Компенсация высших гармоник и реактивной мощности с учетом топологии и параметров распределительной сети электротехнического комплекса предприятий Замятин Егор Олегович

Содержание к диссертации

Введение

Глава 1 Научно-технические проблемы коррекции показателей качества электрической энергии и энергетических показателей нагрузки 16

1.1 Анализ влияния показателей качества электрической энергии на эффективность работы системы электроснабжения предприятий 16

1.1.1 Несинусоидальность кривой тока или напряжения 18

1.1.2 Реактивная мощность, коэффициент мощности 24

1.2 Выбор объекта исследования 26

1.2.1 Электротехнический комплекс предприятий алюминиевой промышленности 31

1.2.2 Электротехнический комплекс предприятий горнодобывающей промышленности 35

1.2.3 Электротехнический комплекс социально-значимых объектов 36

1.2.4 Графо-аналитический анализ распределительных сетей выбранных объектов 37

1.2.5 Традиционная методика применения компенсирующих устройств 41

1.3 Цель и задачи диссертационной работы 44

1.4 Выводы по главе 1 44

Глава 2. Выбор метода оптимизации и вывод аналитического выражения для поиска точек подключения и параметров компенсирующих устройств 48

2.1 Ранжирование потребителей по их вкладу в суммарные потери мощности 48

2.2 Определение точек подключения компенсирующих устройств 53

2.3 Ранжирование потребителей 63

2.4 Формирование алгоритма выбора точек подключения компенсирующих устройств 70

2.5 Выводы по главе 2 72

Глава 3 Выбор компенсирующих устройств, разработка алгоритма функционирования выбранных устройств 75

3.1 Анализ графиков нагрузки различных отраслей промышленности 75

3.2 Выбор емкости конденсаторной батареи фильтро-компенсирующего устройства 79

3.3 Алгоритм выбора и настройки ФКУ 81

3.4 Анализ методов прогнозирования нагрузки 83

3.5 сравнение традиционной и разработанной методики 90

3.6 Возможность применения разработанной методики для КУ различных типов 92

3.7 Вывод по главе 3 95

Глава 4. Экономический эффект 98

4.1 Расчет инвестиций 98

4.2 Расчет эффективности инвестиционного проекта 100

4.3 Вывод по главе 4 102

Заключение 103

Библиографический список 105

Приложение 1 120

Приложение 2 121

Приложение 3 122

Приложение 4 123

Приложение 5 124

• Несинусоидальность кривой тока или напряжения
• Определение точек подключения компенсирующих устройств
• Анализ графиков нагрузки различных отраслей промышленности
• Анализ методов прогнозирования нагрузки

Введение к работе

Актуальность работы. В современных условиях, в связи с дефицитом энергоресурсов на первое место выдвигается задача эффективного использования генерируемой электрической энергии, что установлено соответствующим законом об энергосбережении № 261-ФЗ «Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации». В настоящее время основные потребители электроэнергии являются нелинейными. Такие потребители вызывают искажения кривой тока и напряжения, увеличивают уровень реактивной мощности, что в свою очередь ведет к дополнительным потерям электрической энергии и выводу из строя оборудования.

Наличие высших гармоник (ВГ) приводит к неэффективной компенсации реактивной мощности (РМ) в результате выхода из строя конденсаторных батарей (КБ) из-за перегрузки токами ВГ. Для эффективной компенсации ВГ необходима актуальная информация об уровне и спектре гармонических искажений. Для получения этой информации используются анализаторы параметров качества электрической энергии. Для компенсации отклонений показателей качества электрической энергии от требуемых значений применяются различные устройства (фильтро-компенсирующие, конденсаторные батареи, активные фильтры, вольтодобавочные трансформаторы и т.д.).

Как правило, компенсирующие устройства (КУ) устанавливают на подстанции (ПС) или распределительном пункте (РП), что позволяет повысить качество напряжения и снизить потери мощности в сети до точки подключения КУ. Однако в сети после подключения КУ качество электрической энергии может остаться неудовлетворительным, что негативно влияет на ее работу.

