CC BY
38
Интенсивность движения на дороге. Предположим, что время реакции всех УТС одинаково (r¡=f), все ТС имеют одинаковую длину (lj=l) и грузоподъемность (zi=z), и коэффициенты трения одинаковы: kj=k. Тогда из (12) получаем w*=[2kg(L/n-l)]1/2-fkg, w*<V. С учетом (13), получаем скорость потока ТС:
V = min {[ 2kg (L/n -1)]1/2 - fkg, V} (14)
По определению, интенсивность движения (J) равна произведению плотности потока ТС D = n/L на его скорость v [1]. Из (14) получаем J(n)=n min{[2kg(L/n - l)]112--
fkg,V}/L. Нетрудно видеть, что функция J(n) является одноэкстремальной. Обозначим число ТС, при котором достигается её максимум, через N.
Провозная способность дороги (Q) равна максимально возможной интенсивности движения J(N), умноженной на грузоподъемность ТС z: Q=J(N)z. Следовательно, для дальнейшего увеличения грузоперевозок, необходимо увеличить грузоподъемность ТС. Например, на железной дороге это может быть достигнуто за счет инновационных энергоэффективных средств и технологий использования новых видов энергии для тяги поездов, таких как новые газотурбовозы серии 01h, перевозящие большегрузные поезда весом до 9000 тонн (т.е. примерно в 2 раза больше, чем обычные грузовые поезда).
Выводы. Существует оптимальное число ТС, при котором провозная способность кольцевой однополосной (например, железной) дороги максимальна. Дальнейшее её увеличение может быть достигнуто за счет использования инновационных ТС. В частности, на железной дороге это может быть достигнуто с помощью инновационных локомотивов.
Литература
1. Цыганов В.В., Малыгин И.Г., Еналеев А.К., Савушкин С.А. Большие транспортные системы: теория, методология, разработка и экспертиза. -С-Пб: ИПТ РАН, 2016. 216с.
2. Gray L., Griffeath D. The Ergodic Theory of Traffic Jams // Journal of Statistical Physics. -2001. V. 105. № 3/4. P. 98-127.
3. Nagel K., Wagner P., Woesler R. Still flowing: Approaches to Traffic Flow and Traffic Jam Modeling // Operations Research. 2003. V. 51. № 5. P. 681-710.
Road games in large scale transport systems
Vladimir Viktorovich Tsyganov, Dr. tech. Sciences, prof., head. department, Institute of Control Sciences, Moscow, Russia
For adequate management of transport systems, it is necessary to predict the decisions of the games of road users. The decisions of the road game in the conditions of uncertainty are found, depending on the impact of the center, vehicle parameters, road conditions, interference and other factors. It is shown that there is an optimal number of vehicles at which the carrying capacity of the road is maximal.
Key words: transport, road, game, flow density, carrying capacity
УДК 519.688: 519.812
ОПТИМИЗАЦИЯ УПРАВЛЕНИЯ ПРОИЗВОДСТВОМ ЭЛЕКТРОЭНЕРГИИ В ИНТЕЛЛЕКТУАЛЬНОЙ ЭНЕРГОСИСТЕМЕ
Шевченко Сергей Васильевич, канд. техн. наук, проф. кафедры программной инженерии и информационных технологий управления e-mail: shev@kpi.kharkov.ua Национальный технический университет «Харьковский политехнический институт»
http://www.kpi.kharkiv.edu/asu
Рассматриваются вопросы повышения качества управления в интеллектуальной электроэнергетической системе на основе оптимизации производства, распределения и поставок электроэнергии в соответствии с задаваемым объемом потребления. Получаемые решения являются основой решений задач управления других уровней и их взаимодействие может быть использована для развития систем SMART GRID, Инициализации решений отдельных задач в контуре управления выполняется на основе выделения сочетаний значений оценок внешних данных и параметров системы с использованием экспертных знаний и нечеткой логики.
Ключевые слова: интеллектуальная энергосистема, эффективность, критерии, задачи, математическая модель, оптимизация, информационные технологии.
Целью работы является анализ, формирование и решение задачи оперативного управления, результаты которого могут быть использованы при совершенствовании и развитии интеллектуальных энергосистем путем расширения состава функций управления в виде иерархии задач, учитывающих факторы, влияющие на все этапы производства, передачи и потребления электроэнергии в рыночных условиях.
Суть обсуждаемой проблемы заключается в следующем.
