CC BY
17
ВОЕННО-СПЕЦИАЛЬНЫЕ НА УКИ
УДК 658.262; 658.512:005
УПРАВЛЕНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЕМ ПРИ ЭКСПЛУАТАЦИИ ОБЪЕКТОВ ВОЕННОЙ ИНФРАСТРУКТУРЫ
В.И. Гнатюк, О.Р. Кивчун, С. А. Дорофеев
Подробно рассмотрен один из подходов исследования процесса электропотребления с точки зрения его управления при эксплуатации объектов военной инфраструктуры. Смысл процесса управления электропотреблением заключается не в классическом поиске оптимального значения целевой функции в области варьирования параметров, а в определении оптимальной стратегии изменения параметров, которая минимизирует издержки на пути движения потребителей предприятия к наилучшим значениям ресурса. Основой данного подхода является статическая модель управления на основе синтеза процедур рангового анализа. С помощью данной модели осуществляется мониторинг наличия ошибок и отклонений результатов процедур рангового анализа, выбор комплексных алгоритмов для устранения ошибок и отклонений, а также снижение электропотребления на основе управляющего воздействия индивидуально для каждого объекта.
Ключевые слова: управление, электропотребление, эксплуатация, объекты военной инфраструктуры, синтез, процедура, ранговый анализ.
В конце XX века ученые и практики стали все чаще замечать, что классические методы управления электропотреблением при эксплуатации объектов предприятия, основанные на классической математической статистике, далеко не всегда дают корректные результаты [1]. Так, построенное и пущенное в ход промышленное предприятие может потреблять электроэнергии в два и более раз меньше, чем было рассчитано на стадии проектирования. Огромная электростанция десятки лет остается постоянно загруженной лишь на 20...30 %, а большой город в зимнюю пору может в одночасье полностью лишиться теплоснабжения. В чем причина подобных крупных ошибок, приводящих к тяжелым техногенным катастрофам, а также неэффективному расходованию финансовых средств? Видеть проблему только в нерадивости проектировщиков и управленцев было бы в
215
корне неверным. Причина лежит гораздо глубже. Дело в том, что зачастую в процессе создания и управления объектами военной инфраструктуры (ОВИ) применяется методология, которая предназначена исключительно для отдельных технических изделий. Это не совсем верно, потому что не учитывается специфика объектов [1, 2].
Устранение данных недостатков возможно при реализации новой модели управления электропотребления, основанной на синтезе процедур рангового анализа. Причём, под управлением электропотреблением при эксплуатации ОВИ необходимо понимать систематическое организационно-техническое воздействие на все его подразделения, основанное на синтезе процедур интервального оценивания, прогнозирования и нормирования. Основной целью управления электропотреблением ОВИ является способность достигать требуемого уровня потенциала энергосбережения, не нарушая его повседневную деятельность. Это позволит в режиме реального времени получать необходимые данные и параметры, а также своевременно принимать решения для управления электропотреблением [1, 2].
В работах [1 - 8] достаточно полно изложена методология оптимального управления электропотреблением крупных инфраструктурных объектов. Стандартными процедурами методологии стали интервальное оценивание, прогнозирование, нормирование и потенширование, которые уточнены и дополнены тонкими процедурами: дифлекс-анализом, 07-анализом, Л8Я-анализом и 7Р-анализом. Данная методология позволяет довольно хорошо решать задачи управления электропотреблением на небольших горизонтах прогнозирования, однако обладает рядом недостатков, основными из которых являются отсутствие математического аппарата синтеза процедур рангового анализа, позволяющего исследовать и учесть процессе управления системные, а также индивидуальные свойства объектов. Кроме того, в методологии оптимального управления недостаточно подробно представлен аппарат учёта управляющего воздействия для снижения электропотребления объектов [1 - 8]. Для устранения данных недостатков разработана статическая модель управления электропотреблением при эксплуатации ОВИ на основе синтеза процедур рангового анализа (рис. 1).
Структурно модель включает в себя три блока: входных данных; моделирования управления электропотреблением объектов на основе синтеза процедур рангового анализа и выходных данных.
