CC BY
168
Ю.А. Федоров, С.Н. Баталыгин, В.М. Шевцов; заявитель и патентообладатель ООО «Инженерный центр», заявл. 19.12.2005; опубл. 10.08.2007. Бюл. № 22. - 9 с.
5. Порудоминский В.В. Устройства переключения трансформаторов под нагрузкой. 2-е изд., перераб. и испр. М.: Энергия, 1974. 288 с.
МИХЕЕВ ГЕОРГИЙ МИХАЙЛОВИЧ - доктор технических наук, профессор кафедры электроснабжения промышленных предприятий, Чувашский государственный университет, Россия, Чебоксары (mikheevg@rambler.ru).
MIKHEEV GEORGIY - doctor of technical sciences, professor of Electric Power Industry Chair, Chuvash State University, Russia, Cheboksary.
КОНСТАНТИНОВ ДМИТРИЙ ИГОРЕВИЧ - аспирант кафедры электроснабжения промышленных предприятий, Чувашский государственный университет; инженер-проектировщик, ООО «НПП “Инженерный центр”», Россия, Чебоксары (Konstantinov_D_I@mail.ru).
KONSTANTINOV DMITRIY - post-graduate student of Power Supply Industrial Enterprises Chair, Chuvash State University; configuration engineer, Ltd. «SPE “Engineering Center”», Russia, Cheboksary.
ЕФРЕМОВ ЛЕОНИД ГЕОРГИЕВИЧ. См. с. 22.________________________________________________
УДК 621.3.016.31 ББК 31.291
Д.С. МОЧАЛИН, В.Г. ТИТОВ
ОЦЕНКА И ПРОГНОЗИРОВАНИЕ ЭНЕРГОПОТРЕБЛЕНИЯ АППАРАТА ВОЗДУШНОГО ОХЛАЖДЕНИЯ ГАЗА НА КОМПРЕССОРНОЙ СТАНЦИИ
Ключевые слова: компрессорная станция, аппарат воздушного охлаждения газа, математическая статистика.
Рассмотрены процессы, происходящие в системе электроснабжения электропривода АВО газа. Проведен анализ и выполнена оценка потребления электрической энергии АВО газа. Подобран вид теоретического распределения - рэлеевское. Выполнена проверка подобранного теоретического распределения по критерию согласия Колмогорова и статистике Пирсона. Получено подтверждение о теоретическом распределении и правильности подбора. Впервые поставлена задача и разработана математическая модель задачи нейросетевого метода прогнозирования расхода электроэнергии по статистическим данным эксплуатации одного из действующих участков магистрального газопровода.
D. MOCHALIN, V. TITOV ASSESSMENT AND FORECASTING OF POWER CONSUMPTION OF THE DEVICE OF AIR COOLING OF GAS AT COMPRESSOR STATION
Key words: compressor station, device of air cooling of gas, mathematical statistics.
The processes happening in system ofpower supply of the AVO electric drive of gas are considered. The analysis is carried out and the assessment of consumption of electric energy of A VO of gas is executed. The type of theoretical distribution - Rayleigh is picked up. Check of the picked-up theoretical distribution by criterion of a consent of Kolmogorov and Pearson's statistics is executed. Received confirmations on theoretical distribution and correctness of selection. The task is for the first time set and the mathematical model of a problem of a neuronetwork method of forecasting of an expense of the electric power according to statistical data of operation of one from an operating site of the main gas pipeline is developed.
Начиная с 2000 г. в ОАО «Газпром» вопросы энергоэффективности и энергосбережения являются приоритетным направлением деятельности и представляют собой комплекс программных мер, направленных на рациональное использование и экономию расхода топливно-энергетических ресурсов [2].
Прогнозирование и планирование электропотребления на компрессорной станции являются неотъемлемой частью экономии потребления топливноэнергетических ресурсов. Потребителями электроэнергии на компрессорной станции (КС) с газотурбинными газоперекачивающими агрегатами являются электродвигатели с короткозамкнутым ротором: маслонасосов, пожарных насосов, компрессоров, вентиляторов общеобменной вентиляции, вентиляторов воздушного охлаждения газа и запорно-регулирующей аппаратуры.
