CC BY
32
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
УДК 631.531.17-52:633(470.31)
В.Н. БРОВЦИН, д-р техн. наук; В.Н. СУДАЧЕНКО, канд. техн. наук; А.П. МИШАНОВ
МЕТОДОЛОГИЯ ПОЧАСОВОГО ПРОГНОЗИРОВАНИЯ РАСХОДА ЭЛЕКТРОЭНЕРГИИ НА ПРОИЗВОДСТВО СЕЛЬХОЗПРОДУКЦИИ
В работе проведен анализ существующих методов прогноза временных рядов, на основании которого обоснован метод авторегрессии проинтегрированного скользящего среднего (АРПСС) и разработана методология почасового прогноза энергетических затрат на производство сельскохозяйственной продукции.
Учет энергетических затрат на производство сельскохозяйственной продукции в полной мере освоен методологически и используется в автоматизированных системах контроля и учета энергоресурсов (АСКУЭ) современных предприятий в виде методического, математического и программного обеспечения. Тем не менее, развивающиеся рыночные отношения в сфере энергетики привнесли новые особенности, вызвавшие принципиальные затруднения у потребителей энергетических ресурсов. Так, под давлением рынка с 1 сентября 2006 г. вступили в силу новые правила взаимодействия энергосбытовых компаний и потребителей электрической энергии согласно Постановлению Правительства Российской Федерации от 31 августа 2006 г. №530 «Об утверждении Правил функционирования розничных рынков электрической энергии в переходный период реформирования электроэнергетики».
Согласно этим «Правилам...», в отношении группы потребителей, мощность энергопринимающего оборудования которых 750 кВА и выше, предусмотрено обязательное планирование объемов потребления электрической энергии по часам суток и обеспечение измерения фактически потребленной электрической энергии в почасовом режиме (п. 72 [1]). Почасовое планирование заключается в том, что пользователь электроэнергии должен подавать уведомление о своем плановом потреблении на последующий расчетный период в почасовом разложении.
216
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
Отклонения фактического почасового потребления электрической энергии от планового почасового потребления будет оплачиваться по ценам, не превышающим конкурентную цену оптового рынка в режиме онлайн (балансирующий рынок) в соответствующий час суток с учетом стоимости мощности и регулируемых услуг.
К настоящему времени задача почасового прогноза для сельскохозяйственных предприятий на длительный расчетный период (расчетный месяц) не решена. Проблема тем более усугубляется из-за существенной зависимости сельхозпроизводства от климатических условий и других особенностей сельского хозяйства.
Цель работы - разработать методологию почасового прогноза на расчетный период затрат электрической энергии на производство сельскохозяйственной продукции с учетом новых «Правил функционирования розничных рынков электрической энергии в переходный период реформирования электроэнергетики».
Цель работы предполагает решение следующих задач:
- провести анализ существующих методов прогноза временных рядов, на основании которого сделать обоснованный выбор наилучшего;
- на основании выбранного метода разработать методологию прогноза использования электроэнергии;
При анализе алгоритмов прогноза затрат электроэнергии на производство сельхозпродукции в почасовом режиме использовали данные автоматизированной системы контроля и учета электроэнергии (АСКУЭ) ОАО «Выборжец», выбор которого обусловлен, с одной стороны, использованием программного комплекса Альфа ЦЕНТР, обеспечивающего вывод необходимой информации, а, с другой стороны, - наличием метеостанции на каждом производственном блоке.
В качестве конкретного объекта на данном этапе работы использовали данные учета электрической энергии на входном фидере блока производства салата и климатические параметры соответствующей метеостанции.
Анализ методов прогноза временных рядов показал, что наилучшим является метод авторегрессии проитегрированного скользящего среднего (АРПСС). Программная реализация метода изложена в ППП STATISTICA®, STATGRAPH®, MATLAB®, MATCAD® и др.
В моделях, полученных на основе метода и используемых для прогноза, включаются три типа параметров: параметры авторегрессии
217
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
(p), порядок разности (d) и параметры скользящего среднего (q). В обозначениях Бокса и Дженкинса модель записывается как АРПСС(р, d, q). Мультипликативная сезонная AРПСС представляет дальнейшее обобщение на ряды, в которых имеется периодическая сезонная компонента. Аналогично параметрам простой модели АРПСС модели с сезонной составляющей включают параметры сезонной авторегрессии (ps), сезонной разности (ds) и сезонного скользящего среднего (qs).
