Разработка методов, алгоритмов и программ прогнозирования с учетом метеофакторов графиков нагрузки для повышения эффективности управления режимами энергосистем

• Автор: Макоклюев, Борис Иванович
• Шифр специальности: 05.14.02
• Научная степень: Кандидатская
• Год защиты: 1983
• Место защиты: Москва
• Количество страниц: 150 c. : ил

СОДЕРЖАНИЕ РАБОТЫ

Введение.
Глава I. Аналитический обзор методов анализа и прогнозирование нагрузки ЭС. Постановка задачи диссертационной работы

1.1. Аналитический обзор

1.2. Постановка задачи диссертационной работы .

Глава 2. Анализ закономерностей колебаний нагрузки ЭС и метеофакторов. Разработка моделей регулярных колебаний нагрузки и метеофакторов в разрезе года

2.1. Введение.

2.2. Некоторые цикличности колебаний

нагрузки ЭС

2.3. Моделирование регулярных колебаний

нагрузки в разрезе года

2.4. Анализ закономерностей колебаний
температуры.
2.5. Анализ закономерностей колебаний
освещенности
2.6. Выводы
Глава 3. Исследование взаимосвязи нагрузки ЭС
и метеофакторов
3.1. Введение.
3.2. Исследование влияния температуры окружающего воздуха на нагрузку ЭС.
3.3. Исследование влияния облачности на
нагрузку ЭС.
3.4. Взаимосвязь облачности и температуры .
3.5. Определение регрессионных зависимостей
нагрузки от метеофакторов .
3.6. Оценка влияния летнего времени на
нагрузку ЭС .
3.7. Выводы.
Глава 4. Разработка моделей прогнозирования
графиков нагрузки ЭС
4.1. Введение.
4.2. Краткосрочное и долгосрочное прогнозирование графиков нагрузки ЭС .
4.3. Методика учета метеофакторов при прогнозировании
4.4. Повышение точности аппроксимации графика нагрузки для оперативного прогнозирования .
4.5. Оперативное прогнозирование графиков
нагрузки ЭС
4.6. Выводы.
Глава 5. Разработка программной реализации алгоритмов
и методов анализа и прогнозирования нагрузки ЭС. Оценка разработанных алгоритмов и методов Ю
5.1. Введение.
5.2. Функциональная структура комплекса программ анализа и прогнозирования нагрузки ЭС
5.3. Программная реализация комплекса П
5.4. Оценка разработанных алгоритмов и методов. . . . П
5.5. Выводы.
Заключение.
Список литературы


С математической точки зрения нагрузка может быть рассмотрена как детерминированная величина, детерминированная функция, случайная величина, стационарный случайный процесс или нестационарный случайный процесс. В начальной стадии развития методов моделирования нагрузки применялся детерминированный подход. Более совершенными являются методы, рассматривающие нагрузку в виде стационарного или нестационарного случайного процесса. Наибольшее количество разработок посвящено однофакторным методам прогнозирования почасовых значений нагрузки. Одними из первых опытов прогнозирования графиков нагрузки являлись практические модели, основанные только на подобии прогнозируемого графика нагрузки ряду графиков предыдущих дней [8, 9, ] . В [п, ] предложен метод краткосрочного прогнозирования графиков нагрузки. L -2), . М[Р(ит)-^р(1-1)Д(-4,_РМ]г. Для стационарных случайных процессов наилучший в этом смысле прогноз лежит в классе линейных функций J- . Р(0 = Pqem (L) + Реп («¦) 5 (1. Реп(0 “ стационарный случайный процесс (ССП). При этом отмечается факт линейного возрастания электропотребления из года в год - годовой тренд Тк, спад и подъем потребления веоной и осенью 4ес и Ч)С* зависимость конфигурации графика нагрузки от дня недели. Годовой тренд определяется по прошествии каждого месяца путем сравнения выработки электроэнергии в текущем и прошлом году. Линейные сезонные тренды принимаются постоянными из года в год. Значения углов наклона прямых Увес и 4)0 0ПРеДвляются как средневзвешенные значения углов для прошлого года. После удаления годового и сезонного тренда НСП, по мнению авторов, превращается в стационарный нормированный процесс. Конфигурация прогнозируемого графика по часовым точкам определяется по ряду предшествующих одноименных дней. Указанный метод не учитывает факта различия сезонных и годовых трендов для различных часов суточного графика. Кроме того, предположение линейности сезонных трендов также вносит определенную погрешность в расчеты. В [й] излагается метод информативного анализа периодически нестационарных случайных процессов и иллюстрируется его применение для оперативного прогнозирования нагрузок в ЗС. Показано, что представление реализаций нестационарных функций в виде последовательности стохастических матриц состояний процесса в последовательные моменты времени позволяет рассматривать процесс как марковский. В результате, при наличии информации о множестве реализаций в виде стохастических матриц, для прогнозирования можно использовать только последнее измеренное значение случайной функции. В) - стохастический оператор перехода упреждения прогнозируемого процесса X (1), зависящего от текущего времени и состояния процесса. В [| нестационарный случайный процесс сводится к условно-стационарному по значению автокорреляционной функции. Это позволяет применить методы прогнозирования стационарных процессов. Оценка прогноза получается на основании математического ожидания и автокорреляционной функции. Данные обновляются каждую неделю. Учет сезонных колебаний нагрузки отсутствует, что вносит определенную погрешность в метод. В [, ] рассматривается методика адаптивного выбора дней предыстории, используемых для определения параметров модели прогнозирования. Методика основана на применении теории решающих функций для анализа ретроспективных данных о суточных графиках нагрузки. При корректировке прогноза суммарной нагрузки внутри суток используются исходные данные о суточных графиках нагрузки за несколько дней предыстории и данные о почасовых нагрузках за прошедший отрезок времени текущих суток. Повышение точности прогнозов, по мнению автора, достигается, если на этапе подготовки исходных данных для оперативного прогнозирования из М реализаций ретроспективных суточных графиков выделить т реализаций ( т * М ), соответствующих величине минимальных рисков. Критерием для выбора оптимального решения в данном случае является минимум вероятности появления отклонений известных почасовых нагрузок предыдущих дней от соответствующих значений нагрузок текущего дня.