Исходные данные формируются по результатам стандартных процедур рангового анализа: интервального оценивания, прогнозирования и нормирования. Далее формируется С-матрица, представляющая собой совокупность числовых значений векторов дифлекс-параметра, прогнозных значений и норм, полученных в результате стандартных процедур рангового анализа и записанных в виде прямоугольной таблицы, которая состоит из т строк и п столбцов. Строки С-матрицы - это числовые значения векторов процедур рангового анализа, а столбцы - количество объектов [2]:
216
( Ж '' эй Ж '' Э12 — Ж Л
с у = (Ж щ ,Жриу ,Жыщ ) = Ж '' ри 21 Ж ри 22 ... Ж '' Рит
Ж V ыи 31 Ж '' Ыи32 ... Ж '' ыи3т У
где Жщ - вектор дифлекс-параметров объектов выше нижней границы ПДИ; Жриу - вектор прогнозных значений объектов выше нижней границы ПДИ; Жыиг} - вектор норм объектов выше нижней границы ПДИ; т - значения элементов С-матрицы; 1 =1 ... т; ] =1 ... т.
Рис. 1. Структура статической модели управления электропотреблением
С-матрица имеет ключевое значение для реализации в следующем блоке моделирования управления электропотреблением объектов на основе синтеза процедур рангового анализа. На основе значений С-матрицы в модели реализуются следующие операции: мониторинг на наличие ошибок и отклонений результатов стандартных процедур; выбор необходимых комплексных алгоритмов на основе стандартных и тонких процедур для устранения ошибок и отклонений, выявленных с помощью С-индикатора; снижение электропотребления объектов предприятия на основе управляющего воздействия. Прежде чем перейти к следующему блоку модели, необходимо отметить, что с помощью С-матрицы на заданном временном интервале определяется состояние предприятия и его ключевые параметры по электропотреблению. Кроме того, на основе элементов С-матрицы реализуется управляющее воздействие по снижению электропотребления индивидуально для каждого объекта.
После формирования С-матрицы осуществляется проверка её элементов на наличие корреляционной связи. Смысл данной проверки заключается в выявлении причинно-следственных зависимостей между значе-
217
ниями элементов, т.е. насколько изменение одних элементов зависит от изменения значений других элементов. Результат успешной проверки на наличие корреляционной связи доказывает взаимосвязанность процедур рангового анализа и даёт основание применять математический аппарат рангового анализа. Порядок данной проверки подробно описан в [1, 9 - 12].
На следующем этапе для проверки достоверности и качества данных по электропотреблению с помощью С-индикатора проводится мониторинг результатов стандартных процедур рангового анализа на наличие ошибок и отклонений. С-индикатор - функционал, включающий в себя систему индикаторных функций, определённых на множестве значений С-матрицы, которые определяют логику принятия решения. Аналитически индикаторные функции можно записать в следующем виде [11, 12]:
[1,^х > 0; т , Ч [1,'/х > 15 %; [1, г/х > 15%; пл
^ = (с,/х < 0; р = |о, / х < 150%; ^(х) = |0, / х <15%%, (2)
где 1Л(х) - индикаторная функция определения аномальных объектов; 1р(х) -индикаторная функция определения прогнозных значений; 1Ы(х) - индикаторная функция определения норм; х - параметры процедур рангового анализа.
В формуле (2) для логического элемента С-индикатора заданы индикаторные функции мониторинга результатов интервального оценивания, прогнозирования и нормирования. Индикаторная функция интервального оценивания определяет логику принятия события х>0 при обнаружении аномальных объектов, соответственно при х < 0, событие отклоняется. Логика принятия и отклонения событий для процедуры прогнозирования построена на выявлении средних относительных ошибок. При обнаружении средней относительной ошибки больше 15 % - событие х>15 % принимается, в случае отсутствия таких ошибок событие х<15 % отклоняется. Для процедуры нормирования принятие события индикаторной функцией х>15 % осуществляется при отклонении нормы объекта от нижней границы ПДИ больше 15 %, отклонение события при отклонении нормы объекта от нижней границы ПДИ меньше 15 % [2].
