Содержание к диссертации
Введение
1. Анализ состояния проблемы автоматизированного управления электропотреблением промышленных предприятий
1.1. Обзор и анализ работ по управлению электропотреблением промышленных предприятий 10
1.2. Постановка задачи исследования 20
2. Системный анализ и построение структуры автоматизированного управления электропотреблением промышленных предприятий 23
2.1. Системный анализ автоматизированного управления электропотреблением предприятий 23
2.2. Подход к построению структуры автоматизированного управления электропотреблением предприятий 26
3. Модели и методы прогнозирования электропотребления промышленных предприятий 39
3.1. Прогнозирование электропотребления предприятий на основе статистических моделей 41
3.2. Прогнозирование электропотребления предприятий на основе искусственных нейронных сетей 52
3.3. Система автоматизированного управления на основе прогнозных значений электропотребления предприятия 64
4. Результаты практического применения разработанных моделей, методов и алгоритмов 72
4.1. Оценка эффективности алгоритмов прогнозирования 72
4.2. Программно-информационный комплекс прогнозирования 75
4.3. Оценка эффективности предложенной системы управления 79
Заключение 86
Список литературы 88
- Постановка задачи исследования
- Подход к построению структуры автоматизированного управления электропотреблением предприятий
- Прогнозирование электропотребления предприятий на основе искусственных нейронных сетей
- Программно-информационный комплекс прогнозирования
Введение к работе
Актуальность работы. Экономия электрической энергии является важнейшей проблемой энергетики России. Экономное использование электроэнергии на промышленных предприятиях представляет собой одну из составляющих данной проблемы, решение которой невозможно без автоматизации управления электроэнергетикой предприятий.
Значительный вклад в разработку теории и практики автоматизированного управления электроэнергетикой промышленных предприятий внесли А.С. Некрасов, Ю.В. Синяк, В.Т. Мелехин, Л.А. Мелентьев, Ю.Б. Клюев, В.В. Михайлов, В.А. Веников, А.А. Федоров, В.В. Шевченко, Э.А. Киреева, Б.А. Константинов, Б.И. Кудрин, Л.С. Беляев, Э.Э. Лойтер, П.И. Головкин, В.А. Непомнящий, В.С. Каханович, Ю.С. Железко, Е.М. Червонный, Б.В. Папков, А.Ф. Резчиков, G. Matthus, L. Zang, R. Frost, H. Kanai и другие отечественные и зарубежные ученые.
В последнее время широкое распространение получили автоматизированные системы контроля и учета электроэнергии на промышленных предприятиях: АСУЭ КТС «Энергия+», АСУЭ «Ток-С», АСКУЭ «Альфа Центр», АСКУЭ на базе ПТК ЭКОМ, ИВК «Метроника-Альфамет» и другие, которые обеспечивают сбор, накопление, обработку, хранение и отображение информации; формирование балансов электропотребления; коммерческий и технический учет электроэнергии и мощности на предприятиях.
Однако в теоретических и прикладных исследованиях, проводимых в данном направлении, отсутствует методологический подход к построению эффективных систем автоматизированного управления, весьма ограниченно используются современные информационные технологии и слабо разработаны алгоритмы прогнозирования, существенно влияющие на точность определения норм и планового потребления предприятиями электроэнергии, являющихся одним из основных источников ее экономии на них. Необходимость продолжения работ в этом направлении определили выбор темы, цели и задач исследования данной диссертации.
Цель диссертационной работы. Разработка моделей и алгоритмов прогнозирования для поддержки принятия решений при управлении электропотреблением промышленных предприятий, обеспечивающего экономию электроэнергии и сокращение издержек предприятий по оплате за нее.
Объект исследования – электроэнергетика промышленных предприятий.
Предмет исследования – модели и алгоритмы прогнозирования электропотребления промышленных предприятий.
Задачи исследования:
– системный анализ процесса управления электропотреблением промышленных предприятий, положенный в основу его структуризации, позволяющей разработать эффективные модели и алгоритмы прогнозирования электропотребления предприятий и определить их взаимодействие с другими компонентами системы автоматизированного управления;
– разработка статистических моделей и алгоритмов прогнозирования суточного электропотребления промышленных предприятий с интервалом упреждения и точностью, необходимыми для эффективного планирования и управления электропотреблением на предприятиях;
– разработка моделей прогнозирования суточного электропотребления промышленных предприятий на основе искусственной нейронной сети, позволяющей повысить точность и достоверность прогноза;
– построение системы автоматизированного управления электропотреблением промышленных предприятий, обеспечивающей принятие эффективных управленческих решений по экономии электроэнергии.
