экспертных оценок.

Влияние температуры на ГН. В литературе описаны различные зависимости основных показателей ГН от температуры. Исследовано шесть видов таких связей за период 2003…2006 г. для различных месяцев года и показано, что все они справедливы. За основу взята связь изменения среднесуточной мощности ГН (нерегулярная часть суточного электропотребления) и температуры, как наиболее достоверная -. Поправки могут достигать 60 МВт/градус. Колебания метеофакторов приводят к включению электрообогревательных приборов при похолоданиях и включению кондиционирования в летний период. Решение о внесении поправок на эти факторы выполняется на основе экспертных оценок.

Зависимость должна определяться для каждого прогнозируемого дня и с адаптивным подбором периода ретроспекции. Минимальный период ретроспекции составляет одну неделю, максимальный – полный месяц. Необходима процедура постоянного визуального контроля подбора этой зависимости.

Для моделей прогноза на декабрь 2005 г. получена линейная регрессия и среднее значение поправки составило 3,3…6,4 МВт на 1°С.

Условием внесения поправки является отклонение прогноза среднесуточной температуры от среднего значения среднесуточной температуры за период ретроспекции (за все дни выбранного периода ретроспекции, в том числе и выходные). При внесении поправки изменяются все часовые (получасовые) нагрузки.

Рис. 2. Ошибки прогноза без учёта и с учетом поправок на температуру.

Имеются множество особых условий внесения поправок, которое осуществляется только лицо, принимающее решение (ЛПР). Внесение поправки на температуру приводит к улучшению прогноза в среднем на 1…1,5% по абсолютному среднесуточному отклонению. Качественная картина улучшения прогноза показана для примера на рис. 2. Данные получены при тестировании за – 31 день (744 значения). Прогноз ГН улучшается примерно в 50% рассмотренных суток.

Влияние облачности на прогноз ГН. От облачности в основном зависит осветительная нагрузка всех групп потребителей. Чаше всего статистических данных о величинах осветительной нагрузки нет, поэтому получить величины поправочных коэффициентов можно только расчетным способом. На осветительную нагрузку влияет длительность светлого времени суток. Процесс изменения облачности может иметь различный вид. В расчетах его оценка производится в баллах - балл 1 соответствует наиболее облачному, а 5 - ясному дню. Экспертно определены поправки мощности для баллов по данным 2006 г. Только ЛПР может принять решение об их учете. Внесение поправок на облачность уменьшает погрешности прогнозирования ГН примерно на 10% от общей погрешности.

Поправки на изменение частоты. Частота на предстоящий период не прогнозируется. Это не позволяет вносить поправки в прогноз нагрузок. Вместе с тем она может заметно влиять на нагрузку ЭЭС и это влияние целесообразно анализировать, так как поддерживается частота на уровне объединения. Если частота не соответствует ГОСТу, то региональная ЭЭС вправе отнести ее влияние на действия оптового рынка. Последнее связано с оплатой за покупную мощность и энергию. Следовательно, главная цель анализа частоты – это оценка погрешности, связанной с действиями продавца.

Поправка на изменение частоты для периода i определяется по выражению:

, (3)

где Pif – мощность с поправкой на частоту, Pi –мощность на интервале i, kf – крутизна статической характеристики зависимости нагрузки от частоты, fi – действительное значение частоты.

На основе исследования характера изменения частоты в Новосибирской энергосистеме, показано, что значения частоты не выходит из диапазона допустимого по ГОСТу [-0.05;+0.05 Гц]. Исходные данные для анализа были получены за одни сутки с дискретностью 10 замеров в секунду. Полученная максимальная точечная (мгновенная) величина изменения активной мощности от изменения частоты составила менее 0,005% от нагрузки. В течение часа отклонение по частоте близко к нулю, поэтому внесение этих поправок не целесообразно и ими можно пренебречь.

Влияния электрических режимов работы межсистемных электрических сетей 110 – 220 кВ Новосибирской области на электропотребление и нагрузку. Межсистемные присоединения 110 – 220 кВ Новосибирск – Омск входят в суммарное сечение Сибирь – Казахстан. Передача транзитной мощности по этому сечению производится по одноцепноой ЛЭП 220 кВ и двухцепной 110 кВ. Длина транзитных ЛЭП около 600 км (на одну цепь). Выдача из Новосибирской энергосистемы (прием в Омскую ЭЭС) достигает 220 МВт, прием (выдача) достигает 280 МВт. Величины перетоков мощности по сечению Сибирь – Казахстан задает ЦДУ, исходя из плановых заданий и сетевых ограничений. Для Новосибирской энергосистемы этот транзитный переток существенно влияет на уровень потерь мощности в электрических сетях.

Расчет величины транзитных потерь от величины передаваемой мощности в характерный зимний и летний день для Новосибирской энергосистемы, показывает что поправки составляют 3…7% нагрузки. Предлагаемый расчетный способ внесения поправок по характеристике потерь мощности повышает достоверность прогнозов графиков нагрузки. Характеристика может адаптивно уточняться при изменении режимов сети. По остальным сечениям транзит мощности не осуществляется или им можно пренебречь.

Алгоритм расчетов прогнозированию ГН с использованием статистических моделей и экспертных методов. Предлагаемая методика расчетов и ее алгоритмизация состоит из нескольких блоков, каждый из которых представляет собой отдельную задачу. Все блоки разработаны до уровня принципиальных логических связей, с указанием точек диалога в интерактивном режиме для ЛПР, расчеты по схеме внедрены в практику, инструментарием является MS Excel.

Тестирование предложенной методики. Основными методами прогнозирования ГН в практике являются экспертные методы. Применение формальных методов статистического анализа более сложный и более трудоемкий путь прогнозирования, поэтому требуется его количественная оценка. Для получения сравнительных оценок экспертных и статистических методов выполнялись расчеты для зимнего периода 2006 г. Прогнозирование осуществлялось в темпе реального производственного процесса параллельно со специалистами ЗАО «НРДЦ».

Внесение поправок на температуру позволяет уточнить прогноз нагрузки на 1…10%. Учесть поправки на температуру экспертными методами можно приблизительно и с большими погрешностями. Поправки на облачность для зимнего периода можно не учитывать. Наибольшие величины погрешностей имеют место в период ночного провала нагрузки с 0 до 6 часов. Их величина больше, чем в период дневных нагрузок примерно на 1%. Снижение достигается экспертными поправками. Проявляется влияние ошибок прогноза температуры на точность прогноза ГН.

Гистограмма погрешностей. Для всех рассмотренных суток получены гистограммы погрешностей при использовании статистической модели М1 и экспертных моделей МЭ (вариант ЗАО «НРДЦ»). Сравнительные результаты приведены в табл. 2 (всего 336 случаев) и на рис. 3.

Таблица 2

Частота погрешностей при сравнении экспертных методов и статистического метода по модели М1

Величина погрешностей

До 2%

С 2 до 5%

С 5 до 10%

Выше 10%

Частота погрешностей

Модель М1

175

140

21

0

Вариант ЗАО «НРДЦ»

142

115

79

0

Рис. 3. Гистограммы погрешностей по использованию моделей М1 для расчетного периода с 20 ноября 2006 года по 03 декабря 2006 года.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

Pages:     | 1 | 2 || 4 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»