CC BY
11
УДК 621.311
ПЛАНИРОВАНИЕ ПОЧАСОВОГО ЭЛЕКТРОПОТРЕБЛЕНИЯ ДЛЯ РАБОТЫ НА РОЗНИЧНЫХ РЫНКАХ ЭЛЕКТРОЭНЕРГИИ
Б.В. Жилин, М.Г. Ошурков
Работа посвящена прогнозированию графиков нагрузки на месяц по часам при работе потребителя на розничном рынке электроэнергии (мощности). Проведен анализ технологического процесса, состояния электрохозяйства и динамики параметров электропотребления среднего по крупности потребителя. Разработаны методики прогнозирования суточного и месячного электропотребления, методики классификации суточных графиков нагрузки, технологических состояний производства. В результате предложена методика планирования месячного электропотребления по часам для возможности работы предприятия на розничном рынке электроэнергии в пятой и шестой ценовых категориях.
Ключевые слова: график нагрузки, кластерный анализ, математическая модель, параметры электропотребления, прогнозирование, регрессия, технологическое состояние, трансформаторная подстанция, ценовая категория.
Актуальность темы обусловлена в основном двумя причинами: 1) в условиях розничного рынка электроэнергии предлагаются шесть ценовых категорий (ЦК) электроэнергии, при этом выбор конкретной остается за потребителем [1]; 2) для ряда потребителей выгоден переход на 5ЦК и 6 ЦК, но это связано с необходимостью планирования почасового электропотребления на месяц и оплатой отклонений от плана как в одну, так и в другую сторону. Из-за сложности задачи почасового планирования на месяц потребители не решаются переходить на высшие ЦК. Большинство потребителей розничного рынка - это мелкие и средние предприятия, штат энергослужбы которых не позволяет выделить сотрудников для этой работы, поэтому решено разработать инструмент, облегчающий задачу месячного почасового планирования электропотребления для таких предприятий.
Объектом моделирования явилось предприятие по выпуску товаров народного потребления. Оно с 2012 г. вышло на проектную мощность и устойчивый режим работы. По крупности его можно отнести к средним предприятиям: оно питается от ВЛ напряжением 10 кВ, имеет РУ 10 кВ, и пять однотрансформаторных подстанций 10/0,4 кВ. Коммерческий учет электроэнергии выполнен на сетевой подстанции на базе электронных счетчиков, позволяющих снимать и хранить информацию, необходимую для решения поставленной задачи. Годовое потребление порядка 10... 11 млн кВтч с максимальной часовой мощностью 3 МВт, среднечасовой мощностью 1 МВт. Наблюдается существенный разброс месячного и суточного электропотребления (рис. 1).
УУмес, кВт-ч
1000000 800000 < 600000 400000 200000 0 < ► < ► < •
< ► < >
> < ► < >
<
1 2 3 4 5 6 7 8 9 10 11 12 Месяц
а
50000 45000 \Л/сут, кВт-ч ♦— ЩИ 1* и
40000 35000 30000 25000 20000 15000 тш ♦ ► т га
> Г 10000 *—— 5000 ^ « ♦ 0 1 51 101 151 201 2 к ♦ >1 301 351 401 Сутки
б
Рч, к Вт
__
--
3000,00
--
--
2500,00 ~~н—п|
тТ ~П
| |
|
500,00 * ♦ * М 1 1 X *
1 1 1 1 1 1| щ И | II |
1 2 3 4 9 10 11 12 1 3 14 15 16 17 18 19 2 0 21 22 23 2 ^ча 4
в
Рис. 1. Характеристика электропотребления объекта: а - помесячно за год; б - посуточно; в - наблюдаемый разброс часовых мощностей
за год
Наблюдаемый за год разброс среднечасовых мощностей в суточном разрезе (рис. 1, в) говорит о том, что в любой час может наблюдаться любая мощность из диапазона от 0 до максимума, что, собственно, и является основной трудностью почасового планирования на месяц. Это, с другой стороны, говорит о невозможности применения математических моделей почасового графика нагрузки, основанных только на анализе временного ряда, поэтому надо основываться на причинных моделях, учитывающих технологические параметры производства.
