CC BY
69
УДК 004.021
Ю. В. Дубенко, Е. Е. Дышкант
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОПРЕДЕЛЕНИЯ И ПРОГНОЗИРОВАНИЯ ПОТЕРЬ ЭЛЕКТРОЭНЕРГИИ
Аннотация.
Актуальность и цели. Объектом исследования являются электрические сети энергосистемы РФ. Предметом исследования является автоматизация процесса определения, прогнозирования и контроля потерь электроэнергии. Цель -разработка структурной схемы автоматизированной системы определения и прогнозирования потерь электроэнергии.
Материалы и методы. Важнейшим элементом автоматизированной системы является блок управления, выполненный в виде микроконтроллера, в функции которого входит анализ текущих показателей работы электросети, прогнозирование на их основе значений потерь электроэнергии на заданный период, выработка управляющих воздействий для электросетевого оборудования с целью корректировки показателей их работы, т.е. используется принцип «обратной связи». В качестве элементов системы предлагается использовать новейшие цифровые датчики и интеллектуальные электросетевые устройства, связанные с блоком управления беспроводной сетью посредством GSM-модемов.
Результаты. Разработана структурная схема автоматизированной системы определения и прогнозирования потерь электроэнергии, а также входящего в ее состав блока прогнозирования.
Выводы. Реализация и практическое применение предложенной автоматизированной системы определения и прогнозирования потерь электроэнергии будет способствовать снижению и стабилизации объема потерь электроэнергии, минимизации финансовых издержек электросетевых компаний.
Ключевые слова: потери электроэнергии, автоматизированная система, определение, прогнозирование, электросетевое устройство, датчик.
Yu. V. Dubenko, E. E. Dyshkant
AN AUTOMATED SYSTEM OF DETERMINATION AND PREDICTION OF ELECTRICITY LOSSES
Abstract.
Background. The object of the study is the electric power system network of the Russian Federation. The subject of the study is automation of determination, prediction and control of electricity losses. The goal of the research is to develop a block diagram of the automated system of determination and prediction of electricity losses.
Materials and methods. The most important element of the automated system is the control unit in the form of a microcontroller, the function of which is to analyze the power network current performance, to forecast electricity losses for a specified period on the basis of the performance values, to develop control actions for power grid equipment in order to adjust their performance. The authors suggest to use the latest digital sensors and intelligent power grid devices, connected to the wireless network control unit through the GSM-modem, as elements of the system.
Results. The researchers have developed a block diagram of the automated system of determination and prediction of electricity losses, as well as a block diagram of its constitutent prediction block.
Conclusions. Implementation and practical application of the proposed automated system of determination and prediction of electricity losses will help reduce and stabilize the volume of electricity losses, minimize the financial costs of power supply companies.
Key words: power losses, automated system, definition, forecasting, power line device, sensor.
Введение
Наличие потерь электроэнергии - это явление, обусловленное физическими процессами, происходящими при передаче электроэнергии по линиям электропередачи, поэтому для электроэнергетики абсолютно обыденное. Но величина потерь электроэнергии не является постоянной и зависит от большого количества факторов, воздействуя на которые, можно способствовать ее снижению, так как уменьшение объема потерь электроэнергии будет способствовать снижению финансовых убытков электроэнергетической компании.
Как указывается в [1], значение объема потерь электроэнергии ПАО «Россети» колеблется вблизи отметки в 10 %. Это ниже, чем в 1990-е гг., но при этом выше, чем в 1980-е гг., когда объем потерь в сетях Министерства энергетики СССР достигал 9 % [1]. Цифра в 10 % является максимальной с точки зрения физики, нормальным считается уровень в 4-5 % [2]. При этом 10 % - это лишь средний объем потерь электроэнергии по стране, но при этом в отдельных дочерних и зависимых обществах в 2013 г. уровень потерь достигал 13-14 % («Кубаньэнерго» и «МРСК Северного Кавказа»), а то и 19 % («Янтарьэнерго»). Очевидно, что без перехода с экстенсивного пути развития на путь качественного совершенствования электроэнергетического комплекса дальнейшего прогресса в снижении потерь электроэнергии достичь не удастся.