Это влияние может быть значительным, а может и нет, что должно определять точку подключения КУ. Одним из основных факторов в этом случае, влияющим на качество электрической энергии и, в частности, на потери мощности, является величина и характер нагрузки. Отсюда возникает необходимость определения потребителей, оказывающих значительный вклад в потери мощности.

Проблемой структурирования потерь мощности и их уменьшения занимались многие ученые. Среди них такие известные как: Железко Ю.С. – занимался структурированием потерь активной мощности, поиском зависимостей потерь мощности от различных энергетических параметров нагрузки. Арриллага Дж. – занимался распределением компенсирующих устройств в сложных электрических сетях промышленных предприятий. Абрамович Б.Н. – занимался компенсацией высших гармоник в сетях нефтегазовых предприятий, разработкой алгоритма выбора устройств для компенсации высших гармоник в указанной отрасли. Жежеленко И.В. – в общем виде рассматривал влияние высших гармоник на работу элементов электротехнического

комплекса промышленных предприятий и компенсацией высших гармоник. Гришечко С.В. – занимался совершенствованием методов контроля показателей качества электрической энергии систем электроснабжения нетяговых потребителей электрифицированных железных дорог.

Однако четкого подхода к выбору точки подключения КУ в сети, содержащей высшие гармоники, до сих пор не разработано. Это касается всех видов указанных выше КУ. В настоящий момент интерес к этой проблеме растет, и все больше ученых занимаются исследованиями в области компенсации ВГ и снижения потерь, что позволяет сделать вывод о том, что решение задачи по снижению потерь мощности и разработки методики по выбору точек подключения КУ и их параметров при условии их наиболее эффективного применения является актуальной.

Тема и содержание диссертации соответствует научной специальности 05.09.03 – «Электротехнические комплексы и системы» на соискание ученой степени кандидата технических наук по следующим пунктам областей исследований: п. 1 «Развитие общей теории электротехнических комплексов и систем, изучение системных свойств и связей, физическое, математическое, имитационное и компьютерное моделирование компонентов электротехнических комплексов и систем», п. 2 «Обоснование совокупности технических, технологических, экономических, экологических и социальных критериев оценки принимаемых решений в области проектирования, создания и эксплуатации электротехнических комплексов и систем», п. 3 «Разработка, структурный и параметрический синтез электротехнических комплексов и систем, их оптимизация, а также разработка алгоритмов эффективного управления».

Объект исследования – распределительные сети среднего напряжения электротехнических комплексов действующих предприятий.

Предмет исследования – структура потерь активной мощности в распределительных сетях электротехнических комплексов промышленных предприятий.

Цель работы – повышение эффективности режимов распределительной сети предприятий с отличающимися технологическими процессами и параметрами линейной электрической нагрузки, и нагрузкой, обуславливающей наличие ВГ. Для достижения поставленной цели в работе решены следующие задачи:

1. Анализ режимов распределительной сети предприятия с различным характером технологического процесса и нагрузки;

2. Системный анализ потерь мощности в зависимости от показателей качества электрической энергии в распределительных сетях предприятий;

3. Анализ и выбор эффективного метода многомерной оптимизации для дальнейшего его использования при оптимизации по критерию минимума потерь мощности режимов распределительной сети предприятия при наличии разного рода искажений в напряжении и токе;

4. Разработка методического обеспечения поиска решения задачи по повышению эффективности использования компенсирующих устройств при различных функциональных зависимостях потерь мощности от показателей качества электрической энергии;

5. Разработка имитационной модели, адекватно отображающей полученные аналитические результаты исследований;

6. Практическое подтверждение разработанных методов по повышению эффективности режимов распределительной сети путем применения компенсирующих устройств.

Научная новизна работы

1. Разработана новая научная идея снижения потерь мощности в распределительной сети электротехнических комплексов предприятий при наличии ВГ и (или) РМ, в основу которой положено ранжирование потребителей по их вкладу в структуру потерь при различной топологии сети;

2. Разработан новый подход к определению функциональной зависимости потерь мощности в распределительной сети с различным характером нагрузки от нормируемых и ненормируемых показателей качества электрической энергии и параметров сети;

3. Доказана целесообразность использования впервые сформированной функции Z_i , учитывающей параметры качества электрической энергии, топологию сети и характер нагрузки, значение которой позволяет выбрать наиболее эффективные параметры и точки подключения КУ;

4. Разработана методика выбора параметров и точек подключения компенсирующих устройств в зависимости от топологии сети, параметров нагрузки и режимов ее работы, основанная на полученных в работе функциональных зависимостях с применением нейронной сети прямого распространения ошибок (многослойный персептрон) и нечеткой логики;

5. Доказана возможность применения разработанной методики для любого вида компенсирующих устройств в зависимости от типа искажений напряжения и тока.