Таким образом, полная сезонная АРПСС может быть записана как АРПСС (p,d,q)(ps,ds,qs). Следует отметить, что число параметров каждого вида невелико (< 2), поэтому нетрудно сравнить альтернативные модели и выбрать наилучшую.
Для удобства использования методический материал представлен в виде последовательного описания этапов, имеющих общее значение для синтеза алгоритмов почасового прогноза затрат электроэнергии на производство продукции. Заканчивается описание пояснительным примером с конкретными для него комментариями. При использовании методологии целесообразно после прочтения каждого этапа обратить внимание на соответствующий этап в пояснительном примере.
Всего возможно два варианта прогноза почасового расхода энергии:
- почасовое потребление за определенный период (сутки, неделя, декада, месяц);
- среднесуточное почасовое потребление за определенный период (сутки, неделя, декада, месяц) с учетом выходных и праздничных дней.
Итак, для процедуры построения оценивания параметров модели в виде АРПСС можно рекомендовать следующую последовательность действий:
1-й этап (подготовительный).
Цель этапа - на основании представления ряда, обязательно избыточного по длине, определить структуру в виде составляющих его компонент и длину рабочего массива, обновляемого в начале каждого периода прогноза.
Первым делом необходимо представить исследуемый процесс в виде таблицы, форма которой и данные должны соответствовать выбранному ППП. Следует отметить, что исследуемые массивы данных без всяких затруднений могут импортироваться и экспортироваться в
218
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
любой и из любого ППП STATISTICA®, STATGRAPH®, MATLAB®, MATCAD®, соответственно.
Для начального (визуального) анализа целесообразно представить исследуемый процесс в графическом виде и провести его декомпозицию.
Исследуемые нами ряды, как правило, состоят из четырех различных компонент: сезонной компоненты, тренда, циклической компоненты и случайной компоненты (флуктуации).
Разница между циклической и сезонной компонентой состоит в том, что последняя имеет регулярную (сезонную) периодичность, тогда как циклические факторы обычно имеют более длительный эффект, который к тому же меняется от цикла к циклу.
Длина ряда определяется средней длительностью монотонного изменения и должна быть не менее 5-7 периодов сезонной компоненты прогноза.
Этап проводится перед началом регулярных прогнозов и повторяется в случаях изменения внутренней структуры ряда, обусловленных изменениями технологического режима работы объекта, профилактическими остановками производства, уменьшением точности прогноза потребления энергии и другими непредвиденными обстоятельствами.
2-й этап: приведение исходного ряда к стационарному виду.
Метод АРПСС может быть использован только для идентификации стационарных или приводимых к ним процессов.
Возможны три варианта: а) - процесс нестационарный; б) - процесс стационарный; в) процесс был идентифицирован на предыдущих периодах.
В случае варианта б) перейти к четвертому этапу.
В случае варианта в) следует выполнить следующие действия:
- обновить исследуемый временной ряд, т. е. продолжить на вновь поступившее количество почасовых измерений расхода электроэнергии на протяжении числа прогнозных периодов и удалить из начала ряда соответствующее количество данных;
- сравнить вновь поступившие измерения с результатами прогноза за отчетный период, и если результаты сравнения удовлетворительны, использовать структуру модели предыдущего отчетного периода и перейти к 4-му этапу. В противном случае перейти ко второму этапу.
Проверка процесса на стационарность, в случае визуальной неочевидности, проводится на основании анализа его автокорреляционной функции.
219
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Нестационарные временные ряды бывают однородными и неоднородными.
На практике наиболее часто встречаются два вида однородных временных рядов:
- когда отдельные участки ряда, за исключением смещения по вертикали, выглядят одинаковыми (т.е. не имеют фиксированного уровня);
- когда отдельные участки ряда не имеют ни фиксированного уровня ни фиксированного наклона.
Однородные нестационарные временные ряды в АРПСС методе приводятся к стационарным замене самих переменных их разностями: для первого вида - первой разностью (d=1), для второго - второй разностью (d=2).
