Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии

• Автор: Новиков, Сергей Сергеевич
• Шифр специальности: 05.09.03
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Москва
• Количество страниц: 186 с. : ил.

ГЛАВА 1. КРУПНОЕ ЭЛЕКТРОСТАЛЕПЛАВИЛЬНОЕ ПРОИЗВОДСТВО В УСЛОВИЯХ РЫНКА ЭЛЕКТРОЭНЕРГИИ
1.1. Тенденции развития электрометаллургии стали в мире
1.2. Реструктуризация электроэнергетики и проблемы электрообеспечения< потребителей
1.3. Позиционирование потребителя на рынках электроэнергии и основы ценообразования
1.4. Цели и задачи'исследования
ГЛАВА 2. МАТЕМАТИЧЕСКИЙ-АППАРАТ АНАЛИЗА И МОДЕЛИРОВАНИЯ ЭЛЕКТРИЧЕСКИХ ПОКАЗАТЕЛЕЙ РАБОТЫ ДСП'
2.1. Особенности графиков нагрузки, ДСП как объекта математического анализа
2.2. Математическое описание графиков нагрузки ДСП для задач опера-

тивного планирования;
2.2.1. Описание графика нагрузки как временного ряда
2.2.2. Применение математического аппарата нейронных сетей
2.2.3. Разработка типовых суточных графиков на основании предыстории
2.3. Математическое обеспечение оперативного управления электропотреблением
2.3.1. Прогнозирование часового электропотребления по графикам-аналогам
2.3.2. Применение нейронных сетей с нечеткой логикой
2.4. Оценка эффективности планирования и оперативного управления электропотреблением
ГЛАВА 3. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ
3.1. Построение оперативного прогноза часового электропотребления на двое суток вперед
3.1.1. Авторегрессионные модели
3.1.2. Нейронные сети с прямой передачей сигнала
3.2. Прогнозирование на основе выбора характерных суток
3.3. Прогнозирование внутри часа
3:3.1. Метод подбора графика-аналога
3.3.2. Применение нейро-нечеткой системы
3.4. Информационно-методическое обеспечение задач оперативного планирования и управления электропотреблением
ГЛАВА 4. РАЗРАБОТКА МЕТОДИКИ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЕМ
4.1. Реализация почасового прогноза электропотребления на двое суток вперед
4.1.1. Применение АШМА-моделей
4.1.2. Нейронные сети с прямой передачей сигнала
4.1.3. Прогнозирование на основе разработки типовых.графиков
4.2. Реализация оперативного прогноза электропотребления внутри часа
4.2.1. Прогнозирование методом подбора графика-аналога
4.2.2. Прогнозирование на основе нейронных сетей с нечеткой логикой
4.3. Программная реализация,алгоритмов внутричасового прогноза и оперативного регулирования нагрузки ДСП
4.4. Методика технико-экономического обоснования необходимости и эффективности оперативного планирования и управления электропотреблением ЭСПЦ
РЕЗУЛЬТАТЫ И ВЫВОДЫ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
Приложение П1. Фактические значения получасовых нагрузок производств
в составе ЭСПЦ-2 ОАО "НКМК" с 27.01.2004 г. по 31.03.2004 г
Приложение П2. Результаты кластеризации графиков почасового электропотребления .ЭСПЦ
Приложение ПЗ. Пятиминутные нагрузки ДСП-1 и ДСП-2 с 01.01.2005 г.
по 14.07.2005 г
Приложение П4. Почасовые значения цен на электроэнергию на рынке на сутки вперед и балансирующем рынке с 01.01.2007 г. по 31.05.2007 г. ценовой зоны "Сибирь"
Конкурентоспособность продукции электроемких отраслей промышленности во многом определяется эффективностью- энергоиспользования и стоимостью-продукции и-услуг электроэнергетики, нефтегазовой промышленности, транспортной отрасли. Рост производства и динамичное изменение конъюнктуры мировых рынков в высшей степени актуализируют проблему экономии электроэнергии. Энергетическая стратегия! развития России до 2020-2025 гг. предусматривает снижение электроемкости ВВП: по средним темпам 2,4-3,7 % в год, и на 80% в целом к 2020 г: по'сравнению с уровнем 1995- г. [126]. При этом1 потребность промышленности В; электроэнергии; к, 2015- г. прогнозируют на уровне бООмлрд кВтч [21]. Таким образом, функционирование предприятий в новых экономических условиях требует изменения-подходов; к оценке и повышению эффективности использования ТЭР1
Изменения в: электроэнергетике, связанные с ее реструктуризацией, открывают потребителям новые возможности повышения рентабельности производства. Запуск в конце 2006 г. новой модели оптового рынка электроэнергии обусловил динамичное развитие энерготрейдинга в рамках внутреннего рынка и постепенное повышение значимости технико-экономического аспекта взаимоотношений потребителя с субъектами электроэнергетики. Выгода от выхода на оптовый рынок для большинства крупных предприятий, с учетом значительных затрат в обеспечение всех организационно-технических требований, оборачивается иногда экономическими потерями из-за некачественного планирования (месячного по суткам и суточного по часам электропотребления), приводящего к. штрафным санкциям. Поэтому необходима выработка для каждого предприятия целостной стратегии поведения- на рынке,. опирающейся на оперативные прогнозирование, планирование, управление электропотреблением. Такая постановка задачи требует дополнения системы показателей электрохозяйства данными о часовых, 3-5-минутных замерах параметров электропотребления по точкам поставки и привлечения математических методов моделирования

В процессе обучения может возникнуть ситуация, когда большие положительные или отрицательные значения весовых коэффициентов сместят рабочую точку на сигмоидах многих нейронов-в область насыщения, а малые величины производной от логистической функции приведут к остановке обучения, что парализует НС [128]. Поэтому, после того как значения весовых коэффициентов стабилизируются, 77 кратковременно сильно увеличивают, чтобы начать градиентный спуск из новой точки. Глобальный минимум целевой функции полагают найденным, если повторение этой процедуры несколько раз приведет алгоритм в одно и то же состояние НС [10].
2.2.3. Разработка типовых суточных графиков на основании предыстории
После прогноза электропотребления на сутки Жсут, необходимо разбить его по часам на основании "типовых" суточных графиков нагрузки. Получение типовых графиков возможно на основе анализа предыстории и автоматической классификации графиков. Теоретической основой формализации классификации суточных графиков нагрузки служат методы кластерного анализа [33, 34], задачей которых является разбиение множества объектов (в данном' случае — графиков), описываемых системой признаков (значений, мощности по часам), на подмножества (кластеры).
Пусть задана совокупность объектов (графиков), описываемых р признаками (р значений мощности) каждый (исходная выборка). В пространстве описания каждый объект представляется р-мерным вектором или точкой, координаты которой есть значения соответствующих признаков. Исходную выборку требуется разбить на однородные в некотором смысле классы (кластеры), причем априорная информация о числе групп, характере распределения объектов внутри каждой группы, обучающих выборках зачастую отсутствует [66].
При-этом должен соблюдаться критерий оптимальности разбиения - некоторый функционал, выражающий уровни желательности различных разбиений. Функционал в данном случае можно назвать целевой функцией.