Системный анализ и идентификация комплексной эффективности функционирования региональных энергетических производств Гаврилова Анна Александровна

i-i

Коэффициент детерминации R¹ характеризует долю разброса выходной переменной, объясненной с помощью данного уравнения. Обычно, в качестве меры разброса переменной используется ее дисперсия, и тогда R² определяет долю дисперсии выходной переменной, объясненной с помощью регрессии. Для хорошего качества уравнения регрессии коэффициент R² должен быть близок к единице.

Отметим, что в случае малого числа наблюдений Г показатель R² становится неинформативным, и в этом случае для оценки качества уравнения регрессии применяют скорректированный коэффициент детерминации — R_sc [65]:

RL=l и + j=i 1 K\-U)

^sc Г-и-1 Г-1

В (1.27) учтена поправка на число степеней свободы.

Лі = 1-^^-:-О-Л²) (1.28)

Г-и-1

Статистическая значимость коэффициента детерминации R² проверяется нулевой гипотезой для F-статистики Фишера [5]:

R² Т-п-1
_{F = (129)}

1-Л ^п

Смысл проверяемой нулевой гипотезы заключается в том, что если произошло событие, которое является маловероятным в том случае, если данная гипотеза верна, то эта гипотеза отвергается. Дій распределения Фишера имеются таблицы критических значений для различных уровней значимости а и степеней свободы v, = и, v₂ = Г — п~ 1, где п — число оцениваемых параметров.

Для проверки нулевой гипотезы по таблицам находится критическое значение F_a , и нулевая гипотеза отвергается, если F > F_a .

Одним из основных свойств отклонений s_t фактических величин y(t), t = 1,...,Г от расчётных значений f(x) в точках x(t), /=1,...,Г, положенных в

основу отыскания регрессионного уравнения, является их статистическая независимость между собой.

Для анализа независимости отклонений применяют статистику Дарбина-Уотсона, рассчитываемую по формуле [61]:

DW~^—_{T (1}.30

Статистика Дарбина-Уотсона применяется для проверки гипотезы об отсутствии автокорреляции остатков s_s первого порядка. Для этого по

таблицам (при данном уровне значимости, числе наблюдений и независимых переменных) находятся доверительные интервалы d_y в пределах которых нулевая гипотеза принимается, отвергается или не может быть принята или отвергнута.

Для статистики Дарбина-Уотсона существуют два критических значения: нижнее d_t, как граница для признания положительной автокорреляции

остатков, и верхнее d₂, как граница признания её отсутствия. При проверке гипотезы об отрицательной автокорреляции остатков эти критические значения отражаются симметрично относительно числа 2 [61].

Если значение статистики DW принадлежит интервалу (0;d_t)_f то имеет

место положительная автокорреляция остатков. Если значение DW находится в интервале (4 —с/,;4), то существует отрицательная автокорреляция остатков, эта

ситуация достаточно редко встречается в содержательном анализе.

Если статистика Дарбина-Уотсона близка к двум, то есть принадлежит интервалу (d₂;4 — d₂), то отклонения от регрессии считают случайными и

автокорреляция остатков отсутствует. Это означает, что линейная функция с высокой вероятностью отражает реальную взаимосвязь исследуемых величин. При этом, скорее всего, не осталось существенных неучтенных факторов, влияющих на выходную переменную, и какая-либо другая нелинейная формула не превосходит по статистическим характеристикам базовую линейную. Эта

ситуация DWe[d₂;4 — d₂) отвечает в целом, высокому качеству полученных уравнений, и, построенные в этом случае модели, обладают не только удовлетворительными аппроксимативными характеристиками, но и хорошими прогнозными свойствами [37].

1.4 Системные модели деятельности энергетических комплексов и производств

Математические модели для описания поведения и оптимизации систем энергетики требуют учёта особенностей энергосистем: технологий производства, систем управления, внешних и внутренних связей [59], [64], [67].

В работах [8], [66], [73], [83], [102] показана невозможность создания единых глобальных математических моделей больших систем энергетики. Реальные системы имеют огромный объём элементов и связей, они нелинейны, дискретны, непрерывны, характеризуются неполнотой информации о протекающих процессах, свойствах и характеристиках.

Наиболее конструктивным направлением является разработка математических моделей энергопроизводства, разделённых по «слабым» связям, не нарушающим системный принцип исследования, т.е. на основе декомпозиции по иерархическим и временным уровням реальных энергосистем.

На этой базе один класс моделей, разделённых по территориальным или функциональным связям, конструируется для решения задач оптимального управления различных видов энергосистем на одном временном уровне.

Второй класс объединяет модели, оптимизирующие системы одного иерархического уровня, но разных временных уровней (долгосрочного и среднесрочного и оперативного управления ресурсами и технологическими режимами).

Совокупность моделей связывается сопоставимыми и

взаимосогласованными потоками информации. Концепция совокупной системы моделей должна быть взаимосопоставимой с единым алгоритмом построения

моделей. Окончательные решения, используя формализованные результаты модельных расчётов, принимаются человеком.