Теоретическая значимость исследования обоснована следующим:

6. Доказаны методики, расширяющие границы применимости компенсирующих устройств в условиях различного характера нагрузки в сочетании со сложной топологией распределительной сети;

7. Применительно к проблематике диссертации результативно использован комплекс существующих базовых методов исследования, таких как: имитационное моделирование, нечеткое нейросетевое программирование, системный анализ;

8. Раскрыты и выявлены новые проблемы по снижению потерь мощности в распределительной сети электротехнического комплекса, заключающиеся в выявлении связи между топологией распределительной сети, параметрами нагрузки и точками подключения компенсирующих устройств при

определении суммарных потерь мощности в распределительной сети предприятия;

4. Разработан алгоритм выбора точек подключения компенсирующих

устройств в распределительной сети электротехнического комплекса, учитывающий параметры, режим работы нагрузки и топологию сети.

Практическая значимость

Значение полученных результатов исследования для практики подтверждается следующим:

9. Разработаны и внедрены методики распределения компенсирующих устройств в распределительной сети, их параметров и режимов работы;

10. Определены пределы и перспективы использования разработанной методики;

11. Представлены методические рекомендации по дальнейшему совершенствованию способов повышения эффективности системы электроснабжения электротехнических комплексов предприятий;

12. Разработанная в диссертации методика определения параметров, режимов работы и точек подключения компенсирующих устройств приняты к использованию при модернизации электротехнического комплекса ООО «Рос Агро» и ООО «КОНТИНУМ», о чем получена справка и акт о внедрении основных результатов работы.

Методы исследования

Для решения поставленных задач использованы методы имитационного моделирования, системного анализа, многопараметрической оптимизации функций нескольких переменных, теоретических основ электротехники, теории нейросетевого и нечеткого нейросетевого прогнозирования колебаний нагрузки.

На защиту выносятся следующие положения:

13. Выведенная аналитически функция ранжирования потребителей Z_f, корректность которой подтверждена результатами имитационного моделирования, позволяет однозначно оценить их вклад в общие потери мощности в распределительной сети;

14. Разработанный алгоритм выбора точек подключения и параметров КУ обеспечивает эффективность их применения с целесообразной степенью снижения величины суммарных потерь мощности;

15. Разработанный алгоритм управления КУ при наличии ВГ и (или) РМ с применением метода прогнозирования изменения нагрузки, реализованного на основе нечеткой нейронной сети, позволяет предиктивно реагировать на изменения нагрузки, что повышает эффективность работы КУ.

Степень достоверности результатов исследования обусловлена тем, что: имитационное моделирование проводилось с использованием лицензионного программного обеспечения; измерения параметров качества электрической энергии, представленных в работе, проводились с использованием сертифицированной и поверенной измерительной аппаратуры; ста-

тистические данные получены из открытых официальных источников, таких как Росстат; теория построена на известных зависимостях и согласуется с опубликованными результатами по теме диссертации в изданиях, рекомендованных Высшей аттестационной комиссией; использованы сравнения результатов автора и результатов отечественных и зарубежных исследователей; идея базируется на анализе существующих решений данной проблемы; использованы современные методы сбора и обработки данных с применением вычислительной техники и современных интеллектуальных систем.

Апробация результатов

Работа выполнялась на базе кафедры Общей электротехники Санкт-Петербургского горного университета. Полученные результаты исследований в виде аналитической зависимости, методики и программного обеспечения приняты к внедрению в ООО «Рос Агро» (Ленинградская область) и ООО «КОНТИНУМ» (г. Санкт-Петербург), что подтверждено соответствующими документами.