Интеллектуальные энергосистемы (SMART GRID) - это системы производства, распределения и передачи электроэнергии от производителя к потребителю, использующие современные информационные и коммуникационные технологии для повышения эффективности всех этапов производства, передачи и использования электроэнергии [1]-[3]. Электроэнергетика является неотъемлемой составляющей национальной экономики, эффективное функционирование которой составляет необходимые условия стабилизации, структурных преобразований в экономике, удовлетворение потребностей населения и общественного производства в электрической энергии. От надежного и устойчивого функционирования отрасли в значительной мере зависят темпы выхода страны на уровень энергетической безопасности.
Экономический кризис обусловил значительное обострение финансовой ситуации и в электроэнергетике. К этому же энергетическое оборудование в значительной степени исчерпало технический ресурс, что приводит к росту потребностей в средствах на реконструкцию, ремонт и технологическое обслуживание.
Развитие рынка электроэнергии на основе экономических процессов привело к созданию полномасштабных иерархических систем: автоматизированных систем измерения электроэнергии, учета потребления и сбыта электроэнергии, диспетчерского управления и общего учета энергопотребления.
Для обеспечения управляемости Объединенной энергосистемы (ОЭС) все субъекты Оптового рынка электроэнергии (ОРЭ) должны обмениваться технологической и коммерческой информацией, на основе которой осуществляется оперативное управление процессами надежного энергообеспечения потребителей в национальной экономике, социальной и бюджетной сферах и населения.
Необходимость информационной стандартизации энергообъектов, процессов, оборудования и параметров режима функционирования ОЭС становится все более очевидным фактом, поскольку, задействованные в управлении ЕС принципы и методы представления и межсистемного обмена информацией уже стали тормозящим фактором прогресса и повышения эффективности управления и функционирования ОЭС, взаимодействия ее с ОЭС соседних стран. На ОРЭ появились отдельные генерирующие компании и выделились энергоснабжающие компании. Во многих вновь образованных компаниях произошла смена формы собственности с государственной на частную. Указанные преобразования в электроэнергетике разнообразили и расширили круг осуществляемых информационных процессов и порожденных ими новых задач.
Оптовый рынок представляется моделями двусторонних договоров и балансирующего рынка, состоит из нескольких субрынков, которые охватывают различные временные интерва-
лы, а именно:
- рынок долгосрочных договоров, на котором покупатели и продавцы электроэнергии заключают договоры на поставку электроэнергии в будущем;
- рынок «на сутки вперед», или спот-рынок, на котором покупатели и продавцы заключают договоры на поставку электроэнергии в определенные временные интервалы или в течение последующих суток;
- балансирующий рынок, используется для приведения производства и спроса на электроэнергию в соответствие друг к другу (балансировка системы) в реальном времени в течение суток.
Формирование математической модели планирования производства электроэнергии. Объектом управления в зависимости от уровня декомпозиции распределенной производственной системы можно считать предприятие в составе системы, отдельное производственное подразделение, например, энергоблок электростанции, или другое структурное подразделение, которое может выполнять отдельную долю производственного задания. Динамические свойства объекта управления в линейном приближении можно характеризовать промежутками времени, которые необходимы для изменения состояния объекта управления в соответствии с потребностями для выполнения плановых обязательств по производству и поставкам продукции или услуг.
В электроэнергетике учетной единицей времени принято считать один час. Поэтому для синхронизации всех процессов предполагается доступными соответствующие промежутки времени в пространстве дискретного времени.
Таким образом, учет динамических свойств производственных объектов в процессе управления осуществляется выбором переменных, определяющих инициализацию состояний объектов и их параметры функционирования в соответствии с полученной системой ограничений и критерием оптимальности.
В результате модель может быть представлена в следующем виде.
Необходимо найти переменные хI. > 0, у^, ¿к.. е {1, 0}, определяющие распределение объемов производства и необходимые изменения состояний энергоблоков. Включение энергоблоков отображается переменными {у[. }, выключение - {¿к. }.
Определение переменных должно обеспечить минимизацию затрат на производство и поставку электроэнергии для выполнения заданных объемов Ог, г е Т, заказов на электроэнергию в течение выделенных моментов г определенного интервала времени Т:
5 = XX X (4 • хк.+ак. ■ ук+^ ■ ) ^
(1)
г . кеК,
при ограничениях
(2)
. кеК.
