WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     |
|

На правах рукописи

Анушина Екатерина Сергеевна СИСТЕМА КРАТКОСРОЧНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ Специальность: 05.09.03 – Электротехнические комплексы и системы

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург – 2009

Работа выполнена в Санкт-Петербургском государственном электротехническом университете "ЛЭТИ" им. В.И. Ульянова (Ленина).

Научный консультант: доктор технических наук, профессор Поляхов Николай Дмитриевич

Официальные оппоненты: доктор технических наук, профессор Дмитриев Борис Федорович кандидат технических наук Бурмистров Александр Александрович

Ведущая организация: ФГУП «Центральный научно-исследовательский институт Судовой электротехники и технологии (ЦНИИ СЭТ)»

Защита состоится «_» _ 2009 г. в часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.238.05 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, д. 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан «_» _ 2009 года.

Ученый секретарь совета по защите докторских и кандидатских диссертаций М. П. Белов 3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Прогнозирование электрической нагрузки является на сегодняшний день одним из наиболее востребованных направлений исследований в электроэнергетике. Прогнозы потребления составляют основную исходную информацию для принятия решений о планировании оптимальных режимов работы и развитии электроэнергетических систем (ЭЭС), для автоматизированного управления которыми необходима система прогнозирования временных рядов. Точность прогнозирования определяет эффективность и устойчивость этого управления.

Повышение точности обеспечивает экономию энергоресурсов и соответствующее увеличение прибыли энергетических предприятий.

В связи с переходом с 1 сентября 2006 года к новой модели оптового рынка электроэнергии и мощности (НОРЭМ), требования к точности производимых прогнозов существенно возросли. Краткосрочные прогнозы потребления являются основой для формирования заявки, подаваемой администратору торговой системы.

При отклонении прогноза от реального потребления, на участников накладываются штрафные санкции.

Краткосрочное прогнозирование электрической нагрузки применяется в задачах внутрисуточного планирования и управления выработкой электроэнергии на электростанциях. Ошибка прогнозирования снижает качество управления и экономичность режимов энергосистемы: заниженный прогноз приводит к необходимости использования дорогостоящих аварийных электростанций;

завышенное предсказание приводит к увеличению издержек на поддержание в рабочем состоянии излишних резервных мощностей. Поскольку к настоящему времени изношенность оборудования электростанций составляет 30-70%, возросла значимость требований к точности прогноза для упреждающей оценки живучести энергосистем.

Оценочные расчеты, проводимые ОАО «ВНИИЭ» для энергообъединений 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. Еще больший эффект приносит уточнение краткосрочного и оперативного прогноза.

Решению различных аспектов задачи прогнозирования электропотребления посвящены работы Бердина А.С., Воропая Н.И., Гамма А.З., Глазуновой А.М., Готман Н.Э., Колосок И.Н., Манова Н.А., Манусова В.З., Старцевой Т.Б., Чукреева Ю.Я., Шумиловой Г.П. и др.

Целью диссертационной работы является разработка системы прогнозирования электропотребления на основе интеллектуальных вычислительных технологий, позволяющей эффективно решить задачу повышения точности краткосрочных и оперативных прогнозов. Исследование данной системы в среде MatLab на реальных данных по электропотреблению.

Для достижения поставленной цели в диссертационной работе решены следующие задачи:

1. Анализ современных подходов к прогнозированию электрической нагрузки и выявление наиболее перспективных направлений улучшения качества и надежности прогнозов;

2. Разработка модели данных по электрической нагрузке и процедуры краткосрочного прогнозирования;

3. Разработка методики построения системы прогнозирования электрической нагрузки;

4. Построение системы прогнозирования электропотребления по результатам исследований;

5. Исследование разработанной системы в среде MatLab;

6. Сравнительный анализ качества и надежности прогнозирования построенной системы с классическими методами прогнозирования;

7. Разработка программного комплекса предложенной системы прогнозирования электропотребления.

Методы исследования. При решении поставленных задач были использованы:

методы математического моделирования и прогнозирования временных рядов;

регрессионный анализ; теория нечетких множеств; теория искусственных нейронных и гибридных сетей; основы вейвлет-теории; методы эволюционного моделирования;

математический пакет MatLab.

Основные научные результаты, выносимые на защиту.

