Содержание к диссертации
Введение
1. Аналитический обзор 8
1.1. Анализ результатов исследования в области методов оценок удельных норм электропотребления 8
1.2. Классификация методов оценки удельных норм 10
1.3. Применение вероятностно-статистических методов при нормировании удельного расхода электроэнергии 12
1.4. Классификация и состав удельных норм электропотребления 16
1.5. Классификация методов определения норм 20
1.5.1. Расчетные методы 21
1.5.2. Экспериментальные методы 22
1.5.3 Аналитические методы 24
1.5.4. Статистические методы 24
1.5.5. Комбинированные методы 25
1.6. Совершенствование методов нормирования 27
1.7. Выбор и обоснование направлений исследований 33
1.8. Основные выводы и рекомендации 36
2. Анализ производственного процесса предприятий нефтехимической промышленности 38
2.1. Особенности работы электротехнического оборудования энергонасыщенного производства 38
2.2. Влияние технологических особенностей нефтехимических производств на электропотребление 48
2.3. Особенности и характеристики нестационарных режимов производственного процесса и их влияние на точность оценок удельных норм электропотребления 61
2.3.1. Закон распределения случайных функций производства 62
2.3.2. Определение характеристик случайной функции по данным пассивного эксперимента 64
2.3.3. Характерные режимы работы нефтехимических предприятий 71
2.4. Основные выводы и рекомендации 74
3. Разработка метода адекватной оценки удельных норм электропотребления 76
3.1. Введение 76
3.2. Математическое моделирование при разработке модели электропотребления производственного объекта 78
3.2.1. Статистические методы исследования 80
3.2.2. Анализ основных производственных факторов 83
3.2.3. Дисперсионный анализ 86
3.2.4. Регрессионный анализ 90
3.2.5. Полный факторный эксперимент 93
3.2.6. Корреляционный анализ 97
3.3. Формирование энергетической характеристики нефтехимического производства 104
3.4. Основные выводы и рекомендации 108
4. Прогнозирование адекватных удельных норм электропотребления с помощью энергетических характеристик 110
4.1. Введение 110
4.2. Основные принципы математических методов прогнозирования электропотребления 113
4.3. Анализ методов прогнозирования электропотребления 115
4.4. Оценивание параметров нелинейных моделей при прогнозировании удельных норм расхода электрической энергии 121
4.5. Разработка алгоритма прогнозирования удельного расхода электрической энергии 127
4.6. Корректировка параметров исследования по результатам пассивного эксперимента 132
4.7. Технико-экономическое обоснование результатов исследований на предприятиях нефтехимической промышленности 135
4.8. Основные выводы и рекомендации 138
Основные результаты и выводы 140
Список использованной литературы 142
Приложение 151
- Применение вероятностно-статистических методов при нормировании удельного расхода электроэнергии
- Влияние технологических особенностей нефтехимических производств на электропотребление
- Математическое моделирование при разработке модели электропотребления производственного объекта
- Оценивание параметров нелинейных моделей при прогнозировании удельных норм расхода электрической энергии
Введение к работе
Актуальность темы. Промышленные предприятия были и остаются основными потребителями энергоресурсов: на долю электротехнического оборудования приходится около 80% от общего количества используемой электрической энергии. Постоянный рост цен на электроэнергию вызывает повышение себестоимости производимой продукции, что снижает ее конкурентоспособность. В этой связи были изданы ряд законов и правительственных постановлений РФ и РТ по проблеме энергосбережения (Федеральный закон и закон РТ «Об энергосбережении», постановление Правительства РФ «О дополнительных мерах по стимулированию энергосбережения в России», постановление Кабинета Министров РТ «О мерах по развитию энергосбережения в Республике Татарстан» и др.).
Современные требования к проблеме энергосбережения значительно возросли, что требует проведения на промышленных предприятиях существенного анализа используемых методов оценки параметров удельных норм расхода электроэнергии. Положение дел в этом вопросе еще далеко от совершенства и объясняется это в первую очередь многообразием факторов, затрудняющих оптимальное определение показателей нормирования электропотребления. Последнее вызывает случаи завышения или занижения плановой удельной нормы отдельных производств, что приводит к необоснованному перерасходу электроэнергии, не подтвержденному ни технико-экономическими расчетами, ни фактическим снижением электропотребления.