Объектом исследования являются проектируемые компрессорные станции на участке «Петровск-Писаревка» магистрального газопровода «Урен-гой-Новопсков» (КС «Петровск», КС «Екатериновка», КС «Балашов», КС «Бубновка», КС «Калач). Провели расчеты основных показателей расхода электроэнергии на компрессорных станциях. На основании расчетов построен график (рис. 1) для оценки потребления электроэнергии АВО газа и компрессорной станции в целом. Анализ расхода электроэнергии показывает, что основным потребителем электроэнергии на компрессорной станции с газотурбинными перекачивающими агрегатами и в газотранспортной системе в целом является электропривод аппарата воздушного охлаждения газа. Охлаждение газа является наиболее энергоемким процессом (от 22% и до 48% расхода электроэнергии на компрессорной станции с газотурбинными перекачивающими агрегатами).
25000 20000
4 т
I
* 15000
и =
Е г§
N
5 10000 I 5000
5
п 1
£ 0
КС Петробск КС Скилдниобка КС Болаиюб КС БубноСха КС К<мх КС Писарева
Газпром трансгаз Саратов Газпром трансгаз Волгогрой
Рис. 1. Расход электроэнергии компрессорной станцией и АВО газа за год в процентном отношении
Для оценки потребления электрической энергии АВО газа выполнен анализ исходных данных (таблица) на участке «Петровск-Писаревка» газопровода «Уренгой-Новопсков» (установленная мощность АВО газа на каждой КС, пропускная способность КС в зависимости от режима работа АВО газа, потребление электроэнергии в течение года по месяцам, температура на входе и на выходе КС).
Для оценки зависимости между переменными - расход электроэнергии, пропускная способность магистрального газопровода, температура газа на выходе из КС - в работе используется математическая статистика, при реше-
нии поставленных задач в максимальной степени используется МаАаЬ 7 [1]. Выполнена обработка массивов данных, которые вводятся в виде прямоугольной таблицы, далее переменные форматируются в векторы-столбцы. Данные рассортировываются в порядке возрастания, находятся минимальные и максимальные значения и определяется количество данных.
Объем полученной выборки п = 72, хтт = 326,234, хтах = 1312,515, математическое ожидание Мх = 648,926, дисперсия Вх = 64 730,488, среднеквадратичное отклонение 5х = 254,422, асимметрия Ах = 1,104, эксцесс Ех = 0,329, медиана Мвёх = 561,387, размах Ях = 986,286.
Расчетные данные по потреблению электрической энергии АВО газа на участке «Петровск-Писаревка» газопровода «Уренгой-Новопсков»
КС, на которой рассматривается ситуация с АВО Установленная мощность, кВт Расход электроэнергии на АВО газа, тыс. МВт-ч/год
1-й кв. 2-й кв. 3-й кв. 4 кв. 1-й кв. 2-й кв. 3-й кв. 4-й кв.
Петровск 864 864,0 864,0 864,0 1 514 1 514 1 514 1 514
648,0 648,0 648,0 648,0 1 1З5 1 1З5 1 1З5 1 1З5
4З2,0 4З2,0 4З2,0 4З2,0 757 757 757 757
216,0 216,0 216,0 216,0 З78 З78 З78 З78
Екатериновка 1248 1248,0 1248,0 1248,0 2 186 2 186 2 186 2 186
9З6,0 9З6,0 9З6,0 9З6,0 1 640 1 640 1 640 1 640
624,0 624,0 624,0 624,0 1 09З 1 09З 1 09З 1 09З
З12,0 З12,0 З12,0 З12,0 547 547 547 547
Балашов 720 720,0 720,0 720,0 1 261 1 261 1 261 1 261
540,0 540,0 540,0 540,0 946 946 946 946
З60,0 З60,0 З60,0 З60,0 6З1 6З1 6З1 6З1
180,0 180,0 180,0 180,0 З15 З15 З15 З15
Бубновка 1296 1296,0 1296,0 1296,0 2 271 2 271 2 271 2 271
972,0 972,0 972,0 972,0 1 70З 1 70З 1 70З 1 70З
648,0 648,0 648,0 648,0 1 1З5 1 1З5 1 1З5 1 1З5
З24,0 З24,0 З24,0 З24,0 568 568 568 568
Калач 1080 1080,0 1080,0 1080,0 1 892 1 892 1 892 1 892
810,0 810,0 810,0 810,0 1 419 1 419 1 419 1 419
540,0 540,0 540,0 540,0 946 946 946 946
270,0 270,0 270,0 270,0 47З 47З 47З 47З
Писаревка 2184 2184,0 2184,0 2184,0 З 826 З 826 З 826 З 826
16З8,0 16З8,0 16З8,0 16З8,0 2 870 2 870 2 870 2 870
1092,0 1092,0 1092,0 1092,0 1 91З 1 91З 1 91З 1 91З
546,0 546,0 546,0 546,0 957 957 957 956
Рассмотрен по выборке закон распределения. Подбор теоретического распределения состоит из следующих этапов:
1. Подбор вида распределения (т.е. закона).
