CC BY
41
водить модернизацию вычислительной техники без прерывания процесса управления технологическим процессом.
В заключении можно сделать вывод, что повышение эффективности мониторинга состояния сложных промышленных объектов возможно на основе расширения информационных технологий на уровень технологического управления предприятием и введения в дополнение к SCADA-сис-теме новой - автоматизированной системы мониторинга технологических объектов, преобразующей общий технологический информационный поток к оптимальному для ситуационного анализа виду.
Список литературы:
1. Андреев Е.Б. и др. Программные средства систем управления технологическими процессами в нефтяной и газовой промышленности / Е.Б. Андреев, Попадько В.Е. - М.: Изд-во РГУ нефти и газа им. И.М. Губкина, 2005. - 266 с.
2. Кирюхин П.В. Создание систем реального времени на базе Windows NT / П.В. Кирюхин // Приборы и системы. Управление, контроль, диагностика. - 2000. - № 4. - С. 15-24.
3. Назарова C.B. Компьютерные технологии обработки информации. -М.: Финансы и статистика, 1995.
О МЕТОДИЧЕСКОМ ПОДХОДЕ К РАЗРАБОТКЕ АГЕНТНОЙ МОДЕЛИ МИРОВОЙ ЭНЕРГЕТИКИ1
© Марченко О.В.*, Соломин C.B.4
Институт систем энергетики им. Л.А. Мелентьева (ИСЭМ) СО РАН, г. Иркутск
Обсуждается целесообразность применения агентной модели мировой энергетики. Описаны возможности модификации существующей модели GEM (Global Energy Model) с точки зрения учета противоречивых интересов агентов (регионов).
Для исследования вариантов долгосрочного развития мировой энергетики в настоящее время применяются оптимизационные модели (MESSAGE, DNE 21, MARKAL, GEM и др.) [1-4]. Общее свойство этих моделей -использование единого критерия оптимальности и поиск решения, наиболее эффективного для всей моделируемой энергетической системы в целом. Однако в рамках такого подхода сложно учесть противоречивые ин-
1 Работа выполнена при поддержке РФФИ (грант № 10-06-00538-а).
* Ведущий научный сотрудник, кандидат технических наук.
* Старший научный сотрудник, кандидат технических наук.
тересы отдельных подсистем, входящих в систему мировой энергетики. В связи с этим в последнее время активно обсуждаются возможности использования в энергетических исследованиях агентного (агентно-ориентиро-ванного) моделирования [5-8].
Агентное моделирование представляет собой имитационное моделирование, исследующее поведение децентрализованных агентов и его влияние на поведение системы в целом. Под агентом понимается автономный субъект, который взаимодействует с окружающей средой, имеет определенную цель, принимает независимые решения и корректирует свое поведение с учетом прошлого опыта.
В настоящей работе рассматривается возможность применения агентного подхода для долгосрочного прогнозирования развития мировой энергетики и требования к соответствующей математической модели. Во-первых, модель должна достаточно детально описывать развитие энергетических технологий по регионам мира. Во-вторых, должна рассматриваться долгосрочная перспектива (как минимум, несколько десятилетий). В-третьих, модель должна учитывать наличие разных центров принятия решений (агентов).
В связи с этим агентную модель целесообразно разрабатывать на основе действующей оптимизационной модели GEM (Global Energy Model) посредством внесения в нее соответствующих корректировок. Детальность описания энергетики в модели GEM и горизонт прогнозирования (до 2050 г. в динамической модели GEM-Dyn и до 2100 г. в статической модели GEM-10R) можно считать удовлетворяющими первым двум указанным выше требованиям.
Вместе с тем в моделях GEM и GEM-Dyn проводится оптимизация по единому критерию так, как будто существует единый мировой центр принятия решений, причем этому центру доступна и точно известна информация о будущих условиях развития экономики и энергетики. Такое приближение не соответствует действительности (хотя неопределенность будущих условий и может учитываться формированием нескольких сценариев).