Проведенный на отдельных предприятиях нефтехимической промышленности анализ показал, что утвержденные производственные нормы удельных расходов электроэнергии во многих случаях не стимулируют экономии электроэнергии, а установление нормативных значений от базового показателя с учетом 3-5% экономии не может применяться в современных условиях работы производств при значительной вариации технологических параметров.
Нормирование и контроль за расходом электрической энергии при сложившихся режимах работы электротехнического оборудования должны осуществляться по итоговым показателям работы (по конечному продукту), что даст возможность организовать адекватное прогнозирование удельного расхода электроэнергии на предприятии и позволит экономно расходовать электрическую энергию. В свете указанных задач большое значение приобретает разработка и дальнейшее совершенствование научно обоснованных методов нормирования и планирования потребности промышленных предприятий в электрической энергии.
Перечисленные обстоятельства свидетельствуют об актуальности данной работы, которая выполнена на кафедре «Электромеханика энергетических систем и силового оборудования» Казанского государственного энергетического университета.
Основной целью работы является разработка метода прогнозирования удельных норм расхода электроэнергии, имеющих высокую степень адекватности, путем решения следующих задач: аналитическое исследование природы и параметров погрешностей существующих методов прогноза с последующим выделением доминирующих факторов; разработка алгоритма и компьютерной программы для адекватной оценки удельных норм; методическое обеспечение процесса прогнозирования удельных норм с учетом неравномерной загрузки электротехнического оборудования.
Методы исследований определялись требованиями каждой из поставленных задач. Использовались положения системного анализа, методов теории математической статистики и теории вероятностей, регрессионного, корреляционного, факторного и дисперсионного анализов.
Обоснованность и достоверность научных положений, выводов и рекомендаций обеспечивается корректным использованием методов исследования и подтверждается совпадением теоретических расчетов с эксплуатационными значениями в условиях действующих предприятий. В качестве экспериментальной базы использовались данные предприятий нефтехимической промышленности, теоретические исследования сопровождались разработкой математических моделей, алгоритмов и программ, используемых для расчетов на ЭВМ с последующей проверкой в эксплуатационных условиях на воспроизводимость методами пассивного эксперимента.
Научная новизна работы. Статистические гипотезы показали, что производственный режим работы электротехнического оборудования подчиняется Гауссовскому закону с переменным математическим ожиданием. Впервые получены математические модели, дающие адекватные оценки прогнозируемых параметров удельных норм на основании среднеквадратичной аппроксимирующей экспоненциальной зависимости фактических удельных электрозатрат от достигнутых объемов производства товарной продукции.
Практическая ценность работы заключается во внедрении системы нормирования и прогнозирования удельного электропотребления для предприятий с многопрофильным производством. С помощью экспоненциальных энергетических характеристик предложенная методика позволяет адекватно прогнозировать потребление электрической энергии. Внедрение алгоритмов и методов прогнозирования на ряде предприятий нефтехимической отрасли дало возможность достичь экономии электроэнергии до 3% в год.
Положения, выносимые на защиту:
1. Электропотребление электротехнического оборудования предприятий в зависимости от режимов загрузки производственных мощностей представляет собой Гауссовский процесс с переменным математическим ожиданием.
2. Математическая модель прогнозирования удельного расхода электроэнергии по управляемым производственным факторам.
3. Методика определения и прогнозирования удельных норм расхода электроэнергии в условиях вариации технологических параметров.
Реализация полученных результатов. Разработанная методика прогнозирования удельных норм расхода электроэнергии для нефтехимических предприятий внедрена на ОАО «Нижнекамскнефтехим», используется при расчете плановых удельных норм расхода электроэнергии по основным видам выпускаемой продукции ОАО «Нижнекамскшина».
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на республиканской научной конференции (г.Казань, 1998 г.), международной научно-технической конференции «Энер-госбережение-98» (г.Тула, 1998 г.), Российском национальном симпозиуме по энергетике (г.Казань, 2001 г.), на научных семинарах КГЭУ.
Публикации. Основные результаты диссертационной работы опубликованы в 6 печатных работах.
Структура диссертации. Диссертация содержит 150 страниц машинописного текста, 24 иллюстрации, список использованной литературы из 133 наименований.
