Текст книги "Энергетика глазами молодых (сборник)"

Минимизация суммы состоящей из нескольких алгебро-логических элементов

Рыбалкина Т. И., Рязанова Е. Д. – студенты группы Э-64, Дедяев К. Е. – ассистент, Стальная М. И. – к.т.н., профессор РФ, Алтайский край, г. Барнаул ФГБОУ ВО «Алтайский государственный технических университет им. И. И. Ползунова»

В современном производстве используются полупроводниковые приборы, с преобладанием логических элементов. Часто уравнения, которые описывают эти устройства, на основе алгебры-логики, получаются сложные, и их нужно минимизировать, чтобы система автоматического управления имела меньшие габариты, стоимость и была более надежной [2]. В связи с этим, рассмотрим один из примеров минимизации.

Пусть имеем сумму, двучлен вида:

 (1)

Логическая структурная схема, реализующая эту формулу показана на (рисунке 1).

Рисунок 1 – Структурно-логическая схема

Таким образом эта система состоит из трех логических элементов.

Докажем, что уравнение (1) после минимизации будет иметь вид

(2)

То есть

 (3)

Если формулу (2) умножить на единицу, то она останется такой же

Если учесть, что (a+b)=1, то

 (4)

Или, применив к формуле (7) распределительный закон, имеем

Таким образом уравнение (3) доказано, тогда структурно-логическая формула(3) при реализации на логических элементах примет вид (рисунок 2).

Рисунок 2 – Структурно-логическая схема

Из рисунков 1 и 2 видно, что после минимизации вместо 3 логических элементов используется 1 логических элемент.

Аналогичным образом докажем, что проделав предыдущие операции имеем

 (5)

или

Таким образом уравнение (5) доказано.

Еще один пример такого вида:

То есть,

Обозначив (a+b) через x имеем:

На основании выше изложенного, можно сформулировать следующее правило:

Если имеем двучлен, состоящий из суммы, в которой 1 слагаемое является свободным членом, в действительном или инверсном виде, и один из элементов второго слагаемого в виде произведения является свободным членом, записанном в инверсном (действительном) виде, то после минимизации имеется сумма двух членов, состоящая из первого слагаемого (свободного) члена и второго слагаемого без свободного члена [2].

Тогда в соответствии с приведенным правилом имеем следующие равносильности:

Таким образом современный этап математической логики позволяет значительно упростить логические функции, описывающие функционирования схем, тем самым уменьшить число элементарных логических элементов, а также уменьшить стоимость и увеличить надежность.

Список использованных источников:

1. Шенфилд Дж. Математическая логика [Текст]: рук. разработчика: [пер. с англ.] / И. А. Лаврова и И. А. Мальцева под ред. Ю. Л. Ершова.: Наука, 1975 – 527 с.

2. Колмогоров А. Н. Введение В Математическую Логику [Текст]: Учеб. пособие для вузов / Колмогоров А. Н. Драгалин А. Г. М.: УРСС, 2013. -240 с. – ISBN 978-5354-01447-7

3. Никольская И. Л. Математическая логика [Текст]: учебник / И. Л. Никольская. – М.: Высш. школа, 1981. – С. 30.

Минимизация алгебро-логических формул, состоящих из произведения скобок с логическими суммами

Рыбалкина Т. И., Рязанова Е. Д. – студенты группы Э-64, Дедяев К. Е.– ассистент, Стальная М. И. – к.т.н. профессор РФ, Алтайский край, г. Барнаул ФГБОУ ВО «Алтайский государственный технических университет им. И. И. Ползунова»

Проблема большинства уравнений, составленных на основе алгебро-логических выражений и описывающих полупроводниковые приборы, неотъемлемой частью которых являются логические элементы, состоит в том, что они получаются сложными, поэтому такие уравнения нуждаются в минимизации. В следствии преобразования (минимизации) система автоматического управления получается более компактной, её стоимость уменьшается, а надёжность увеличивается. Исходя из выше сказанного, рассмотрим один из примеров минимизации [1].

Пусть имеется САУ, описываемая алгебро-логическим уравнением вида

Структурно-логическая схема на ЛЭ имеет вид, показанный на рисунке 1.