1. Модель представления ретроспективных данных о нагрузке ЭЭС.

2. Процедура краткосрочного прогнозирования нагрузки ЭЭС.

3. Методика построения системы прогнозирования электрической нагрузки.

4. Программный комплекс краткосрочного прогнозирования электропотребления, включающий пользовательский интерфейс.

Новизна научных результатов.

1. Модель представления ретроспективных данных о нагрузке ЭЭС отличается выделением и описанием аддитивных составляющих временного ряда, обладающих различными частотными свойствами.

2. Процедура краткосрочного прогнозирования нагрузки ЭЭС отличается предварительным этапом разделения временного ряда на составляющие с различной динамикой и осуществлением прогнозирования для каждой составляющей в отдельности, а также совместным использованием интеллектуальных вычислительных технологий для прогнозирования.

3. Методика построения системы прогнозирования электрической нагрузки отличается использованием вейвлет-фильтрации и комитета нейронечетких сетей, отражающих свойства временного ряда в высокочастотной, низкочастотной и среднечастотной областях.

4. Программный комплекс краткосрочного прогнозирования электропотребления, включающий пользовательский интерфейс отличается тем, что охватывает полный цикл построения прогноза: формирование обучающей выборки; проектирование и формирование структуры системы прогнозирования; оптимизация, обучение, моделирование, оценка и корректировка результатов прогнозирования электропотребления.

Достоверность научных положений, результатов и выводов. Достоверность научных положений и результатов, сформулированных в диссертации, подтверждается корректным использованием методов математического моделирования и прогнозирования временных рядов, статистического и регрессионного анализа, теории нечетких множеств, теории искусственных нейронных и гибридных сетей, основ вейвлет-теории, методов эволюционного моделирования и результатами компьютерного моделирования.

Практическая ценность работы.

1. Модель представления ретроспективных данных о нагрузке ЭЭС позволяет повысить точность краткосрочного прогнозирования в 1,7 раза в среднем за сутки по сравнению с классическими регрессионными моделями.

2. Разработанная процедура краткосрочного прогнозирования нагрузки может быть использована для построения краткосрочных и оперативных прогнозов электропотребления ЭЭС.

3. Предложенная методика построения системы прогнозирования электрической нагрузки обеспечивает простой и надежный способ синтеза модели временного ряда электрической нагрузки, позволяет автоматизировать процедуру поиска оптимальной структуры системы прогнозирования.

4. Программный комплекс краткосрочного прогнозирования электропотребления, включающий пользовательский интерфейс может быть использован для синтеза, модификации и исследования перспективных интеллектуальных систем прогнозирования электропотребления.

Реализация результатов работы. Предложенная методика построения системы прогнозирования электропотребления, модель представления ретроспективных данных о нагрузке ЭЭС и разработанная процедура краткосрочного прогнозирования нагрузки использованы в НИР:

1. Теоретико-прикладные исследования в построении нейронечетких систем прогнозирования электропотребления. № гос. регистрации: 75410. Источник финансирования – федеральный бюджет РФ, министерство образования и науки РФ, программа «Развитие научного потенциала высшей школы». Сроки – 01.01.2005 – 30.12.2005.

2. Новые технологии прогноза электропотребления и оптимизации загрузки изношенных электросетей. Источник финансирования – Комитет по науке и высшей школе правительства Санкт-Петербурга. Сроки – 1.06. 2006 г. – 31.12.2006.

3. Повышение точности прогнозирования электропотребления с использованием вейвлет-теории. № гос. регистрации: М06-3.1К-24. Источник финансирования – персональный грант правительства Санкт-Петербурга для студентов и аспирантов вузов и академических институтов, расположенных на территории Санкт-Петербурга 2006 года. Сроки: 1.05.2006-31.12.2006.

4. Применение методов нелинейной динамики для совершенствования систем прогнозирования электропотребления. № гос. регистрации: 03/3.1/09-03/01. Источник финансирования - персональный грант правительства Санкт-Петербурга для студентов и аспирантов вузов и академических институтов, расположенных на территории СанктПетербурга 2007 года. Сроки: 1.05.2007-31.12.2007.

Практическая полезность подтверждается актом использования на предприятии ООО «Иркутская электросетевая компания» города Иркутска, а также в учебном процессе СПбГЭТУ «ЛЭТИ».