При выявлении новых аномальных объектов в С-индикаторе с помощью индикаторной функции происходит сигнализация и формируется вектор абсолютных дифлекс-параметров. Значения данного вектора представляют собой разность между электропотреблением объекта и электропотреблением соответствующего ранга на верхней границе ПДИ [9 - 11].
Параметром индикаторной функции (2), с помощью которого в С-индикаторе осуществляется сигнализация о точности прогноза, является средняя относительная ошибка прогноза, рассчитанная на основе прогнозных значений, полученных по фактически потреблённой электроэнергии объектами предприятия по следующему выражению:
218
(3)
где п - количество объектов исследуемого предприятия; т - количество исследуемых лет; Я и Р - индексы реального и прогнозного электропотребления.
Погрешность прогнозирования электропотребления на год вперёд может составить от 4 до 15 %. В случае, если она превысит 15 %, происходит сигнализация о наличии ошибки. Величина 15 % обоснована теоретическими исследованиями и практической реализацией в электросетевых организациях [5 - 7, 12 - 15].
Мониторинг результатов нормирования заключается в определении с помощью индикаторной функции (2) значений отклонений полученных норм от нижней границы ПДИ. Если значение нормы превышает значение нижней границы ПДИ на 15 %, то в С-индикаторе происходит сигнализация об отклонении. Предел 15 % для средней относительной ошибки и отклонения норм также обоснован в работах [5 - 7, 12 - 15]. В данных работах доказано, что при превышении данного предела электропотребление объекта считается аномально большое и приводит к нарушению нормального технологического процесса.
Значение индикаторной функции процедуры нормирования (2) в С-индикаторе определяется по следующему выражению:
где Ж* - значение нормы к-го объекта; - значение электропотребления
к-го объекта на нижней границе ПДИ.
Необходимо отметить, что норма - это целенаправленное воздействие для уменьшения потребления электроэнергии, и поэтому, чем она ниже, тем лучше. Однако, с другой стороны, норма для объектов не может опускаться ниже нижней границе ПДИ [2, 5, 16, 17].
Таким образом, для мониторинга наличия ошибок и отклонений результатов стандартных процедур рангового анализа впервые применяется С-индикатор. Для принятия решения об ошибках и отклонениях в С-индикаторе предусмотрены индикаторные функции.
Далее по результатам мониторинга результатов стандартных процедур формируется С-матрица, которая содержит вектор относительных дифлекс-параметров, вектор прогнозных значений и норм, содержащие ошибки и отклонения, устранение которых осуществляется с помощью комплексных алгоритмов в результате стандартных и тонких процедур рангового анализа. Выбор данных алгоритмов осуществляется с помощью комплексного показателя системных свойств, под которым понимается система логических выражений, на основе которых производится выбор алгоритмов стандартных и тонких процедур для устранения ошибок и отклонений, выявленных при мониторинге С-матрицы.
Ажк = | _ |,
п I п Щ I ?
(4)
Непосредственно перед началом формирования комплексных алгоритмов строятся ПДИ и область допустимых значений (ОДЗ). На следующем этапе алгоритма осуществляется распределение объектов по группам, которое позволяет показать, для каких объектов необходимо реализовы-вать тонкие процедуры рангового анализа, а для каких достаточна реализация стандартных процедур. Для выбора объектов выше верхней границы, внутри границ и ниже нижней границы ОДЗ используется индикаторная случайная величина. Она предоставляет удобный метод перехода от вероятности к математическому ожиданию. Определим величины математического ожидания объектов выше, внутри и ниже границ ОДЗ (рис. 2).
Пространство событий для одного объекта в этом случае имеет простой вид [2]:
5 = [Pb.PC.PH], (5)
где Рв - вероятность нахождения объекта выше границ ОДЗ; Рс- вероятность нахождения объекта внутри ОДЗ; Рн - вероятность нахождения объекта ниже границ ОДЗ.