Методы исследования. Для решения поставленных задач используются методы системного анализа, теория множеств, математическая статистика, теория случайных процессов, аппарат искусственных нейронных сетей и современные информационные технологии.
Выносимые на защиту результаты:
– системный анализ процесса управления электропотреблением промышленных предприятий, позволяющий выполнить декомпозицию данного процесса и системно подойти к решению полученного в результате комплекса взаимосвязанных задач;
– статистические методы и алгоритмы прогнозирования суточного электропотребления промышленных предприятий, обеспечивающие по сравнению с существующими период упреждения и точность прогноза, необходимые для эффективного автоматизированного управления электропотреблением;
– процедура прогнозирования суточного электропотребления промышленных предприятий на основе искусственной нейронной сети, позволяющая выполнить данный прогноз с учетом влияния на электропотребление колебаний температуры окружающей среды и изменения объемов производимой предприятием продукции, тем самым повысить точность прогнозирования;
– структура и состав системы автоматизированного управления электропотреблением промышленных предприятий, позволяющей существенно сократить их издержки по оплате за электроэнергию.
Научная новизна результатов, выносимых на защиту:
1. Выполнен системный анализ процесса управления электропотреблением промышленных предприятий, позволивший представить отдельные компоненты этого процесса и связи между ними с детализацией, необходимой для их формального описания и реализации с помощью существующих аппаратно-программных средств в едином информационном пространстве.
Выделен базовый состав функций, включающий функцию прогнозирования электропотребления, необходимую для научно обоснованного нормирования и планирования расхода электроэнергии на предприятиях и управления на этой основе их электропотреблением.
2. Предложены статистические модели и алгоритмы прогнозирования суточного электропотребления предприятий, которые обладают по сравнению с известными моделями большим широким горизонтом (от суток до года) и более высокой точностью (порядка 3,9-4,5 % от фактического уровня электропотребления) прогноза.
3. Определена архитектура искусственной нейронной сети в виде трехслойного персептрона и разработан алгоритм его обучения, позволяющие:
– повысить точность прогнозирования суточного электропотребления предприятий за счет учета колебаний среднесуточной температуры окружающей среды и изменения объемов производимой предприятием продукции;
– обеспечить в режиме реального времени адаптацию искусственной нейронной сети к изменениям характера электропотребления.
4. Предложены структура и состав системы автоматизированного управления электропотреблением промышленных предприятий и алгоритм принятия решений, позволяющие обеспечить выполнение плановых норм расхода электроэнергии, определенных на основе прогнозных значений суточного электропотребления предприятий.
Теоретическая и практическая значимость работы определяется решением важной для электроэнергетики России задачи по совершенствованию систем управления электропотреблением промышленных предприятий. Использование предложенных моделей и алгоритмов прогнозирования и построение на их основе системы автоматизированного управления электропотреблением позволяют повысить эффективность принятия решений по экономии электроэнергии на предприятиях и улучшить условия функционирования электроэнергетической системы.
Достоверность и обоснованность результатов достигается корректным применением математического аппарата: системного анализа, статистических моделей и алгоритмов, методов искусственного интеллекта и апробацией их в составе действующей АСУ энергетикой предприятий.
Реализация и внедрение результатов работы. Теоретические и практические результаты работы используются на ОАО «Саратовское электроагрегатное производственное объединение» и ОАО «Саратовстройстекло», а также в учебном процессе в Саратовском государственном техническом университете (СГТУ) имени Гагарина Ю.А. и в отчетах о НИР Института проблем точной механики и управления (ИПТМУ) РАН (№ гос. рег. 0120 0 803005 и 01201156340).
Апробация работы. Результаты работы докладывались на ХХIII Международной научной конференции «Математические методы в технике и технологиях – ММТТ-23» (Саратов, 2010) и ХХIV Международной научной конференции «Математические методы в технике и технологиях – ММТТ-24» (Саратов, 2011), конкурсе «Участник молодежного научно-инновационного конкурса» (УМНИК – 2010) (Белгород, 2010), ХХVI Международной научной конференции «Математические методы в технике и технологиях – ММТТ-26» (Саратов, 2013), на Всероссийской научной конференции с международным участием «Проблемы критических ситуаций в точной механике и управлении» (Саратов, 2013), научных семинарах лаборатории системных проблем управления и автоматизации в машиностроении ИПТМУ РАН (Саратов, 2009-2013) и кафедры «Системотехника» СГТУ (Саратов, 2009-2013).
