Содержание к диссертации
Введение
Глава 1. Обзор методов и средств планирования электропотребления. Электропотребление, как составная часть балансов мощности и электроэнергии. Методология и система моделей планирования электропотребления ЭО и ЭС 18
1.1. Аналитический обзор методов и средств анализа и планирования электропотребления ЭО и ЭС 18
1.1.1. Обзор публикаций в отечественных и зарубежных изданиях 18
1.1.2. Обзор докладов научно-технического семинара "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии" 31
1.2. Электропотребление, как составная часть балансов электроэнергии и мощности.
Особенности структурирования электропотребления и балансов ЭО и ЭС 44
1.2.1. Структура баланса электроэнергии 45
1.2.2. Структура баланса мощности 48
1.2.3. Структура электропотребления 58
1.3. Методология и система моделей планирования сбалансированной структуры
электропотребления ЭО, ЭС , 63
1.4. Выводы 72
Глава 2. Методы и средства обработки и хранения информации, необходимой для планирования электропотребления. Методы и средства статистического анализа данных. Результаты статистического анализа электропотребления ЭО и ЭС России ... 74
2.1. Методы и средства обработки и хранения информации, необходимой для планирования электропотребления и других технологических задач 74
2.2. Методы и средства статистического анализа данных электропотребления 83
2.3. Характерные особенности и тенденции электропотребления. Результаты статистического анализа электропотребления ЭО и ЭС России 89
2.3.1. Основные цикличности и тенденции электропотребления 89
2.3.2. Суточная цикличность 93
2.3.3. Недельная цикличность 101
2.3.4. Сезонная цикличность 106
2.3.5. Тенденции динамики и изменения структуры электропотребления 108
2.4. Выводы 125
Глава 3. Методы моделирования и прогнозирования электропотребления. Методы прогнозирования активных и реактивных нагрузок узлов расчетной схемы. Результаты расчетов 127
3.1. Метод математического моделирования колебаний электропотребления - метод сезонных кривых 127
3.2. Методы краткосрочного и оперативного прогнозирования потребления. Использование методов оперативного прогноза для технологии балансирующего рынка. Долгосрочное прогнозирование потребления. Результаты расчетов 135
3.2.1. Методы краткосрочного и оперативного прогнозирования потребления.Результаты расчетов 135
3.2.2. Использование методов оперативного прогноза для технологии балансирующего рынка 142
3.2.3. Методы долгосрочного прогнозирования. Результаты расчетов 143
3.2.4. Другие методы, применяемые в практике расчетов планирования потребления 147
3.3. Методы оценки и прогнозирования активных и реактивных нагрузок узлов расчетной схемы 148
3.4. Основные факторы, влияющие на точность прогнозирования электропотребления 152
3.4.1. Основные факторы, влияющие на точность 152
3.4.2. Взаимосвязь точности прогнозирования и неравномерности графиков 154
3.4.3. Идентификация недостоверных данных 158
3.5. Выводы 159
Глава 4. Исследование влияния метеофакторов на электропотребление, методы учета влияния метеофакторов при прогнозировании. Оценка влияния летнего времени на электропотребление ЭО и ЭС 161
4.1. Исследование влияния различных метеофакторов на электропотребление, методы учета влияния метеофакторов при прогнозировании 161
4.1.1. Основные метеофакторы, влияющие на электропотребление. Характерные особенности колебаний температуры и освещенности 161
4.1.2. Моделирование колебаний метеофакторов. Оценка влияния метеофакторов на электропотребление 167
4.1.3. Учет влияния метеофакторов при прогнозировании 180
4.2. Оценка влияния перехода на летнее время на электропотребление ЭО и ЭС России 184
4.3. Выводы 193
Глава 5. Практическая реализация и внедрение разработанных методов, алгоритмов и рограммных средств планирования электропотребления. Опыт применения методов и программных средств для планирования электропотребления и других технологических задач 195
5.1. Общая характеристика программного комплекса "Энергостат". Объекты внедрения, опыт практической эксплуатации средств планирования электропотребления в ЭО и ЭС России 195
5.1.1. Общая характеристика программного комплекса "Энергостат" 195
5.1.2. Объекты внедрения и особенности установки программного комплекса .198
5.1.3. Программные версии и СУБД, используемые при эксплуатации комплекса 201
5.1.4. Привязка к комплексам ОИК и АСКУЭ. Идентификация недостоверных исходных данных по потреблению и метеофакторам 204
5.1.5. Адаптация программных средств к технологическим особенностям расчетов в энергообъединениях и энергосистемах 206
5.1.6. Реализация компоненты "Энергостат-БР" для технологии балансирующего рынка 211
5.1.7. Обработка и планирование структуры полезного отпуска отделений Энергосбыта 212
5.1.8. Сопоставление точности расчетов с другими реализованными методами.. 215
5.2. Опыт использования разработки для различных технологических задач 217
5.2.1. Обработка средствами комплекса "Энергостат" данных балансов электроэнергии и мощности 217
5.2.2. Расчет технических потерь электроэнергии 226
5.2.3. Реализация диспетчерских задач. Регистрация команд диспетчера РДУ и расчет отклонений диспетчерских графиков с использованием компонент комплекса "Энергостат» 235
5.3. Выводы 241
Заключение 243
Приложение 1. Результаты статистического анализа потребления ЭС России 246
Список литературы
- Аналитический обзор методов и средств анализа и планирования электропотребления ЭО и ЭС
- Методы и средства обработки и хранения информации, необходимой для планирования электропотребления и других технологических задач
- Метод математического моделирования колебаний электропотребления - метод сезонных кривых
- Исследование влияния различных метеофакторов на электропотребление, методы учета влияния метеофакторов при прогнозировании
Введение к работе
Актуальность проблемы
Планирование режимных параметров и технико-экономических показателей является одной из важных задач обеспечения функционирования электроэнергетики. Составляя планы по различным показателям на предстоящие сутки, неделю, месяц, квартал, год, службы и отделы энергобъединений (ЭО) и энергосистем (ЭС) решают задачу планирования энергобалансов - соотношения между потребностью электроэнергии (мощности) и средствами ее удовлетворения.
Одним из основных показателей при планировании работы ЭО и ЭС является величина прогнозов ожидаемого электропотребления (потребления электроэнергии и мощности) в целом по системе, группам и отдельным потребителям, узлам электрической схемы [1,2]. В определенном смысле, величина прогноза электропотребления (далее - ЭП, потребление, нагрузка) является опорным показателем для последующего планирования балансов электроэнергии, мощности и расчетов электрических режимов. Необходимость точного прогнозирования обусловлена технологическими и экономическими причинами. Точные расчеты обеспечивают оптимальное с экономической точки зрения распределение нагрузок между станциями, способствуют осуществлению экономически целесообразных операций по покупке и продаже электроэнергии.