Основные положения и результаты работы докладывались и обсуждались на следующих семинарах и конференциях: международная конференция «55-я студенческая научная конференция (горная секция) (55th Students scientific session(mining section))» – 2014, Краков, Польша; «2-й международный научно-технический семинар» – 2016, Санкт-Петербург; международная конференция «67th Berg- und Ht-tenmnnischer Tag» – 2016, Фрайберг, Германия; «Молодежный день Международного форума по энергетической эффективности и развитию энергетики РЭН-2017» – 2017, Москва.

Личный вклад автора

Проведение всех этапов исследования, сбор, классификация исходных данных, вывод новой аналитической зависимости, разработка имитационной модели, планирование и проведение имитационного моделирования, подготовка публикаций, научных докладов и рукописи диссертации.

Публикации по работе

Основные результаты диссертационной работы опубликованы в 3 статьях в изданиях, рекомендованных Высшей аттестационной комиссией РФ. Общее число публикаций по теме диссертации составляет 11 работ.

Структура работы

Несинусоидальность кривой тока или напряжения

Несинусоидальность кривой тока или напряжения вызывают нагрузки, вольтамперные характеристики которых нелинейны. Эти нагрузки потребляют из сети ток, кривая которого оказывается несинусоидальной, что характеризуется наличием высших гармоник тока. В результате возникают нелинейные искажения кривой напряжения сети.

На рисунке 1.3 представлен пример наличия гармонических искажений в кривой напряжения. Используя преобразование Фурье, кривую можно разложить (в данном случае) на две составляющие: U1 -основная или первая гармоника, UB - пятая гармоника.

Гармонические искажения создают магнитные поля различных последовательностей.

Кривые напряжений в трехфазной системе сдвинуты относительно друг друга на 1200, в отличие от гармонических составляющих последовательности, кратной трем. Они образуют нулевую последовательность, в случае симметричной нагрузки

На рисунке 1.4 представлен еще один пример несинусоидальности тока и напряжения.

Несинусоидальность негативно сказывается на потребителях и устройствах, регулирующих ПКЭ. Так конденсаторы, при наличии высших гармоник в сети могут выйти из строя из-за токовой перегрузки, так как сопротивление конденсатора обратно пропорционально порядку гармонической составляющей:

Как видно из зависимости (1.1) и графика на рисунке 1.5, сопротивление конденсатора стремительно снижается при протекании тока, содержащего искажения высокой частоты. Отсюда можно сделать вывод, что конденсаторные батареи в условиях несинусоидальности напряжения или тока, прежде всего, подвержены их влиянию.

В линиях электропередач гармоники вызывают дополнительные потери электроэнергии, так как сопротивление индуктивности прямо пропорционально порядку гармоники: где: ХсЬд Хцп} - сопротивление конденсатора и индуктивности на гармонике тг, XC(I)IXL(I) – сопротивление конденсатора и индуктивности на первой гармонике. Рисунок 1.6 - Зависимость сопротивления индуктивности от порядка гармонических составляющих при различных сопротивлениях на основной гармонике

Как видно из зависимости (1.2) и графика, представленного на рисунке 1.6, сопротивление индуктивности линейно увеличивается при протекании по ней тока, содержащего гармонические искажения.

Известно, что в общем случае потери активной мощности определяются выражением: где: / - модуль полного тока в линии, R - активное сопротивление линии.

Из выражения (1.3) следует, что несинусоидальность напряжения и тока косвенно влияет на потери электроэнергии, исходя из нижеследующего.

Модуль полного тока определяется выражением: (1.4) где If - квадрат действующего значения тока /-ой гармоники. Выражение (1.4) можно изменить и записать в виде: (1.5) где 1г - действующее значение тока первой гармоники. Несинусоидальность кривой характеризуется понятием суммарного коэффициента гармонических составляющих - THDj:

Тогда, объединив выражения (1.5) и (1.6) получим:

Объединив выражения (1.3) и (1.7), получим выражение для определения потерь мощности, указывающее на прямую их зависимость от ненормируемого показателя несинусоидальности: ДР = 3/12- (1 + THD?)R (1.8)

Таким образом, можно сделать вывод, что несинусоидальность кривой тока напрямую влияет на потери активной мощности. Это следует из выражения (1.3). Несинусоидальность напряжения напрямую на потери активной мощности не влияет, однако и несинусоидальность напряжения может привести к искажению синусоидальности кривой тока. Установлено, что потери при наличии искажений тока определяются по выражению (1.8).