Рисунок 1 – Структурно логическая схема

В соответствии с распределительным законом получаем уравнение (2),

учитывая, что a*a=a получаем уравнение (3),

Выносим одинаковый множитель “а” за скобки

После минимизации получаем логическую схему (рисунок 2), имеющую три логических элемента вместо четырех.

Рисунок 2 – Минимизированное логическое уравнение

Если имеется алгебро-логическое уравнение, состоящее из трех скобок, например, уравнение (5),

Которое имеет структурно логическую схему, показанную на рисунке 3.

Рисунок 3 – Структурно логическая схема уравнения 5

В каждой скобке уравнения (5) есть повторяющийся член (в данном случае “а”), то, проделав аналогичные операции с использованием законов распределения и склеивания получаем уравнение (6)

Структурно-логическая схема уравнения приобретает вид, которой показан на рисунке 4, он состоит из двух логических элементов.

Рисунок 4 – Структурно-логическая схема уравнения 6 после минимизации

Отсюда получаем правило.

Если дано произведение нескольких скобок, в каждой из которых имеется сумма слагаемых, одно из которых повторяется в каждой скобке, то после минимизации получается выражение, состоящее из суммы повторяющегося слагаемого и произведения всех остальных слагаемых.

Проведем алгебраические операции над уравнением, состоящим из трех скобок, в одной из которых находится сумма трех элементов

B данном уравнении в исходном виде было использовано 5 ЛЭ (рисунок 5), а после преобразований 3 ЛЭ (рисунок 6).

Рисунок 5 – Структурно-логическая схема уравнения 7 до минимизации

Рисунок 6 – Структурно– логическая схема уравнения 7 после минимизации

Рассмотрим следующую цепочку преобразований:

После проведения операций над уравнением его логическая схема, состоящая из 7 ЛЭ (рисунок 7), уменьшила свой размер до 3 ЛЭ (рисунок 8).

Рисунок 7 – Структурная схема состоящие из 7 ЛЭ

Рисунок 8 – Минимизация логической схемы

Подводя итог всему вышесказанному, нужно заметить, что в процессе минимизации алгебро-логические уравнения, действительно, становятся менее сложными, что отражается на реализации в виде логической схемы. В свою очередь, это приводит к тому, что САУ становится более компактной, её надежность увеличивается, а стоимость становится на порядок меньше.

Список использованных источников:

1. Шенфилд Дж. Математическая логика [Текст]: рук. разработчика: [пер. с англ.] / И.А. Лаврова и И.А. Мальцева под ред. Ю.Л. Ершова.: Наука, 1975 – 527 с.

2. Колмогоров А. Н. Введение В Математическую Логику [Текст]: Учеб. пособие для вузов / Колмогоров А. Н. Драгалин А. Г. М.: УРСС, 2013. – 240 с. – ISBN 978-5354-01447-7

3. Никольская И. Л. Математическая логика [Текст]: учебник / И. Л. Никольская.-М.: Высш. школа, 1981. – С. 30.

Разработка комплексной системы охранной сигнализации как элемент «умных сетей»

Самсонова Н. Ю. – студент группы Э-31, Попов А. Н. – к.т.н., доцент РФ, Алтайский край, г. Барнаул, ФГБОУ ВО «Алтайский государственный технический университет им. И. И. Ползунова»

Сегодня в мире повсеместно увеличивается потребление электроэнергии, в связи, с чем воздвигаются и вводятся в эксплуатацию новые электрические станции и подстанции, так же линии электропередачи: воздушные и кабельные. В результате, энергетическая система становятся все более и более сложной, возрастает трудность управления, а, следовательно, растут и требования к управлению и автоматике.

В таком случае, невозможно переоценить роли человека в электроэнергетике и роль электроэнергии в жизни человека, нужно понимать, что надёжность в системе электроснабжения должна быть очень и очень высока. От надежности оборудования и его охраняемости, а также охраняемости любого имущества объектов электроэнергетики зависит качество и надежность услуг, предоставляемых электроэнергетиками. Автономные подстанции городов (в том числе КТП) на данный момент не оборудованы сигнализацией или средствами оповещения и представляют собой легкодоступную цель для воровства и вандализма. Разработка и создание устройства оповещения сигнализации о фактах технологических нарушений позволит избежать порчи и потери электрооборудования подстанций при проникновениях сторонних лиц, а также увеличит надежность электрической системы городов и самой энергосистемы страны.