Применение вероятностно-статистических методов при нормировании удельного расхода электроэнергии
Значительную роль в обосновании и разработке вероятностного подхода к решению задачи нормирования и анализа ЭП сыграли труды Б.Н.Авилова-Карнаухова. В его работах энергетические характеристики впервые рассмотрены в виде зависимости, определяемой не только параметрами механизма и показателями его работы, но и рядом дополнительных факторов. Б.Н.Авилов-Карнаухов впервые представил ЭХ в виде многомерных статистических связей. Им была впервые разработана методика нормирования ЭП, основанная на использовании математической статистики и теории вероятностей [2,50].
На основе разработанной методики Б.Н.Авилов-Карнаухов установил, что применение энергетических характеристик для нормирования электропотребления производственных агрегатов позволяет не только выявить норму потребления электрической энергии, но провести анализ ЭП по элементам электропривода и механизма, а значит определить пути экономии электрической энергии. Основным недостатком этих трудов является то, что в них рассматривается зависимость потребления электрической энергии только от одного параметра производительности, влияние же других факторов не учитывается.
В последующие годы идею вероятностно-статистического подхода к нормированию удельного электропотребления развили такие ученые, как П.П.Ястребов [133], Б.А.Константинов [71,72], С.Д.Волобринский [27-29]. Эти авторы в своих трудах при построении ЭХ применяли расчетно-аналитический и опытный методы. Нормирование УРЭ при применении этих методов считалось наиболее достоверным.
Б.А.Константинов считал, что для определения удельных норм расхода ЭЭ необходимо проведение технических испытаний оборудования. Затем результаты экспериментальных исследований предполагалось подвергать статистической обработке по разработанной им методике, чтобы установить реальные нормы ЭП. В основу оценки реальности норм был заложен анализ фактических УРЭ по агрегатам за длительный период времени.
Подобные рекомендации отражены в работах С.Д.Волобринского. Им рекомендовано устанавливать технологические нормы УРЭ опытным путем с последующей обработкой результатов эксперимента и оценкой их достоверности с помощью критерия Стьюдента.
Вопросам связи между ЭП и технологическими факторами посвящены исследования П.П.Ястребова. Автор применил дисперсионный и корреляционный анализ при обработке экспериментальных и статистических данных. В его работах отражена связь ЭП с различными технологическими факторами. В основном эта связь является нелинейной, и автор первым использует понятие корреляционное отношение, как величину, устанавливающую связь между удельным расходом энергии и технологическими параметрами. Корреляционный анализ при определении норм удельного расхода электроэнергии также применяется в работах А.А.Тайца. Автор предложил осуществить оптимизацию энергобалансов на всех уровнях с помощью математических методов [117,118].
Сущность метода многофакторного корреляционного анализа изложена в работе авторов В.Н.Аввакулова и Н.М.Кузнецова [1]. Суть его состоит в построении уравнений регрессии за определенный период предыстории работы ПП с последующим определением прогнозной модели.
В соответствии с классификацией, предложенной в [84] существующие методы оценки УН ЭП можно свести к трем основным группам: метод экстраполяции, метод моделирования, метод экспертных оценок.
Многими авторами отмечается положительная роль экстраполяции как средства прогнозирования удельного электропотребления [8,31,106]. Данные методы относятся к однофакторным методам, где в качестве фактора выступает время (t). Экстраполяция при прогнозировании показателей ЭП (W) применялась в работах [6,76], где использовались наиболее характерные опорные функции вида W = f(t).
Для уменьшения влияния случайной составляющей применяется метод скользящей средней [87]. Для оперативного и краткосрочного прогнозирования электропотребелния и электрических нагрузок используются также методы Бокса-Дженкинса [61], экспоненциального сглаживания [47,84], вероятностного моделирования, авторегрессии. В данных случаях авторы использовали уравнения, наилучшим образом описывающие временной ряд по исходным данным. Однако применение такого подхода не всегда правомерно, так как на длительных периодах проявляются качественные изменения системы, а функции описывают некоторую усредненную тенденцию.
Положительно оцениваются методы, включающие одновременно моделирование временных рядов и экономических соотношений, когда в модели вводятся значения экономических показателей и фактор времени [53]. В то же время отмечается, что усложнение методов не гарантирует от больших ошибок в прогнозах, так как источником погрешности могут являться неверные исходные предпосылки по темпам роста.
Для среднесрочного прогнозирования показателей удельного расхода электрической энергии в условиях произошедших структурных изменений производства Ю.В.Матюниной предложен метод экспоненциального сглаживания [84]. Он является достаточно надежным и эффективным, так как позволяет получить оценку параметров тренда, характеризующих не средний уровень процесса, а тенденцию, сложившуюся к моменту последнего наблюдения [106].