Рис. 2. Распределение объектов на группы
Далее можно определить индикаторную случайную величину Х, связанную с нахождением объекта, т.е. с событиями Рв,Рс,Рн. Эта величина подсчитывает количество объектов, находящихся выше, внутри и ниже ОДЗ. Если объект находится выше верхней границы ОДЗ, она равна 1, если внутри, то - 0,5, если ниже, то - 0. Запишем это с помощью формальных обозначений:
и/Рв = 1;
0,5 г/Рс = 1; (6)
I (Хр ) =
0 /Рн = 1,
где Хр - вероятность принадлежности объекта к пространству 8; I(Хр) -индикаторная случайная величина.
События PB, Pc, PH для одного объекта могут быть представлены следующей системой [2]:
Wв
ГБ = | W (x) dx;
Wн
< Гс = | W(x) dx; (7)
Wв
ГН = | W (x) dx,
Wн
где WB - электропотребление ранга на верхней границе; WH - электропотребление ранга на нижней границе; х - переменная.
Тогда выбор алгоритмов для устранения ошибок и отклонений, полученных по результатам процедур рангового анализа, можно записать в виде системы на основе индикаторной случайной величины:
AlifPв = 1;
A2 if ^ = 1; (8)
Aз ifPн = 1,
где A1 - комплексный алгоритм для объектов выше верхней границы ОДЗ; A2 - комплексный алгоритм для объектов внутри границ ОДЗ; A3 - комплексный алгоритм для объектов ниже нижней границы ОДЗ.
Если значение электропотребления объектов находится выше верхней границы ОДЗ, то в системе управления самого объекта либо во внешней системе управления имеет место организационный фактор, дестабилизирующий нормальный процесс функционирования. Следовательно, на устранение данного фактора первоначально должны быть реализованы меры по энергосбережению. В связи с этим индикаторная случайная величина указывает на необходимость формирования комплексного алгоритма A1 на основе тонких процедур рангового анализа (дифлекс-анализа [1, 2], 07-анализа [5 - 7] и Л8Я-анализа [2, 8]).
Если объекты имеют значения электропотребления, которые находятся внутри границ ОДЗ, то целесообразно применять только стандартные процедуры и проводить мониторинг результатов, по которому формируется комплексный алгоритм A2, включающий мониторинг ошибок прогнозных значений и нормирование по нижней границе ПДИ.
Для объектов, значения электропотребления которых ниже нижней границы ОДЗ, в рамках дифлекс-анализа реализуется процедура углубленного обследования объектов и определяется очерёдность энергоаудита, а в рамках прогнозирования проводится расчёт средней относительной по-
221
I (xP н
грешности прогноза. Следовательно, формируется комплексный алгоритм а3 , реализующий тонкую процедуру рангового анализа - дифлекс-анализ и стандартную - прогнозирование.
Таким образом, комплексный показатель системных свойств с помощью индикаторной случайной величины осуществляет распределение объектов на три группы (выше верхней границы, внутри границ и ниже нижней границы ОДЗ) и выбор комплексных алгоритмов на основе стандартных и тонких процедур рангового анализа для устранения выявленных в результате мониторинга ошибок и отклонений.
Следующим этапом модели является реализация учёта управляющего воздействия для снижения электропотребления объектов предприятия. Актуальность реализации данной процедуры для предприятия обоснована существующей динамикой роста тарифов на электроэнергию и необходимостью снижения затрат за счёт внедрения новых моделей управления электропотреблением.
Необходимо отметить, что процедуру снижения электропотребления целесообразно использовать для принятия мер технического регулирования [18 - 25].
Кроме этого, последовательная реализация данной процедуры совместно позволит постоянно и целенаправленно воздействовать на «слабые» объекты, при этом средства, нацеленные на энергоаудит, будут использоваться эффективнее, а потребление электроэнергии будет постоянно снижаться [2, 18 - 26].
Реализация процедуры снижения электропотребления объектов предприятия начинается с анализа управляющего воздействия. В данном случае под управляющим воздействием понимаются дополнительные действий организационного или распорядительного характера, кадровые перестановки персонала предприятия, а также выполнение требование нормативно-правовых документов, регламентирующих нормы потребления ресурсов [18, 19, 22, 23, 26]. Одним из примеров управляющего воздействия является Указ Президента Российской Федерации от 04.06.2008 года № 889. Данный указ требует в целях снижения к 2020 году энергоёмкости ВВП Российской Федерации не менее, чем на 40 %, реализовать инструменты технического регулирования для повышения энергетической и экологической энергоэффективности в электроэнергетике [2, 5].