Публикации. По теме диссертационной работы опубликовано 13 печатных работ, из которых 5 в ведущих рецензируемых изданиях, рекомендованных ВАК РФ.
Структура и объем работы. Диссертационная работа содержит введение, четыре раздела, заключение, список литературы и приложение. Общий объем работы составляет 100 страниц машинописного текста, в том числе 33 рисунка, 2 таблицы и 94 наименования литературы.
Постановка задачи исследования
Традиционно управление электроэнергетикой промышленных предприятий осуществлялось за счет организационно - технических мероприятий. И только в последнее время в связи с совершенствованием аппаратно - программных средств (АПС), появлением высокопроизводительных ЭВМ, программируемых контроллеров и унифицированных измерительных устройств стало уделяться внимание разработке и внедрению автоматизированных систем управления.
РАО «ЕЭС России» предложен подход к построению таких систем, в соответствии с которым они являются многоуровневыми, включающими в свой состав АСУ региональных отделений, электроэнергетических систем (ЭЭС) и их структурных подразделений, отдельные потребители электроэнергии (ЭЭ), в том числе и промышленные предприятия.
В настоящее время функционирует ряд АСУ ЭЭС, решающих учетные задачи и обеспечивающих дистанционную передачу управляющих воздействий (УВ) на исполнительные механизмы.
На российском рынке представлены различного рода АСКУЭ, реализующие учетные задачи, программное обеспечение (ПО) которых по составу реализуемых ими функций сопоставимо с зарубежными разработками [11-19 и др.].
Так, в статьях [20,21] рассматривается первая из серийных АСКУЭ -ИИСЭ - 1 - 48, предназначенная для коммерческих расчетов промышленных предприятий с энергоснабжающими организациями по многоставочным тарифам. Дальнейшее развитие линии ИИСЭ позволило несколько расширить объем реализуемых ими функций по техническому контролю и управлению электросбережением на промышленных предприятиях.
В информационном листке [22] представлена ИИСЭ, позволяющая по сравнению с ИИСЭ - 1-48: - увеличивать количество точек контроля; - изменять интервалы контроля электрической мощности и ЭЭ; - формировать массивы данных, необходимые для оптимизации электрических нагрузок и расхода ЭЭ предприятий в автоматическом режиме.
Данные ИИСЭ послужили важным этапом в развитии систем автоматизированного управления электроэнергетикой промышленных предприятий [23].
Любая АСУ неэффективна при неавтоматизированном сборе данных, используемых для решения возложенных на нее задач. Поэтому большое значение при создании АСКУЭ имеют устройства сбора и передачи данных (УСПД).
Выпускаемые отечественной промышленностью УСПД представлены в работе [25]. Из этих устройств можно выделить УСПД ЭКОМ - 3000, в котором заложена перспективная технология формирования и передачи данных на верхний уровень АСКУЭ. Данное устройство снабжено ПО нижнего уровня, обеспечивающим тестирование и конфигурирование системы, работающим в среде MS Windows. Оно может быть использовано для учета и контроля как ЭЭ, так и других видов энергии и энергоносителей (тепло, газ, воздух и т.д.).
Наряду с рассмотренным УСПД, интерес представляет устройство сбора данных (УСД), обеспечивающее хранение больших массивов информации и фильтрацию сигналов с целью устранения аномальных измерений [26].
Нельзя не отметить и комплекс АПС «ПОТОК - 1», который обеспечивает сбор, обработку, хранение, отображение и передачу информации в АСКУ потреблением и сбытом ЭЭ [27]. Этот комплекс содержит до 128 каналов учета и позволяет контролировать правильность функционирования входящих в его состав счетчиков и потребление ЭЭ по дифференцированным тарифам. При проектировании УСПД и УСД большое внимание обращается на элементную базу. Эти устройства содержат современные аппаратные средства, надежные процессорные модули и интерфейсы с совместимыми протоколами обмена данных. Однако до настоящего времени они не позволяют выполнять анализ достоверности исходных данных, что существенно снижает эффективность систем, использующих их.
В статье [28] рассматривается АСКУЭ, которая выполняет: - расчет потребления ЭЭ; - построение графиков электрической мощности (нагрузки) за различные промежутки времени; - контроль превышения лимита по мощности.