В прогнозировании ЭП находят широкое применение многофакторные методы, которые относятся к группе методов моделирования. В качестве факторов, влияющих на потребление ЭЭ, могут выступать показатели уровня организации производства, технологические параметры, параметры технического состояния оборудования. Часто объем ЭП связывают с фактическим выпуском продукции [41,46,77], со стоимостью основных производственных фондов [86]. Регрессионные зависимости по другим факторам с применением факторного анализа построены в [9,15,37].
Отбор факторов для построения моделей носит зачастую субъективный характер. Субъективность выбора исходного круга факторов можно снизить с помощью метода экспертных оценок [94], однако нельзя исключить полностью. Например, в [83] используется экспертный опрос с лингвистическими переменными. Такой подход интересен, однако сложен в использовании для определения объемов электропотребления.
С учетом современных тенденций проведения анализа удельного электропотребления на промышленных предприятиях следует использовать вероятностный подход к разработке методики оценки норм УРЭ. Для повышения эффективности применения показателя удельного расхода электроэнергии следует четко представлять, каким видом нормы расхода следует пользоваться. В соответствии с этим в дальнейшем будет рассмотрен вопрос классификации и состава удельных норм электропотребления.
Влияние технологических особенностей нефтехимических производств на электропотребление
На данном этапе актуальным является вопрос исследования производственного процесса нефтехимических предприятий на предмет наличия резервов экономии электроэнергии для отдельных технологических процессов. С этой целью предполагается изучить наиболее характерные производственные циклы выпуска продукции на химкомбинате и шинном заводе.
Основным исходным сырьем в производстве синтетических каучуков общего назначения служат мономеры: изопрен, дивинил, бутилен, стирол и его производные. Способы получения изопрена можно разделить на процессы синтеза и разложения.
Другой массовый продукт в производстве синтетических каучуков -дивинил, в промышленном масштабе получается из углеводов С4: двухста-дийным дегидрированием бутана (н-бутан — н-бутилен —» дивинил); одностадийным дегидрированием бутана при пониженном давлении; дегидрированием бутилена. Почти все указанные выше способы получения каучуков нашли практическое применение в производствах химкомбината.
Известно, что расход энергоресурсов на производство синтетических каучуков является значительным и определяется принятыми технологическими схемами, видами исходного сырья, типами катализаторов, способами полимеризации и т.д. Ниже на рис.2.2 представлены фактические технологические нормы удельного расхода электроэнергии в период 1994-2000 гг. для производства основных 5 типов каучуков, выпускаемых химкомбинатом. Приведенные удельные нормы расхода электроэнергии включают в себя затраты на выделение основных продуктов синтеза (изобутилен, изопен-тан, изопрен и т.д.), их очистку, на полимеризацию каучуков, выделение и сушку каучуков, компримирование, осушку и очистку возвратных продуктов и т.п. Изобутилен - основной мономер для синтеза бутилкаучука, являющегося в свою очередь основным сырьем в производстве автокамер и многих других изделий. Метод получения изобутилена - извлечение из газов крекинга и пиролиза нефти. Сополимером в синтезе бутилкаучука служит изопрен. Наиболее экономически выгодным из известных способов получения изопрена является дегидрирование изопентана, содержащегося в попутных нефтяных газах. Изопентан можно дегидрировать в одну или в две стадии. Изопреновый каучук (СКИ, СКИ-3) - синтетический каучук, получаемый полимеризацией изопрена. По объему производства он занимает первое место на химкомбинате среди выпускаемых пяти каучуков. В качестве катализатора используется литийорганические соединения, перекисные соединения и др. Полимеризацию проводят при 20-50С в среде растворителя. Применение растворителя позволяет равномернее распределить катализатор, лучше отводить реакционное тепло. Исключительное значение имеет высокая степень очистки изопрена и растворителя от примесей, разрушающих катализатор и вызывающих образование нежелательных структур. Изопреновый каучук по прочностным показателям практически равноценен натуральному каучуку и лишь немного уступает ему в эластичности, из него изготавливаются многие резинотехнические изделия, в том числе автомобильные шины. Бутадиен -1,3 (дивинил) - основной мономер промышленного синтеза бутадиеновых каучуков типа СКД-К. На химкомбинате для синтеза бутадиена применяется метод каталитического дегидрирования изобутана. Имеется