2. Подбор параметров распределения (т.е. чисел, входящих в выражение для функции и плотности распределения).
3. Проверка правильности подбора.
Для оценки закона выполнено построение гистограммы - столбиковая
диаграмма числа попаданий в каждый участок п . Гистограмма строится на
п ■
основании выборочной плотности распределения по формуле: / *(х) = —■,
пк
где п - число попаданий в интервал кр; к - ширина интервалов.
Построена гистограмма распределения, выполненная с помощью Ма1;ЬаЬ 7.0 (рис. 2).
1
Рис. 2. Гистограмма распределения, выполненная с помощью Ма1ЬаЬ
По виду гистограммы подобран теоретический закон распределения. В нашем случае - рэлеевское распределение.
Рассмотрена детерминированная функция случайных величин. X - случайная величина, имеющая некоторый закон распределения, ф - детерминированная функция. В результате применения функции ф к величине X получается другая случайная величина У, которая имеет уже свой закон распределения, в общем случае отличный от закона распределения X.
У = ф(Х).
Связь между двумя случайными величинами X и У является связью особого рода: если при изменении X меняется У, то нельзя заранее сказать, является ли это следствием зависимости У от X или здесь сказывается влияние случайных величин в самих X и У. Связь такого рода является стохастической.
Зависимости между переменными стохастичны, анализ зависимости выполнен по выборке из генеральной совокупности исходных данных. Построены графики зависимости расхода электрической энергии от различных переменных условий. Ниже представлен график зависимости потребления электроэнергии АВО газа от пропускной способности и температуры газа на выходе участка магистрального газопровода на основе корреляционного анализа данных (рис. 3 и 4).
Уровень значимости q = 0,1, по расчету в Ма1;ЬаЬ 7 выборочный коэффициент корреляции г = -0,25421755, г = 0,44773194, статистика = 0,03117025, статистика = 0,00008030, что меньше уровня значимости, корреляция значима.
Так как выборочный коэффициент корреляции не учитывает суммарное взаимное влияние переменных, установить зависимость потребления электроэнергии от нескольких переменных позволяет теория множественной регрессии.
Поиск наилучшей регрессионной модели представляет собой довольно громоздкий процесс. Нейронные сети обладают рядом преимуществ перед регрессионными моделями: сами подбирают вид функциональной зависимости по экспериментальным данным и являются адаптивной моделью, которая под-
страивает структуру сети под новые наблюдения и позволяет объяснить довольно сложные связи между значениями расхода электроэнергии и показателями магистрального газопровода.
Рис. 3. Корреляционный анализ данных (по оси х - потребление электроэнергии, тыс. кВт-ч,
по оси у - пропускная способность, млн м3)
Рис. 4. Корреляционный анализ данных (по оси х - потребление электроэнергии, тыс. кВт-ч, по оси у - температура газа на выходе)
Нейронные сети (НС) представляют собой вычислительные структуры, моделирующие процессы, аналогичные процессам, происходящим в человеческом мозге.
Внешних факторов, влияющих на надежность и экономичность работы магистрального газопровода, множество. К ним относятся: сезонное изменение температуры окружающей среды, температура перекачиваемого продукта, плановые капитальные и текущие ремонтные работы, изменение характеристик силового оборудования и т.д.