Данная система содержит посты наблюдения, пункт управления и автоматизированное рабочее место (АРМ) энергодиспетчера предприятия.
Постами наблюдения контролируются расход активной и реактивной ЭЭ (до 100 точек ), состояния коммутационной аппаратуры, датчиков и блоков питания. С пункта управления опрашиваются посты наблюдения, информация с которых заносится в БД, а также осуществляется ведение протоколов связи и передача данных на АРМ энергодиспетчера.
В статье [29] представлено ПО систем коммерческого учета ЭЭ и комплекса технических средств (КТС) «Энергомера», представленное совокупностью программных модулей для организации коммерческого учета ЭЭ на энергетических объектах. В качестве таких объектов могут выступать АО Энерго, РЭС, подстанции и прочие потребители ЭЭ.
Программное обеспечение КТС «Энергомера» включает: - АРМ диспетчера, осуществляющего обработку данных с УСД и УСПД, представление их в виде графиков и таблиц; - генератор отчетов для создания различных форм документов; - программы сбора данных и формирования БД; І - программы администрирования КТС для определения параметров устройств системы. Анализ работ [28, 29] показал, что ПО, представленное в них, создано различными организациями, не взаимодействующими между собой при его создании. Это вызывает существенные затруднения по совместному использованию данного ПО.
В статье [30] представлена двухуровневая автоматизированная система учета потребления ЭЭ «Е1 - Энерго-учет». Нижний уровень системы содержит электронные счетчики «Евро Альфа» и «Альфа Плюс» с цифровыми каналами связи, а верхний - современные компьютеры с АРМами. Система построена по архитектуре «клиент - сервер». Она позволяет поддерживать произвольное количество клиентских компьютеров с АРМами. Однако в настоящее время этой системой решаются лишь учетные задачи.
В последнее время все большее применение находят АСКУЭ нового поколения, основу построения которых составляют современные промышленные контроллеры, сертифицированные как в России, так и за рубежом [31]. Эти системы ориентированы на решение задач коммерческого учета потребления ЭЭ и мощности, а также технического учета и мониторинга электрических нагрузок промышленных предприятий в режиме реального времени (РВ).
Интерес представляет АСКУЭ, внедренная на Ижевской ТЭЦ - 1, которая построена на базе информационно-вычислительного комплекса (ИВК) «СПРУТ». Она обеспечивает учет вырабатываемой, отпускаемой потребителям и энергетической системе, а также потребляемой на собственные нужды ТЭЦ ЭЭ [32].
Подход к построению структуры автоматизированного управления электропотреблением предприятий
Кроме программного обеспечения АРМов на рабочих местах сотрудников может использоваться Microsoft Office, с которым интегрирована система. В частности, большое количество отчетов и документов можно получать непосредственно в среде Microsoft Excel.
Система управления должна обеспечивать реализацию следующих общесистемных функций: - ведения БД по управлению расходом ЭЭ предприятием и его структурными подразделениями; - системного администрирования при наличии различных уровней доступа пользователей к БД и обеспечения их контроля; - настройки конфигурации системного меню для АРМов сотрудников СГЭ; - формирования и ведения системного журнала событий. Решения, положенные в основу создания специального математического обеспечения управления (СМОУ), должны обеспечивать учет дальнейшего развития системы управления: - увеличение количества объектов управления; - использование новых способов анализа циркулирующей в системе информации; - увеличение числа АРМов сотрудников СГЭ.
Информационно-логическая схема управления электропотреблением предприятий. На рис. 4 приведена информационно-логическая схема (ИЛС) управления электропотреблением промышленных предприятий [24] в части решаемых в работе задач. Информационно-логическая схема отображает функции системы управле ния на организационно - технические средства и интервалы их реализации Она позволяет в наглядной форме представить процесс функционирования системы управления и служит общесистемной основой для разработки СМОУ электропо треблением промышленных предприятий. ! Объект / W / \ / W
Информационно-логическая схема управления электропотреблением промышленных предприятий: 1 и 2 - проверка информации на достоверность и определение получасовых (1) и суточных (2) расходов ЭЭ по предприятию и производственным подразделениям; 3 - прогнозирование суточного расхода ЭЭ по предприятию и производственным подразделениям; 4 - отображение информации на АРМы работников СГЭ; 5 - формирование и поддержка в актуальном состоянии БД по управлению расходом ЭЭ; 6 - определение норм расхода ЭЭ по производственным подразделениям и предприятию; планирование расхода ЭЭ для предприятия и производственных подразделений; 7 - составление и оптимизация электрических балансов по предприятию и производственным подразделениям; анализ управляющих воздействий по изменению режима работы электрооборудования; моральное и материальное стимулирование персонала СГЭ за экономию ЭЭ; 8 — принятие решений по регулированию электропотребления промышленного предприятия
Технический прогресс в производственной сфере характеризуется расширением использования ЭТЭ, всесторонней электрификацией ТП, и, следовательно, увеличением потребления ЭЭ при производстве промышленной продукции. Для удовлетворения растущих потребностей промышленных предприятий в ЭЭ необходимо наряду с увеличением производства осуществлять экономное ее расходование.