Графики режимов работы ЭО и ЭС должны рассматриваться как элементы общего графика работы Единой энергетической системы России. Федеральным законом «Об электроэнергетике» [3] определены основные принципы оперативно-диспетчерского управления в электроэнергетике, к которым относятся обеспечение баланса производства и потребления электрической энергии и обеспечение долгосрочного и краткосрочного прогнозирования. Долгосрочные прогнозы объемов потребления электрической энергии на год, квартал, месяц используются для формирования Федеральной энергетической комиссией при участии ОАО «СО-ЦДУ ЕЭС» (далее - Системный оператор, ИДУ) ежегодных сводных балансов производства и потребления электрической энергии. Балансы производства и потребления электрической энергии, в свою очередь, являются основой для планирования режимов работы электростанций, определения объемов необходимых запасов топлива на ТЭС, формирования графиков ремонта оборудования и т.д. С учетом сформированных сводных балансов производства и потребления электрической энергии
устанавливаются также тарифы на электрическую энергию (мощность) для участников ОРЭ.
Краткосрочные прогнозы потребления, от недели до суток вперед, являются основой для формирования диспетчерских графиков. Одновременно определяются необходимые объемы и размещение резервов мощности в ЕЭС. Объемы потребления ЭО, ЭС, субъектов рынка на всех временных этапах планирования и эксплуатации обязательно согласовываются с подразделениями и филиалами Системного оператора -региональными (РДУ), объединенными диспетчерскими управлениями (ОДУ) и Центральным диспетчерским управлением Единой энергетической системой России (ЦДУ). Согласованные графики потребления и генерации (диспетчерские графики) являются важнейшими для ЭО и ЭС показателями, определяющими основные аспекты их работы - графики выработки электроэнергии станциями с учетом резервов, состав генерирующего оборудования, объемы покупки и продажи электроэнергии и мощности на рынке. Помимо заявленных графиков потребления участников рынка, учтенных Системным оператором при расчете предварительного диспетчерского графика, Системный оператор осуществляет собственный суточный прогноз потребления активной мощности на моменты окончания диспетчерских интервалов времени по территориям диспетчерского управления, которыми являются [1.1] (Здесь и далее в работе номера с точкой указывают ссылки на доклады, сделанные на семинаре):
• Единая энергетическая система (ЕЭС) России;
• Европейская часть ЕЭС России, включая ОЭС Урала;
• объединенные энергетические системы (ОЭС);
• региональные электроэнергетические системы (ЭС).
Целью составления и использования Системным оператором собственных прогнозов потребления активной мощности на территориях диспетчерского управления при планировании ПДГ является обеспечение надежности режимов функционирования ЕЭС России за счет принятия ответственных решений по:
• определению состава включенного генерирующего оборудования;
• составлению графиков производства генерирующего оборудования с учетом необходимых резервов.
При формировании расчетного диспетчерского графика, учитывающего результаты торгов в конкурентном секторе рынка, Системный оператор имеет право принять собственный прогноз графика потребления, если он более чем на 5% отличается от графика потребления, заявленного покупателями.
Для составления прогнозов потребления Системный оператор должен использовать имеющиеся в распоряжении статистические и расчетные данные:
• о конфигурации (профиле) и величинах фактического потребления активной мощности на моменты окончания диспетчерских интервалов времени, зарегистрированных за аналогичные дни недели текущего и прошлого годов;
• о значениях параметров, являющихся основными факторами, определившими профиль и величины фактического потребления активной мощности, зарегистрированными за аналогичные дни недели текущего и прошлого годов, которые могут включать:
о температуры окружающего воздуха;
о степень освещенности;
о долготу дня;
о события переносов выходных и праздничных дней;
о события сезонных переходов с зимнего на летнее время и обратно;
о наличие экстраординарных событий (катастрофы; массовые акции);
• прогнозы погодных условий;
• прогнозы состояния других факторов, влияющих на изменение потребления в соответствии с данными, полученными в результате обработки статистики потребления;
• о планируемых включении/отключении энергоемких производств.
При управлении режимами работы ЕЭС Системный оператор должен использовать оперативный прогноз графика потребления на следующий час и оставшиеся до конца суток часы с целью оптимального использования энергоресурсов и минимизации стоимости отклонений поставок от планового объема.
Для осуществления Системным оператором функций по оперативно-диспетчерскому управлению, закрепленных Федеральньм законом, необходимо на всех уровнях иерархии Системного оператора: ЦДУ, ОДУ, РДУ использовать сертифицированные программные средства для долгосрочного и краткосрочного, включая оперативное, прогнозирования потребления.
Временная иерархия планирования разделяется на три основных интервала: долгосрочное планирование (от месяца до года вперед), краткосрочное планирование (от суток до месяца вперед), оперативное управление режимами (минуты, часы). Задача расчетов прогнозов потребления решается на всех временных интервалах с последовательным уточнением результатов расчетов по мере уменьшения времени упреждения. Точность прогнозных расчетов определяется соответствием применяемых
математических моделей процессу колебаний потребления. В целом колебания потребления представляют собой сложный нестационарный случайный процесс, имеющий определенные цикличности (регулярные колебания). Они определяются сезонными колебаниями температуры и освещенности (долготы дня) в разрезе года, технологическим режимом работы предприятий, режимом труда и отдыха населения. На регулярные колебания накладываются нерегулярные и случайные компоненты, определяемые резкими изменениями погодных условий, различными социальными факторами (популярные телевизионные передачи, переносы рабочих выходных дней и т. п.). Все эти процессы должны учитываться при разработке математических моделей прогноза.