специальное производство дивинила, где для получения продукта используется метод каталитического дегидрирования бутиленов. Каучук СКЭП относится к насыщенным сополимерам этилена с пропиленом. Насыщенный характер сополимера сказывается на свойствах резин, изготовленных на основе этого каучука. По сопротивлению старению резины на базе СКЭП превосходят синтетические каучуки общего назначения, которые обладают также высокими диэлектрическими свойствами. Удельные энергозатраты на производство каучуков подобного типа - самые низкие, что вызывает к ним известное внимание заводов изготовителей. Каучук СКЭПТ относится к ненасыщенным этилен-пропиленовым структурам, способным перерабатываться обычными приемами резинового производства. Назначение этого каучука то же, что и каучука СКЭП. Анализ особенностей производственных технологий синтеза каучуков широкого ассортимента и УРЭ позволяет сделать вывод, что на химкомбинате задействованы достаточно прогрессивные технологии производства каучуков, основанные на использовании качественного нефтехимического сырья и эффективных катализаторов. По методам синтеза каучуков различают следующие способы получения продукта: 1) полимеризация в массе мономера и в газовой фазе (бутадиеновые каучуки); 2) полимеризация в растворе (каучуки СКИ-3, СКД, СКЭП, бутилкаучук и др.); 3) полимеризация в эмульсии (бутадиен-стирол ьные, бутадиен нитрильные каучуки и др.). По мнению ряда специалистов последний метод синтеза (полимеризация в эмульсии) выгодно отличается от первых двух [64]. Основные преимущества полимеризации в эмульсии заключается в том, что процесс протекает с большей скоростью, легко оформляется по непрерывной схеме и хорошо регулируется, так как тепло реакции отводится равномерно, получаемый полимер имеет более высокий молекулярный вес и более однороден по структуре и качеству. Более низкая себестоимость эмульсионных сополимеров, например, на основе бутадиена обусловлена и более низким расходом энергии (по структуре себестоимости в 2,5-2,6 раза) по сравнению с другими способами полимеризации. Другими словами, более широкое освоение методов полимеризации каучуков в эмульсии будет способствовать сбережению энергоресурсов. Ниже, в виде гистограммы (рис.2.3) представлена структура себестоимости некоторых каучуков общего назначения, в основу синтеза которых положены различные методы [64].
На основании предварительных технологических расчетов в табл.2.2 определены технико-экономические показатели различных методов производства изопрена-мономера [79]. В качестве основы для сопоставления за 100% принят метод производства изопрена из изобутилена и формальдегида. Анализ приведенных сравнительных технико-экономических данных показывает, что в энергетическом плане наименьшие затраты на производство изопрена имеет способ дегидрирования изопентана по одностадийной схеме с применением йода. Способ синтеза изобутилена с формальдегидом, особенно при использовании изобутилена, содержащегося в различных исходных фракциях С4, хотя и имеет большую энергоемкость по сравнению с первым, в целом по себестоимости готового продукта ему не уступает.
Математическое моделирование при разработке модели электропотребления производственного объекта
При определении на научных основах удельных расходов электроэнергии на выпуск продукции создается база для расчета потребности в энергетических ресурсах участков производства, цехов и предприятия в целом, что является основой планирования электроснабжения. С помощью установленных базовых удельных норм электропотребления можно оценить использование ЭЭ в условиях колеблющегося объема и изменяющегося ассортимента продукции, выпускаемой отдельными участками и цехами. В настоящее время можно отметить, что для некоторых промышленных предприятий нефтехимической промышленности задача определения адекватных норм расхода электроэнергии не решена. Причины этого заключаются в следующем:
Во-первых, имеют место сложные пересекающиеся технологические линии по разным видам продукции, отсутствует детальный учет по определенным видам электротехнического оборудования, трудоемок процесс проведения опытно-экспериментальных измерений. На многих 1111 отсутствует требуемое количество измерительных средств, имеются сложности в проведении единовременных измерений.
Во-вторых, при широкой номенклатуре выпускаемых изделий определение расхода ЭЭ на основе данных электробаланса технически сложно, а иногда невозможно.
В-третьих, существующие методики нормирования ЭП ориентированы на общий учет ЭЭ, не всегда производится учет конкретного электропотребления на производство каждого вида продукции, что затрудняет выявление мест перерасхода электроэнергии.