Далее формируется С-матрица для объектов выше нижней границы ПДИ. Нижняя граница является критерием определения объектов предприятия для снижения электропотребления на основе управляющего воздействия.
Выбор значений С-матрицы осуществляется в результате расчёта для каждого элемента величины абсолютного отклонения электропотребления от нижней границы ПДИ (рис. 3).
222
фактическое значение
Хк
X
Рис. 3. Выбор элементов С-матрицы выше нижней границы ПДИ: WPU - отклонение прогнозного значения от нижней границы ПДИ; WNU - отклонение значения нормы от нижней границы ПДИ; WRU - отклонение фактического значения электропотребления
от нижней границы ПДИ
Для элементов С-матрицы абсолютные отклонения электропотребления от нижней границы ПДИ рассчитываются по следующей системе:
где Жрии - отклонение прогнозного значения к-го объекта от нижней границы ПДИ; WN¡U - отклонение значения нормы от нижней границы ПДИ; Ж^и - отклонение фактического значения электропотребления от нижней границы ПДИ; - значение фактического электропотребления на нижней границе ПДИ.
Таким образом, в процессе выбора объектов для снижения электропотребления формируется С-матрица, значения элементов которой являются выше значений нижней границы:
где ЖБу -вектор дифлекс-параметров объектов выше нижней границы ПДИ; Жрщ - вектор прогнозных значений объектов выше нижней границы ПДИ; WNщ - вектор норм объектов выше нижней границы ПДИ; т - значения элементов С-матрицы; 1 =1 ... т; ] =1 ... т.
(9)
(10)
В рамках следующего этапа алгоритма снижения электропотребления для оценки величины отклонения электропотребления объекта от границ ПДИ по отношению к собственному электропотреблению осуществляются расчёт ОДП и ранжирование элементов С-матрицы по данному параметру. ОДП рассчитывается по следующему выражению:
V - V
ъ=VVVg, (11)
где - отклонение электропотребления к-го объекта от нижней границы
ПДИ; Ж/ - фактическое значение электропотребления к-го объекта.
Обоснование выбора ОДП для расчётов объясняется тем, что процедура снижения реализуется для выборки объектов. Если бы объект исследовался индивидуально, то расчёты производились на основе АДП.
Важным параметром для расчёта коэффициента управления снижением электропотребления объектов предприятия является среднее прогнозных значений и норм для объектов выше нижней границы ПДИ. Расчётное выражение для среднего прогнозных значений и норм можно записать в следующем виде:
Я = \• Л + Жри), (12)
где Я - вектор среднего прогнозных значений и норм; Жри - вектор прогнозных значений выше нижней границы ПДИ; - вектор значений норм выше нижней границы ПДИ.
Среднее прогнозных значений и норм обеспечивает возможность корректировки управляющего воздействия при снижении электропотребления объектов предприятия. При этом корректная реализация управляющего воздействия достигается только путём совместного использования относительных дифлекс-параметров и среднего прогнозных значений и норм.
На следующем этапе осуществляется снижение электропотребления. Основным инструментом данной операции является коэффициент управления. Он отражает степень воздействия на объекты, находящиеся выше нижней границы ПДИ. Величина коэффициента управления является обобщающим показателем управляющего воздействия для всего предприятия и предполагает снижение электропотребления за счёт комплексного применения параметров С-матрицы для объектов выше нижней границы ПДИ. По результатам вычисления векторов ОДП (11), а также среднего прогнозных значений и норм (12) вычисление коэффициента управления можно представить в следующем виде:
УТ - Бит(Е - к • 5) + Шт • К2 = 0 03, (13)
где Vт - вектор фактического электропотребления; Бит - вектор среднего прогнозных значений и норм для объектов выше нижней границы ПДИ; ОЬТ - вектор среднего прогнозных значений и норм для объектов ниже
224
нижней границы ПДИ; El,E2 - вектора единиц; k - коэффициент управления снижением электропотребления объектов ВЭК БФ; S - вектор ОДП для объектов выше нижней границы ПДИ.