При отсутствии математических моделей и программных средств специалисты служб энергообъединений обычно ограничиваются осредненными за прошлые периоды значениями с поправкой на выявленную сезонную или межгодовую тенденцию и, иногда, с поправкой на коэффициенты влияния температуры, и принятию их в качестве прогноза. Такую методику расчетов ожидаемых плановых величин называют обычно "ручным прогнозом". Упрощенное, "ручное" прогнозирование потребления может давать весьма высокие значения математического ожидания ошибок, широкий доверительный интервал и практически неприменимо для быстрых оперативных расчетов в темпе процесса. Между тем, цена ошибок прогнозирования и планирования становится все более высокой. Анализ зарубежных публикаций на эту тему показывает, что экономическая результативность точного прогнозирования нагрузок побуждает многих энерготрейдеров разворачивать собственные исследования в области прогнозирования, создавать группы математиков и статистиков [4]. Отмечается, что долгосрочный и краткосрочный прогноз требуют совершенно различных методик — долгосрочным прогнозам нужны сценарные подходы для оценки общеэкономической ситуации, отраслевых тенденций развития и т.п. Для краткосрочных прогнозов важны метеофакторы, характер дня (рабочий, выходной...), конфигурация суточного графика, состояние режима энергосистемы в ближайшей ретроспективе. Потребность рынка в точном прогнозе такова, что некоторые из клиентов готовы платить до 15 тыс. долларов в месяц за ежедневный краткосрочный прогноз нагрузки. В некотором смысле качественный прогноз становится действенным инструментом в конкурентной борьбе на рискованном рынке электроэнергии и мощности, поэтому "... технологии прогнозирования нагрузок и потребления занимают свое место среди самых заветных промышленных секретов, которые компании держат "за семью печатями" [4,5].
Оценочные расчеты, проведенные для ЭС России с уровнем месячного потребления около 1500 млн. кВтч показали, что улучшение качества прогнозирования только месячного потребления на 0,1% способно в настоящих условиях снизить затраты на оплату отклонений от плана по поставкам электроэнергии на 3-5 млн. рублей в год. Также значительный эффект приносит уточнение краткосрочного и оперативного прогноза графиков потребления.
Существенное влияние на потребление оказывают метеорологические факторы -температура наружного воздуха, естественная освещенность, влажность, скорость ветра и другие. Все эти факторы в значительной мере определяют регулярные сезонные, суточные колебания ЭП, а также отклонения от плановых величин. Влияние метеофакторов зависит от сезона и времени суток и, в последние годы, значительно усилилось вследствие увеличения доли коммунально-бытовой нагрузки. Оценка влияния метеофакторов и учет указанных факторов при прогнозировании позволяет снижать ошибки прогнозирования в среднем на 0,1-0,4 %.
В зависимости от решаемых задач и детальности планирования, в состав суммарного потребления могут входить компоненты, характеризующие структуру на различных этапах и звеньях технологического процесса. Компоненты могут группироваться по территориальным, технологическим признакам. В рыночных условиях в суммарном потреблении ЭО и ЭС выделяются новые компоненты -крупные потребители, самостоятельно выходящие на рынок. Особым образом структурируется одна из составляющих потребления - полезный отпуск собственным потребителям. В этом случае возможно деление полезного отпуска по тарифным группам, типам присоединения, социальным группам и т.п. Планирование потребления осуществляется на основе прогноза суммарного показателя и каждой компоненты, при этом структура потребления должна быть сбалансирована на каждом этапе и уровне планирования. Объем исходных данных и модели прогнозов для различных компонент могут быть весьма различны. Возникает необходимость разработки адаптивной системы моделей прогнозирования и планирования потребления, применимой на различных стадиях и звеньях планирования.
Становление и развитие методов математического моделирования, прогнозирования и планирования электропотребления связано с работами таких отечественных и зарубежных ученых, как Бартоломей П.И., Бердин А.С, Богданов В.А., Вагин В.П., Васильев И.Е., Карпов В.В., Гордеев В.И., Гурский С.К., Каялов Г.М., Кудрин Б.И., Куренный Э.Г., ЛипесА.В., Меламед A.M., Надтока И.И., Праховник
A.B., Рабинович М.А., Седов А.В.,Степанов В.П., Тимченко В.Ф., Фокин Ю.А., Bunn D.W., Farmer E.D., Ackerman G.B., Gupta P.C., Baker A.B. и других.
В работах специалистов по этой тематике достаточно проработаны, и в той, или иной степени решались проблемы моделирования и прогнозирования электропотребления. Вместе с тем, в последние годы возникли обстоятельства, потребовавшие существенного расширения и дополнения круга задач, решаемых при планировании потребления:
• Внедрение рынка электроэнергии и его сегментов - регулируемого сектора, свободного рынка, балансирующего рынка. Изменение структуры электроэнергетики России, появление операторов рынка, разделение энергосистем на отдельные структурные подразделения, выход крупных потребителей на рынок, и, как следствие, изменение технологии расчетов по прогнозированию и планированию потребления.
• Изменение структуры потребления - значительный рост доли коммунально-бытовой нагрузки и непромышленной нагрузки, как следствие, увеличение неравномерности графиков, более существенное влияние метеорологических факторов. Это требует применения соответствующих методов и алгоритмов моделирования потребления и учета метеофакторов.
• Необходимость создания и массового внедрения программных продуктов, позволяющих решать задачи прогнозирования и планирования потребления на различных объектах и обеспечивать необходимыми данными сопутствующие задачи. Эта необходимость обусловлена повсеместным внедрением рыночных механизмов в электроэнергетике.
Отмеченные обстоятельства определили основной круг задач, решаемых в данной работе.
Методы и алгоритмы, изложенные в работе, разработаны автором. Разработка и внедрение средств планирования электропотребления велись под руководством и при непосредственном участии автора. В подготовке материалов 4 и 5 главы принимали участие Еч В. Ф. и Полижаров А.С., проходящие обучение в аспирантуре ВНИИЭ под руководством автора диссертации. Разработка и внедрение программных средств комплекса "Энергостат", комплексов РТП1, РТП2, РБЭ осуществлялось руководимым автором коллективом программистов. Автор выражает благодарность всему коллективу и, прежде всего, Антонову А.В. Также автор весьма признателен всем специалистам энергосистем и энергообъединений России, в первую очередь Мосэнерго, Ленэнерго, подразделений и филиалов СО-ЦДУ ЕЭС России, ЦДР ФОРЭМ за оказанную помощь
при внедрении комплекса "Энергостат", высказанных предложений и замечаний по усовершенствованию разработки.
Цель и задачи исследования
Целью работы является разработка методов, алгоритмов и программных средств анализа и планирования потребления, необходимых в практике эксплуатации ЭО, ЭС. Разрабатываемые методы, алгоритмы и программные средства должны обеспечивать:
• Возможность создания и хранения многолетних архивов данных потребления, компонент балансов мощности и электроэнергии, необходимых для проведения всестороннего анализа особенностей и тенденций потребления, разработки адекватных математических моделей. Возможность организации объектной структуры хранения данных потребления на различных объектах.