Временные ряды с составляющими, обуславливающими их неоднородную нестационарность должны быть преобразованы, например, с использованием следующих операций: прибавить константу к значению ряда, возвести в степень, возвести в обратную степень, взять натуральный логарифм, выполнить экспоненциальное преобразование, провести фильтрацию, вычислить последовательные разности и т. д., которые предусмотрены в упомянутых пакетах. Эти преобразования необходимо выполнять одно за другим, конечная цель которых - приведение ряда к стационарному виду. Проверка ряда на стационарность осуществляется по его автокорреляционной функции.
3- й этап - подбор параметров модели.
До начала оценивания параметров модели необходимо решить, какой тип модели будет подбираться к данным и какое количество параметров в ней присутствует, иными словами, нужно идентифицировать модель АРПСС. Основными инструментами идентификации порядка модели являются автокорреляционная функция (АКФ) и частная автокорреляционная функция (ЧАКФ). Это решение не является простым и требуется основательно поэкспериментировать с альтернативными моделями.
4- й этап - оценивание параметров модели и анализ остатков.
На данном этапе определяются численные значения параметров
модели и проверяется ее адекватность на основании анализа остатков
Существуют различные методы оценивания параметров, которые дают близкие оценки. Например, в наиболее широко применяемых для целей прогноза временных рядов IIIIII STATISTICA®, STATGRAPH® используются:
220
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
1 - приближенный метод максимального правдоподобия Мак Леода и Сейлза (без итераций назад и с итерациями назад);
2 - точный метод максимального правдоподобия по Меларду.
Адекватность модели определяется уровнем значимости оцениваемых параметров. При этом остатки должны быть некоррелиро-ваны и распределены по нормальному закону. Остатки представляют собой разности наблюдаемого временного ряда и значений, вычисленных посредством модели
Некоррелированность остатков проверяется посредством их автокорреляционных функций, а соответствие нормальному закону распределения - по гистограмме распределения. Без оценки адекватности модели нельзя доверять построенному посредством нее прогнозу.
После каждого оценивания следует строить автокорреляционную функцию. Если после последней оценки коэффициенты автокорреляционной функции окажутся незначимыми и остатки распределены по нормальному закону процесс идентификации следует считать законченным.
5-й этап, построение прогноза на заданный период и его анализ и передача данных заинтересованной инстанции (энергоснабжающей организации).
Прогноз потребления электрической энергии на производство продукции на согласованный с поставщиком период и вычисление доверительных границ рассчитывается на основании идентифицированной модели затрат. Процедура прогноза реализована в соответствующих модулях ППП STATISTICA® и STATGRAPH®.
Данные прогноза оформляются по форме, согласованной с Гарантирующим поставщиком.
Переход ко 2-му этапу.
Примечание. Переход ко 2-му этапу осуществляется в конце текущего расчетного периода за сутки до даты предоставления Гарантирующему поставщику планового почасового объема электрической энергии.
Пример использования методологии для почасового прогноза затрат электроэнергии
На рис. 1 представлен процесс электропотребления и его почасовой прогноз на неделю вперед с учетом солнечной радиации и температуры, рассчитанный по модели АРПСС (0,0,0)*(2,0,0)24+2 регрессора.
221
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
б
15
10
-10 ® 5
-15
-20
24 72 120 168 216 264 312 360 408 456 504 552 600 648 696
5
0
5
Номер измерения
Рис. 1. График почасового расхода электроэнергии на производство салата и его прогноз на неделю вперед:
а - изменение почасового расхода электроэнергии; б - изменение климатических условий
222
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
Параметры модели получены по приведенной выше методике. За прогнозируемые значения климатических условий - солнечной радиации и температуры, приняты известные значения (модель построена по ретроспективным данным).
Из рис.1 следует, что, модель АРПСС(0,0,0)*(2,0,0)24+ 2 регрессора (солнечная радиация и температура наружного воздуха) дает хороший почасовой прогноз на неделю вперед (корень квадратный из средне-квадратическая ошибки прогноза КСКО = 31,77 кВт.ч.).
Таким образом, для удовлетворительного почасового прогноза расхода электроэнергии на неделю (или на более длительный срок) в производственном блоке салата требуется высокая точность прогноза климатических условий. К сожалению, получить удовлетворительный прогноз почасовых изменений климатических условий на длительный период времени затруднительно, т. к. причины их вызывающие часто неизвестны или не поддаются измерению.