Статистика говорит о том, что около 50 % случаев краж и воровства случается на ВЛЭП. Что не является удивительным, так как ВЛЭП расположены вдали от городов населённых пунктов, проводниковый материал здесь является легкодоступной добычей.

Так же, около 35 % краж происходит в отношении оборудования в таких метах, как комплектные трансформаторные подстанции (КТП) и распределительные пункты (РП). Данный вид электроустановок является легкой добычей для правонарушителей, вследствие своей независимой работы.

Возьмем во внимание что, именно оборудование КТП, наиболее часто страдает от воровства, вандализма, а также любопытства. От проникновения на территорию КТП и РП защищает лишь «амбарный замок» и стальная дверь, которые не на долго задержат целенаправленного вора.

Обеспечение сохранности оборудования, а также оперативное и надёжное оповещение о несанкционированном проникновении, позволят большое количество технических средств и методов. Наиболее эффективным методом на сегодняшний день является комплексная охранная сигнализация, основным элементом которой служит приёмно-контрольный прибор (ППК) [1].

Рисунок 1 – Распределение технологических нарушений электросетевого комплекса

В большинстве своем, приёмно-контрольные приборы (ППК) рассчитаны на общепромышленные объекты. Как правило, разработчики охранной системы представляют готовые решения для частных домов, торговых залов, складов и т. д.

Узкая спецификация электроэнергетики, требует комплексной доработки существующих систем сигнализации и оповещения. Реализация прибора приема и контроля было возможна на основе микроконтроллера, что позволит программировать его в зависимости от условий и назначения прибора.

Самым рациональным способом с экономической точки зрения и с точки зрения удобства использования решена реализация передачи данных по средствам GSM модуля (SIM800).

Данный способ передачи информации по средствам GSM связи удобен из-за двухсторонней передачи сигнала. Следствием является дистанционная постановка и снятие с охраны, что требует только человеческих ресурсов либо устройств автоматики. Таким образом здесь нет необходимости в транспортировке персонала до места, где расположено оборудование, что позволит убрать часть статьи расходов предприятия[2].

Связь GSM достаточно устойчива и имеет устойчивые каналы, не смотря на загруженность сотовой связью или радиосвязью, особенно в больших городах. Следовательно, возможности перегрузки «эфира» исключаются. Применение связи GSM позволит своевременно узнавать о проникновении нарушителей на охраняемые объекты. К тому же, данный модуль позволить расширить возможности охранной системы, определяя такие технологические нарушения, как:

– пожар либо возгорание электрооборудования;

– битье стекла.

Оперативный персонал может определить дистанционно ряд технологических нарушений, кроме описанных выше. Дистанционно могут быть обнаружены такие такие виды технических нарушений, как перегрев, поломка, пожар, выход из строя электроники.

Возможны следующие виды датчиков, включающиеся в охранную систему:

– шлейф;

– датчики инфракрасные;

– датчики микроволновые;

– датчики ультразвуковые

– датчики магнитные;

– вибродатчики;

– датчики фотоэлектрические;

– датчики разбития стекла.

При разработке устройства наиболее правильным решением было применить магнитные и инфракрасные датчики. Они в шаговой доступности для любого потребителя и широко распространены. Так же их преимуществом является возможность использование на открытых пространствах, что не ухудшает работу датчиков.

При проектировании устройства разработаны структурная схема и принципиальная схема, которая показана ниже.

Рисунок 2 – Принципиальная схема устройства

Разработанная принципиальная схема позволяет автоматически отвечать за безопасность объектов энергетики, обеспечить надежность работы устройства, иметь своевременные данные, а также информацию о ситуациях на объектах энергетики.

Рисунок 3 – Разработка трассировки платы в программной среде «Proteus»

Важность данной системы сможет показать себя незамедлительно после ее установки на электросетевых предприятиях города.

Следствием разработки системы оповещения является возможность увеличивать вероятность предотвращения событий таких, как вандализм на электрических подстанциях (или КТП), вред здоровью сотрудников организации или гибель от несчастного случая в ходе проникновения, возможность кражи и разбоев на энергообъекте под охраной.

Список использованных источников:

1. Дементьев, А. Н. Технические средства охраны [Текст] / А. Н. Дементьев, Г. В. Дементьева. – Томск: Томский государственный университет систем управления и радиоэлектроники (ТУСУР), 2012. – 119 с.