Вышеперечисленные трудности привели к отсутствию адекватной методики определения УРЭ на химкомбинате и шинном заводе, которые отмечены в работе [59]. Применяемые на данных производствах методы расчета удельных норм «от базового значения» не достаточно объективны и не имеют необходимой точности. В связи с чем очевидна необходимость создания новой методики, позволяющей адекватно прогнозировать долю расхода ЭЭ на каждый отдельный вид выпускаемой продукции.
Разработка методики нормирования ЭП для рассматриваемых ПП преследует следующие цели: - оценка необходимой потребности в ЭЭ на каждом технологическом участке, цехе, заводе; - определение перспективного электропотребления предприятием и его отдельными участками; - выявление мест перерасхода ЭЭ с целью осуществления мероприятий по экономии. Для разработки методики прогнозирования в главе 1 были проанализированы существующие методы расчета норм расхода ЭЭ. В результате проведенного анализа было установлено, что из всех существующих методов нормирования потребления ЭЭ более всего подходящими для предприятий нефтехимической промышленности являются статистико-математические методы. Эти методы основаны на расчете норм электропотребления по отчетно-статистическим данным с учетом влияния на УРЭ основных производственных факторов [55]. Таким образом на основании данных пассивного производственного эксперимента и электробалансов предприятий с использованием расчетно-статистического метода предлагается разработать методику нормирования удельного расхода электроэнергии в натуральном выражении (кВт.ч/единица выпуска продукции). В работе сделана попытка определения базовых норм ЭП без проведения дополнительных специальных измерений на основе изучения предыстории работы предприятий. На начальном этапе основная задача, проводимого на химкомбинате и шинном заводе, пассивного эксперимента заключалась в наиболее полном сборе информации о работе предприятий. Корректно проведенное статистическое исследование позволит подобрать вид математической модели адекватно описывающей производственный процесс и основные параметры электропотребления нефтехимических предприятий. Разработка математической модели прогнозирования удельных норм ЭП многономенклатурного производства требует, прежде всего, анализа качества, структуры и объема экспериментальных данных (по электропотреблению W и производству продукции 77). Контроль качества используемой информации включает в себя следующее: 1. Просмотр данных с целью выявления групп резко уклоняющихся наблюдений. 2. Визуальную или автоматическую проверку данных с целью выявления тех значений, которые логически несовместимы или противоречат предварительной информации о правдоподобных границах измерения отдельных переменных. 3. Контроль за сбором данных, обнаружение источников искажения. 4. Восстановление пропущенных наблюдений. Для разработки математической модели адекватной оценки УРЭ на основании информации за предшествующие годы работы нефтехимических предприятий, необходимо располагать статистическими данными в каждый год (/) при выпуске продукции типа (j) Пц, а также суммарным количеством электроэнергии W.t потребленным в (г) -ом году. Данный метод требует для своей реализации простой и доступной информации, фиксируемой в процессе производства. Для эффективного анализа механизма явлений и управления производственными процессами необходимо выявить взаимосвязи между факторами, определяющими ход процесса, и представить их в количественной форме - в виде математической модели (ММ). Модель представляет собой совокупность уравнений, условий и алгоритмических правил и позволит получать информацию о процессах, протекающих в объекте; рассчитывать системы, т.е. анализировать и проектировать их; управлять моделируемым объектом. В зависимости от источника информации, используемого при построении математической модели различают аналитические (или теоретические) и статистические (или эмпирические модели).
Оценивание параметров нелинейных моделей при прогнозировании удельных норм расхода электрической энергии
Важным вопросом является устранение недостатков при разработке математической модели прогнозирования удельного расхода электроэнергии. На практике для реально действующего промышленного предприятия часто имеет место колебание исходных (управляемых) и выходных данных (например, планируемый выпуск продукции, и, соответственно, планируемая загрузка мощностей не всегда совпадают с реальными фактическими). Эти отклонения могут быть в обе стороны, как в сторону увеличения, так и в сторону уменьшения значений.