На рис. 2 представлены прогнозы расхода электроэнергии на производство салата.
Рис. 2. График почасового прогноза расхода электроэнергии на производство салата на неделю вперед
223
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Процессы получены по результатам моделирования с использованием следующих моделей, построенных по упомянутой выше методике:
- для прогноза с известными климатическими условиями - модель: АРПСС(0Д0)х(2,0,0)24 + 2 регрессора (см. рис. 1, а);
- для прогноза с прогнозированными климатическими условиями: та же модель с прогнозом климатических условий;
- для прогноза без учета климатических условий - модель АРПСС(2,2,0)*(0,1,1)24 с трансформацией процесса 2*D(1) и D(24) (параметры модели представлены в табл. 1).
Таблица 1
Результаты оценки модели АРПСС(2,2,0)*(0,1,1)24
Paramet. Input: Энергия, кВт.ч (для_отчета_п) Transformations: 2*D(1),D(24) Model:(2,2,0)(0,1,1) Seasonal lag: 24 MS Residual = 11 59,5
Param. Asympt. Std.Err. Asympt. t( 212) Р Lower 95% Conf Upper 95% Conf
Р(1) 0,60183: 0,056101 10,726! 0,00000i 0,49123' 0,71242:
Р(2) -0,60485' 0,05485: -11,026! 0,000000 -0,71298: -0,496727
Qs(1) 0,51855' 0,072035 7,1985 0,00000: 0,37655: 0,660547
Как и следовало ожидать, наилучший прогноз получен с использованием модели АРПСС(0,0,0)х(2,0,0)24+2 регрессора с известными климатическими условиями на период прогноза (КСКО = 17,03). Та же модель с спрогнозированными климатическими условиями дает ожидаемый расход электроэнергии с КСКО = 64,78 на период прогноза. Модель без учета климатических условий позволяет получить прогноз с КСКО = 43,21. Таким образом, если невозможно сделать удовлетворительный прогноз климатических условий, целесообразно их вообще не учитывать при построении моделей прогноза энергетических ресурсов.
Пример построения модели расхода электроэнергии на производство сельскохозяйственной продукции для усредненного почасового прогноза на расчетный период
В первом примере показано, что в случае существенной зависимости затрат энергетических ресурсов на производство сельскохозяйственной продукции, их удовлетворительный почасовой прогноз
224
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
можно получить на несколько суток (например, на неделю), тем не менее, в соответствии с «Правилами...» потребитель, присоединенная мощность энергопринимающих устройств которого превышает 750 кВа, обязан планировать почасовой объем потребления электрической энергии и ежемесячно за 10 дней до начала расчетного месяца предоставлять гарантирующему поставщику указанные сведения.
Выход из создавшейся ситуации - получение усредненного почасового прогноза за расчетный период с указанием погрешности на каждый час. Методика почасового прогноза затрат электроэнергии остается той же самой за исключением представления исходных данных и расчета погрешности прогноза на расчетный период. Ниже приведены результаты использования методики для усредненного почасового прогноза в течении расчетного периода расхода электроэнергии на входном фидере блока производства салата ОАО «Выборжец».
На рис. 3 представлен подекадно усредненный почасовой процесс расхода электроэнергии на входном фидере блока производства салата с погрешностями, возникающими в результате усреднения по всей длине ряда, используемого для прогноза.
Процесс изменения усредненного почасового расхода электроэнергии (см. рис. 3) состоит из нестационарного участка (1-я и 3-я декады) и участка с линейным трендом и сезонной составляющей с периодом 24 часа (4-8 декады). Наличие двух участков обусловлено, скорее всего, изменением параметров технологического режима. Предполагая, что режим эксплуатации объекта остается на прогнозируемый период без существенных изменений (в противном случае необходимо соответствующее уведомление) в качестве исходного для прогноза массива используем часть временного ряда с 4-й по 8-ю недели.