2. Синилов В. Г. Системы охранной, пожарной и охранно-пожарной сигнализации [Текст] / В. Г. Синилов. – Москва: ПрофОбрИздат, 2001. – 267 с

3. Ащеулов, И. А. Создание устройства проверки параметров низковольтных защитно-коммутационных аппаратов [Электронный ресурс] / Ащеулов, И. А., А. Н. Попов // Современные тенденции развития науки и производства. – Кемерово, 2016. – Режим доступа: http://elibrary.ru/item.asp?id=25532523

Прогнозирование технического состояния силовых трансформаторов

Свит С. Н. – студент группы 8Э-61, Грибанов А. А. – к.т.н., доцент РФ, Алтайский край, г. Барнаул, ФГБОУ ВО «Алтайский государственный технический университет им. И. И. Ползунова»

Одним из наиболее ответственных элементов энергосистемы является силовой трансформатор. Техническое состояние отдельных его узлов, отсутствие каких-либо дефектов, которые могли бы перетекать в повреждения, определяют надёжность электроснабжения в целом. Именно поэтому контроль состояния столь важного оборудования во время эксплуатации, а также при периодических испытаниях, обследованиях, входящих в перечень обязательных профилактических мероприятий, является основным путем для решения проблемы поддержания трансформаторов в работоспособном состоянии.

Положительными эффектами своевременного выявления дефектов, возникающих при работе оборудования, позволяющего избежать возникновения аварийной ситуации, а также принятие обоснованных решений по устранению обнаруженных дефектов позволяет обеспечить высокие значения коэффициента готовности, продление срока службы оборудования, снижение затрат на ремонты, сокращение времени простоя [1].

На основе перечня данных одной из крупных организаций был произведен анализ текущего состояния парка эксплуатируемых силовых трансформаторов в сетях 110 кВ, мощностью от 2 500 до 40 000 кВА. Общее число трансформаторов в выборке данных составило 340 шт.

На рисунке 1 представлена диаграмма распределения эксплуатируемых силовых трансформаторов по году выпуска.

Рисунок 1 – Распределение эксплуатируемых силовых трансформаторов по году выпуска

Данная диаграмма наглядно показывает, что срок службы около 75 % эксплуатируемых трансформаторов превысил 30 лет (это значение срока службы установлено нормами ГОСТ Р 52719-2007 «Трансформаторы силовые. Общие технические условия»), а, следовательно, ключевое значение приобретает оценка остаточного ресурса трансформаторов данной группы. Решение этой проблемы является срочным, неотложным делом, так как в России в ближайшие годы, как по техническим, так и по экономическим причинам не ожидается существенного обновления трансформаторов, отработавших указанный выше срок службы. Определенная задержка с оценкой может повлечь за собой ряд неблагоприятных последствий, привести к существенному снижению надёжности передачи электроэнергии, повысить риск аварий, а, следовательно, и затрат на ремонты.

В НИЦ «ЗТЗ-Сервис» проведены исследования 106 силовых трансформаторов со сроком службы более 20 лет, которые эксплуатируются предприятиями России и Украины. Они позволили выявить 633 дефекта [1], сведения о которых приведены в таблице 1.

Данные цифры в процентном отношении демонстрируют, что в наибольшем количестве случаев при эксплуатации проблемы возникали с системами охлаждения, высоковольтными вводами (около 40 % дефектов). Значительные доли (в районе 10 %) занимают распрессовка магнитопровода и обмоток, примерно по столько же – увлажнение твёрдой изоляции обмоток, а также её загрязнение; аналогично – старение и загрязнение масла.

Исследования показали, что только в 10 случаях из всей выборки трансформаторов надо было их заменять полностью или же можно было ограничиться заменой обмоток.

Таблица 1 – Доли распределения дефектов силовых трансформаторов

Опыт обследований показал, что более 70 % дефектов в настоящее время при использовании современных технологий могут быть выявлены без отключения трансформатора от сети [1].

Все дефекты по временным характеристикам развития можно разделить на:

– мгновенно развивающиеся дефекты (время их развития составляет от долей секунды до минут);

– быстро развивающиеся дефекты (время их развития составляет от часов до недель);

– медленно развивающиеся дефекты (время их развития составляет от месяцев до нескольких лет).