Упростив (13), получим выражение для расчёта коэффициента
управления снижением электропотребления в векторной форме:
, DUT ■ E + DLT ■ E2 -0,97-V „
k =-1--—2-. (14)
DUT ■ S v 7
На заключительном этапе алгоритма с помощью значений коэффициента управления производится корректировка электропотребления для объектов предприятия выше нижней границы ПДИ. Далее осуществляется проверка правильности расчёта коэффициента управления по выражению (14) и корректировка электропотребления всего предприятия на заданную величину (в данном случае 3 %).
По результатам данных проверок формируется итоговая D-матрица сниженных значений электропотребления, которая представляет собой совокупность, записанных в виде прямоугольной таблицы, числовых значений векторов сниженных индивидуально для каждого объекта значений электропотребления и их кодов данных объектов:
Dy = (W оу- ,WkV т = f Wcu Wc12 Wc1m ], (15)
U v /1J= W W ••• W v '
V K21 ''K22 ''K2m J
где Woy - вектор сниженных значений электропотребления; Wk,j - вектор кодов сниженных значений электропотребления.
Выходные данные в модели представлены в виде двух матриц: уточнённой С-матрицы и D-матрицы сниженных значений по электропотреблению индивидуально для каждого объекта предприятия. Соответственно информацию данных матриц руководители или главные энергетики предприятия могут использовать для определения оптимальной стратегии управления потенциалом энергосбережения.
Разработанная модель проходила проверку качества полученных результатов на статистических данных по электропотреблению объектов военной инфраструктуры. При реализации оценки качества значений уточнённой С-матрицы осуществлялась проверка динамики изменения количества аномальных объектов в течение пяти лет. Данная проверка показала, что количество аномальных объектов уменьшается примерно на 7...8 %. Произведена проверка качества прогнозных значений по четырём показателям. Первый показатель - количество объектов, относительная ошибка которых больше 5 %, второй - гистограмма относительных ошибок прогноза по всему предприятию за пять лет, третий - максимальная ошибка прогноза по всему предприятию за пять лет, четвёртый - коэффициент вариации, который служит мерой рассеяния прогнозных значений относительно проверочных [2, 5, 7].
В результате проверки прогнозных значений за пять лет по первому показателю количество объектов, относительная ошибка прогнозных значений которых больше 5 %, составило по одному объекту в год. При анализе
225
гистограммы второго показателя удалось установить, что частота изменения относительной ошибки прогноза по всему предприятию за пять лет не превысила 10 %. Анализ полученной матрицы максимальных ошибок прогноза по всему предприятию за пять контрольных лет показал, что максимальные значения ошибок прогноза не превышают 3 %. При рассмотрении полученных коэффициентов вариации удалось установить, что с увеличением шага эвристического анализа значение коэффициента вариации уменьшается. Данный факт объясняется увеличением глубины предыстории обрабатываемых данных и повышением качества прогноза [7].
Оценка качества полученных норм электропотребления по трём показателям. Первый показатель - количество норм, отклоняющихся от нижней границы на величину более 15 %, второй - динамика изменения количества норм, отклоняющихся от нижней границы ПДИ на величину более 15 % и третий - гистограмма отклонений норм от нижней границы ПДИ по всему предприятию за пять лет [7].
В результате расчёта первого показателя определено семьдесят три объекта, отклонения норм которых превышают 15 % от нижней границы ПДИ. Исследование второго показателя показало, что в течение пяти лет наблюдается уменьшение количества норм, отклоняющихся от нижней границы ПДИ на величину более 15 % примерно на 7 % в год. Анализ построенной гистограммы по третьему показателю показал, что частота изменения отклонения норм от нижней границы ПДИ по всему за пять лет не превысила 50 % [7].
Анализ Б-матрицы сниженных значений по электропотреблению позволил заключить, что в результате реализации процедуры снижения электропотребления с высокой достоверностью выполняются требования Указа Президента Российской Федерации от 04.06.2008 года № 889.