Для решения проблемы потерь электроэнергии может быть полезна автоматизированная система определения и прогнозирования потерь электроэнергии.
1. Структура автоматизированной системы определения и прогнозирования потерь электроэнергии
Структура автоматизированной системы определения и прогнозирования потерь электроэнергии представлена на рис. 1, где приняты следующие условные обозначения:
1 - блок управления, представляющий микроконтроллер, включающий блок прогнозирования 2, постоянное запоминающее устройство 3, интеллектуальный блок принятия решений 5, блок анализа текущих показателей 6, SCADA-систему 7;
4 - автоматизированное рабочее место (АРМ) оператора, представляющее персональный компьютер с монитором;
8 - приемопередающее устройство;
9 - беспроводная сеть;
10 - электрическая сеть;
11, 13,19 - передающие устройства;
12, 14 - 1-й и n-й датчики, счетчики и измерительные устройства, в качестве которых должны выступать цифровые датчики тока, напряжения, тем-
пературы проводников, измерительные устройства реактивном мощности, счетчики электроэнергии, отпущенной с подстанций, счетчики электроэнергии, расположенные у потребителей, дополнительно обладающие функциями измерения напряжения и реактивной мощности;
15,17 - приемные устройства;
16, 18 - интеллектуальные электросетевые устройства, обладающие функцией дистанционного управления путем обработки поступивших на них управляющих воздействий, в качестве которых могут выступать регуляторы напряжения, компенсаторы реактивной мощности, различные коммутационные аппараты, трансформаторы;
20 - датчик температуры окружающей среды;
21 - автоматизированная система управления (АСУ) электростанции.
Рис. 1. Схема автоматизированной системы определения и прогнозирования потерь электроэнергии
Приемные, передающие, а также приемопередающие устройства представляют GSM-модемы.
Блок принятия решений, входящий в состав блока управления, обладает адаптивной функцией самообучения. При его проектировании использовались следующие технологии искусственного интеллекта: экспертные системы, нейронные сети, нечеткая логика и генетические алгоритмы.
Рассмотрим подробнее принцип функционирования разрабатываемой системы. Показатели датчиков, счетчиков и измерительных устройств 12, 14, располагающихся в электрической сети 10, датчика температуры 20 посредством передающих устройств через беспроводную сеть передаются на приемопередающее устройство 8 блока управления 1, с которого поступают на блок 7, представляющий SCADA-систему. С блока 7 данные записываются в постоянное запоминающее устройство 3, отправляются на АРМ оператора 4 и на блок анализа текущих показателей 6. Блок 6 в случае обнаружения отклонения показателей от определенных эталонных значений посылает соот-
ветствующий сигнал на блок принятия решений 5. Блок прогнозирования 2 запрашивает у постоянного запоминающего устройства 3 хранящиеся там показатели работы электрической сети, а также значения температуры окружающей среды, на основании которых производит прогнозирование потерь электроэнергии на заданный период времени для сети в целом и для каждого ее участка в отдельности. В случае если спрогнозированный результат превзошел заданное пороговое значение, с блока прогнозирования 2 подается сигнал на блок принятия решений 5. В блоке принятия решений на основании информации, поступившей с блоков 2 и 6, производится выработка управляющих воздействий для электросетевых устройств. Далее управляющие воздействия через приемопередающее устройство 8 отправляются на приемные устройства 15, 17, подключенные к интеллектуальным электросетевым устройствам 16, 18. В случае если принято решение о переводе неиспользуемых генераторов электростанций в режим синхронного компенсатора [3], соответствующая директива отправляется АСУ электростанции. Информация о сгенерированных управляющих воздействиях также с блока принятия решений 5 поступает на АРМ оператора 4.