Примечание. В данном примере, благодаря четкой структуре исследуемого временного ряда нет необходимости проводить его декомпозицию. Ряд, начиная с 4-й декады, имеет четко выраженную сезонную составляющую с незначительным линейным трендом
225
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
800
700
600
500
400
300
200
100
0
Ф
I
О
О
ф
0
1 I—
о_
ф
CZ
I
Ф
О
Рис. 3. График подекадно усредненного почасового расхода электроэнергии на производство салата:
1-я декада (с 01.01.2007 по 10.01.2007) - измерения 0-24;
2-я декада (с 11.01.2007 по 20.01.2007) - измерения 25-48;
3-я декада (с 21.01.2007 по 31.01.2007) - измерения 49-72;
4-я декада (с 01.02.2007 по 10.02.2007) - измерения 73-96;
5-я декада (с 11.02.2007 по 20.02.2007) - измерения 97-120;
6-я декада (с 21.02.2007 по 28.02.2007) - измерения 121 -144;
7-я декада (с 01.03.2007 по 10.03.2007) - измерения 145-168;
8-я декада (с 11.03.2007 по 21.03.2007) - измерения 169-192
Из рис. 3 следует, что для приведения ряда с 4-й по 8-ю декады без сезонной составляющей к стационарному виду, достаточно взять его вторую разность D(2), что позволяет исключить из ряда линейный тренд.
Следуя принципу экономичности модели (лучшей моделью является модель с минимальным количеством параметров), необходимо исследовать простейшие модели преобразованного процесса, в которых параметры: p, ps, q и qs < 1 и выбрать из них наилучшую.
Наилучшей из простейших оказалась модель АРПСС(1,1,0)х(1,0,1)24, численные значения параметров которой приведены в табл. 2.
226
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
Таблица 2
Результаты оценки модели АРПСС(1,1,0)*(1,0,1)24
Paramet. Input: ЭНЕРГИЯ (Прог_дек_усеч) Transformations: D(2) Model:(1,1,0)( 1,0,1) Seasonal lag: 24 MS Residual=1599,40
Param. Asympt. Asympt. p Lower Upper Std.Err. t( 115) 95% Conf 95% Conf
p(1) Ps(1) Qs( 1) 0,537144 0,080049 6,710159 0,000000 0,378582 0,695707 0,999768 0,211227 4,733144 0,000006 0,581368 1,418168 0,613982 0,24904C 2,465396 0,015163 0,120682 1,107283
На рис. 4 представлен график прогноза на 4 декады подекадно усредненного почасового расхода электроэнергии на производство салата, полученный посредством использования модели АРПСС(1,1,0)*(1,0,1)24 для исходного процесса (см. рис. 3).
Графики рис. 4 показывают, что наименьшая погрешность прогноза потребления электрической энергии на 1-й декаде предварительного прогноза (9-я декада от начала исходного ряда) далее существенно возрастает от декады к декаде до конца расчетного периода (10-я, 11-я и 12-я декады).
Необходимо отметить, что на рис. 4 указаны доверительные интервалы для прогнозируемых подекадно усредненных почасовых расходов электрической энергии без учета ошибок усреднения. Тем не менее эти ошибки весьма существенны (см. рис. 3) и их необходимо учитывать при предъявлении планового расхода электроэнергии на расчетный период.
Окончательный документ с усредненными почасовыми расходами на плановый (расчетный) период, равный одному календарному месяцу, может быть представлен гарантирующему поставщику (в случае коммерческого учета) или в службу главного энергетика хозяйства (в случае технического учета) в виде табл. 3.