Список литературы
1. Гнатюк В.И., Луценко Д.В. Прогнозирование электропотребления регионального электротехнического комплекса на инерционном этапе развития: монография. М.: ИНП РАН, 2009. 92 с.
2. Разработка методики мониторинга электропотребления регионального электротехнического комплекса дочерней компании Холдинга МРСК (на примере ОАО «Янтарьэнерго»)»: отчёт о НИР / испол.: А. А. Меркулов, С. А. Дорофеев, О.Р. Кивчун [и др.] шифр «Монитор». Калининград: Техноценоз, 2012. Инв. № 45 / З.1 / 970. 310 с.
3. Кудрин Б.И. Электричество сегодня и проблемное электроснабжение // Промышленные энергетика. 2016. № 10. С. 5 - 9.
4. . Потенширование в методике управления электропотреблением техноценоза / В.И. Гнатюк, Д.В. Луценко, О.Р. Кивчун, Л.В. Примак // Механизация строительства. 2014. № 8. С. 19 - 27.
226
5. Методика мониторинга электропотребления электротехнического комплекса Калининградской области / Кивчун О.Р. [и др.] // Промышленная энергетика. 2015. № 3. С. 26 - 35.
6. Гнатюк В.И., Кивчун О.Р. Интеллектуальные технологии мониторинга электропотребления объектов припортового электротехнического комплекса // Морские интеллектуальные технологии. 2017. 3(37). Т. 1. С. 138 - 135.
7. Модели и методы прогнозирования электропотребления при управлении объектами регионального электротехнического комплекса /
B.И. Гнатюк, О.Р. Кивчун, М.А. Никитин, Д.В. Луценко // Математическое моделирование. 2017. № 29:5. С.109 - 121.
8. Гнатюк В.И., Кивчун О.Р., Яфасов А.Я. Определение потенциала энергосбережения объектов припортового электротехнического комплекса в рамках развития интеллектуальных энергетических систем // Морские интеллектуальные технологии. 2017. 3(37). Т.1. С. 142 - 149.
9. Грицай А.С. О построении доверительных интервалов в задачах краткосрочного прогнозирования электропотребления // Новые информационные технологии в исследовании сложных структур: материалы XI Междунар. конф. Томск, 2016. С. 32.
10. Сизганова Е.Ю., Петухов Р.А., Антоненков Д.В. Определение объектов для углубленного энергообследования в инфраструктуре бюджетных организаций и учреждений муниципального уровня // Журнал Сибирского федерального университета. Сер. «Техника и технологии». 2015. Т. 8. № 1. С. 126 - 132.
11. Клюев Р.В. Математическое моделирование в процессе производства и потребления электроэнергии // Аудит и финансовый анализ. 2012. №1. С. 436 - 444.
12. Кирпичникова И. М. Исследование методов прогнозирования электропотребления сбытового предприятия // Электротехнические системы и комплексы. 2014. № 3. С. 39 - 43.
13. Мокеев В. Об использовании метода главных компонент для анализа деятельности предприятий // Вестник ЮУрГУ. Сер. «Экономика и менеджмент». Красноярск. 2013. № 3. С. 41 - 46.
14. Barbasova T.A. Energy consumption forecast procedure for an industrial facility // International Journal of Social, Behavioral, Educational, Economic, Business and Industrial Engineering. 2015. Vol. 9. No.12. P. 3864-3867.
15. Казаринов Л.С. Метод прогнозирующего управления энергетической эффективностью промышленного предприятия // Вестник ЮжноУральского государственного университета. Сер. «Компьютерные технологии, управление, радиоэлектроника». 2013. №2. С. 12 - 24.
16. Кошарная Ю.В. Разработка системы нормирования показателей потребления энергии и оценки объемов энергосбережения на примере металлургического предприятия // Промышленная энергетика. 2015. № 8.
C. 13 - 22.
17. Gritsay A.S. Spectral analysis of retrospective data on power consumption. Dynamics of Systems, Mechanisms and Machines (Dynamics), 2016. P.1-4.
18. Киушкина В.Р., Антоненков Д.В. Ранговый анализ распределенных потребителей электроэнергии республики Саха (Якутия) // Промышленная энергетика. 2013. № 6. С. 12 - 15.