Основным требованием к алгоритму прогнозирования, используемым в соответствующем блоке (рис. 1), является высокая точность результата, достичь которой можно путем применения наиболее эффективных алгоритмов прогнозирования (данный вопрос подробно рассмотрен в [2]), возможно, и нескольких одновременно. Одним из вариантов решения данной проблемы может являться применение модели многофакторного прогнозирования нечетких временных рядов потерь электроэнергии, описанной в [4].
2. Структура блока прогнозирования
Рассмотрим данную модель прогнозирования более подробно. Общая структура модели многофакторного прогнозирования нечетких временных рядов потерь электроэнергии приведена на рис. 2.
Рис. 2. Общая структура модели многофакторного прогнозирования нечетких временных рядов потерь электроэнергии
На рис. 2 приняты следующие условные обозначения: 22 - блок анализа факторов, где производится отбор вторичных факторов, от которых первичный фактор - потери электроэнергии - имеет стохастическую зависимость по величине коэффициента корреляции с первичным фактором. Количество вторичных факторов неограниченно, но для удобства на рис. 2 приводится два, один из которых после прохождения блока анализа факторов отсеивается. В качестве вторичного фактора может выступать вели-
чина отпуска электроэнергии в сеть, температура окружающей среды и т.д. Подробно величины, оказывающие влияние на величину потерь электроэнергии, рассмотрены в [2].
23 - блок разложения временных рядов первичного и вторичных факторов на трендовые и сезонные составляющие;
24 - блок прогнозирования приведенной к нечеткому виду трендовой составляющей первичного фактора на основе временного ряда самого первичного фактора временных рядов вторичных факторов;
25 - блок прогнозирования приведенной к нечеткому виду сезонной составляющей первичного фактора на основе временного ряда самого первичного фактора и временных рядов вторичных факторов;
26 - блок определения конечного результата в действительном виде. Структура блока прогнозирования приведенной к нечеткому виду
трендовой составляющей первичного фактора на основе временного ряда самого первичного фактора временных рядов вторичных факторов (блок 24 на рис. 2) приводится на рис. 3.
Рис. 3. Структура блока прогнозирования приведенной к нечеткому виду трендовой составляющей первичного фактора на основе временного ряда самого первичного фактора временных рядов вторичных факторов
На рис. 3 приняты следующие условные обозначения:
27 - блок вычисления приращений для каждого (/ +1)-го элемента временных рядов, где 1 = 1,2,...,N; N- количество элементов временного ряда;
28 - блок определения на временном ряду приращений трендовой составляющей универсального множества (для первичного и вторичного факторов по отдельности) вида
иМтренд = [е1тт - ^ е1тах + ^2 Ъ (1)
где е/тщ и е/тах - минимальный и максимальный элементы временного ряда приращений трендовой составляющей; dl и d2 - неотрицательные целые числа;
29 - блок разбиения универсума ЦМтренд на п интервалов
иттренд1, иттренд2, •••, иттрендп ;
30 - блок частотной оптимизации границ интервалов [5] мттренд1, иттренд2,..., иттрендп универсальных множеств ЦМтрендПФ и ЦМтрендВФ1 ;
31 - блок перевода в нечеткий вид элементов временного ряда приращений трендовой составляющей первичного фактора и формирования нечетких отношений по формулам:
1 0,5 0 0 ... ЛрендД--+-+-+ ••• +-; (2)
иттренд1 иттренд2 иттренд3 иттрендп
г 0,5 1 0,5 0 ...