Высокая эффективность метода хроматографического анализа растворённых в масле газов (ХАРГ) обеспечивается при наличии медленно развивающихся дефектов. Также этот метод может использоваться для определения быстро развивающихся дефектов, но им нельзя определить мгновенно развивающиеся дефекты.

Основными газами, концентрации которых в масле определяют с помощью метода ХАРГ, являются: водород (H₂), метан (СН₄), ацетилен (C ₂ H ₂), этилен (C₂ H₄), этан (C₂ H₆), оксид углерода (СО), диоксид углерода (CO₂). Также он позволяет решить следующие задачи:

– выявление наиболее вероятных мест повреждения трансформатора на основе анализа дефектов, встречавшихся на трансформаторах аналогичного вида;

– оценка состояния твердой изоляции (увлажнение, загрязнение, деструкция);

– оценка состояния магнитной системы (прессовка, потери, изоляция элементов от бака и т. п.);

– оценка системы охлаждения, очистки и защиты масла;

– оценка состояния вводов;

– оценка состояния регуляторов напряжения и контактной системы.

Приведём пример: в трансформаторе ТМ – 6300/110/10 после срабатывания газовой защиты на отключение был проведён отбор пробы масла из бака трансформатора. В результате определены концентрации (в %об.) следующих растворённых в масле газов:

СО = 0,089636; СО₂ = 1,5451; СН₄ = 0,015642; С₂Н₄ = 0,00178; С₂Н₆ = 0,02221; С₂Н₂ = =0,0162; Н₂ = 0,0027712.

Результаты анализа показывают, что концентрация метана более чем в 1,5 раза, этана – в 4,5 раза, угарного газа – почти в 1,5 раза, а углекислого газа – почти в 2 раза превышают соответствующие граничные значения.

По полученным концентрациям газов путём попарного отношения определим характер развивающегося в трансформаторе дефекта:

Анализ полученных соотношений газов в масле позволил сделать вывод о наличии термического дефекта в диапазоне низких температур с повреждением твёрдой изоляции. Типичным примером такого дефекта является местный перегрев сердечника из-за концентрации потока, а также возрастание температуры «горячей точки» [2].

Используя статистические данные результатов ХАРГ для отдельных трансформаторов, возможно создать модель прогнозирования для оценки медленно развивающихся дефектов. Это позволит увидеть реальную перспективу использования конкретных трансформаторов в будущем и планировать различные мероприятия с целью предотвращения их внезапного выхода из строя.

Список использованных источников:

1. Алексеев, Б. А. Контроль состояния (диагностика) крупных силовых трансформаторов [Текст] / Б. А. Алексеев. – Москва: ЭНАС, 2002. – 216 с. – (Основное электрооборудование в энергосистемах. Обзор отечественного и зарубежного опыта).: ил. – ISBN 5-931961-65-8.

2. Методические указания по диагностике развивающихся дефектов трансформаторного оборудования по результатам хроматографического анализа газов, растворенных в масле. РД 153-34.0-46.302-00 – М., 2001. – 26 с.

Применение нейросетевой модели для оперативного прогнозирования потребления электроэнергии

Серебряков Н. А. – студент группы 8Э-51, Грибанов А. А. – к.т.н., доцент РФ, Алтайский край, г. Барнаул, ФГБОУ ВО «Алтайский государственный технический университет им. И. И. Ползунова»

Созданием математической модели, адекватно прогнозирующей электропотребление, занималось множество отечественных и зарубежных ученых с 1950-х годов. Проблема планирования потребления электроэнергии стала в разы актуальнее с реформированием электроэнергетики в нашей стране. В соответствии с постановлением правительства РФ от 27 декабря 2010 г. № 1172 «Об утверждении правил оптового рынка электрической энергии и мощности и о внесении изменений в некоторые акты правительства российской федерации по вопросам организации функционирования оптового рынка электрической энергии и мощности» в России начал функционировать оптовый рынок электроэнергии и мощности (ОРЭМ). Правила оптового рынка регламентируют механизм покупки электроэнергии на «рынке на сутки вперед» (РСВ). По этому механизму гарантирующий поставщик планирует свое потребление на сутки Х в сутки Х-1 и подает ценовую заявку. Указанные в данной ценовой заявке объемы электроэнергии покупаются по равновесной цене, сложившейся для каждого часа суток Х. Торговля отклонениями фактического потребления от планового происходит на балансирующем рынке (БР), по невыгодной цене. Правилами оптового рынка определено пятипроцентное отклонение фактического потребления от прогнозного, которое гарантирующий поставщик транслирует на своих потребителей. Если средний за месяц процент отклонения будет выше 5 %, то энергосбытовое предприятие будет нести убытки в чистом виде. Поэтому качество оперативного планирования напрямую влияет на доходы гарантирующего поставщика.

