CC BY
43
Шпрехер Дмитрий Маркович, канд. техн. наук, доц., shpreher-d@yandex.ru, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева,
Бабокин Геннадий Иванович, д-р техн. наук, проф., зав. кафедрой, gibabokinnov@yandex. ru, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева
DEVELOPMENT OF METHODS FOR SELECTING THE STRUCTURE AND PARAMETERS OF NEURAL NETWORKS FOR EVAL UA TION SERVICEABILITY OF THE ELECTROMECHANICAL SYSTEMS
DM.Shprekher, G.I. Babokin
Developed a methodology for the selection of the structure and parameters of the neural network to evaluate the health of electromechanical systems mine electrical systems, carrying out the control and prediction of their technical condition.
Key words: Electromechanical system, health monitoring, structure and parameters of the neural network.
Shprekher Dmitry Markovich, candidate of technical science, docent, shpreher-d@yandex.ru, Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University,
Babokin Gennady Ivanovich, doctor of technical science, professor, manager of department, gibabokinnov@yandex.ru, Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University
УДК 621.311
ПРОГНОЗИРОВАНИЕ ПАРАМЕТРОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ В УСЛОВИЯХ НЕСТАБИЛЬНОСТИ
О.Е. Лагуткин
Рассмотрены вопросы прогнозирования параметров электропотребления в условиях нестабильности. В основу методики прогнозирования положен разработанный автором оригинальный подход с использованием ценологических свойств электрического хозяйства.
Ключевые слова: электрическое хозяйство, прогнозирование параметров электропотребления, ценологические свойства.
Необходимость развития отраслей и подотраслей промышленности как самостоятельных, сбалансированных единиц народного хозяйства обуславливает потребность в разработке методов и методик прогнозирования показателей их функционирования.
При нестабильности финансирования производства и сбыта продукции, взаимосвязей между поставщиками и потребителями, задача прогнозирования электропотребления предприятия становится сложной и, на первый взгляд, неразрешимой.
Для многих промышленных предприятий в последние годы стала актуальной задача достоверного прогнозирования параметров электропотребления в условиях спада производства. Известно много работ по прогнозированию электропотребления промышленного предприятия. Большинство из них опирается на анализ временных рядов. Однако сегодня этими методами пользоваться не представляет возможным из-за скачкообразного поведения параметров электропотребления во времени. Вместе с тем необходимость в прогнозировании электропотребления предприятия несколько не уменьшилась, а наоборот, возросла, поскольку наблюдается рост составляющей затрат на электроэнергию в составе себестоимости продукции.
Для осуществления обоснованной инвестиционной политики в электроэнергетике необходим прогноз электропотребления по стране в целом и регионам. При этом оказывается недействительными разработанные методы прогноза, основывающиеся на устойчивости тенденции изменения электропотребления, которые показывали удовлетворительную точность, увеличивающуюся по цепочке цех - предприятие - отрасль - регион -страна в целом. Применение этих методов невозможно в современных условиях также по причине нарушения сложившейся системы статистической отчетности и невозможности вследствие этого иметь требуемую для качества прогноза длину предыстории 6 - 8 лет.
Для страны в целом существует проблема прогнозирования параметров электропотребления, совпадающая с проблемами для промышленных предприятий. Образ страны для энергетика - деление ее на энергосистемы, для администратора - административное деление на области. Эти образы не совпадают. Решение проблемы регионального прогнозирования видится в использовании областной отчетности, одинаковой по структуре для всех областей. В результате изменения за последние годы форм отчетности для некоторых областей потеряна информация по отдельным статьям отчетности.
При прогнозировании параметров электропотребления необходимо учитывать следующие допущения:
Электрическое хозяйство есть целое, обладающее количественными характеристиками, которые не сводятся к суммированию элементов и их свойств.
Электрическое хозяйство может быть описано иерархической системой показателей, из которых могут быть выбраны показатели, необходимые и достаточные для принятия человеком решения в условиях неопределенной информации и дефицита времени.
Процесс принятия проектного решения неформализуем и должен осуществляться на основе профессионально-логического анализа в экспертном режиме САПР. Решения должны опираться на устойчивость развития электрического хозяйства и на устойчивость его структуры.
При прогнозировании в условиях нестабильного развития экономики важно найти какой-либо параметр, показатель, свойство объекта, характеризующееся неизменностью или, по крайней мере, изменяющееся во времени предсказуемо. Стабильный характер изменения электроемкости позволяет использовать этот показатель для прогнозирования электропотребления узкоспециализированного производства. Для многономенклатурных производств введено понятие “виртуальная электроемкость”. Виртуальная электроемкость - отношение годового электропотребления к объему выпуска нескольких наиболее технологически значимых видов продукции.
В практике проектирования и эксплуатации широко используются не только показатели связывающие выпуск продукции и параметры электропотребления в абсолютном выражении (удельный расход, электроемкость), но взаимодействие структур выпускаемой продукции и параметров электропотребления можно также представить в виде отношений ранговых коэффициентов. Например, структурная электроемкость. Для каждого предприятия величина структурной электроемкости имеет свое значение и, следовательно, может характеризовать производство.
Применение структурных коэффициентов при проектировании и прогнозировании промышленных предприятий позволит повысить обоснованность принятия решений, так как они отражают распределение электроэнергии по цехам промышленного предприятия (или по предприятиям внутри отрасли промышленности).