• Наличие методологии планирования сбалансированной многокомпонентной структуры потребления;
• Наличие набора различных моделей прогнозирования, адекватно описывающих колебания компонент потребления;
• Возможность проведения необходимого статистического анализа потребления, режимных параметров и технико-экономических показателей ЭО и ЭС;
• Необходимую точность расчетов по прогнозированию потребления;
• Учет при прогнозировании и планировании различных влияющих факторов, в том числе метеорологических;
• Возможность увязки исходных данных и результатов расчетов по прогнозированию и планированию потребления с другими задачами планирования и ведения режимов работы ЭО, ЭС (расчет балансов электроэнергии и мощности, режимов электрической сети, расчет потерь, диспетчерские задачи);
• Возможность работы алгоритмов и программных средств в реальных производственных условиях с загрузкой данных в темпе процесса (online) из комплексов ОИК и АСКУЭ;
• Возможность работы алгоритмов и программных средств прогноза потребления в технологии балансирующего рынка;
• Обмен исходными данными и результатами расчетов между объектами и уровнями управления.
Разработанные на основе предлагаемых методов и алгоритмов промышленные программы и программные комплексы должны обеспечивать потребности в средствах планирования потребления соответствующих служб и подразделений ЭО, ЭС, диспетчерских управлений, субъектов рынка электроэнергии.
Для достижения поставленных целей решен ряд научных и технических задач:
• Разработаны методы и алгоритмы обработки и хранения информации многолетних статистических выборок (10-15 лет) значительных объемов режимных параметров и технико-экономических показателей (данные потребления, компоненты балансов мощности и электроэнергии, напряжения, токи и т.п.). Осуществлена подготовка многолетних архивов графиков потребления (почасовые и получасовые значения) и влияющих метеофакторов энергообъединений и энергосистем России;
• Разработана методология и система математических моделей, позволяющих осуществлять прогнозирование и планирование многокомпонентной сбалансированной структуры потребления на различных объектах;
• Разработаны методы, алгоритмы и программные средства статистического анализа многолетних архивов данных, необходимых для оценки характерных особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных;
• Исследованы характерные особенности и тенденции колебаний потребления большинства ЭО и ЭС России;
• Разработаны методы и алгоритмы математического моделирования колебаний потребления. Разработаны методы и алгоритмы прогнозирования потребления в различных временных интервалах - долгосрочном, краткосрочном и оперативном цикле;
• Разработаны методы и алгоритмы прогноза потребления в технологии балансирующего рынка;
• Проведен всесторонний статистический анализ влияния метеорологических факторов на потребление. Разработаны методы и алгоритмы моделирования и учета влияния метеорологических факторов;
• Созданы программы и программные комплексы, обеспечивающие необходимую функциональность и точность расчетов при прогнозировании и планировании
потребления и последующих расчетов балансов мощности и электроэнергии в практике эксплуатации ЭО, ЭС;
• Осуществлено массовое внедрение программ и программных комплексов в промышленную эксплуатацию в ЭО, ЭС, на других объектах ЕЭС России.
Методы исследования и достоверность полученных результатов
Исследования проводились на основе многолетних статистических выборок данных потребления, влияющих факторов, компонент балансов мощности и электроэнергии большинства ЭО и ЭС России. При проведении исследований применялись методы теории вероятностей и теории случайных процессов, статистического анализа, теории временных рядов. На базе проведенных исследований разрабатывались методы и алгоритмы планирования потребления, которые опробовались экспериментально в ЭО и ЭС и модифицировались с учетом опыта эксплуатации. При проектировании структур хранения и обработки данных потребления использовались объектные и темпоральные подходы, как средства моделирования, и СУБД реляционного типа, как средства хранения данных.
Достоверность новых научных положений, полученных результатов и выводов диссертации подтверждается результатами многолетней эксплуатации разработанных методов, алгоритмов и программных средств в энергообъединениях и диспетчерских управлениях России.
Научная новизна
• Разработана методология и система математических моделей, позволяющая осуществлять прогнозирование и планирование сбалансированной многокомпонентной структуры потребления на различных объектах электроэнергетики.
• Разработаны методы, алгоритмы и средства обработки и хранения многолетних архивов данных потребления, балансов, оборудования на основе объектной модели. Методы и средства позволили осуществить подготовку необходимой статистической базы для научных исследований - архивные данные по всем ЭО и ЭС России (суточные графики потребления, режимные параметры с глубиной архивов от 2 до 10 лет, архивы метеофакторов за аналогичные периоды).
• Разработаны методы, алгоритмы и средства статистического анализа многолетних архивов данных, необходимых для оценки характерных
особенностей и тенденций колебаний потребления, компонент балансов мощности и электроэнергии. Разработаны методы идентификации недостоверных данных.
• На основе многолетних архивов данных проведены исследования характерных особенностей и тенденций потребления практически всех ЭО и ЭС России. Определены основные тенденции - рост потребления в большинстве ЭС, увеличение доли непромышленной нагрузки, изменение характера сезонных, суточных и недельных колебаний.
• Разработан метод сезонных кривых - метод аналитического описания регулярных колебаний почасового потребления в разрезе года, заключающийся в выделении базовой нагрузки из фактических реализаций потребления и последующем описании остаточных компонент тригонометрическими или степенными полиномами.
• На основе предложенного метода сезонных кривых разработаны методы краткосрочного, оперативного и долгосрочного прогнозирования потребления. Разработана методика и средства оперативного циклического прогнозирования потребления для технологии балансирующего рынка.
• Разработан метод оценки и прогнозирования активных и реактивных нагрузок узлов и районов расчетной схемы ЭО и ЭС при недостаточности данных телеизмерений.
• Определены основные факторы, влияющие на точность прогнозирования. Отмечено, что одними из основных факторов влияющих на точность являются суточная неравномерность и нерегулярные колебания потребления (отклонения от сезонной кривой). Предложено аналитическое описание зависимости точности прогнозов от неравномерности графиков потребления.
• Исследовано влияние на потребление метеофакторов - температуры и освещенности. Предложен метод аналитического описания регулярных колебаний метеофакторов с использованием метода сезонных кривых. Разработана методика учета влияния метеофакторов при прогнозировании потребления. Определен характер влияния температуры на потребление для отопительного и летнего сезонов года, предложено аналитическое описание влияния температуры.
• Предложены методы оценки влияния введения летнего времени на потребление. Определена степень влияния сдвига времени на потребление различных
регионов России и ЕЭС России в целом, оценены характер и величина изменений суммарного потребления и максимальных нагрузок.