Электроэнергия, как один из наиболее значимых продуктов потребления предприятий, составляет весомую долю в их финансовых затратах. Одним из путей повышения эффективности ее использования является совершенствование структур управления электроэнергетикой предприятий. В настоящее время это достигается путем создания АСУ энергетикой предприятий, эффективное функционирование которых невозможно без точного прогнозирования потребления электрической мощности и ЭЭ в широком диапазоне - от минут до года и более [73, 87-89]. В связи с этим прогнозные оценки динамики потребления ЭЭ предприятиями приобретают особую актуальность и являются неотъемлемой частью планов развития их электроэнергетики и основой сбалансированного роста производства в будущем.
Проблема прогнозирования потребления ЭЭ промышленными предприятиями представляет собой сложную многофакторную задачу, решение которой направлено на получение адекватных планов и балансов электропотребления, особенно в условиях дефицита мощности и ЭЭ в ЭЭС. Именно в этих условиях, промышленные предприятия несут наибольший ущерб, обусловленный не только штрафами за нарушение установленных лимитов потребления электрической мощности и ЭЭ, но и в результате смещения графиков работы и вынужденных отключений электрооборудования, непосредственно участвующего в ТП. Плата за ЭЭ в нормальных (штатных) условиях функционирования предприятий складывается: - из платы за фактически потребленную ЭЭ; - из платы за отклонение от плановых объемов ее потребления. Чем больше это отклонение, тем больше дополнительных издержек несут предприятия.
Следовательно, прогнозирование электропотребления является важной проблемой эффективного управления электроэнергетикой предприятий, грамотное решение которой необходимо для минимизации их финансовых издержек. Прогнозирование должно выполняться на отрезки времени, соответствующие интервалам планирования электропотребления предприятий (сутки, месяц, квартал, год). При этом точность прогнозирования обусловливает точность определения норм и планов электропотребления предприятий и эффективность управления им.
Несмотря на большой объем исследований в данной области, проблема управления электропотреблением промышленных предприятий решена далеко не полностью. Отсутствует глубокий системный анализ процессов потребления предприятиями ЭЭ. Ограниченно используются математические модели и алгоритмы прогнозирования расхода ЭЭ на предприятиях, позволяющие выполнять прогноз электропотребления на длительные отрезки времени с точностью, обеспечивающей существенное снижение норм и планового расхода ЭЭ и поддержание этого расхода в процессе управления.
В связи с этим, предлагаются новые модели и алгоритмы прогнозирования электропотребления промышленных предприятий, обеспечивающие по сравнению с известными более высокую точность в широком диапазоне прогнозирования - от суток до года. Эти модели и алгоритмы положены в основу планирования электропотребления на промышленных предприятиях и автоматизированного управления электропотреблением на них.
Прогнозирование электропотребления предприятий на основе искусственных нейронных сетей
Это позволяет осуществлять случайный шаг в направлении ухудшения целевой функции, тем самым «вырваться» из локального минимума.
В процессе обучения повторяются шаги 2-3 для каждого из весов персептрона, пока не будет достигнуто допустимое значение целевой функции.
Коррекция коэффициентов выполняется в зависимости от метода обучения соответственно по соотношениям Для определения хс выбирается случайное число из квазиравномерного распределения на интервале (-л/2; л/2). Это число подставляется в приведенную выше формулу, и с помощью текущего значения целевой функции вычисляется величина шага.
Персептрон обучается на векторах обучающего множества до тех пор, пока целевая функция не примет допустимое значение или не будет менять свое значение на достаточно малую, заранее заданную, величину. Время обучения персептрона при 16 итерациях (эпохах) не превышало 3-5 с (процессор AMD Athlon Х2 6000+). Ошибка обучения (расхождение между обучающей выборкой и реакцией сети на соответствующие входные данные) находилась в пределах 0,05-0,06.