В настоящее время существует множество алгоритмов, программ и математических моделей, выполняющих функцию прогнозирования электропотребления. Все методы социально-экономического прогнозирования по общему принципу можно разделить на интуитивные и формализованные.

Интуитивные методы основаны на интуитивно-логическом мышлении человека. Данные методы используют в тех случаях, когда результат прогнозирования зависит от множества факторов, которые невозможно учесть. Также данные методы используются при очевидной простате объекта прогнозирования.

Наиболее известным методом интуитивного прогнозирования является метод экспертных оценок. Прогноз, в данном случае, является продуктом логического мышления эксперта, или группы экспертов, а также опыта работы с объектом прогнозирования. Метод экспертных оценок дает достаточно точные результаты прогнозирования, при высокой квалификации экспертов. Известны и другие методы интуитивного прогнозирования, такие как: метод исторических аналогий и метод прогнозирования по образцу. Стоить отметить, что специалисты, занимающиеся прогнозом потребления энергосбытового предприятия, повсеместно применяют все виды интуитивного прогнозирования. Достоинством методов интуитивного прогнозирования является простая программно-аппаратная реализация. К недостаткам стоит отнести: невысокую скорость составления прогноза, зависимость результата прогноза от субъективных факторов, таких как здоровье эксперта, невозможность автоматизации процесса прогноза.

Формализованные методы расчета, в свою очередь, делятся на статистические методы и методы искусственного интеллекта. Статистические методы прогнозирования дают однозначную математическую зависимость энергопотребления от влияющих факторов. Данные методы дают достаточно точный суточный график энергопотребления в обычные дни при неизменном характере метеорологических условий. При резком изменении погодных условий или в праздничный день статистическим методам не хватает гибкости структуры для выработки точного прогноза. Основные методы статистического прогнозирования это: множественная линейная и нелинейная регрессия, стохастические временные ряды, общее экспоненциальное сглаживание, методы пространства состояния.

Методы регрессии обычно используются для моделирования взаимосвязей электропотребления с другими факторами, такими как погодные факторы, тип дня и класс потребителей. Данные модели включают детерминированную информацию, такую как тип дня (рабочий день, праздничный день), а также стохастическую информацию, такую как погодные условия. Эти методы основаны на экспериментальных зависимостях нагрузки от влияющих факторов в прошлом. Ограничением применения регрессионных моделей является нелинейная зависимость энергопотребления от погодных факторов, при резком изменении последних. Методы временных рядов основаны на предположении, что данные имеют некоторую внутреннюю структуру, например, автокорреляции, тенденции или сезонные изменения.

Методы искусственного интеллекта позволяют прогнозной модели постоянно обучаться, с поступлением новой информации.

Нейронные сети, по существу это нелинейные функции, которые имеют способность выполнения аппроксимации нелинейных зависимостей. Выходы искусственной нейронной сети являются линейными или нелинейными математическими функциями ее входов. Преимуществом технологии нейронных сетей является интеллектуальная обработка, которая может имитировать работу человеческого мозга. Недостатком является то, что процесс обучения является относительно медленным, и это не гарантирует сходимости между фактическими и прогнозными данными.

Рассмотрим основные влияющие на электропотребление факторы. Первым фактором является тип дня. На рисунке 1 представлен суточный график потребления электрической энергии АО «Алтайкрайэнерго» в разные типы дней.