Апробация результатов работы. Основные положения работы докладывались на следующих научных семинарах и конференциях: на VII, VIII и X международных конференциях по мягким вычислениям и измерениям SCM-2004, SCM-2005 и SCM2007 (г. Санкт-Петербург, СПбГЭТУ «ЛЭТИ», 17-19 июня 2004 г., 27–29 июня 2005 г.

и 20-22 июня 2007 г.); На 4-й Всероссийской научной конференции «Управление и информационные технологии», Санкт-Петербург, 10-12 октября 2006 г; на политехническом симпозиуме «Молодые ученые – промышленности СевероЗападного региона», Санкт-Петербург, СПбГПУ, 6 декабря 2007 г.; на 59 – 62 научнотехнических конференциях профессорско-преподавательского состава ЭТУ (СПбГЭТУ «ЛЭТИ», февраль 2006 – 2009 гг.);

Публикации. По теме диссертации опубликовано 14 научных работ, из них статей, 4 из которых опубликованы в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, методические указания и 8 докладов на международных и межрегиональных научных конференциях.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав с выводами, заключения, списка литературы и четырех приложений.

Основная часть работы изложена на 111 страницах машинописного текста. Работа содержит 39 рисунков и 9 таблиц, список литературы содержит 119 наименований.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, сформулированы цели и задачи исследований, перечислены основные научные результаты диссертационной работы, кратко изложено содержание диссертации по главам.

В первой главе представлен обзор и сравнение современных российских и зарубежных систем краткосрочного прогнозирования электропотребления (далее ЭП, потребление, электрическая нагрузка, нагрузка). Сформулированы основные требования, предъявляемые в настоящее время к системам краткосрочного прогнозирования электрической нагрузки. Рассмотрено современное состояние, развитие и перспективы дальнейшего совершенствования прогнозирующих моделей ЭП. Дан обзор основных отечественных и зарубежных публикаций, посвященных проблемам построения и совершенствования систем краткосрочного прогнозирования электрической нагрузки.

Классическим подходом к прогнозированию ЭП является использование регрессионных моделей и методов, разлагающих нагрузку на регулярную (базовую) и нерегулярную (зависящую от погоды) составляющие. В работе рассмотрены системы прогнозирования, построенные на базе таких моделей как АРСС(p, q), АРПСС(p, d, q) с использованием методов сезонных кривых, сезонной декомпозиции (Census 1, Census 2) и др. Такие модели привлекательны тем, что имеют хорошо проработанную математическую базу и прозрачную структуру. Однако они являются, в основном, линейными моделями, а ряды нагрузки, которые они моделируют – нелинейные функции экзогенных переменных.

В условиях постоянной изменчивости оптового рынка электроэнергии и мощности, а также развития самих ЭЭС актуальной становится разработка новых технологий прогнозирования ЭП. Наиболее перспективным направлением исследований в области прогнозирования нагрузки является разработка интеллектуальных моделей прогнозирования. Основу таких моделей составляют искусственные нейронные сети (ИНС) благодаря их способности аппроксимировать с любой заданной точностью произвольную непрерывную последовательность, что строго математически доказано. Развитием нейросетевых моделей являются гибридные системы, разработке которых посвящено большое число публикаций.

ИНС привлекательны еще и возможностью подавать на вход сети большое число разнородных факторов, влияющих на динамику ЭП, наиболее значимыми из которых являются погодные условия (температура, влажность и.т.д.), социальные события (выходные, праздники), а также случайная составляющая. Учет этих составляющих призван повысить точность прогнозирования путем выявления как можно более мелких деталей в поведении временного ряда электрической нагрузки.

Y1(t),...Y1(1) Y1 * (t, l ) 1(t,l,Y1(t),...

Y1(1)) * Y (t),...Y (1) Y (t, l ) БД * Yn (t),...Yn (1) Y (t, l ) n n(t,l,Yn(t),...

Yn(1)) Рис. 1. Общая структура системы прогнозирования Тем не менее, сбор и обработка большого количества дополнительной информации является достаточно трудоемкой задачей, в которой прогноз необходим и для самих факторов, влияющих на нагрузку. Таким образом, задача прогнозирования еще более усложняется.

Pages:     |
|



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

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.