Кроме того, известно, что закономерности, наблюдаемые в массовых случайных явлениях, проявляются тем точнее и отчетливее, чем больше объем статистического материала. При исследовании нефтехимических производств нельзя говорить о достаточном количестве статистики, так как эти данные ограничены временными интервалами. Когда на практике приходится иметь дело с ограниченным количеством экспериментальных данных, то результаты наблюдений и их обработки всегда содержат больший или меньший элемент случайности. При достаточном количестве опытов, закономерности свойственные случайным величинам будут осуществляться сколь угодно точно (примером вышесказанного может служить обработка статистических данных за последние несколько лет работы объединений с использованием ежедневной информации). Однако, такой подход к решению задачи практически не реализуется из-за отсутствия необходимости в ежедневном отслеживании значений удельных норм расхода электрической энергии.
При построении энергетических характеристик по статистическим данным возникает также вопрос о том, какие черты наблюдаемого явления относятся к постоянным, устойчивым и действительно присущим ему, а какие являются случайными и проявляются в данной серии наблюдений только за счет ограниченного объема экспериментальных данных. Естественно, к методике обработки экспериментальных данных следует предъявить такие требования, чтобы она, по возможности, сохраняла типичные характерные черты наблюдаемого явления и отбрасывала все несущественное, второстепенное, связанное с недостаточным объемом опытного материала. В связи с этим возникает характерная для математической статистики задача сглаживания или выравнивания статистических данных, представляя их в наиболее компактном виде с помощью простых аналитических зависимостей.
Для удобства представления энергетических характеристик и дальнейшего прогнозирования УН, статистическую информацию удобно представлять в относительных единицах (например, использование мощностей или фактический выпуск продукции, отнесенный к проектному значению). Тогда при разработке методики прогнозирования УРЭ будет решена задача для различных временных интервалов (год, месяц, квартал, день).
Энергетическая характеристика предприятия представляет собой регрессионную зависимость удельного расхода электроэнергии у от объема производства продукции х. Таким образом, характер закона распределения качественно известен из теоретических соображений. В данном случае возникает задача обработки наблюдений - определить только некоторые числовые характеристики случайной величины. При небольшом числе опытов задача точного определения этих параметров не может быть решена, так как в этих случаях экспериментальный материал содержит в себе неизбежно значительный элемент случайности, поэтому случайными оказываются и все параметры, вычисленные на основе этих данных.
В таких условиях может быть поставлена только задача об определении так называемых «оценок» или «подходящих значений» для искомых параметров, т.е. таких приближенных значений, которые при массовом применении приводили бы в среднем к меньшим ошибкам, чем всякие другие. С задачей отыскания «подходящих значений» числовых характеристик тесно связана задача оценки их точности и надежности [59].
Следовательно, для различных энергетических характеристик, построенных по статистическим данным за последние несколько лет работы предприятия, имеется разная степень вероятности их повторения в дальнейшем. Отсюда можно говорить о характеристике логичной (рис.3.5.А) и так называемой характеристике с выбросами (рис.3.5.Б), построенных на конкретном примере выпуска продукции химкомбинатом за 1994-2001 гг. (производства А, Б). Характеристики аппроксимированы функциями и представлены в относительных единицах выпуска продукции. Удельный расход электроэнергии, основываясь на сложившейся на заводе системе сбора информации, представлен в кВт.ч на 1 тонну выпуска продукции.
О принадлежности той или иной зависимости к определенной группе можно говорить при анализе статистического материала с учетом неравномерной загрузки производства. При нестационарных режимах работы предприятия возрастает роль в нормировании УРЭ расчетно-статистического метода. При этом исследуемые статистические данные работы предприятий содержат аналогичные колебания параметров производственного процесса. Именно такая ситуация сложилась на большинстве производств химкомби ната и шинного завода в последние годы. При использовании для определения УРЭ статистического метода уравнение состояния системы преобразуется в регрессионную модель. В регрессионной модели факторы могут быть самые разнообразные, они определяются в результате логического анализа и проверяются формальными приемами статистики.
При определении удельных норм возможно использование модели множественной регрессии, в этом случае особое внимание следует уделять выбору факторов и определению их числа. Необходимо, чтобы факторы не только имели высокую корреляцию с прогнозируемым показателем удельного расхода электроэнергии у, что предопределяется качественным анализом, но и были реально определяемыми в принятой системе учета и планирования. Для рассматриваемых нефтехимических производств такими факторами являются фактический выпуск продукции и коэффициент использования производственной мощности. Практически показано, что при определении УРЭ по модели множественной регрессии не следует увлекаться увеличением числа факторов. С дальнейшим увеличением числа факторов увеличение точности расчетов становится не столь существенным, а процесс расчета по сравнению с однофакторной моделью значительно усложняется.