На рис. 19 приведена обобщенная схема прогнозирования электропотребления с помощью персептрона, а на рис. 20 представлены результаты прогнозирования с помощью него.
Метеослужба Прогнозные значения электропотребления Метеорологическая информация Данные для БД по управлению расходом ЭЭ прогнозирования Персептрон Значения и объемовПРОДУКЦИ] электропот произвол \ ребления[МОЙ і 1 1 Объект Алгоритм управ пения обучения Рис. 19. Обобщенная схема прогнозирования электропотребления с помощью персептрона
Система автоматизированного управления на основе прогнозных значений электропотребления предприятия
Предложенная ИНС - трехслойный персептрон — принята в качестве базовой для построения системы автоматизированного управления электропотреблением промышленных предприятий, структура которой приведена на рис.21 [73]. Эта система представляет собой совокупность взаимодействующих подсистем - прогнозирования, нормирования и планирования электропотребления и принятия решений по управлению электропотреблением предприятий [90].
Подсистема прогнозирования. На основе данных, поступающих из БД по управлению расходом ЭЭ, выполняется прогнозирование электропотребления производственных подразделений и предприятия в целом. Прогнозные значения электропотребления по данным объектам поступают в подсистему нормирования и планирования электропотребления.
Подсистема нормирования и планирования. На основе полученных прогнозных значений определяются суммарная норма расхода и суммарный плановый расход ЭЭ по производственным подразделениям, а также норма расхода и плановый расход ЭЭ по предприятию в целом.
Полученные данные помещаются в БД по управлению расходом ЭЭ. В нее также помещается и вычисленный на их основе суммарный плановый расход ЭЭ по непроизводственным подразделениям предприятия.
Наличие системы автоматизированного управления электропотреблением дает возможность автоматически и оперативно составлять годовые, квартальные и месячные электрические балансы по предприятию и по наиболее энергоемким установкам и производственным подразделениям (цехам).
Структура системы автоматизированного управления электропотреблением промышленных предприятий: ivp - норма электропотребления по промышленному предприятию; w р - нормы суточного (л = 1,2,..., N) электропотребления но k(k 1,2,..., К) производственному подразделению; w" - суммарная норма электропотребления по всем производственным подразделениям; w , W , W \ , W " пя - соответственно, плановое потребление электроэнергии по предприятию, отдельным и всем производственным подразделениям, а также по непроизводственным подразделениям; lV aKT, W f" W" , ж "" соответственно, фактическое потребление электроэнергии по предприятию, отдельным и всем производственным подразделениям, а также по непроизводственным подразделениям На основе этих балансов выполняется анализ использования, определяются направления экономии, выявляются возможности сокращения непроизводительного расхода и потерь ЭЭ и определяются мероприятия по улучшению ее использования.
Подсистема принятия решений. Из БД по управлению расходом ЭЭ извлекаются данные о фактическом и плановом потреблении ЭЭ производственными подразделениями и предприятием в целом.
Осуществляется сопоставление фактических и плановых значений электропотребления по предприятию и производственным подразделениям, по результатам которого принимаются решения по управлению электропотреблением промышленного предприятия.
Соответствующие принятым решениям УВ, представляющие собой комплекс организационно-технических мероприятий, направленных на корректировку планов потребления ЭЭ предприятием и производственными подразделениями в оставшиеся до конца года месяцы, передаются на соответствующие ОУ.
По завершении календарного года выполняется анализ причин превышения планов электропотребления производственными подразделениями и принятие мер по их предотвращению.
Проводятся соответствующие организационные мероприятия по повышению эффективности электропотребления предприятия - сокращению нерационального использования ЭЭ.
Программно-информационный комплекс прогнозирования
Таблица составлена на основе данных хоздоговорных работ, выполненных ИПТМУ РАН для промышленных предприятий средней энергоемкости (ОАО «Саратовское электроагрегатное производственное объединение», ПО «Бином», ЗАО «Химволокно», ОАО «Саратовстройстекло», ЗАО «Тесар - СО» и др.).