Обычно в долгосрочных энергетических исследованиях предполагается, что рынок можно сделать достаточно эффективным, причем само конструирование рынка не рассматривается. Однако в действительности рыночное равновесие может отклоняться от оптимального (с точки зрения всей системы в целом) состояния. Это отклонение происходит вследствие:
- возможности отдельных агентов увеличивать свой собственный эффект за счет снижения эффектов других агентов (например, при наличии у них рыночной власти);
- неполноты и неточности информации, используемой агентами при принятии решений.
В масштабах мировой энергетической системы и в долгосрочной перспективе роль каждой отдельной энергокомпании можно считать неболь-
шой, а их поведение однотипным - направленным на максимизацию прибыли. Поэтому действия этих компаний в условиях конкуренции между ними не должно приводить к снижению эффективности рынка.
Оказать существенное влияние на состояние мировой энергетики в целом могут более крупные агенты. В модели GEM эти агенты уже выделены - это регионы. Каждый регион проводит свою собственную, выгодную ему, энергетическую политику. Эта политика выражается в рациональном (с точки зрения интересов данного региона) выборе объемов экспорта и импорта энергоресурсов, стимулировании внедрения определенных энергетических технологий, введении нормативов воздействия энергетики на окружающую среду и т.п. Так, например, экспортирующие энергоресурсы страны Ближнего Востока могут посредством квот, устанавливаемых ОПЕК, влиять на мировые цены на нефть. Импортирующие энергоресурсы страны ОЭСР также могут оказывать влияние на состояние мирового энергетического рынка, развивая атомную энергетику, возобновляемые источники энергии или стимулируя энергосбережение.
В модели GEM целевая функция - сумма дисконтированных затрат по всем регионам (и всем технологиям) [1, 3, 4]. В связи с этим решение, полученное минимизацией затрат, является Парето-оптимальным: затраты каждого отдельного региона нельзя уменьшить, не увеличив затраты хотя бы одного другого региона.
Работы по агентному моделированию можно разделить на две группы:
1. пошаговое моделирование в динамике действий отдельных агентов;
2. замкнутое математическое описание свойств агентов и сведение задачи к поиску равновесного состояния.
В первом случае имитируются реальные действия агентов, система развивается во времени, ее характеристики могут сходиться (а могут и не сходиться) к стационарным значениям. Такое описание в наибольшей степени подходит для случаев, когда описываемые в модели агенты реально существуют в действительности, их цели, стратегии и способы обучения поддаются формализации, причем это формальное описание хорошо отражает особенности реальных действий агентов. К такому типу задач относится моделирование взаимодействия и развития биологических объектов (эволюция организмов), а также различных торговых сделок (биржи и аукционы). В области энергетики такой подход применяется для моделирования краткосрочных электроэнергетических рынков, на которых взаимодействуют продавцы и покупатели, подающие заявки с указанием объемов электроэнергии и цен, по которым они готовы ее продать или купить. Цель моделирования электроэнергетических рынков - исследование влияния правил, установленных на них, на эффективность торговли.
Во втором случае также выделяются агенты, однако их выбор не так однозначен, как в предыдущем случае. Эти агенты могу описывать не от-
дельных реально существующих субъектов, а их группы. После формализации целей и стратегий агентов и соответствующего их математического описания ставится задача поиска равновесия по Нэшу: состояния, при котором ни один участник игры не может увеличить свой выигрыш в одностороннем порядке, воздействуя на доступные ему управляющие параметры.
При моделировании мировой энергетики, во-первых, следует учесть, что в данном случае исследуется не эффективность правил, действующих на краткосрочных рынках (аукционах), а эффективность долгосрочной энергетической политики регионов. Во-вторых, трудность моделирования реальных сделок на мировых энергетических рынках (вся совокупность которых настолько сложна, что вряд ли во всей своей полноте поддается формализации) требует перехода к схематическому описанию агрегированных (более крупных) агентов - регионов. В связи с этим представляется целесообразным не моделировать случайные (и трудно формализуемые) действия агентов в реальном времени, а ставить задачу поиска равновесия по Нэшу.
Таким образом, задачу моделирования развития и функционирования мировой энергетики следует решать в два этапа.