Изменение температуры окружающей среды влияет на температурные параметры транспортируемого газа, изменение же параметров газа в газопроводе при его движении зависит от температуры грунта, от степени сжатия на компрессорной станции, режима работы аппаратов воздушного охлаждения газа. Поэтому неопределенность воздействия внешней и внутренней среды трубопроводной системы делает задачу прогнозирования расхода электроэнергии при транспортировке газа частью сложного процесса. В работе рассмотрена часть электротехнического комплекса на компрессорной станции, а именно АВО газа. Также выполнено рассмотрение АВО газа на плече газотранспортной системы Южного потока. С нашей точки зрения эффективным решением является использование искусственных нейронных сетей (ИНС). Привлекательность применения ИНС состоит в возможности использования большого числа выходных параметров.
Выводы. Подобран вид теоретического распределения - рэлеевское. Выполнена проверка подобранного теоретического распределения по критерию согласия Колмогорова и статистике Пирсона. Впервые разработана математическая модель задачи нейросетевого метода прогнозирования расхода электроэнергии по статистическим данным эксплуатации одного из действующих участков магистрального газопровода. Выбран алгоритм для ре-
шения задачи по прогнозированию расхода электроэнергии. Средняя относительная ошибка прогноза составила от 1 до 8%, что позволяет говорить о приемлемости предлагаемого метода прогнозирования.
Прогнозирование потребления электроэнергии на АВО газа позволит:
- анализировать результаты расчетов ожидаемой экономии потребления топливно-энергетических ресурсов от внедрения предлагаемых энергосберегающих мероприятий в натуральном и стоимостном выражении;
- проводить расчеты показателей экономической эффективности энергосберегающих мероприятий и программ;
- по результатам оценки экономической эффективности программ проводить формирование проекта программы на трехлетний период.
Литература
1. Иглин С.П. Математические расчеты на базе MATLAB. СПб.: БХВ-Петербург, 2005.
640 с.
2. Рубцова И.Е., Мочалин Д.С., Крюков О.В. Основные направления и задачи энергосбережения при реконструкции КС // Энергосбережение и автоматизация электрооборудования компрессорных станций / под ред. О.В. Крюкова. Н. Новгород: Вектор ТиС, 2012. Т. 3. 572 с.
МОЧАЛИН ДМИТРИЙ СЕРГЕЕВИЧ - аспирант кафедры электрооборудования судов, Нижегородский государственный технический университет; инженер 1-й категории ОАО «Гипрогазцентр», Россия, Нижний Новгород (mdc_83@ggc.nnov.ru).
MOCHALIN DMITRIY - post-graduate student of Ships Electric Equipment Chair, Nizhny Novgorod State Technical University; engineer of power facilities department first category JSC «Giprogazcenter», Russia, Nizhny Novgorod.
ТИТОВ ВЛАДИМИР ГЕОРГИЕВИЧ - доктор технических наук, профессор кафедры электрооборудования судов, Нижегородский государственный технический университет, Россия, Нижний Новгород (nntu@nntu.nnov.ru)
TITOV VLADIMIR - doctor of technical sciences, professor of Ships Electric Equipment Chair, Nizhny Novgorod State Technical University, Russia, Nizhny Novgorod.
УДК 621.311 ББК 31.29
Г А. НЕМЦЕВ, Е.А. СЕЛЕЗНЕВ, Л.А. ШЕСТАКОВА
ВЛИЯНИЕ ВЫСШИХ ГАРМОНИЧЕСКИХ СОСТАВЛЯЮЩИХ НА РАБОТУ АСИНХРОННЫХ ДВИГАТЕЛЕЙ
Ключевые слова: асинхронный двигатель, высшие гармоники, режимы работы, устойчивость.
Приводится принцип моделирования в среде MatLab влияния высших гармонических составляющих на характеристики работы асинхронных двигателей (АД). Выполнен анализ режима работы АД в зависимости от уровня гармоник.
G. NEMZEV, E. SELEZNEV, L. SHESTAKOVA THE IMPACT OF HIGHER HARMONIC COMPONENTS TO WORK ASYNCHRONOUS MOTORS
Key words: asynchronous motor, harmonics, modes of operation, stability.
Is the principle of simulation in MatLab impact of higher harmonic on the characteristics of the operation of asynchronous motors (AM). Analysis of operation mode AM depending on the level of harmonics.
Современные системы управления электроприводами используют преобразовательные установки, вентильные и частотно-управляемые двигатели. При