^тренд,2--+-+-+ ••• +-; (3)
иттренд1 иттренд2 иттренд3 иттрендп
_ 0 0,5 1 0,5 ^трендМ-1 --+ ••• +-+-+-; (4)
иттренд1 иттренди-2 иттренди-1 иттренди
= 0 0 0,5 1 ^трендМ--+ ••• +-+-+-, (5)
иттренд1 иттренди -2 иттренди-1 иттренди
^трендПФ,;'(t) ^ ^трендПФ, j(t + 1) , (6)
где ^трендПФ i (t) - элемент временного ряда приращений трендовой составляющей первичного фактора под номером t; ^ГрендПФ j(t +1) - элемент временного ряда приращений трендовой составляющей первичного фактора под номером t +1; i и j - номера интервалов универсального множества
иМтрендПФ, к которым отнесены данные элементы;
32 - блок перевода в нечеткий вид элементов временного ряда приращений трендовой составляющей вторичного фактора и формирования нечетких отношений по формулам (2)-(5) и следующей:
^трендВФ1,г'(t) ^ ^трендПФ, j (t + 1) , (7)
где ^трендВФ1 i (t) - элемент временного ряда приращений трендовой составляющей вторичного фактора под номером t; ^ГрендПФ j (t +1) - элемент временного ряда приращений трендовой составляющей первичного фактора под номером t + 1; i и j - номера интервалов универсальных множеств
иМтрендПФ, UMтрендВФ!, к которым отнесены данные элементы;
33 - блок получения результатов прогнозирования приращений трендо-вой составляющей первичного фактора на основе анализа временного ряда первичного фактора и результатов прогнозирования приращений трендовой составляющей первичного фактора на основе анализа временного ряда вторичного фактора. Результат определяется как совокупность нечетких мно-
жеств, расположенных в правой части нечетких отношений, соответствующих элементу временного ряда под номером t (последний элемент временного ряда).
Структура блока 25 (см. рис. 2) примерно соответствует структуре, приводимой на рис. 3, за исключением блока 27, а также с оптимизацией границ интервалов разбиения универсальных множеств с помощью алгоритмов GA (genetic algorithms), ACO (ant colony optimization), PSO (particle swarm optimization) (блок 30) [4].
На рис. 4 приводится структура блока определения конечного результата в действительном виде (блок 26, см. рис. 2).
N
34 ? > 35 ■4 36 ? 37
✓ ?
\/_
Рис. 4. Структура блока определения конечного результата в действительном виде
На рис. 4 приняты следующие условные обозначения:
34 - блок сбора данных, на который поступают множество вариантов результата прогнозирования приращения трендовой составляющей первичного фактора (на рис. 4 для удобства приведены два варианта), а также множество вариантов результата прогнозирования сезонной составляющей первичного фактора (приведены также два варианта);
35 - блок оценки элементов множеств;
36 - формирование новых множеств с учетом оценок их элементов (кластеризация);
37 - блок оптимизации значений функции принадлежности кластеров;
38 - блок оценки кластеров, в котором определяются кластеры приращения трендовой, а также сезонной составляющей первичного фактора с максимальной оценкой;
39 - блок получения конечного результата прогнозирования.
Заключение
Основными преимуществами предложенной автоматизированной системы определения и прогнозирования потерь электроэнергии являются:
- полная автоматизация процесса ее функционирования, оператор лишь выполняет надзорную функцию;
- использование новейших цифровых датчиков, счетчиков и измерительных устройств;
- наличие функции прогнозирования, позволяющей заблаговременно принять меры по недопущению достижения спрогнозированных значений потерь электроэнергии;
- наличие обратной связи между электрической сетью и системой: устройство не только получает показания датчиков, счетчиков и измерительных устройств, но также формирует и отправляет управляющие воздействия для электросетевых устройств;
- использование у потребителей счетчиков с передающими устройствами позволит минимизировать издержки, которые несет компания при потерях электроэнергии;
- возможность реализации системы как в масштабах города, так и отдельно взятого предприятия.
Реализация и практическое применение автоматизированной системы определения и прогнозирования потерь электроэнергии будет способствовать снижению и стабилизации объема потерь электроэнергии, минимизации финансовых издержек электросетевых компаний.
Список литературы
1. Дубенко, Ю. В. Анализ текущего состояния электроэнергетического комплекса в РФ / Ю. В. Дубенко, Е. Е. Дышкант, А. С. Ручкин // Научные труды КубГТУ. -2015. - № 6, июнь. - URL: http://ntk.kubstu.ru/file/466 (дата обращения: 12.10.2015).