Собрана статистика по суточным объемам выпуска продукции тремя технологическими линиями (У1, У2, У3). Наблюдается большой разброс суточных и месячных объемов выпуска продукции, что, очевидно, должно объяснять и разброс электропотребления.
Построены причинные модели месячного и суточного электропотребления - зависимости электропотребления от объемов трех видов продукции [2, 3]:
Шмес = 299617 + 0,026-У1м + 0,022- У2м + 0,063-У3м , (1) Шсут = 22669,26 + 0,00938-У1с + 0,0103-У2с + 0,0518-У3с , (2) где Шмес, Шсут - соответственно месячное и суточное электропотребление (кВтч); У1м, У2м, У3м, У1с, У2с, У3с - месячные и суточные объемы выпуска трех видов продукции (шт.).
Модель месячного электропотребления дает среднюю ошибку 4 %, причинная модель суточного электропотребления - 11 %. Таким образом, по планируемым на заводе суточным и месячным объемам выпуска продукции можно с удовлетворительной точностью предсказать электропотребление на месяц в целом с разбивкой по суткам.
Для того, чтобы перейти к планированию по часам, надо каждым суткам планируемого месяца поставить в соответствие суточный график нагрузки по часам, то есть, попытаться в наблюдаемом хаосе часовых мощностей увидеть какую-то упорядоченность. Для этого суточные графики нагрузки классифицировались методом кластерного анализа. Каждые сутки представлялись точкой в 24 мерном признаковом пространстве. Признак - часовая мощность. Таким образом, мы рассматривали за год 365 объектов-суток, не имея предварительного представления о числе кластеров. Для определения числа кластеров применена иерархическая агломера-тивная кластер-процедура [4, 5]. Расстояние между объектами-сутками определялось по Евклидовой метрике, расстояние между группами объектов определялось как расстояние между центрами групп.
Суточные графики нагрузки классифицировались на девять видов. По каждому кластеру определен типовой суточный график нагрузки (рис. 2).
Зная суточное электропотребление (по выражению (2)) и зная, к какому кластеру принадлежат сутки, можно построить суточный график нагрузки.
Основная сложность - определить, к какому кластеру конкретные сутки относятся. По известным от технологов планируемых объемах выпуска продукции проведена кластеризацию суток по технологическим параметрам. Сочетание объемов суточного выпуска трех видов продукции назовем технологическим состоянием производства в эти сутки. Кластеризация суток по трем признакам (У1, У2, У3) дала разбиение технологических состояний (ТС3) производства на 4 вида (табл. 1).
1,0 0,9 0,8 м 0,7
С
| 0,6
ф 0,5 J=
| 0,4
о
z 0,3 0,2 0,1 0,0
Graph of means for continuous variables Number of clusters: 9 k-Means
Variables
Cluster 1 Cluster 2 Cluster 3 Cluster 4 Cluster 5 Cluster 6 Cluster 7 Cluster 8 Cluster 9
Рис. 2. Типовые суточные графики нагрузки для девяти кластеров
Таблица 1
Параметры ^ характерных технологических состояний (ТС3)
Кластер ТС3 V1, шт. V2, шт. V3, шт.
1 (104 объекта) 205372 186201 21777
2 (100) 251386 290858 216146
3 (76) 503538 613123 41346
4 (83) 547883 613247 229721
Поскольку разнообразие графиков нагрузки больше, чем разнообразие технологических состояний ТС3, необходимо было ввести параметр, увязывающий эти две классификации.
Поскольку мы по трем признакам можем спрогнозировать суточное электропотребление, то мы его вводим в качестве четвертого признака и выполняем классификацию суток по трем объемам выпуска и электропотреблению (ТС4). Получили шесть кластеров (табл. 2).