• Разработан многофункциональный программный комплекс анализа и планирования потребления, других технико-экономических показателей ЭО, ЭС.
• Разработанные методы и средства планирования потребления использованы для реализации других технологических задач - расчет потерь электроэнергии, обработка балансов электроэнергии и мощности, диспетчерские задачи.
Реализация результатов работы и практическая значимость
Разработанный на основе результатов работы программный комплекс "Энергостат" внедрен в промышленную эксплуатацию в большинстве крупных энергобъединений и диспетчерских управлений России - ЦДУ, ОДУ Центра, Урала, Северо-Запада, Средней Волги, Сибири, Московское, Ленинградское, Смоленское РДУ, Кузбассэнерго, Тюменьэнерго, Алтайэнерго, Красноярскэнерго, Самараэнерго, других энергообъединениях, отделениях Энергосбыта и РДУ России. Разработанные с использованием методик и компонент комплекса "Энергостат" комплексы РТП и РБЭ используются в Мосэнерго для расчетов потерь электроэнергии и балансов. Модификация комплекса "Энергостат" использовалась в ЦДР ФОРЭМ для обработки и расчетов балансов электроэнергии и мощности субъектов рынка.
Результаты работы используются для решения следующих практических задач ЭО, ЭС, диспетчерских управлений, других объектов электроэнергетики:
• Загрузка данных из комплексов ОИК, АСКУЭ в темпе процесса. Организация структуры и хранение многолетних архивов данных потребления, компонент балансов мощности и электроэнергии с различной дискретностью (15 мин., 30 мин., час, месяц, год);
• Подготовка и адаптация структуры взаимосвязанных компонент потребления с учетом реструктуризации и выхода потребителей на рынок. Подбор и адаптация моделей прогноза. Настройка коэффициентов моделей прогноза;
• Статистический анализ данных. Расчет характеристик суточных графиков потребления - средних, экстремальных точек, коэффициентов заполнения, неравномерности и т.п. Анализ по временным интервалам - год, квартал, месяц, неделя, сутки. Расчет приростов, нарастающих итогов. Идентификация и замена недостоверных значений по определенным статистическим критериям;
• Корреляционный и регрессионный анализ параметров. Расчет линейной и нелинейной регрессий для однофакторной и многофакторных моделей. Расчет коэффициентов влияния метеофакторов на потребление. Расчет межгодовых тенденций;
• Краткосрочное (сутки - месяц) и долгосрочное (месяц-год, несколько лет) прогнозирование электропотребления и суточных графиков параметров. Прогнозирование характерных точек графиков - средних, минимумов, максимумов, и т.п. Учет метеофакторов при прогнозировании;
• Оперативное прогнозирование графиков потребления и составляющих баланса мощности для текущих суток в темпе процесса;
• Оперативное скользящее прогнозирование потребления для технологии балансирующего рынка;
• Оценка точности результатов прогнозов для заданных временных интервалов и типов суток (Расчет математического ожидания ошибок прогноза, среднеквадратического отклонения и модуля ошибок. Расчет доверительных интервалов);
• Подготовка плановых значений потребления на основе принятых прогнозных величин. Вывод результатов планирования в выходные макеты и формы;
• Расчет и прогнозирование активных и реактивных нагрузок узлов и районов расчетной схемы;
• Переход от месячных значений потребления и балансов к суточным графикам (часовым, получасовым) по различным алгоритмам. Балансировка данных в суточных разрезах. Вариантно-итеративные схемы расчета структуры потребления с фиксацией определенных компонент при расчетах;
• Расчет прогнозов суммарного полезного отпуска с последующей разбивкой по группам и потребителям;
• Регистрация команд диспетчера РДУ в электронном журнале. Анализ ретроспективы введенных команд, отданных за определенный период диспетчером, группой диспетчеров, диспетчерской сменой. Расчет и сохранение скорректированных диспетчерских графиков (ДГ).
Апробация работы
Основные положения и результаты диссертационной работы неоднократно докладывались на различных научно-технических конференциях и семинарах.
Под руководством автора и при его непосредственном участии организован и проводится в течение трех лет Всероссийский специализированный научно-технический семинар "Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии". На семинаре рассматриваются организационные и методические вопросы планирования потребления, балансов, методы и программные средства анализа и планирования (прогнозирования) потребления, балансов, опыт их практического применения в энергообъединениях России, обсуждаются проблемы подготовки данных для расчетов, структура и средства хранения информации. В работе семинара, проводимого во "ОАО ВНИИЭ", принимают участие специалисты ОАО «СО - ЦЦУ ЕЭС», НП АТС, ОАО «ФСК ЕЭС», ОАО «ВНИИЭ», представители ОДУ, РДУ, АО-энерго, отделений Энергосбыта, научно-исследовательских организаций и фирм-разработчиков (более 150 человек из 92 организаций России и стран ближнего зарубежья). Результаты работы неоднократно докладывались автором на этом семинаре. Состав докладов, сделанных на семинаре автором, или с его участием, а также других докладов по теме работы приведен в диссертации.
Положения диссертации также обсуждались автором в энергообъединениях и объединенных диспетчерских управлениях России - ОДУ Центра, ОДУ Урала, ОДУ Северо-Запада, ОДУ Средней Волги, ОДУ Северного Кавказа, ОДУ Сибири, Мосэнерго, Ленэнерго, Алтайэнерго и других.
Публикации
По теме диссертации опубликованы 29 печатных работ, включая два свидетельства Роспатента на программы и базы данных.
Структура и объем диссертации
Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы из 160 наименований, списка докладов из 48 наименований и приложения. Ее содержание изложено на 295 страницах текста и включает 140 рисунков и 45 таблиц (без приложения).
Аналитический обзор методов и средств анализа и планирования электропотребления ЭО и ЭС
Задача прогнозирования электропотребления, которая решается при планировании эксплуатационных режимов и управлении работой ЭО и ЭС, главным образом состоит в анализе объективных факторов, влияющих на изменение нагрузки и расчете ожидаемых графиков нагрузки. В зависимости от времени упреждения при планировании эксплуатационных режимов и управлении работой ЭС различают долгосрочное (год, квартал, месяц), краткосрочное (сутки, неделя) и оперативное (часы, минуты) прогнозирование. Эта терминология не соблюдается строго всеми авторами, но в настоящей работе мы будем ее придерживаться. В зависимости от числа учитываемых при моделировании нагрузки факторов различают одно- и многофакторные методы. Однофакторные методы учитывают при построении моделей только значения нагрузки за исследуемый интервал, многофакторные используют также влияние независимых внешних факторов, в основном метеорологических.
