Краткосрочное прогнозирование электропотребления горного предприятия в условиях оптового рынка электроэнергии и мощности

• Автор: Валь, Пётр Владимирович
• Шифр специальности: 05.09.03
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Красноярск
• Количество страниц: 191 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1 Методологический анализ проблемы краткосрочного прогнозирования электропотребления электротехнической системы предприятия в условиях оптового рынка электроэнергии и мощности
1.1 Особенности оборота электроэнергии на оптовом рынке электроэнергии и мощности
1.2 Электрическое хозяйство предприятия как объект прогнозирования
1.3 Выбор метода прогнозирования электропотребления
1.4 Обзор методов краткосрочного прогнозирования электропотребления
1.5 Требования к системе прогнозирования электропотребления
Выводы по разделу
2 Теоретические основы построения модели краткосрочного прогнозирования электропотребления предприятия
2.1 Постановка задачи краткосрочного прогнозирования электропотребления предприятия
2.2 Искусственные нейронные сети как инструмент прогнозирования электропотребления
2.3 Анализ качества модели прогнозирования электропотребления
2.4 Алгоритм построения модели прогнозирования электропотребления
2.5 Традиционные методы прогнозирования электропогребления
Выводы по разделу
3 Теоретическая и алгоритмическая разработка системы краткосрочного прогнозирования электропотребления предприятия
3.1 Концепция построения системы прогнозирования электропотребления предприятия
3.2 Структура системы прогнозирования электропотребления предприятия

3.3 Краткий обзор программных средств реализации системы прогнозирования электропотребления
3.4 База данных системы прогнозирования электропотребления
3.5 Поиск информативных признаков модели прогнозирования электропотребления
3.6 Идентификация модели прогнозирования электропотребления
Выводы по разделу
4 Практическая разработка системы краткосрочного прогнозирования электропотребления горного предприятия
4.1 Особенности электропотребления Сорского производственного комплекса
4.2 Формализация входной информации модели прогнозирования электропотребления Сорского производственного комплекса
4.3 Идентификация модели прогнозирования электропотребления Сорского производственного комплекса
4.4 Тестирование модели прогнозирования электропотребления Сорского
производственного комплекса
Выводы по разделу
5 Анализ практического использования системы краткосрочного прогнозирования электропотребления горного предприятия
5.1 Анализ результатов тестирования модели прогнозирования электропотребления Сорского производственного комплекса
5.2 Особенности системы прогнозирования электропотребления Сорского
производственного комплекса
Выводы по разделу
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
ВВЕДЕНИЕ
В настоящее время прогнозирование является неотъемлемой частью любой сферы человеческой жизни, и электроэнергетика не является исключением. Необходимость точного определения будущих значений параметров электротехнических систем возникла с момента начала глобальной электрификации отраслей экономики развитых стран. Результаты прогнозирования электропотребления являются информационной основой процессов планирования оптимальных режимов работы электротехнических систем предприятий.
В последние годы в электроэнергетике большинства развитых стран необходимость качественного прогнозирования электропотребления (преимущественно краткосрочного) стала еще более острой, в том числе и для конечных потребителей электроэнергии, в связи с введением конкурентных отношений в отрасли. В новых рыночных условиях функционирования электротехнических систем предприятий качество краткосрочного прогнозирования стало напрямую влиять на финансовое благополучие участников рынка электроэнергии.
В России вслед за развитыми западными странами результатом либерализации электроэнергетической отрасли стал запуск оптового рынка электроэнергии и мощности (ОРЭМ). У крупных предприятий, суммарная присоединенная мощность которых превышает 20 МВА, появилась возможность выбора: покупать электроэнергию у гарантирующих поставщиков (или энергосбытовых компаний) либо напрямую участвовать в торгах наравне с гарантирующими поставщиками и энергосбытовыми компаниями. Все большее число крупных предприятий выбирает второй вариант (к середине 2011 г. на ОРЭМ насчитывалось 45 крупных потребителей), что главным образом обусловлено желанием предприятий снизить долю оплаты за электроэнергию в себестоимости своей продукции и тем самым снизить издержки производства.
В последние годы для отечественных предприятий характерно стабильное увеличение доли оплаты за электроэнергию в себестоимости продукции. Главным образом это вызвано высокой энергоемкостью продукции отечествен-

на процесс электропо'гребления, каково количественное влияние каждого из них в отдельности, а также их произвольных комбинаций [16].
Проблема построения регрессионных прогнозных моделей усложняется при наличии нелинейных зависимостей [16]. Традиционными методами моделирования нелинейных зависимостей переменных является подгонка кривых (квадратичных, кубических, степенных, логарифмических, гиперболических, показательных и др.), использование фиктивных переменных (нелинейных либо по переменным, либо по параметрам), служащих для приведения к линейной регрессии, и другие. Проблема заключается в том, что такого рода нелинейные методы очень неустойчивы к неправильной спецификации функциональной формы модели, что может привести к неудовлетворительному качеству вневы-борочного прогноза [47]. Кроме того, нелинейные регрессионные модели по сравнению с линейными с тем же количеством параметров требуют существенно больших размеров выборки [47]. Также применение регрессионных методов может осложняться при коррелированное™ между собой (мультиколлинеарности) факторов (х1,х2,х3, ...хп), что приводит к неустойчивости коэффициентов модели прогнозирования.
Методы временных рядов. Методы временных рядов охватывают достаточно широкий круг методов, главным отличием которых является то, что определение прогнозных значений переменной осуществляется на основе прошлых и текущих значений этой же переменной [19].
Основной недостаток методов на основе временных рядов заключается в их идейном содержании - прогноз осуществляется по собственной предыстории показателя без вскрытия причин развития Описание тенденции изменения только с помощью функции времени означает, что время - единственная причина изменения электропотребления. На самом же деле развитие того или иного явления определяется множеством внутренних и внешних причин и фактор времени аккумулирует их влияние, поэтому модель прогнозирования не вскрывает причин изменения, а носит чисто описательный характер [63]. Главным