Ценологическое определение параметров электропотребления, надежности, монтажа и ремонта электрооборудования предприятий региона

• Автор: Фуфаев, Владимир Валентинович
• Шифр специальности: 05.09.03
• Научная степень: Докторская
• Год защиты: 2001
• Место защиты: Москва
• Количество страниц: 382 с. : ил

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

ЕОБОСНОВАНИЕ РАЗВИТИЯ ЦЕНОЛОГИЧЕСКОЙ ТЕОРИИ ДЛЯ РЕШЕНИЯ ЗАДАЧ ЭЛЕКТРОСНАБЖЕНИЯ

1.1. Электрическое хозяйство предприятия как техноценоз

1.2. Проблемы определения показателей электропотребления предприятия

1.2.1. Общие проблемы электропотребления

1.2.2. Система электрических показателей

1.2.3. Проблемы расчета электрических показателей

1.2.4. Экономия электроэнергии

1.3. Электроремонт

1.3.1. Состояние системы обслуживания и ремонта
1.3.2. Определение периодичности и объемов технического обслуживания и ремонта электрических машин
1.3.3. Проектирование электроремонта промышленных предприятий
1.4. Модели статики Н-распределения в электроснабжении
1.4.1. Моделирование видовых распределений
1.4.2. Устойчивые негауссовые распределения
1.5. Технический анализ динамики основных электрических показателей
Выводы по главе
II. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ДИНАМИКИ СТРУКТУРЫ
ТЕХНОЦЕНОЗОВ
2.1. Динамика Н-распределения
2.1.1. Исследование закона распределения Н-распределений
2.1.2. Исследование законов распределения основных параметров Н-распределения
2.1.3. Моделирование поверхности Н-распределения
2.2. Структурно-топологическая динамика Н-распределения
2.2.1. Исследование законов распределения численностей каст
2.2.2. Структурно-топологический баланс межвидовых связей видовых распределений
2.2.3. Синтез Н-распределения
2.3. Постулаты динамики Н-распределений
2.4. Модель управления структурой ценоза
2.5. Критерии устойчивости структуры ценоза
2.6. Качественная картина динамики Н-распределения
Выводы по главе II
Ш. ЦЕНОЛОГИЧЕСКОЕ ВЛИЯНИЕ НА ЭЛЕКТРОПОТРЕБЛЕНИЕ ПРЕДПРИЯТИЙ ХАКАСИИ
3.1. Структура электропотребления предприятиями Хакасии
3.1.1. Динамика рангового Н-распределения первого рода
3.1.2. Анализ и моделирование рангового показателя
3.1.3. Структурно-топологическая динамика электропотребления
3.2. Анализ, моделирование и прогнозирование электропотребления предприятий первой точки
3.2.1. Технология выделения предприятий первой касты
3.2.2. Динамика, модели и прогнозирование электропотребления предприятий первой касты
3.3. Электропотребление средних предприятий
3.3.1. Динамика электропотребления предприятиями пойнтер-касты персонифицированного учета
3.3.2. Макроиндикаторы выбора адекватных моделей прогнозирования электропотребления предприятий
с уче том ценологического влияния

3.3.2.1. Структурно-топологический расчет электропотребления предприятия
3.3.2.2. Оценка жизнеспособности предприятия по электропотреблению
3.3.2.3. Процедура выбора адекватных моделей прогнозирования электропотребления предприятий
3.3.3. Уменьшение погрешности технического анализа в
принятии решения по расчетам электропотребления
3.4. Электроснабжение малых предприятий Хакасии
3.4.1. Динамика виртуального электропотребления кастой малых предприятий
3.4.2. Учет расхода электроэнергии малыми предприятиями
по видовому Н-распределению
3.4.3. Системы электроснабжения малых предприятий
3.4.4. Ценологические принципы тарифно-инвестиционной политики
3.5. Функция ценологического влияния на электропотребление отдельного предприятия
Выводы по главе III
IV. СТРУКТУРА МАКСИМАЛЬНОЙ АКТИВНОЙ МОЩНОСТИ НАГРУЗКИ ПРЕДПРИЯТИЙ ХАКАСИИ
4.1. Региональная информационная база данных электрических показателей предприятий - “Хакасэлектро”
4.2. Ценологический анализ структуры максимальной нагрузки..
4.3. Ценологическая оценка регулировочных возможностей активной мощности нагрузки
4.4. К расчету электрической нагрузки по уровням систем электроснабжения ценозов
Выводы по главе IV

выделения тренда необходим большой объем предыстории, но условия функционирования за этот период могут значительно измениться.
Методы экспоненциального и адаптивного сглаживания, использованные для прогнозирования параметров электропотребления [12, 18, 99], позволяют учесть дисконтирование исходных данных. В методе экспоненциального сглаживания последним точкам ряда придают больший вес, что позволяет адаптировать тренд к новым условиям. Метод адаптивного сглаживания определяет параметры модели, которые не постоянны, а изменяются во времени по некоторым законам. В [18] этот метод использован для прогноза годового электропотребления, однако основной областью применения адаптивных методов является прогнозирование показателей, в динамике которых присутствует сезонная гармоническая составляющая [69]. Для прогнозирования сезонной составляющей также находят применение методы гармонического анализа [264, 277]. Отдельное место в прогнозировании временных рядов электропотребления занимает прогнозирование по аналогам, когда на временной ряд показателей объекта накладывается модель развития, полученная для другого объекта в сходных условиях [16, 333]. Такой подход для промышленных предприятий требует создания больших банков данных по регионам и отраслям.
Для прогнозирования суточных и почасовых объемов электропотребления и нагрузок учитывают случайную составляющую временного ряда, используя методы авторегрессии [114, 304], вероятностного моделирования [3, 78, 91]. Поскольку речь идет о выделении и прогнозировании случайной компоненты, особую важность приобретает процесс определения детерминированной составляющей. Метод Бокса-Дженкинса, используемый в [45], применяется для совместного прогнозирования трендовой и случайной составляющей, объединяя методы авторегрессии и скользящей средней.