227
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Рис. 4. График подекадно усредненного почасового прогноза расхода электроэнергии на производство салата:
4-я декада (с 01.02.2007 по 10.02.2007) - измерения 72-96;
5- я декада (с 11.02.2007 по 20.02.2007) -измерения 97-120;
6- я декада (с 21.02.2007 по 28.02.2007) -измерения 121-144;
7- я декада (с 01.03.2007 по 10.03.2007) - измерения 145-168;
8- я декада (с 11.03.2007 по 20.03.2007) - измерения 169-192;
9- я декада (с 21.03.2007 по 28.03.2007) - измерения 193-216;
10- я декада (с 01.04.2007 по 10.04.2007) - измерения 217-240;
11- я декада (с 11.04.2007 по 20.04.2007) - измерения 241-264;
12- я декада (с 21.04.2007 по 30.04.2007) - измерения 265-288
228
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
Таблица 3
Прогноз расхода электроэнергии на расчетный период
Декада Время суток, час Прогноз, кВтч Стандартная ошибка с учетом усреднения на исходных данных, кВтч Нижний 95%-ный уровень, кВтч Верхний 95%-ный уровень, кВтч
10-я декада 1 531,0 76,7 377,6 684,4
с 01.04.2007 2 521,9 83,3 355,3 688,5
по 3 522,5 83,5 355,6 689,5
10.04.2007 4 525,6 83,6 358,4 692,8
5 526,2 83,8 358,7 693,7
6 527,8 83,9 360,0 695,6
7 522,8 84,1 354,7 690,9
8 534,9 84,2 366,4 703,3
9 540,6 84,4 371,9 709,3
10 517,9 84,5 348,8 686,9
11 497,3 84,7 328,0 666,6
12 477,8 84,8 308,2 647,4
13 453,4 85,0 283,5 623,3
14 436,8 85,1 266,5 607,0
15 429,9 85,3 259,4 600,4
16 473,9 85,4 303,1 644,7
17 493,5 85,6 322,4 664,6
18 499,9 85,7 328,5 671,3
19 509,1 85,9 337,4 680,8
20 507,7 86,0 335,7 679,7
21 508,5 86,2 336,2 680,8
22 514,7 86,3 342,1 687,3
23 521,2 86,5 348,3 694,1
24 523,6 86,6 350,4 696,8
229
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Продолжение табл. 3
Декада Время суток, час Прогноз, кВтч Стандартная ошибка с учетом усреднения на исходных данных, кВтч Нижний 95%-ный уровень, кВтч Верхний 95%-ный уровень, кВтч
11-я декада с 11.04.2007 по 21.04.2007 1 524,9 95,0 334,8 715,0
2 515,8 100,5 314,8 716,9
3 516,5 100,7 315,2 717,9
4 519,5 100,8 317,9 721,2
5 520,1 101,0 318,2 722,0
6 521,7 101,1 319,5 724,0
7 516,8 101,3 314,3 719,4
8 528,7 101,4 325,9 731,5
9 534,4 101,6 331,3 737,5
10 511,9 101,7 308,5 715,3
11 491,6 101,9 287,9 695,3
12 472,3 102,0 268,3 676,3
11-я декада с 11.04.2007 по 21.04.2007 13 448,1 102,2 243,8 652,5
14 431,7 102,3 227,1 636,4
15 425,0 102,5 220,0 629,9
16 468,4 102,6 263,2 673,7
17 487,8 102,8 282,3 693,4
18 494,1 102,9 288,3 700,0
19 503,2 103,1 297,1 709,3
20 501,8 103,2 295,4 708,3
21 502,6 103,4 295,9 709,4
22 508,8 103,5 301,8 715,8
23 515,2 103,7 307,8 722,5
24 517,6 103,8 309,9 725,2
230
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
Продолжение табл. 3
Декада Время суток, час Прогноз, кВтч Стандартная ошибка с учетом усреднения на исходных данных, кВтч Нижний 95%-ный уровень, кВтч Верхний 95%-ный уровень, кВтч
12-я декада 1 518,8 111,0 296,9 740,8
с 21.04.2007 2 509,9 115,7 278,4 741,4
по 3 510,6 115,9 278,8 742,3
31.04.2007 4 513,5 116,0 281,5 745,6
5 514,1 116,2 281,7 746,5
6 515,7 116,3 283,1 748,4
7 510,9 116,5 277,9 743,8
8 522,6 116,6 289,3 755,9
9 528,2 116,8 294,7 761,8
10 506,0 116,9 272,1 739,9
11 485,9 117,1 251,8 720,1
12 466,8 117,2 232,4 701,3
13 443,0 117,4 208,2 677,7
14 426,8 117,5 191,7 661,8
15 420,1 117,7 184,7 655,4
16 463,0 117,8 227,4 698,7
17 482,2 118,0 246,3 718,2
18 488,4 118,1 252,2 724,7
19 497,4 118,3 260,8 734,0
20 496,1 118,4 259,2 732,9
21 496,8 118,6 259,7 734,0
22 502,9 118,7 265,5 740,4
23 509,2 118,9 271,5 747,0
24 511,6 119,0 273,6 749,7
Описанная процедура проводится за 10 дней до начала расчетного периода по всем точкам учета сельскохозяйственного предприятия, определенных гарантирующим поставщиком.