Значительное количество публикаций по методам прогнозирования потребления посвящено однофакторным методам. Одними из первых опытов прогнозирования графиков нагрузки являлись модели, основанные только на подобии прогнозируемого графика нагрузки ряду графиков предыдущих дней [6,7,8]. В [9,10] предложен метод краткосрочного прогнозирования графиков нагрузки. Задача ставится в определении последовательности значений часового активного потребления в (і + т) день в будущем по известным из наблюдений значениям в дни (і - 1), (і - 2),... (і - 3) в прошлом:
Качество предсказаний оценивается с помощью математического ожидания квадрата ошибки экстраполирования: (Г = M[P(i + т) -f(P(t.i)t P(i-2),.... P(i-n))]. (1.2)
Наилучшей считается та функция/, для которой величина а принимает наименьшее значение. Для стационарных случайных процессов наилучший в этом смысле прогноз лежит в классе линейных функций / Авторами предлагается традиционное представление нестационарного случайного процесса (НСП) в виде суммы составляющих: Р(І) = Pqem(l) + Рсп(І), (1.3) где Pqei„(i) - неслучайная функция; Рсп(і) - стационарный случайный процесс (ССП).
При этом отмечается факт линейного возрастания электропотребления из года в год - годовой тренд Тк, спад и подъем потребления весной и осенью VBec И Voc, зависимость конфигурации графика нагрузки от дня недели. Годовой тренд определяется по прошествии каждого месяца путем сравнения выработки электроэнергии в текущем и прошлом году.
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 [И] излагается метод информативного анализа периодически нестационарных случайных процессов и иллюстрируется его применение для оперативного прогнозирования нагрузок в ЭС. 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. Такая операция предсказания выражается отношением: X(t+1) = B{X(t)}, (1.4) где В - стохастический оператор перехода упреждения прогнозируемого процесса X(t), зависящего от текущего времени и состояния процесса.
В [12] нестационарный случайный процесс сводится к условно-стационарному по значению автокорреляционной функции. Учет сезонных колебаний нагрузки отсутствует, что вносит определенную погрешность в метод.
В [13,14] 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 m 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.
Некоторые методы предполагают учет при оперативном прогнозировании сезонных тенденций. Так в [15] эти тенденции определяются с помощью кусочно-линейной интерполяции почасовых значений нагрузки одноименных дней. Предполагается, что любое прогнозируемое значение Р ( tj) графика в час tj текущих суток имеет линейную зависимость от предыдущих значений графика P(t,), P(t,-. і), P(ti. 2),...,P(ti.m) P(tj) =a0 + a,P(ti) + a2 P(tt. j) + ... + a5 P(t(.5). (1.5) Определение коэффициентов ao, а і,...as осуществляется с помощью стохастической аппроксимации или метода наименьших квадратов. В предположении линейной зависимости: Y = а0 + aiXi + ... + а„Хт + є , (1.6) коэффициенты а0, а/,..., а,„ находятся с помощью выражения: («; Xjio-Yd)) а ;1=а + Xj{i), (1.7) 1\У(а -Х )-У(і)) 1./=1 где і - номер итерации.
Одним из наиболее известных в России методов краткосрочного прогнозирования нагрузки является метод, описанный в [16, 17,18]. Авторы этого метода определяют ряд регулярных изменений нагрузки, таких, как суточные, недельные, месячные и сезонные, а также на естественный рост (годовой тренд) нагрузки.
Методы и средства обработки и хранения информации, необходимой для планирования электропотребления и других технологических задач
Исходной информацией для анализа и планирования являются многолетние архивы получасовых и часовых графиков потребления мощности и электроэнергии энергообъединений. Архивы данных накапливаются во время внедрения и эксплуатации представляемой разработки на различных объектах. В настоящее время в архивах разработки накоплены данные по всем энергообъединениям и энергосистемам России (суточные графики потребляемой мощности (электроэнергии) по всем ЭО и ЭС с глубиной архивов от 2 до 10 лет, архивы метеофакторов за аналогичные периоды, данные балансов электроэнергии, мощности за 3-5 лет по большинству ЭО и ЭС, состав оборудования). Объем информации составляет десятки и сотни миллионов значений. (Для одного объекта Мосэнерго архивы измерений за 10 лет - более 6 Гб, база оборудования около 200 Мб). Для структурирования, хранения и обработки такого значительного объема достаточно разнородных данных разработаны методы и средства, описанные в настоящем разделе [90-93]. Методы и средства должны обеспечивать:
создание и функционирование системы хранения и идентификации объектов, оборудования, режимных параметров и технико-экономических показателей;
возможность простого и эффективного обмена данными между объектами различных уровней управления, между субъектами рынка и его операторами, между структурными подразделениями ЭО и ЭС;
максимальную независимость структур хранения данных и методов их обработки от постоянно меняющихся в условиях развития и становления рынка электроэнергии понятий предметной области, взаимоотношений и структуры объектов, необходимой степени детализации данных;
возможность хранения не только текущих состояний и измерений объектов, но и также ретроспективы их развития от момента создания до исчезновения (темпоральный подход);
максимальную независимость структуры и методов обработки от конкретной СУБД, что обеспечивает функциональность, как в центрах сбора и обработки, так на низших уровнях (подстанции, РЭС и т.п.), где вопрос об установке мощной СУБД не может решен.
возможность привязки ко всем типам источников данных (различные типы ОИК, АСКУЭ).
Для решения подобных задач была разработана информационная система «База данных производственных, административных объектов, технологического оборудования и измеряемых параметров "Энергостат"» [90-93], включающая в себя базу данных (БД) определенной структуры и программные средства, обеспечивающие администрирование, обслуживание базы и разработку приложений. База данных, интегрированная с комплексом программ администрирования и обслуживания, представляет информационную систему корпоративного назначения для решения задач планирования различных параметров. При проектировании структуры данных использовались объектные и темпоральные подходы, как средства моделирования; СУБД реляционного типа с SQL доступом, как средства хранения данных. В разработке использовался опыт внедрения в энергообъединениях России различных проектов по планированию потребления, балансов мощности, электроэнергии, тепловой энергии, расчету потерь мощности и электроэнергии [93-99].