Определение точек подключения компенсирующих устройств

Для определения места подключения компенсирующего устройства (КУ) необходимо определить значимые параметры потребителей и ранжировать их по влиянию на суммарные потери активной мощности в электротехническом комплексе промышленных предприятий.

В качестве критерия оценки эффективности работы электротехнического комплекса промышленного предприятия в работе принята величина суммарных потерь активной мощности электротехнического комплекса при распределении электрической энергии.

Далее предлагается величину потерь оптимизировать по Парето: вектор решения х Є S называется оптимальным по Парето, если не существует xES такого, что (х) f x j для всех 1 = 1 к и fi{x!) fi(x) хотя бы для одного І.

Рассмотрим величину суммарных потерь активной мощности, как систему, на которую влияют множество факторов и проведем системный анализ. Схематически это можно представить, как показано на рисунке 2.1.

Системный анализ представляет собой последовательность действий по установлению структурных связей между переменными или постоянными элементами исследуемой системы.

Проведя системный анализ очевидно, что потери активной мощности в ЛЭП - многофакторная функция, зависящая от:

нелинейности нагрузки, что характеризуется понятием суммарного коэффициента гармонических составляющих [22] - THDj;

полной мощности нагрузки - S, которая включает в себя активную, реактивную мощности и мощность искажения - Р, Q и D соответственно, Р и Q также связаны между собой коэффициентом мощности - Км;

активного сопротивления ЛЭП - R, которое, в свою очередь, зависит от длины ЛЭП - /, температуры окружающей среды - t, материала ЛЭП - , и сечения проводов ЛЭП - 5 .

Проранжируем потребители по их влиянию на величину потерь активной мощности в электротехническом комплексе. Определение величины потерь активной мощности, применяя все возможные параметры, нецелесообразно и нерационально, с точки зрения объема вычислений и необходимости хранения большого объема данных, не говоря о том, что, зачастую нет возможности получить часть данных ввиду их отсутствия. Для этого необходимо определить факторы, в большей степени влияющие на величину потерь, при этом пренебрегая остальными факторами. В результате получим функцию, показывающую – какой из потребителей вносит больший вклад в потери активной мощности.

Таким образом задача сводится к поиску зависимости где: Z - функция, показывающая - какой потребитель вносит наибольший вклад в потери активной мощности; k?i - потери активной мощности в ЛЭП, по которой протекает только ток /-го потребителя; APZ - суммарные потери активной мощности в электротехническом комплексе.

Перед определением существенно влияющих параметров, следует принять во внимание, что функция Z в результате вычислений покажет лишь количественную характеристику - какой потребитель больше, а какой меньше влияют на потери.

Нелинейность нагрузки

Нелинейная нагрузка искажает форму тока. Действующее значение искаженного тока через значение суммарного коэффициента гармонических составляющих, определяется выражением (1.7), представленным выше. Принимая это во внимание, воспользуемся понятием коэффициента искажения - к: к= 1(1 +ТИ DfX (2.3)

Выражение (2.3) показывает насколько искажена кривая тока отдельно взятой нагрузки. Если к = 1 - искажения отсутствуют, если к 1 - кривая тока искажена, также очевидно, что к 1.

Нелинейность нагрузки в дальнейшем предлагается оценивать с применением коэффициента искажения, т.к. в работе установлена прямая связь между суммарным коэффициентом гармонических искажений тока и потерями мощности.

Для примера на рисунке 2.2 приведены зависимости, полученные для токов с различными действующими значениями на основной частоте при изменяющимся суммарном коэффициенте гармонических искажений. Из зависимостей, представленных на рисунке 2.2, следует, что при увеличении THDj полный ток увеличивается, а при одновременном увеличении тока первой гармоники увеличивается и значение полного тока. Отсюда, в свою очередь следует, что коэффициент искажения по току необходимо учитывать при ранжировании потребителей.