ЗАКЛЮЧЕНИЕ
1. Из анализа существующих методов прогноза (включая и самый современный с помощью нейронных сетей) применение метода АРПСС позволяет получить наилучшие прогнозы энергозатрат предприятий в почасовом разложении. Однако из-за мощности и гибкости, АРПСС -
231
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
сложный метод. Его не так просто использовать, и требуется специальная подготовка, чтобы овладеть им.
2. Для сельхозпроизводителей, энергетические затраты которых существенно зависят от погодных условий (например, тепличное производство овощей), качество прогноза электропотребления зависит от качества прогноза климатических условий.
3. Удовлетворительный почасовой прогноз основных климатических параметров (температуры воздуха и солнечной радиации, а, следовательно, и прогноз энергетических затрат, возможен на срок (1-2 сутки), несоизмеримый с установленным Гарантирующими поставщиками энергоресурсов расчетным периодом (как правило - один календарный месяц).
4. Для предприятий с энергозатратами, зависящими от климатических условий, возможен удовлетворительный почасовой прогноз потребления энергоресурсов (максимум на одну неделю) без их учета.
5. В связи с тем, что усредненный почасовой прогноз потребления энергоресурсов на расчетный период, основан на почасовом усреднении исходного материала (фактические затраты ресурсов за прошедшие расчетные периоды), наряду с ошибкой прогноза необходимо учитывать ошибку усреднения, которая для сельскохозяйственного производства весьма значительна, - почасовые расходы энергии на соответствующие часы суток в течение расчетного периода могут различаться более чем в 1,5 раза (см. рис.1, а).
6. Для уменьшения ошибки прогноза целесообразно расчетный период разбить на несколько частей. В связи с тем, что Гарантирующий поставщик требует представления планового почасового объема потребления электроэнергии за 10 дней до начала расчетного периода, естественным является подекадное разбиение и предоставление подекадно усредненного почасового прогноза.
7. При усредненном подекадном почасовом прогнозе, ошибка прогноза существенно возрастает от начала прогноза (см. рис. 4) и в последней декаде расчетного периода достигает 40%.
СПИСОК ЛИТЕРАТУРЫ
1. Правила функционирования розничных рынков электрической энергии в переходный период реформирования электроэнергетики. - Утверждены Постановлением Российской Федерации от 31 августа 2006 г. №530.
232
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2008. Вып. 80.
2. Дж. Бокс, Г. Дженкинс Анализ временных рядов / Дж. Бокс, Г. Дженкинс //Прогноз и управление. - Выпуск 1. - М.: Мир, 1974.
3. Кашьяп Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным / Р.Л. Кашьяп, А.Р. Рао. - М.: Наука, 1983.
Получено 24.03.2008.
УДК 621.486
ЮН. ЛУКЬЯНОВ; АЛ. ПЕРМИНОВ;
М.А. ДОНЧЕНКО, канд. техн. наук, доц.
Псковский государственный политехнический институт (П1 ПИ)
В.Ф.КЛЕИН, канд. техн. наук
ГНУ СЗНИИМЭСХ Россельхозакадемии
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ХАРАКТЕРИСТИК АГРЕГАТА «РОТОРНО-ПОРШНЕВОЙ ДВИГАТЕЛЬ ВНЕШЕНГО СГОРАНИЯ -СИНХРОННЫЙ ГЕНЕРАТОР»
Приведен сравнительный анализ основных качественных характеристик роторно-поршневого двигателя с внешним подводом тепла.
Электрогенерирующие автономные агрегаты малой и средней мощности широко используются на железнодорожном, речном и морском транспорте, в нефтегазовой отрасли, сельском хозяйстве в качестве источника автономного и резервного электропитания. Все это определяет повышенное внимание к разработке отвечающих современным требованиям электрогенерирующих установок. Особые требования предъявляются к силовой машине, приводящей в движение электрогенератор. В числе таких требований можно указать: экологические требования по вредным выбросам, более жесткие характеристики поддержания качества вырабатываемой электроэнергии.
К таким электрогенерирующим установкам относятся роторнопоршневой двигатель с внешним подводом тепла (далее РПДВПТ). Двигатель состоит из двух модулей, имеющих общий выходной вал. Каждый модуль представляет собой торообразный объем, в котором
233