В целом на объектах реализуется представленная на рис. 2.1 система обработки данных: При внедрении разработки в различных энергообъединениях и предприятиях отрасли требуется гибкая настройка программных средств для обеспечения необходимой функциональности. Программные средства хранения данных должны учитывать различия в структуре объектов и составе оборудования энергетических объектов, а также возможность изменения структуры в процессе реструктуризации. Средства разрабатывались с учетом возможного изменения в представлении объектов и оборудования. Важным моментом при внедрении комплекса является возможность простой и гибкой настройки средств под существующий порядок планирования, принятый службами конкретных ЭО, ЭС. Так, выходные макеты и отчетные формы, средства табличного и графического отображения могут существенно отличаться по структуре и составу данных. Программные средства разработки позволяют гибко настраиваться под эти особенности.
Реализованная система обработки данных для расчетов (рис. 2.1), помимо оптимального хранения данных, может в значительной степени решить вопрос об увязке различных источников данных. Для загрузки структуры объектов разработаны средства менеджера объектов и оборудования. Они предназначены для ввода и коррекции данных по различным типам объектов и оборудования. Объектами являются структурные подразделения, входящие в состав энергообъединения (предприятия электрических сетей, РЭС и т.п.), а также энергетические объекты - электростанции, подстанции [100-102]. Под объектами оборудования понимаются, например, единицы тепломеханического оборудования электростанций, линии электропередач, оборудование подстанций. Интерфейс загрузки состава оборудования реализованы в виде определенных экранных форм менеджера объектов и оборудования. Данные по объектам и оборудованию могут быть использованы в дальнейшем для решения ряда технологических задач (расчет балансов мощности и электроэнергии, расчет рабочей мощности, расчет потерь и балансов электроэнергии по данным приборов учета).
Метод математического моделирования колебаний электропотребления - метод сезонных кривых
Задача прогнозирования решается в современной практике путем моделирования процесса колебаний потребления [103,119,123,124]. В основу разработанной методики моделирования потребления положен предложенный автором метод "сезонных кривых", позволяющий аналитически описывать сезонные колебания нагрузки электропотребления в разрезе года. Основы метода заложены в кандидатской диссертации автора, выполненной на кафедре электрических систем МЭИ и институте "Энергосетьпроект" [122,123,124]. В настоящей работе метод модифицирован и дополнен методикой долгосрочного планирования, прогноза нагрузок узлов расчетной схемы и учета метеофакторов в различные сезоны года. Метод предполагает аддитивность нагрузки: P(i,j) = P0(i,j) + Pce3(i,j) + SP(iJ) + yP(i,j), (3.1) где і - час суток (1 -г 24); j - номер дня недели (1 ч- 7); P(i j) - фактическая нагрузка энергосистемы; Po(i, j) - базовая составляющая, определяемая устойчивыми производственными циклами, суточной и недельной неравномерностью графика нагрузки; Рсез(і, j) - сезонная составляющая (сезонная кривая), определяемая сезонными колебаниями нагрузки в разрезе года. Эта составляющая обусловлена в первую очередь глубокими сезонными колебаниями метеофакторов - температуры и освещенности. SP(i, j) - составляющая, определяемая нерегулярными колебаниями метеофакторов (нерегулярными считаются отклонения метеофакторов от устойчивых сезонных циклов); yP(i,j) - остаточная составляющая, определяемая влиянием неучтенных факторов.
В свою очередь, метеорологические факторы - температура (Т) и освещенность (Q) представляются в виде двух компонент: 127 Т=Тсез + 5Г, (3.2) Q = Qces + SQ, (3.3) где Тсез, Qce3 - сезонные составляющие (сезонные кривые) метеофакторов, определяемые регулярными сезонными колебаниями в разрезе года; 5Г, SQ - отклонения метеофакторов от сезонной составляющей в силу изменения метеорологической обстановки.
Базовая составляющая Po(i, j) определяется устойчивыми производственными циклами, минимумом коммунально-бытовой нагрузки. По существу, такая нагрузка для большинства ЭС России имеет место в летние месяцы, поскольку она минимальна и менее всего подвержена вариациям. Базовая нагрузка представляется стабильными среднемесячными графиками нагрузки, которые принимаются в качестве базовых. Среднемесячными называют осредненные за данный месяц графики нагрузок характерных дней недели - понедельников, рабочих дней, суббот, воскресений: п = , (3.4) где / - час суток (1 + 24); j - день недели (1 -г 7); п - число характерных дней в месяце. Затем из фактических часовых нагрузок P(i,j) каждого дня года вычитается почасовая базовая нагрузка.
В результате этой операции происходит выделение сезонной компоненты нагрузки. В этой компоненте присутствуют также составляющие естественного роста нагрузки внутри года и внутримесячной неравномерности. Таким образом, преобразование вида:
A PcesCijh P0J) - PO(iJ), (3.5) где Д Pcesdj) - сезонная компонента; P(ij) - среднемесячные часовые значения нагрузки за июль, нормирует суточные графики всех 365 суток года. Осуществив подобное нормирование графиков нагрузки за несколько лет, мы приводим их к одинаковым условиям. Сезонные компоненты формируются по календарному принципу от 1-го до 365-го номера: bPjU) bPjLn) (З.б) где і - час суток (1 24); j - день недели (1 + 7); п - день в году (1 365).
Особенностью метода сезонных кривых является то, что годовой график сезонной компоненты - сезонная кривая - рассчитывается отдельно для каждого часа суток, в результате чего на практике оперируют с матрицей, состоящей из 24 сезонных кривых.
Базовая и сезонная компоненты определяются специфическими факторами. Сезонная компонента потребления коррелирована с сезонными колебаниями температуры наружного воздуха, естественной освещенностью (долготой светового дня), летним снижением электропотребления учреждений и предприятий. В ряде регионов сезонная кривая имеет свою специфику - например, сезонное летнее повышение электропотребления в курортных зонах Крыма, Кавказа. Базовая компонента, в свою очередь, коррелирована с макроэкономическими показателями -уровнем экономической активности, ростом или спадом промышленного или сельскохозяйственного производства, уровнем тарифов на тепловую и электроэнергию, темпами капитального строительства.
После выделения базовой составляющей график сезонной компоненты (рис. 3.1) отчетливо демонстрирует ход потребления, отражающий случайные колебания температуры наружного воздуха, естественной освещенности и других факторов на протяжении всего годового цикла. Использование сезонной кривой в таком виде для прогнозных расчетов невозможно. Поэтому сезонную компоненту необходимо подвергнуть дальнейшей обработке.
