CC BY
23
УДК 004.89:620.92
ИНТЕЛЛЕКТУАЛЬНОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОЭНЕРГИИ, ВЫРАБАТЫВАЕМОЙ ФОТОЭЛЕКТРИЧЕСКОЙ СИСТЕМОЙ
Энгель Екатерина Александровна,
кандидат технических наук, доцент кафедры
Энгель Никита Евгеньевич,
магистрант
Хакасский государственный университет им. Н. Ф. Катанова (г. Абакан)
В статье описывается эффективный способ решения задачи почасового прогноза вырабатываемой фотоэлектрической системой электроэнергии на сутки вперед средствами программного обеспечения «Интеллектуальное прогнозирование мощности фотоэлектрической системы» на основе архива данных. Расчёт экономической эффективности инвестиционного проекта при внедрении программного обеспечения«Интеллектуальное прогнозирование мощности фотоэлектрической системы» выявил, что его срок окупаемости составит менее трех лет - это доказывает экономическую эффективность предлагаемого инвестиционного проекта.
Ключевые слова: нейронные сети, интеллектуальные системы, алгоритмы прогнозирования, программа для ЭВМ.
INTELLIGENT FORECASTING OF THE ELECTRIC POWER GENERATED BY
THE PHOTOVOLTAIC SYSTEM
Engel Ekaterina Alexandrovna,
candidate of Technical Sciences, Associate Professor of the named Department
Engel Nikita Evgenyevich,
student
Katanov Khakass State University (Abakan)
The article describes an effective way to solve the problem of hourly forecasting of the generated electricity of a photovoltaic system for the day ahead by means of the software "Intelligent forecasting of the power of a photovoltaic system" based on the data archive. The calculation of the economic efficiency of the investment project during the implementation of the software "Intelligent forecasting of the power of the photovoltaic system" revealed that its payback period will be less than three years - this proves the economic efficiency of the proposed investment project.
Key words: neural networks, intelligent systems, prediction algorithms, computer program.
В соответствии с «Энергетической стратегией РФ на период до 2035 года» приоритетом государственной энергетической политики является создание интеллектуальных энергетических систем, включая фотоэлектрические системы [1]. ^ижение выбросов парниковых газов, улучшение экологической обстановки Сибири и Российской Федерации с целью декарбонизации экономики актуализирует переход на экологически чистые фотоэлектрические системы и их развитие, в том числе в рамках настоящего научного исследования
[1-6]. Солнечная электростанция (СЭ) как участник оптового рынка электроэнергии и мощности вынуждена решать задачу почасового прогноза электроэнергии, вырабатываемой СЭ на сутки вперед.
В настоящем исследовании задача почасового прогноза электроэнергии, вырабатываемой СЭ на сутки вперед, решается средствами программного обеспечения (ПО) «Интеллектуальное прогнозирование мощности фотоэлектрической системы» на основе трёхлетнего архива данных SCADA СЭ и прогноза погоды, включающих значе-
ния электроэнергии, вырабатываемой СЭ, и облачность (%), атмосферное давление, скорость и направление ветра, температуру воздуха соответственно [7].
Прогнозирование электроэнергии, вырабатываемой СЭ, средствами ПО «Интеллектуальное прогнозирование мощности фотоэлектрической системы»
Главная форма (рис. 1) пользовательского интерфейса программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» обеспечивает автоматическое обновление интеллектуальной модели почасового прогноза вырабатываемой СЭ электроэнергии [7-9].
С целью решения задачи почасового прогноза вырабатываемой СЭ электроэнергии на сутки вперед настроенная на основе трёхлетнего (2017-2019 гг.) архива данных SCADA СЭ и прогноза погоды интеллектуальная модель почасового прогноза вырабатываемой электроэнергии СЭна основе модифицированной нечеткой нейросети была загружена как файл обновления в формате 1x1 в программу для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы».
Рисунок 2 отражает форму пользовательского интерфейса программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы», обеспечивающую построение макета «Рынок сутки вперед» - почасового прогноза вырабатываемой СЭ электроэнергии.
Результаты почасового прогноза вырабатываемой СЭ электроэнергии на сутки вперед средствами ПО «Интеллектуальное прогнозирование мощности фотоэлектрической системы» на данных с 01.01.2020 по 31.01.2020 для солнечной электростанции выявили, что средняя суммарная абсолютная ошибка прогноза выработки солнечной
электростанции уменьшилась в три раза по сравнению со средней суммарной абсолютной ошибкой макетов рынка на сутки вперед (РСВ) выработки солнечной электростанции. Таким образом, внедрение программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» сократит суммы штрафов по макетам РСВ в среднем в три раза.
Расчёт экономической эффективности инвестиционного проекта при внедрении программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы»
При внедрении программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» на СЭ мощностью 5,25 МВт ее срок окупаемости составит менее трех лет, что доказывает экономическую эффективность инвестиционного проекта. Таблица отражает динамику денежных потоков при внедрении программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы». Экономический эффект от внедрения для солнечных электростанций обеспечивает снижение суммы штрафов для участников рынка на сутки вперед при формировании почасового макета выработки электроэнергии.
Рисунок 3 наглядно иллюстрирует экономическую эффективность инвестиционного проекта.
