Моделирование процесса электропотребления при краткосрочном прогнозировании методами ортогональных разложений

• Автор: Сухомлинова, Ольга Александровна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Ростов-на-Дону
• Количество страниц: 185 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ МЕТОДОВ МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ

1.1. Общая характеристика моделируемого процесса электропотребления

1.2. Классификация прогнозов электрической нагрузки и требования, предъявляемые к прогнозным математическим моделям

1.3. Математические методы прогнозирования электрической нагрузки

1.4. Выводы по главе

ГЛАВА 2. МОДЕЛИРОВАНИЕ ПРОЦЕССА ЭЛЕКТРОПОТРЕБЛЕНИЯ МЕТОДАМИ ОРТОГОНАЛЬНЫХ РАЗЛОЖЕНИЙ

2.1. Общие принципы применения ортогональных разложений для моделирования процесса электропотребления

2.2. Моделирование процесса электропотребления методом главных

компонент
2.3. Метод сингулярного спектрального анализа исследование этапов и параметров разложения
2.4. Анализ временных рядов электропотребления с целью выбора целочисленного параметра сингулярного разложения
ф 2.5. Выводы по главе
ГЛАВА 3. МОДЕЛИРОВАНИЕ И КРАТКОСРОЧНОЕ ПРОГНОЗИРОВАНИЕ РЯДОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ МЕТОДОМ СИНГУЛЯРНОГО СПЕКТРАЛЬНОГО АНАЛИЗА
3.1. Анализ рядов электропотребления методом сингулярного спектрального анализа
3.2. Метод главных компонент и метод сингулярного спектрального анализа сравнительная характеристика при моделировании и краткосрочном прогнозировании рядов электропотребления
3.3. Информационное и техническое обеспечение краткосрочного прогнозирования процесса электропотребления
3.4. Выводы по главе 3 ЗАКЛЮЧЕНИЕ
СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ БИБЛИОГРАФИЧЕСКИЙ СПИСОК
Приложение 1. Результаты ортогональных разложений суточных графиков электрической нагрузки методом главных компонент и методом сингулярного спектрального анализа
Приложение 2. Свидетельства о регистрации компьютерных программ и акты внедрения результатов диссертационной работы
Приложение 3. Листинг программы Модификация метода Индексы сезонности для прогнозирования трендовой составляющей
ВВЕДЕНИЕ
Актуальность


Для процессов такого типа также возможно определение статистических характеристик по отдельным реализациям 9,, 0. При поперечном изучении случайного процесса объединение всех случайных величин 0 в одно общее понятие реализации процесса СГЭН является обоснованным в силу наличия определенных корреляционных взаимосвязей между величинами и, в частности, между любой парой и , где гсдвиг между фиксированными моментами времени. На поведение СГЭН оказывает влияние ряд факторов, которые делятся на экономические, временные, погодные и случайные рис. Для эффективного моделирования электропотребления ОЭ необходимо исследовать влияние на него каждой группы факторов. Рис. I. Экономические факторы. Экономические условия эксплуатации энергосистемы четко сказываются на СГЭН. Эти факторы действуют, как правило на временном интервале, который значительно больше одной недели и их необходимо учитывать при обновлении моделей прогнозирования, когда переходят от одного года к следующему или, от одного сезона к другому. II. Временные факторы. Сезонные изменения определяют на лето или на зиму приходится пик производства электроэнергии. Некоторые изменения СГЭН, зависящие от продолжительности дня и температуры происходят постепенно. Другие резко меняют структуру в связи с переходом на летнее время и обратно, изменениями в структуре тарифов в зависимости от времени суток и сезона, началом учебного года в школах и значительным спадом деятельности в период, например, Новогодних праздников. Недельносуточная неравномерность графиков нагрузки соответствует распределению рабочего и свободного времени у населения района обслуживания. Наличие нерабочих дней приводит к снижению нагрузки до уровней значительно меньше нормального, а период Новогодних праздников декабря, января характеризуется нетипичной для выходных дней формой СГЭН. Кроме того, в дни предшествующие или следующие за праздниками или выходными днями также наблюдается изменение графика электропотребления. III. Погодные факторы. В связи с наличием у большинства энергосистем крупных составных частей нагрузки, чувствительной к погоде отопительных приборов, кондиционеров и сплитсистем, существенные отклонения СГЭН вызываются изменениями погодных факторов , , 5. Большое влияние на нагрузку оказывает температура воздуха. Отклонение температурного показателя от нормы может привести к таким изменениям нагрузки, что потребуется существенным образом изменять состав включенных агрегатов и распределение нагрузки между ними. На СГЭН также оказывают влияние прошлые температуры, в силу инерционности процесса электропотребления, составляющего от до часов . Например, после череды жарких дней в электроэнергетической системе ЭЭС может образоваться новый пик изза загрузки кондиционеров. ЭЭС на несколько районов, с дальнейшим раздельным моделированием по каждому из них. К другим погодным факторам, действующим на СГЭН, можно отнести влажность особенно во влажных и жарких районах, грозы так как они связаны с изменением температуры, осадки и облачность интенсивность солнечного освещения. IV. Случайные факторы. К этой группе факторов относят такие случайные явления, вызывающие отклонения СГЭН, которые нельзя объяснить действием описанных выше факторов. Нагрузка ЭЭС складывается из нагрузки большого количества отдельных потребителей, поэтому постоянно подвергается случайным возмущениям. Помимо большого количества малых отклонений потребления возможны и сильные колебания Г изза больших нагрузок, создаваемых сталеплавильными печами и аэродинамическими трубами. Такие возмущения непредсказуемы, поскольку часы работы этих крупных установок заранее неизвестны. С другой стороны, могут происходить заранее известные события например, популярные телевизионные программы, интенсивность влияние которых на изменение нагрузки не может быть определена заранее. Прогнозирование нагрузки занимает центральное место в задачах планирования и управления режимами электроэнергетических систем 4. Для оптимального выбора методов, применяемых в процессе прогнозирования, применяют разделение прогнозов по различным критериям . Основные из них приведены на рис.