(3)
(4)
геТ кеК,
(5)
V, ^оп) }= АОП . Ук
у* = ) } = А, * 7,
(6)
(7)
(8) (9)
(10)
V(оп) , V(о*) ^ 1 ук,' "г ук. — 1 '
V - ])
У к], 2 к,
> 0,
{1,0Ь
х[]. > 0, к
К,, ]
J, ] е 1, п, г > 1, г е Т.
(11) (12)
Целевая функция (1) представляет затраты на производство и изменения состояний энергоблоков. Элементы матрицы А] = {а°Щ} определяют задержку начала технологических процессов после их инициализации. Пребывание объектов в к-м состоянии описывается вектором V] = А] • Ук]. Его компоненты задают доступные диапазоны производственных мощностей (3). Требуемые и доступные ресурсы представлены выражением (4). Для каждого объекта имеется подмножество доступных состояний (5) . Выражения (6) и (7) представляют динамические свойства объектов при включении и выключении, связывая искомые переменные изменения состояний и их фактические значения. Выражение (8) описывает текущее состояние объектов, в соответствии с которым происходит его функционирование и оценки результатов производства. Ограничение (9) представляет альтернативность изменений состояния, а условия (10) и (11) - доступные изменения.
Задача (1) - (12) относится к классу задач частично-целочисленного программирования с булевыми переменными. Для ее решения могут применяться соответствующие методы и алгоритмы, реализованные в пакетах решения оптимизационных задач с булевыми переменными.
Численные расчеты, исследования и анализ результатов. Применение предлагаемого подхода к совершенствованию управления состоянием энергоблоков может быть рассмотрено на условном примере управления для некоторой электроэнергетической системы, нижний уровень которого предусматривает определение объемов производства, поставок и распределения электроэнергии в соответствии с заданным уровнем спроса. Для тестовых расчетов будем использованы следующие данные работы энергосистемы, приведены в табл. 1.
Таблица 1
Заявки на электроэнергию, М Вт*час.
Время Объем Время Объем Время Объем
00:00 900 08:00 1800 16:00 1600
01:00 1050 09:00 1900 17:00 1500
02:00 1100 10:00 1950 18:00 1500
03:00 1200 11:00 1900 19:00 1400
04:00 1500 12:00 1900 20:00 1200
05:00 1600 13:00 1900 21:00 1100
06:00 1650 14:00 1850 22:00 1000
07:00 1700 15:00 1700 23:00 950
В табл. 2 приведен пример значений характеристик энергоблоков ТЭС, используемых для тестирования процедур определения планов производства электроэнергии.
Таблица 2
Используемые характеристики энергоблоков ТЭС
Характеристика 1-й блок 2-й блок 3-й блок 4-й блок
Мин. мощность, МВт 30 25 20 25
Макс. мощность, МВт 300 200 300 250
Текущая мощность, МВт 250 0 300 0
Стоимость, Грн/ МВт 522 450 510 550
Время до запуска, час. 4 3 2 1
Время до остановки, час. 1 2 3 4
Стоимость запуска, Грн. 10000 12000 12000 13000
Стоимость остановки, Грн. 800 500 400 500
Затраты топлива, т./ МВт 100 115 110 120
Начальное состояние 0 0 1 1
Результаты вариантов расчетов графиков производства электроэнергии для энергоблоков ТЭС приведены на рис. 2.
ftwer. Ж
-•-1 яро we rait -"-2s;powerini -*-Зя power mit —if— +3i oowe i Lni:
—i—i—'—i—i—i—i—i—i—
10 12 U 16 В 20 22 Tilftienir
-1st paver unit -2st unit -Эйрриег Lni t - 4st unit
0 2 * 6 8 10 12 14 16 13 20 22 Tims. Iioui
0 2 4
Рис. 2. . Варианты формирования планов производств электроэнергии: слева - все энергоблоки работают, справа - в начале выключены 1-й и 2-й энергоблоком
Полученные значения позволяют формировать плановые почасовые объемы производства электроэнергии для отдельных энергоблоков с отображением моментов управления состоянием включения энергоблока в работу (ON state), выполнения плановых заданий в относительных единицах от максимальной мощности (Relative result) и отключения (OFF state), а также отражают течение времени между соответствующими изменениями состояний, рис. 3.
Рис.4. Графики работы 1-го (слева) и 4-го (справа) энергоблоков
Таким образом, предлагаемый подход может быть использован для расширения функциональности систем диспетчерского управления отдельных энергосистем и повышения эффективности интеллектуальных подсистем управления типа SMART GRID.