Активное сопротивление ЛЭП

Очевидно, что потери активной мощности в ЛЭП прямо пропорциональны активному сопротивлению ЛЭП. Активное сопротивление проводника определяется по выражению

Анализ графиков нагрузки различных отраслей промышленности

Как отмечено в [38], режимы работы потребителей электрической энергии не остаются постоянными, а непрерывно изменяются в течение суток, недель и месяцев года. Соответственно изменяется и нагрузка всех звеньев передачи и распределения электроэнергии и генераторов электрических станций. Изменение нагрузок электроустановок в течение времени принято изображать в виде графиков нагрузки.

Различают графики активных и реактивных нагрузок. По продолжительности графики нагрузки делятся на сменные, суточные и годовые. В условиях эксплуатации изменения нагрузки по активной и реактивной мощности во времени представляют в виде ступенчатой кривой по показаниям счетчиков активной и реактивной электроэнергии, снятым через одинаковые определенные интервалы времени (30 или 60 мин.). Характерные суточные графики электрических нагрузок предприятий различных отраслей промышленности приведены на рисунках 3.1 – 3.3.

Знание графиков нагрузки позволяет определять величину сечений проводов и жил кабелей, оценивать потери напряжения, выбирать мощности генераторов электростанций, рассчитывать системы электроснабжения проектируемых предприятий, решать вопросы технико-экономического характера и др.

Большое влияние на энергоэффективность предприятия оказывает регулирование суточного графика нагрузки электротехнического комплекса предприятия. В случае его выравнивания происходит снижение удельного расхода топлива на выработку электроэнергии, снижение требуемой на покрытие пиковых нагрузок установленной мощности электростанций, снижение потерь энергии в электрических сетях [24]. В отдельную группу, характерную для подавляющего большинства предприятий, можно выделить потери энергии при её передаче.

Анализ графиков нагрузки показал, что на разных предприятиях разное как потребление, так и соотношение активной и реактивной мощностей. Наблюдаются периоды, когда реактивная мощность на минимальном уровне и компенсировать ее может быть нецелесообразно с экономической точки зрения. Исходя из проведенного анализа, возникает необходимость подбора ФКУ таким образом, чтобы можно было избежать негативные последствия его работы при различном графике нагрузки.

Анализ методов прогнозирования нагрузки

Работу ФКУ необходимо автоматизировать, чтобы избежать негативных последствий, таких как перекомпенсация и необоснованное использование контуров, в случае изменения состава или характера нагрузки. В качестве сигнала управления выступают: коэффициент мощности и суммарный коэффициент гармонических составляющих тока. Коэффициент мощности, в идеальном случае, равен единице, а суммарный коэффициент гармонических составляющих – нулю.

С целью уменьшения количества переключений и упреждения изменения нагрузки необходимо спрогнозировать такое изменение.

Прогнозирование нагрузки актуальная и широко изучаемая тема [1, 11, 13, 44, 55, 60, 61, 87, 89, 98, 102].

Так в [13] говориться, что прогнозирование электрической нагрузки энергосистем в странах СНГ производится с упреждением от 10–15 мин до 1 ч – оперативное прогнозирование; с упреждением на сутки, неделю, месяц – краткосрочное прогнозирование; с упреждением на месяц, квартал, год, несколько лет – долгосрочное прогнозирование.

В настоящее время при составлении краткосрочного прогноза электрических нагрузок энергосистемы учитываются: график электрических нагрузок текущего дня и соответствующего дня прошлого года; прогноз погоды (средняя температура наружного воздуха на предстоящие сутки; продолжительность светового дня, т. е. время захода и восхода солнца; возможность атмосферных осадков или облачности); предложения энергосистем по обеспечению подачи электроэнергии потребителям; режим работы наиболее крупных потребителей. К дополнительным факторам, учитываемым при прогнозе нагрузки на следующие сутки, относятся: рассматриваемые сутки входят в сутки отопительного сезона или нет, а также переводятся в эти сутки или нет, стрелки часов на один час вперед или назад [54].

Основной недостаток существующих методов прогноза нагрузки состоит в необходимости построения модели нагрузки. Чтобы этого избежать применяют технологию нейросетевого прогнозирования.

Построение нейронной сети решается в два этапа: выбор типа (архитектуры) нейронной сети и подбор весов (обучение) нейронной сети.

Алгоритм обучения нейронной сети с обратным распространением ошибки показан на рисунке 3.6.