Как следует из таблицы, предложенными алгоритмами обеспечивается высокая точность прогноза (около 4%) на длительные интервалы прогнозирования (до года), что свидетельствует об их хороших аппроксимирующих свойствах. Такая точность прогнозирования позволяет существенно сократить издержки промышленных предприятий, связанные с переплатой за ЭЭ. Сравнительный анализ предложенных алгоритмов прогнозирования представлен в виде диаграммы (рис. 26), из которой видно, что статистические алгоритмы сопоставимы по точности прогноза, а при использовании персептрона обеспечивается более высокая точность.
Предложенные алгоритмы легко могут быть адаптированы для прогнозирования широкого круга других сезонно изменяемых процессов.
Управление электропотреблением промышленных предприятий осуществляется на основе предложенного в работе АПК, являющегося неотъемлемой частью АСУ энергетикой. В состав данного комплекса входят АРМы энергобюро, энергодиспетчера, главного энергетика, сервер, на котором хранится вся информация, необходимая для управления электропотреблением, сервера опроса, коммуникационная аппаратура, а также датчики, контроллеры и другие периферийные устройства. і
Функции по управлению расходом ЭЭ для различных предприятий однотипны по своей структуре, поэтому можно разработать однозначный по составу реализующий их программно-информационный комплекс (ПИК), структура которого представлена на рис. 27, и унифицировать его информационное обеспечение.
Предлагаемый программно-информационный комплекс состоит из совокупности взаимодействующих между собой алгоритмических модулей, обеспечивающих управление расходом ЭЭ.
Каждый модуль ПИК реализован в виде подпрограммы или набора подпрограмм, написанных на универсальном объектно-ориентированном языке программирования Delphi под платформу .NET Framework. Эта программная платформа содержит исполняющую среду Common Language Runtime, способную выполнять как обычные программы, так и серверные и web - приложения.
Программа сначала переводится компилятором в единый для .NET промежуточный байт-код Common Intermediate Language. Затем код исполняется средой Common Language Runtime в исполняемый код для конкретного целевого процессора.
В основе автоматической работы комплекса лежит проверка на запросы пользователя и в зависимости от них реализация необходимых функций. Модуль GRAPH_SHEL - графическая оболочка программы, отвечает за интерактивное взаимодействие с пользователем, основной ее функцией является отображение данных в удобном для оператора виде и определений действий пользователя.
Модуль-супервизор MAIN является управляющей подпрограммой, предназначенной для организации многопрограммного режима работы составных модулей программы. Каждому варианту прогноза присваивается идентификационный номер. Все изменения состояний элементов вносятся в информационный массив через графическую оболочку.
Модуль - супервизор MAIN — Обработки пользовательских запросов REQUEST Модуль формирования отчетов REPORT і Модуль реализации прогнозированияPROG_METH Модуль работы с гра-фнческой оболочкойGRAPHJNIT і п Документ отчета Операционная система Рис. 27. Структура программно-информационного комплекса Также в функции данного модуля входят обработки обращений к БД по управлению расходом ЭЭ. PROG_METH и GRAPH_INIT - функциональные модули, реализующие алгоритм решения задачи: PROG_METH производит расчет прогнозных значений расхода ЭЭ и ошибок прогнозирования, a GRAPHINIT конвертирует результаты решения задачи в требуемый графический формат и подготавливает их к выводу на экран.
REQUEST - модуль обработки пользовательских запросов, реализующий приведение команд пользователя к виду необходимому для дальнейшей реализации системных операции.
Для формирования отчетов используется модуль REPORT, реализующий процедуру сбора необходимой информации, конвертации ее в требуемый формат и перемещение ее в специальный файл.
Такая структура ПИК предоставляет возможности: - демонстрации графической, текстовой информации, необходимой для принятия решений по управлению электропотреблением; - взаимодействия пользователя с ИВК посредством удобных экранных форм; - вывода информации на печать и сохранение ее в документе. Данный ПИК представляет собой решение для эффективного управления процессом электропотребления промышленных предприятий.
Предложенный ПИК функционирует под управлением операционной системы Windows ХР и является составной частью СМОУ энергетикой промышленного предприятия.
На рис. 28-30 приведены экранные формы пользовательского интерфейса программно-информационного комплекса прогнозирования электропотребления промышленного предприятия.
После активации ПИК на экране появляется экранная форма с меню, содержащим пункты по выбору варианта и интервала прогнозирования, кнопки загрузки предыстории и выполнения прогноза.
Похожие диссертации на Модели и алгоритмы прогнозирования для поддержки принятия решений при управлении электропотреблением промышленных предприятий