Автор считает, что в данной работе новыми являются следующие положения и результаты: проанализированы текущие особенности функционирования электроэнергетических систем, в результате чего выделены задачи управления, эффективное решение которых обеспечивает совершенствование процессов управления в системах SMART GRID; формализованы условия выбора критерия оптимальности и ограничений процедур управления, рассмотрены результаты тестового применения предлагаемого подхода, которые подтверждают возможность его использования в составе систем SMART GRID.
Выводы
Успешное управление в системах SMART GRID требует учета многих факторов, оказывающих влияние на все этапы производства, передачи, поставок и потребления электроэнергии в рыночных условиях. Формализация основных зависимостей математических моделей задач управления различных уровней иерархии, процедур их решения и взаимодействия может быть использована для развития систем SMART GRID, позволяющих повысить эффективность управления и использования ресурсов в электроэнергетике.
Литература
1. Smart Grid. Режим доступа: http://greenevolution.ru/enc/wiki/smart-grid/. Дата обращения: 10 апреля 2016.
2. Шевченко С.B., Егоянц А.А. Формирование планов производства электроэнергии с учетом динамики изменения состояния энергосистемы // Вюник НТУ «ХП1». Cерiя: Системний анатз, управлшня та шформацшш технологи. - Харюв: НТУ «ХП1», 2015. № 58 (1167). С. 9196. - Библиогр.: 8 назв. - ISSN 2079-0023.
3. Шевченко С. B. О формировании обобщенного критерия доминирования на основе нечеткой логики. // Образовательные ресурсы и технологии. 2014. № 2. С. 86-90.
Optimization of management of electricity production in smart grid
Shevchenko S.V., Cand. tech. Sciences, prof. the program Engineering and Information Technology Management, National Technical University«Kharkiv Polytechnic Institute»
The issues of improving the quality of management in the intellectual power system are considered on the basis of optimization of production, distribution and supply of electricity in accordance with the set volume of consumption. The resulting solutions are the basis for solving management tasks of other levels and their interaction can be used to develop SMART GRID systems. The initialization of solutions of individual tasks in the control loop is performed by isolating combinations of values of external data estimates and system parameters using expert knowledge and fuzzy logic
Keywords: SMART GRID, efficiency, criteria, problems, mathematical model, optimization, information technologies.
УДК 004.415.2
ИНТЕГРИРОВАННАЯ ГРАФИЧЕСКАЯ СРЕДА ДЛЯ МОДЕЛИРОВАНИЯ ТРУБОПРОВОДНЫХ СИСТЕМ
Стенников Валерий Алексеевич, д-р техн. наук, профессор, зам. директора по науке
e-mail: sva@isem.irk.ru Соколов Дмитрий Витальевич, канд. техн. наук, ст. науч. сотр.
e-mail: sokolov_dv@isem.irk.ru Барахтенко Евгений Алексеевич, канд. техн. наук, ст. науч. сотр. e-mail: barakhtenko@isem.irk.ru ФГБУНИнститут систем энергетики им. Л.А. Мелентьева Сибирского отделения Российской академии наук (ИСЭМ СО РАН), г. Иркутск http://www.sei.irk.ru/
В статье представлены некоторые аспекты технологии построения интегрированной графической среды для компьютерного моделирования трубопроводных систем энергетики. Разрабатываемая авторами технология построения этих сред основана на применении онтологий в рамках парадигмы Model-Driven Engineering для построения программного обеспечения в автоматизированном режиме.
Ключевые слова: Model-Driven Engineering, технология, метапрограммирование, онтология, программный комплекс, автоматизация программирования, архитектура программного обеспечения, интегрированная среда.
Исследования выполняются при частичной финансовой поддержке Российского фонда фундаментальных исследований (грант №16-07-00948).
Введение
Современные трубопроводные системы (ТПС) (системы тепло-, водо-, газо-, нефтеснабжения и др.) представляют собой сложные инженерные сооружения, обладающие огромным значением в энергетике, промышленности, коммунально-бытовом секторе и других сферах жизни страны. Эффективное решение задач их проектирования и диспетчерского управления ими невозможно без проведения соответствующих расчетов и мощной информационной поддержки процессов принятия решений. Эти задачи необходимо решать в рамках интегрированной графической среды, которая пред-