Таким образом, в ходе проведенного научного исследования апробировано, верифицировано и экономически обосновано внедрение разработанного программного обеспечения «Интеллектуальное прогнозирование мощности фотоэлектрической системы». В данной статье решена актуальная народно-хозяйственная задача почасового прогноза выработки электроэнергии СЭ на
сутки вперед в условиях неопределённостей различного рода, природно-климатических особенностей регионов путем загрузки интеллектуальной модели почасового прогноза вырабатываемой электроэнергии СЭ на основе модифицированной нечеткой нейросети как файла обновления. Результаты почасового прогноза вырабатываемой СЭ электроэнергии на сутки вперед средствами ПО «Интеллектуальное прогнозирование мощности фотоэлектрической системы» выявили, что средняя суммарная абсолютная ошибка прогноза выработки СЭ уменьшилась в три раза по сравнению со средней суммарной абсолютной ошибкой
макетов РСВ выработки солнечной электростанции. Таким образом, внедрение программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» сократит суммы штрафов по макетам РСВ в среднем в три раза. Расчёт экономической эффективности инвестиционного проекта при внедрении программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» выявил, что ее срок окупаемости составит менее трех лет - это доказывает экономическую эффективность предлагаемого инвестиционного проекта.
Рис. 1. Главная форма пользовательского интерфейса программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы»
Рис. 2. Форма пользовательского интерфейса программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы»
Расчёт экономической эффективности инвестиционного проекта при внедрении программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» на солнечной электростанции мощностью 5,25 МВт
Ставка дисконтирования: 6,5% Ключевая ставка Банка России
Денежные потоки год реализации проекта
1-й год 2-й год 3-й год 4-й год 5-й год Всего
Выгоды и поступления 112 320 260 118 258 000 254 000 255 962 1 140 400
- поступление от дополнитель-
ных продаж э/э на рынке на сутки вперед, 112 320 110 118 108 000 104 000 105 962 540 400
650 тыс. квт.ч. в год
- поступления от тиражирования программы "Интеллектуальное прогнозирование мощности фо- 150 000 150 000 150 000 150 000 600 000
тоэлектрической системы",
1 продажа в год
Платежи -525 000 -25 000 -25 000 -25 000 -25 000 -625 000
- первоначальные вложения в проект -500 000 -500 000
- текущие затраты -25 000 -25 000 -25 000 -25 000 -25 000 -125 000
Денежный поток -412 680 235 118 233 000 229 000 230 962 515 400
Денежный поток нарастающим итогом -412 680 -177 562 55 438 284 438 515 400
Номер года 0 1 2 3 4 5
Дисконтированный денежный поток -412 680 220 768 205 427 189 577 179 532 382 624
Скорректированный денежный поток -439 504 250 400 248 145 243 885 245 975
Срок окупаемости проекта, лет 3 короткий срок окупаемости
Чистая приведённая стоимость (NPV), руб. 382 624 > 0
Внутренняя норма доходности 43% > ставки дискон-
(IRR), % тирования
800 000 600 000 400 000
200 00: п г_ п_ 11_ I1_
-200 000 Н
-400 000 Н
-600 000 -800 000
1-й год 2-й год 3-й год 4-й год 5-й год
| I Выгоды и поступления Ш Платежи
Денежный поток ^^^ Денежный поток нарастающим итогом -Дисконтированный денежный поток -Скорректированный денежный поток
Рис. 3. Денежные потоки инвестиционного проекта при внедрении программы для ЭВМ «Интеллектуальное прогнозирование мощности фотоэлектрической системы» на солнечной электростанции мощностью 5,25 МВт
Библиографический список
1. Проект энергостратегии Российской Федерации на период до 2035 года. URL: https://mmenergo.gov.ru/view-pdf/1920/104837 (дата обращения: 10.10.2019).
2. H. Gandoman, Foad&Raeisi, Fatima & Ahmadi, Abdollah. (2016). A literature review on estimating of PV-array hourly power under cloudy weather conditions. Renewable and Sustainable Energy Reviews. 63. 579-592. 10.1016/j.rser.2016.05.027.
3. Engel N. E., Engel E. A., Kovalev I. V. Model of interaction in Smart Grid on the basis of multi-agent system // IOP Conference Series: Materials Science and Engineering. 2017. Vol. 155. № 1.
4. Engel N. E., Engel E. A., Kovalevl. V. Control of technical object on the basis of the multi-agent system with neuro-evolution and student-teacher of-line learning // IOP Conference Series: Materials Science and Engineering. 2017. Vol. 155. № 1.
5. Engel N. E., Engel E. A., Kovalev I. V. Intelligent control of PV system on the basis of the fuzzy recurrent neuronet// IOP Conference Series: Materials Science and Engineering. 2017. Vol. 122.
6. Энгель Н. Е., Энгель Е. А. Интеллектуальная технология уточнения значения температуры в условиях противоречивости прогнозов погоды // Сборник материалов I Международной научно-практической конференции. Брянск, 2018. C. 268-272.
7. Энгель Н. Е., Энгель Е. А. Свидетельство о государственной регистрации программы для ЭВМ 2018612282 «Интеллектуальное прогнозирование мощности фотоэлектрической системы». URL: https://filesdatabase.net/4116711 (дата обращения: 15.10.2018).
8. Энгель Н. Е. Программный модуль «Загрузка файла интеллектуальной модели прогнозирования выработки фотоэлектрической системы» на языке C# // Катановские чтения - 2017: сборник научных трудов студентов / науч. ред. С. А. Кырова. Абакан: Издательство ФГБОУ ВО «Хакасский государственный университет им. Н. Ф. Катанова», 2017. C. 277.
9. Энгель Н. Е., Энгель Е. А. Модернизация программного модуля «Загрузка данных для интеллектуальной модели» // Вестник Хакасского государственного университета им. Н. Ф. Катанова, 2018. № 23. С. 29-30.
Исследование выполнено при финансовой поддержке РФФИ и Республики Хакасия в рамках научного
проекта №19-48-190003. Проект выполнен в рамках НОЦ Енисейская Сибирь: «Разработка интеллектуальных систем прогнозирования и максимизации выработки электроэнергии на основе оригинальной
модифицированной нечеткой нейросети».
© Энгель Н. Е., Энгель Е. А., 2021