19. Энергосберегающее управление электропотреблением металлургического предприятия / Г.В. Никифоров, В.К. Олейников, Б.И. Засла-вец, А.Н. Шеметов // Главный энергетик. 2014. № 5. С. 14 - 23.
20. Соловьева И. А., Дзюба А.П. Управление затратами на электропотребление промышленных предприятий на базе модели оптимизации графиков электрических нагрузок // Известия Тульского государственного университета. Экономические и юридические науки. 2017. Вып. 1. Ч. 1. С. 165 - 174.
21. Кривоногов С.В. Анализ эффективности систем управления электроснабжением // Карельский научный журнал. 2015. № 1 (10). С.179 - 182.
22. Andersen F.M. Forecasting hourly electricity load: identification of consumption profiles and segmentation of customers // Energy Conversion and Management. 2013. Vol. 68. P. 244 - 252.
23. Yasar Nermin. The Relationship between Energy Consumption and Economic Growth: Evidence from Different Income Country Groups. International journal of energy economics and policy. 2017. Vol. 7, No.2. P. 86 - 97.
24. Mougouei Farzad Rahimi, Mortazavi Mahdieh-Sadat. Effective Approaches to Energy Planning and Classification of Energy Systems Models // International journal of energy economics and policy. 2017. Vol. 7. No.2. P. 127 -131.
25. Барбасова Т.А. Автоматизированная система энергетического менеджмента промышленного предприятия // Электротехнические комплексы и системы управления. 2014. Т. 2. № 3. С. 23 - 27.
26. Adeyemi A. Ogundipe, Opeyemi Akinyemi, Oluwatomisin M. Ogun-dipe. Electricity Consumption and Economic Development in Nigeria // International journal of energy economics and policy. 2016. Vol. 6. No.1. P. 134 -143.
Дорофеев Сергей Алексеевич, канд. техн. наук, зав. кафедрой, doro-feev1973@mail.ru, Россия, Калининград, филиал ВУНЦ ВМФ «Военно-морская академию>,
Гнатюк Виктор Иванович, д-р техн. наук, проф., mail@gnatukvi.ru, Россия, Калининград, Калининградский государственный технический университет,
Кивчун Олег Романович, канд. техн. наук, ст. преподаватель, oleg kivchunamail.ru, Россия, Калининград, филиал ВУНЦ ВМФ «Военно-морская академия»
CONTROL OF ELECTRIC CONSUMPTION IN OPERATION OF OBJECTS OF MILITARY INFRASTRUCTURE ON THE BASIS OF SYNTHESIS OF PROCEDURES OF THE RANK ANALYSIS
S.A. Dorofeev, V.I. Gnatuk, O.R. Kivchun
One of the approaches to researching the process of power consumption from the point of view of its management in the operation of military infrastructure facilities is considered in detail. The significance of the process of management of electrical energy consumption is not limited by the traditional search for an optimal value of the objective function in variation of parameters, but it intends to set an optimal strategy of variation of parameters which minimizes expenses on the way of movement of enterprise consumers to the state ensuring the optimum of electrical energy consumption at the lower limit of variable confidence interval. The core of this approach is a static model of management based on the synthesis of the rank analysis procedures. The monitoring of occurrence offaults and deviations in results of rank analysis procedures, choice of complex algorithms for elimination of faults and deviations as well as reduction of electrical energy consumption based on the leading impact in an individual way for each object are implemented by means of this model.
Key words: management, electrical energy consumption, operation, objects of military infrastructure, synthesis, procedure, rank analysis.
Dorofeev Sergey Alexeevich, candidate of technical sciences, head of chair, doro-feev19 73®,mail. ru, Russia, Kaliningrad, Branch of the Naval Academy of the Navy "Naval Academy",
Gnatyuk Viktor Ivanovich, doctor of technical sciences, professor, mailagnatukvi. ru, Russia, Kaliningrad, Kaliningrad State Technical University,
Kivchun Oleg Romanovich, candidate of technical sciences, senior lecturer, oleg kivchunamail. ru, Russia, Kaliningrad, Branch of the Naval Academy of the Navy "Naval Academy"