Поскольку конечной целью моделирования графиков нагрузки является получение прогнозных значений сезонных кривых на текущий и последующие годы, ожидаемые значения сезонных компонент могут определяться экстраполяцией с использованием процедуры экспоненциального сглаживания [88,124]: производится с помощью метода наименьших квадратов. Порядок N определяется экспериментально постепенным увеличением порядка полинома. В качестве критерия для прекращения увеличения степени является проверка дисперсий на каждом шаге. Результатом расчетов является матрица коэффициентов Фурье размерностью (25 (2N-1) 7).
На практике оптимальная степень полинома для описания сезонной кривой для нагрузки различных часов суток колеблется от 4 до 15. Для упрощения и ускорения процесса расчета аналитического описания сезонной кривой на практике может использоваться параболическая регрессия в виде ортогонального многочлена Чебышева [105,107]: где $ 0 ,и) —» Я (і ,») - многочлены Чебышева; 0 ,..., /? - коэффициенты полинома, которые находятся с помощью метода наименьших квадратов; к - порядок многочлена.
Исследование влияния различных метеофакторов на электропотребление, методы учета влияния метеофакторов при прогнозировании
Задача прогнозирования решается в современной практике путем моделирования процесса колебаний потребления [103,119,123,124]. В основу разработанной методики моделирования потребления положен предложенный автором метод "сезонных кривых", позволяющий аналитически описывать сезонные колебания нагрузки электропотребления в разрезе года. Основы метода заложены в кандидатской диссертации автора, выполненной на кафедре электрических систем МЭИ и институте "Энергосетьпроект" [122,123,124]. В настоящей работе метод модифицирован и дополнен методикой долгосрочного планирования, прогноза нагрузок узлов расчетной схемы и учета метеофакторов в различные сезоны года. Метод предполагает аддитивность нагрузки: P(i,j) = P0(i,j) + Pce3(i,j) + SP(iJ) + yP(i,j), (3.1) где і - час суток (1 -г 24); j - номер дня недели (1 ч- 7); P(i j) - фактическая нагрузка энергосистемы; Po(i, j) - базовая составляющая, определяемая устойчивыми производственными циклами, суточной и недельной неравномерностью графика нагрузки; Рсез(і, j) - сезонная составляющая (сезонная кривая), определяемая сезонными колебаниями нагрузки в разрезе года. Эта составляющая обусловлена в первую очередь глубокими сезонными колебаниями метеофакторов - температуры и освещенности. SP(i, j) - составляющая, определяемая нерегулярными колебаниями метеофакторов (нерегулярными считаются отклонения метеофакторов от устойчивых сезонных циклов); yP(i,j) - остаточная составляющая, определяемая влиянием неучтенных факторов.
В свою очередь, метеорологические факторы - температура (Т) и освещенность (Q) представляются в виде двух компонент: Т=Тсез + 5Г, (3.2) Q = Qces + SQ, (3.3) где Тсез, Qce3 - сезонные составляющие (сезонные кривые) метеофакторов, определяемые регулярными сезонными колебаниями в разрезе года; 5Г, SQ - отклонения метеофакторов от сезонной составляющей в силу изменения метеорологической обстановки.
Базовая составляющая Po(i, j) определяется устойчивыми производственными циклами, минимумом коммунально-бытовой нагрузки. По существу, такая нагрузка для большинства ЭС России имеет место в летние месяцы, поскольку она минимальна и менее всего подвержена вариациям. Базовая нагрузка представляется стабильными среднемесячными графиками нагрузки, которые принимаются в качестве базовых. Среднемесячными называют осредненные за данный месяц графики нагрузок характерных дней недели - понедельников, рабочих дней, суббот, воскресений: п = , (3.4) где / - час суток (1 + 24); j - день недели (1 -г 7); п - число характерных дней в месяце. Затем из фактических часовых нагрузок P(i,j) каждого дня года вычитается почасовая базовая нагрузка.
В результате этой операции происходит выделение сезонной компоненты нагрузки. В этой компоненте присутствуют также составляющие естественного роста нагрузки внутри года и внутримесячной неравномерности. Таким образом, преобразование вида: A PcesCijh P0J) - PO(iJ), (3.5) где Д Pcesdj) - сезонная компонента; P(ij) - среднемесячные часовые значения нагрузки за июль, нормирует суточные графики всех 365 суток года. Осуществив подобное нормирование графиков нагрузки за несколько лет, мы приводим их к одинаковым условиям.
Сезонные компоненты формируются по календарному принципу от 1-го до 365-го номера: bPjU) bPjLn) (З.б) где і - час суток (1 24); j - день недели (1 + 7); п - день в году (1 365).
Особенностью метода сезонных кривых является то, что годовой график сезонной компоненты - сезонная кривая - рассчитывается отдельно для каждого часа суток, в результате чего на практике оперируют с матрицей, состоящей из 24 сезонных кривых.
Базовая и сезонная компоненты определяются специфическими факторами. Сезонная компонента потребления коррелирована с сезонными колебаниями температуры наружного воздуха, естественной освещенностью (долготой светового дня), летним снижением электропотребления учреждений и предприятий. В ряде регионов сезонная кривая имеет свою специфику - например, сезонное летнее повышение электропотребления в курортных зонах Крыма, Кавказа. Базовая компонента, в свою очередь, коррелирована с макроэкономическими показателями -уровнем экономической активности, ростом или спадом промышленного или сельскохозяйственного производства, уровнем тарифов на тепловую и электроэнергию, темпами капитального строительства.
После выделения базовой составляющей график сезонной компоненты (рис. 3.1) отчетливо демонстрирует ход потребления, отражающий случайные колебания температуры наружного воздуха, естественной освещенности и других факторов на протяжении всего годового цикла. Использование сезонной кривой в таком виде для прогнозных расчетов невозможно. Поэтому сезонную компоненту необходимо подвергнуть дальнейшей обработке.
Поскольку конечной целью моделирования графиков нагрузки является получение прогнозных значений сезонных кривых на текущий и последующие годы, ожидаемые значения сезонных компонент могут определяться экстраполяцией с использованием процедуры экспоненциального сглаживания [88,124]: 1-а м М к_х (3.7) где АР - оценка ожидаемых сезонных компонент на текущий, или последующие годы; др - фактическая сезонная компонента за последний год, по которому имеется фактическая информация; д р - фактическая сезонная компонента за К - й год; л сез.ф.К а - коэффициент экспоненциального сглаживания, выбираемый из условия минимума дисперсии; М - число лет предыстории (2 -5- 5).