Для осуществления обоснованной инвестиционной политики в электроэнергетике необходим прогноз электропотребления по стране в целом и регионам. Известно более 500 методов прогнозирования. Все методы можно разделить на исследовательские, основанные на закономерностях развития объекта, и на нормативные, предполагающие, что будущее объекта не известно.
Следует заметить, что на практике трудно найти метод, подходящий одновременно для долговременного и краткосрочного прогнозирования. Поэтому необходимо применение нескольких методов, что в известной мере является их недостатком.
Регрессионный анализ подразумевает определение функции, наиболее точно описывающей зависимость одной величины от другой. Имея не просто набор парных значений величин, а функциональную зависимость между ними, можно решать ряд практических задач. В частности, решать задачу прогнозирования. Полагая, что тенденция изменения одной переменной от другой в будущем существенно не изменится, можно в полученную функцию подставить значение аргумента, которое не использовалось при построении. Использования такого формального приема дает возможность в периоды стабильного развития достаточно точно прогнозировать электропотребление по временным рядам, то есть по зависимости
’(1). Получение ’(1;) за период предыстории обычно производится методом наименьших квадратов, который при заданном виде функции позволяет определить величины коэффициентов, входящих в нее, такие, что сумма квадратов отклонений фактических значений функции от модельных, получаемых по ’(1), будет минимальна.
Как показали предварительные расчеты, на практике для прогнозирования по методу наименьших квадратов достаточно использовать уравнение регрессии первого или второго порядка. Так как вид функции, наилучшим образом описывающей ’(1) заранее не известен, приходится рассматривать различные варианты зависимости ’(1) (линейная, экспоненциальная, степенная, логарифмическая и т.п.). Выбор наилучшей из рассматриваемых зависимостей осуществляется либо по минимальному среднеквадратичному отклонению, либо по минимальному наибольшему отклонению фактического значения функции от модельного.
В периоды стабильного развития для прогнозирования параметров электропотребления часто достаточно использовать одного объекта. Однако при резких изменениях условий функционирования предприятий оказывается, что более стабильным является поведение группы предприятий. Описывать группу предприятий удобно и наиболее просто ранжируя их по интересующему нас параметру. Объем выпуска продукции является основным лимитирующим ресурсом, от которого зависит разнообразие электрических параметров как предприятий отрасли, так и цехов промышленного предприятия. Структурная электроемкость наиболее точно характеризует распределения электроэнергии внутри исследуемой системы или подсистемы.
Используя ранговый анализ, можно получить прогнозные значения электропотребления для каждого предприятия. Ниже предлагается следующая последовательность принятия решения при прогнозировании электропотребления:
1. Ранжирование особей ценоза по значению электропотребления по годам предыстории с вычислением констант рангового распределения ’1, Ъ; и получение кривой, сглаживающей экспериментальные точки.
2. Получение прогнозной оценки ’|, Ъ| известными методами.
3. Определение расчетного ранга особей по формуле
где - значение электропотребления на I год.
4. Считая расчетные ранги на последующие года неизменными, по полученным прогнозным значениям определяем электропотребление каждой особи
5. Оцениваем погрешность прогнозируемой модели.
Список литературы
1. Ценологическое определение параметров электропотребления многономенклатурных производств. / Б.И. Кудрин [и др.] Тула: Приокское книжное изд-во, 1994. 122 с.
2. Кудрин Б.И., Лагуткин О.Е., Ошурков М.Г. Ценологический ранговый анализ в электрике / М.: Технетика, 2008. 116 с.
Лагуткин Олег Евгеньевич, канд. техн. наук, доц., oleg.lagutkin@bk.ru, Россия, Новомосковск, НИ (ф) РХТУ им. Д.И. Менделеева
FORECASTING ENERGY CONSUMPTION PARAMETERS IN CONDITIONS
OF INSTABILITY
O.E. Lagutkin
The problem of prediction of energy consumption parameters in the conditions of instability. The methodology of forecasting put an original approach developed by the author using cenology electrical properties economy.
Key words: power facilities, forecasting energy consumption parameters, cenology properties.
Lagutkin Oleg Evgenyevich, candidate of technical science, docent oleg.lagutkin@bk.ru, Russia, Novomoskovsk, The Novomoskovsk’s Institute (subdivision) of the Mendeleyev Russian Chemical-Technological University
УДК 621.319
ВЫЯВЛЕНИЕ СВЯЗИ ПОКАЗАТЕЛЕЙ ИДЕАЛЬНЫХ Н-РАСПРЕДЕЛЕНИЙ С ПАРАМЕТРАМИ ТЕХНОЦЕНОЛОГИЧЕСКИХ СИСТЕМ НА ПРИМЕРЕ ЭКСПОРТА ЭЛЕКТРОЭНЕРГИИ РФ
Б.В. Жилин
Выполнен техноценологический анализ структуры производства электроэнергии в Российской Федерации с использованием И-г-распределения. Показана связь показателей И-г-распределения с экспортом электроэнергии РФ.
Ключевые слова: структура, техноценоз, Н-распределение, производство электроэнергии, экспорт электроэнергии.
Техноценологический подход к исследованию структуры технических систем по сравнению с традиционными статистическими методами достаточно молод. Сам термин ввел в начале 70-х годов 20 века профессор МЭИ Борис Иванович Кудрин [1], который указал критерии, объяснил существование общности в структуре систем законом информационного отбора (также впервые предложенным), аналогичным естественному отбору в живой природе (биоценозы). На этой основе обосновал выделение среди сообществ объектов, описываемых универсальным термином «сис-
209