Этап 1. Решение оптимизационной задачи для мира в целом. Это решение позволяет составить представление о том, что «может быть в идеальном случае» - при взаимном сотрудничестве всех агентов с целью достижения максимума всеобщего благосостояния.
Этап 2. В действительности реализуемый на практике вариант всегда будет хуже «идеального варианта» (для мира в целом) вследствие конфликта интересов между агентами и возможности некоторых из них увеличивать свой эффект за счет снижения эффектов других агентов (и, следовательно, суммарного эффекта, поскольку «идеальный вариант» оптимален по Паре-то), а также неполноты и неточности информации, которую используют агенты при принятии решений. Характеристики этого варианта можно определить последовательным решением оптимизационных задач для отдельных регионов при фиксировании их внешних связей (в соответствии с прогнозами, которые делает данный регион относительно будущего состояния мировой экономики и энергетики).
Конкретизируем предлагаемую методику применительно к модели GEM.
На этапе 1 одновременно с оптимальной структурой энергетики определяются двойственные оценки для экспортируемых и импортируемых энергоресурсов - их теневые цены. В первом приближении теневые цены дают ориентир каждому отдельному региону для формирования своей собственной энергетической политики.
На этапе 2 при решении оптимизационных задач для отдельных регионов цены энергоресурсов на мировых рынках представляют собой внешние связи, которые учитываются в целевых функциях регионов. К этим ценам можно добавить случайную величину для моделирования погрешности, с которой агент (регион) делает свой прогноз.
Для практической реализации предложенного подхода требуется:
- обеспечить в модели GEM вывод и хранение теневых цен энергоресурсов, найденных при минимизации суммарных по миру затрат;
- изменить целевую функцию модели GEM, представив ее в виде суммы целевых функций регионов (затраты с учетом эффекта от экспорта-импорта энергоносителей), умноженных на заданные коэффициенты (если коэффициенты для всех регионов, кроме одного, равны нулю, то оптимизируется энергетика только одного региона).
Заключение. Предлагаемый подход позволяет сочетать достоинства оптимизационного моделирования мировой энергетической системы (расчет оптимального варианта по Парето) с учетом конфликта интересов между агентами (регионами), приводящего к возможности некоторых из них увеличивать свой эффект за счет снижения эффектов других агентов.
Авторы благодарят Российский фонд фундаментальных исследований (РФФИ), поддержавший работу грантом № 10-06-00538-а.
Список литературы:
1. Беляев Л.С., Марченко О.В., Филиппов С.П., Соломин С.В. Мировая энергетика и переход к устойчивому развитию. - Новосибирск: Наука; Сиб. изд. фирма РАН, 2000. - 269 с.
2. Филиппов С.П., Лебедев А.В. Вычислительные инструменты для глобальных энергетических исследований: обзор. - Иркутск: ИСЭМ СО РАН, 2003. - 74 с.
3. Филиппов С.П., Лебедев А.В. Мультирегиональная динамическая модель мировой энергетической системы. - Иркутск: ИСЭМ СО РАН, 2003. - 74 с.
4. Беляев Л.С., Марченко О.В., Соломин С.В. Исследование направлений развития мировой энергетики на долгосрочную перспективу // Системные исследования в энергетике. Ретроспектива научных направлений СЭИ-ИСЭМ / Отв. ред. Н.И. Воропай. - Новосибирск: Наука, 2010. -С. 429-444.
5. Somani S., Tesfatsion L.S. An agent-based test bed study of wholesale power market performance measures // IEEE Computational Intelligence Magazine. - 2008. - Vol. 3. - P. 56-72.
6. Hodge B.-M., Aydogan-Cremaschi S., Blau G, Pekny J., Reklaitis G. A Prototype Agent-Based Modeling Approach for Energy System // Computer Aided Chemical Engineering. - 2008. - Vol. 25. - P. 1071-1076.
7. Ma T., Nakamori Y Modeling technological change in energy systems - from optimization to agent-based modeling // Energy. - 2009. - Vol. 34. - P. 873-879.
8. Gutierrez-Alcaraz G., Sheble G.B. Modeling energy market dynamics using discrete event system simulation // Energy. - 2009. - Vol. 34. - P. 1467-1476.