Конечно, для снижения неопределенности при окончательном выборе ГН для конкретных суток необходимо учесть дополнительные признаки суток, например, месяц, день недели и закономерности чередования
кластеров во времени. Для этого построены в годовом разрезе последовательности чередования суток по кластерам. На этих последовательностях можно заметить некоторые закономерности в чередовании суток с определенными технологическими состояниями и учесть эту закономерность при отнесении суток к конкретному кластеру по ГН. Для формализованного представления этих закономерностей можно применить математический аппарат автокорреляции и авторегрессии, что пока не реализовано.
Таблица 2
Параметры характерных технологических состояний (ТС4)
Кластер ТС4 У1, шт. У2, шт. У3, шт. Шсут, кВтч
1 (24 объекта) 11814 0 3142 10054
2 (23) 426058 50022 62656 28510
3 (59) 624634 632446 48574 36924
4 (81) 539453 616123 230698 46104
5 (76) 186982 362962 18880 28846
6 (100) 253979 299916 215848 40524
Окончательно методику принятия решения при планировании месячного электропотребления по часам можно описать в виде следующих этапов: 1) вводят полученные от технологов суточные объемы выпуска продукции на планируемый месяц; 2) сутки месяца соотносятся с кластерами по классификации ТС3; 3) с помощью формализованных и экспертных методов определяют ГН каждых суток по классификации ГН; 4) формируют месячный график нагрузки по часам.
Таким образом, в первом приближении решена задача разработки методики планирования месячного графика нагрузки потребителя с интервалом осреднения один час для работы на розничном рынке электроэнергии (мощности) в пятой и шестой ценовых категориях.
Список литературы
1. Постановление Правительства РФ от 04.05.2012 N 442 "О функционировании розничных рынков электрической энергии, полном и (или) частичном ограничении режима потребления электрической энергии" (вместе с "Основными положениями функционирования розничных рынков электрической энергии", "Правилами полного и (или) частичного ограничения режима потребления электрической энергии"). М.: Консультант Плюс, 2013. 268 с.
2. Белан А.В., Гордеев В.И. Прогнозирование электропотребления на основе многофакторного регрессионного и корреляционного анализов. // Проблемы энергосбережения, 1991. Вып. 7. Киев: Наукова думка, 1991. С. 54-59.
3. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере. М.: Финансы и статистика, 2000. 384 с.
4. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977. 144 с.
5. Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988. 342 с.
Жилин Борис Владимирович, д-р техн. наук, профессор, [email protected], Россия, Новомосковск, Новомосковский институт РХТУ им. Д.И. Менделеева,
Ошурков Михаил Геннадьевич, канд. техн. наук, доцент, oshurkovm@,mail.ru, Россия, Новомосковск, Новомосковский институт РХТУ им. Д.И. Менделеева
PLANNING HOURLY ELECTRICITY CONSUMPTION FOR OPERATION OF RETAIL
ELECTRICITY MARKETS
B.V. Zhilin, M.G. Oshurkov
The work is devoted to the forecasting of load schedules for a month by hours at the consumer's work in the retail electricity (power) market. The analysis of the technological process, the state of the electric economy and the dynamics of the parameters of power consumption of the average size of the consumer. Methods offorecasting daily and monthly power consumption, methods of classification of daily load schedules, technological conditions of production are developed. As a result, the method of planning the monthly electricity consumption by hours for the possibility of the enterprise in the retail electricity market in the fifth and sixth price categories.
Key words: load graph, cluster analysis, mathematical model, power consumption parameters, forecasting, regression, technological state, transformer substation, price category.
Zhilin Boris Vladimirovich, doctor of technical sciences, professor, head of chair, glnbv@,mail.ru, Russia, Novomoskovsk Institute (branch) D. Mendeleev University of Chemical Technology of Russia,
Oshurkov Mikhail Gennadyevich, candidate of technical sciences, docent, osh-urkovm@,mail. ru, Russia, Novomoskovsk Institute (branch) D. Mendeleev University of Chemical Technology of Russia