В [1] отмечается, что многообразие факторов, влияющих на величину электрических нагрузок, в совокупности с высокой нелинейностью исследуемых зависимостей существенно затрудняют использование классических методов математики для решения данной задачи.

Существующие методы прогнозирования электрических нагрузок, базирующиеся на применении статистических методов, не могут обеспечить необходимого качества прогнозов в современных условиях и не удовлетворяют целому ряду требований, среди которых наиболее значимыми являются точность прогноза, устойчивость к ошибкам, простота использования, возможность реализации в составе автоматизированных систем учета электроэнергии.

Причина такого несоответствия кроется, прежде всего, в том, что для исследуемых зависимостей, в силу их природы, не вполне выполняются ограничения, накладываемые статистическими методами на эмпирические данные. Речь идет об искусственно вводимом предположении о стационарности процесса, и вытекающих отсюда требований к постоянству дисперсии и т.д. Кроме того, высокая степень нелинейности тренда не позволяет выполнить точную аппроксимацию за счет использования полиномиальных или экспоненциальных моделей.

Одной из наиболее перспективных альтернатив регрессионного анализа, является применение искусственных нейронных сетей.

Использование методов прогнозирования, основанных на применении нейронных сетей даёт целый ряд преимуществ по сравнению с традиционными методами статистики, среди которых наиболее важными, применительно к данной задаче, являются:

возможность получения точного отображения на основе эмпирических данных без вмешательства человека;

возможность автоматической адаптации модели к изменениям параметров электроустановки и условий внешней среды;

низкая чувствительность к неточностям в исходной информации. Неточности в исходных данных сглаживаются и оказывают минимальное воздействие на конечный результат;

способность к функционированию при неполном наборе исходных данных. Специально подготовленная нейронная сеть может восполнить пробелы в наборе данных;

высокая надежность. Нейронные сети способны корректно функционировать даже при повреждении части нейронов за счет избыточности информации.

В [11] сравниваются разработанные методы и модели прогнозирования электрической нагрузки энергосистем. Анализ разработанных методов прогнозирования показал, что практическое применение их связано с определенными трудностями. Одни методы приводят к значительным погрешностям в оценке прогнозируемых величин, другие из-за сложности математического аппарата не получили широкого применения для решения практических задач электроэнергетики. Поэтому проблема разработки методики прогнозирования нагрузки весьма актуальна.

Среди ранее разработанных методов прогнозирования можно выделить следующие подходы:

Авторегрессия. Может быть применена следующая форма авторегрессионной модели: (3.3) где: ак - линейные веса, обеспечивающие оптимальную комбинацию четырех отдельных прогнозов; L±(t,d) - прогноз на основе авторегрессионной модели первого порядка с задержкой 1 час; L2(t,d), L2(t,d), LA(t,d) - то же с задержкой одни сутки, неделя и год соответственно.

Среднеквадратичные ошибки суточного прогнозирования электрической нагрузки на основе данного подхода, по данным [4] не превышают 4%.

Обобщенное экспоненциальное сглаживание. Обобщенный метод экспоненциального сглаживания может быть применен для прогнозирования суммарных часовых нагрузок: L(t) = arf(t) + E(t), (3.4) где: ат - это транспонированный вектор экспоненциально сглаженных весов; /(t) - вектор сглаживающих функций.

Сглаживающие функции представляют собой разложения в ряд Фурье на периоде одной недели [10]. Однако помимо вышеупомянутых методов прогнозирования нагрузки, в настоящее время применяется новый подход, основанный на нечеткой логике и нейронных сетях, который вобрал в себя свойства присущие этим направлениям.

К выполняемым нейронными сетями функциям относятся аппроксимация, классификация, прогнозирование, оценивание [58]. Предпочтение их традиционным моделям обусловлено тем, что при этом не требуется построения модели объекта, не теряется работоспособность при неполной входной информации. Однако нейронные сети все же обладают недостатками. Известно, что нейронные сети автоматически могут приобретать, накапливать знания. Но сам процесс их обучения происходит достаточно медленно, а последующий анализ уже обученной нейронной сети является сложным. Многие из этих недостатков могут быть разрешены с помощью систем с нечеткой логикой.