Проанализируем рисунок 1. Период 21.01.2016 – 24.01.2016 гг. отличается схожими метеорологическими условиями. Четверг 21.01.2016 г. имеет характерный для рабочего дня суточный график. Он отличается высоким потреблением электроэнергии, а также отсутствием «просадки» потребления в какие либо часы суток. Для пятницы 22.01.2016 г. характерно высокое потребление в первой половине дня и небольшая «просадка» во второй половине дня. Это объясняется тем, что пятница в большинстве компаний считается коротким днем (7-ми часовой рабочий день), а также отсутствует подготовка к следующему рабочему дню в вечерние часы. Суббота 23.01.2016 г. характеризуется «просадкой» в первой половине дня и сильной «просадкой» в вечерние и ночные часы суток. Воскресенье отличается значительной «просадкой» потребления электроэнергии в первой половине дня и незначительной просадкой во второй половине дня. Праздничный день 01.01.2016 характеризуется нетипичным суточным графиком. Прогнозирование потребления в праздничные дни характеризуется большими трудностями, так как появляется необходимость в применении нестандартных методов прогнозирования. Для прогнозирования электропотребления в праздничные дни хорошо подходит метод экспертных оценок в сочетании с методом исторических аналогий.

Рисунок 1 – Cуточный график потребления электрической энергии ОАО «Алтайкрайэнерго» в разные типы дней

Вторым фактором, влияющим на потребление электроэнергии, являются метеорологические условия. На рисунке 2 представлены суточные графики потребления электрической энергии ГТП «Южная» при различных погодных условиях.

Рисунок 2 – Суточные графики потребления электрической энергии ГТП «Южная» при различных погодных условиях

Дадим пояснения к графикам, представленным на рисунке 2. Среднесуточная температура в городе Рубцовске 05.10.2015 г. составляла 6 °C, при этом облачность составляла 100 % и наблюдался ливневый дождь. 07.10.2016 г. среднесуточная температура составляла 11 °C и была ясная погода. Среднесуточная температура 08.10.2015 г. составляла 18 °C и наблюдалась безоблачная погода. 15.10.2015 г. в городе Рубцовске наблюдалась переменная облачность, а также среднесуточная температура составляла 0 °C. Как мы видим из рисунка 2, температура наружного воздуха значительно влияет на потребление электроэнергии во все часы суток. Освещенность оказывает значительное влияние на электропотребление только в дневные часы суток.

Метод экспертных оценок хорошо зарекомендовал себя при прогнозировании во многих областях науки и техники. Данный метод широко используется для прогнозирования электрических нагрузок. Метод экспертных оценок предъявляет жесткие требования к квалификации эксперта-прогнозиста. Для получения точного прогноза эксперт должен:

– обладать достаточным опытом работы с объектом прогнозирования;

– понимать какие факторы влияют на прогноз, а также степень их влияния;

– знать о характерных особенностях поведения объекта прогнозирования при изменении влияющих факторов.

Результаты прогнозирования потребления электроэнергии АО «Алтайкрайэнерго» на РСВ методом экспертных оценок за февраль 2017 года представлены на рисунке 3.

Рисунок 3 – Результаты прогнозирования потребления электроэнергии на РСВ

При прогнозировании учитывались тип дня, температура наружного воздуха, освещенность, скорость ветра, ремонты на сетевом оборудовании. Как мы видим, метод экспертных оценок дает достаточно точные прогнозы. Ни в один день процент отклонения не превысил 5 %, регламентированных правилами ОРЭМ. К недостаткам метода можно отнести низкую скорость прогноза. Прогнозирование потребления в среднем занимает 4–5 часов в день, что составляет 70 % рабочего времени инженера.

Для автоматизации процесса прогнозирования была применена искусственная нейронная сеть, реализованная в среде программирования matlab. Обучение нейронной сети происходит по алгоритму обратного распространения ошибки (back propagation error). Структурная схема данной нейронной сети представлена на рисунке 4.

Рисунок 4 – Структурная схема нейронной сети

Данная нейронная сеть состоит из трех слоев: входного, скрытого и выходного. Данная архитектура наиболее распространена среди моделей прогнозирования электрической нагрузки. На вход сети подается 48 часовых значений потребления электроэнергии за предыдущие двое характерных суток. Выход нейронной сети содержит 24 нейрона, которые прогнозируют часовые значения на следующие сутки. Нейронная сеть оперирует значениями от нуля до единицы, поэтому перед началом обучения данные необходимо масштабировать. Также производится кластеризация исходных данных. В данном случае данные разделяются на 3 кластера: будние дни, суббота, воскресенье. Праздничные дни были удалены из выборки для уменьшения ошибки прогноза. Алгоритмом нейронной сети производится разделение выборки на обучающую и тестовую.