2. Дубенко, Ю. В. Прогнозирование потерь электроэнергии в энергосистеме России / Ю. В. Дубенко, О. А. Сумская, Е. Е. Дышкант, А. С. Ручкин // Научные труды КубГАУ. - 2015. - № 05 (109). - URL: http://ej.kubagro.ru/2015/05/pdf/64.pdf (дата обращения: 15.10.2015).
3. Железко, Ю. С. Потери электроэнергии. Реактивная мощность. Качество электроэнергии: Руководство для практических расчетов / Ю. С. Железко. - М. : Энас, 2009. - 456 с.
4. Дубенко, Ю. В. Модель многофакторного прогнозирования нечетких временных рядов потерь электроэнергии / Ю. В. Дубенко, Е. Е. Дышкант, А. С. Ручкин // Научные труды КубГАУ. - 2015. - № 06 (110). - URL: http://ej.kubagro.ru/2015/ 06/pdf/06.pdf (дата обращения: 15.10.2015).
5. Chen, S. M. A New Method to Forecast Enrollments Using Fuzzy Time Series /
5. M. Chen, C. C. Hsu // International Journal of Applied Science and Engineering. -2004. - Vol. 2, № 3. - С. 234-244.
References
1. Dubenko Yu. V., Dyshkant E. E., Ruchkin A. S. Nauchnye trudy KubGTU [Proceedings of KubSTU]. 2015, no. 6, june. Available at: http://ntk.kubstu.ru/file/466 (accessed October 12, 2015).
2. Dubenko Yu. V., Sumskaya O. A., Dyshkant E. E., Ruchkin A. S. Nauchnye trudy KubGAU [Proceedings of KubSTU]. 2015, no. 05 (109). Available at: http://ej.kubagro.ru/2015/05/pdf/64.pdf (accessed October 15, 2015).
3. Zhelezko Yu. S. Poteri elektroenergii. Reaktivnaya moshchnost'. Kachestvo elektroen-ergii: Rukovodstvo dlya prakticheskikh raschetov [Electric power losses. Reactive power. Electric power quality: guide for practical calculations]. Moscow: Enas, 2009, 456 p.
4. Dubenko Yu. V., Dyshkant E. E., Ruchkin A. S. Nauchnye trudy KubGAU [Proceedings of KubSTU]. 2015, no. 06 (110). Available at: http://ej.kubagro.ru/2015/06/pdf/
06.pdf (accessed October 15, 2015).
5. Chen S. M., Hsu C. C. International Journal of Applied Science and Engineering. 2004, vol. 2, no. 3, pp. 234-244.
Дубенко Юрий Владимирович
кандидат технических наук, доцент, кафедра внутризаводского электрооборудования и автоматики, Армавирский механико-технологический институт (филиал) Кубанского государственного технологического университета (Россия, г. Армавир, ул. Кирова, 127)
E-mail: [email protected]
Дышкант Евгений Евгеньевич аспирант, Армавирский механико-технологический институт (филиал) Кубанского государственного технологического университета (Россия, г. Армавир, ул. Кирова, 127)
E-mail: [email protected]
Dubenko Yuriy Vladimirovich
Candidate of engineering sciences, associate professor, sub-department of in-plant electrical equipment and automatic devices, Armavir Mechanical and Technological Institute (branch) of Kuban State Technological University (127 Kirova street, Armavir, Russia)
DyshkantEvgeniy Evgen'evich Postgraduate student, Armavir Mechanical and Technological Institute (branch) of Kuban State Technological University (127 Kirova street, Armavir, Russia)
УДК 004.021 Дубенко, Ю. В.
Автоматизированная система определения и прогнозирования потерь электроэнергии / Ю. В Дубенко, Е. Е. Дышкант // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2015. -№ 4 (36). - С. 37-45.