Для системного анализа энергопроизводств используются различные группы моделей: линейного, нелинейного и динамического программирования; балансовые модели.

Балансовые модели электроэнергетики разделяются на:

- Модели баланса мощности.

Располагаемая мощность собственных электростанций энергосистемы на данном виде топлива в сумме с перетоком мощности из соседних энергосистем (с учётом потерь) должна быть достаточной для обеспечения собственной потребности и для экономически обоснованной выдачи мощности в соседние энергосистемы.

- Модели баланса энергии.

Условия баланса энергии аналогичны. Эти модели используются для сопоставления режимов работы энергопроизводств (ТЭЦ) и электросетей (ЛЭП), учитывая пропускную способность ЛЭП.

Такие модели учитывают межсистемные перетоки и потери в сетях, ограничения на отпуск энергии и т.п. Они позволяют отыскивать наиболее рациональные режимы функционирования энергосистем, а также определять межсистемный эффект при их объединении.

Функционал эффективности (1.31) блока энергосистем в большинстве работ представляет собой сумму приведённых затрат на производство электроэнергии и на межсистемные перетоки.

Система балансовых уравнений записывается в виде:

Ф[х,7да]_оЛ=о (1.31)

при заданной системе ограничений:

Y" < Y[X, Y(X)~\_{Eu Го} < У" (Y - зависимые параметры)

F* < F[X >(Х}~\_{Е г} < F** (F- технологические характеристики)

X* < X < X** (X — независимые параметры).

Для решения системы нелинейных балансовых уравнений (1-31) применяются методы Ньютона, Зейделя [59], [68]. Эти методы достаточно эффективны, но при решении задач большой размерности возникают трудности.

Использование метода Ньютона связано с обращением и умножением матрицы частных производных, размеры которой возрастают пропорционально квадрату порядка системы уравнений. Между тем, число балансовых уравнении для энергоустановок достигает 100-150.

Метод Зейделя представляет собой усовершенствованный вариант метода простых итераций. Отличие его в том, что результаты расчёта каждого предшествующего уравнения используются при расчёте последующих уравнений на той же итерации.

Процесс расчёта по методу Зейделя в векторной форме имеет вид:

Y^-miy Y^K V^i!) Ы (1.32)

уО) _ ,_ (у Vк уО) )

При разработке моделей баланса электрической энергии учитываются следующие составляющие энергопотребления:

полезный отпуск электроэнергии собственным потребителям энергосистемы;

расход энергии на собственные нужды ТЭЦ;

расход электроэнергии на производственные нужды энергосистемы (на производство тепловой энергии отопительными котельными);

потери электроэнергии в сетях.

При разработке моделей баланса тепловой энергии учитываются полезный отпуск тепловой энергии и потери тепла.

Одним из основных применений математических моделей в энергетике является их использование для планирования деятельности энергосистем.

В настоящее время планирование в основном осуществляется в соответствии с заявками ТЭС, что не отвечает эффективному управлению энергосистемой. Во-первых, нет технико-экономического обоснования. Во-вторых, не учитываются особенности управления энергосистемой — как единым сложным объектом управления. В-третьих, не рассматриваются альтернативные варианты, что лишает процедуру гибкости и снижает устойчивость полученных результатов к неизбежным изменениям исходных условий планирования.

При системном подходе планирование деятельности энергосистемы следует начинать с прогнозов суммарного потребления электрической и тепловой энергий и электрической мощности. Прогнозирование полезного отпуска электрической и тепловой энергий и электрической мощности позволяет решать задачи оптимизации энергопроизводства. В результате решения задачи оптимизации отыскиваются оптимальные варианты загрузки производственных мощностей; снижаются затраты на производство тепла и электроэнергии; оптимизируется производственный план по распределению электрической нагрузки между ТЭС энергосистемы и ФОРЭМ; снижаются затраты на собственные нужды и потери в сетях.

На основе прогнозных моделей решаются также следующие задачи:

выявляются основные тенденции развития процессов энергопроизводств;

определяются границы диапазонов возможных значений параметров производственного плана;

оценивается степень корреляции между параметрами производственного плана и построение моделей, определяющих связь между различными параметрами производственного плана.

Прогнозирование топливных затрат требует специальных моделей, описывающих зависимость расхода топлива от объёмов производства тепловой

и электрической энергии. Данные модели наряду с моделями энергопотребления будут определять исходные условия для решения задач прогнозирования производства энергии.

На текущий момент построено большое число различных моделей прогнозирования потребления электроэнергии и мощности энергетических систем, основанных на разных методических подходах [2], [8], [35] и разработаны конструктивные, эффективные алгоритмы прогнозирования [17], [63], [64], [67].

По целевому назначению алгоритмы прогнозирования можно разделить на три группы:

алгоритмы оперативного прогнозирования, с интервалом упреждения от нескольких десятков минут до нескольких часов [17];

алгоритмы краткосрочного прогнозирования, с интервалом упреждения от одних суток до нескольких недель [67], [109];

алгоритмы долгосрочного прогнозирования, с интервалом упреждения от одного месяца до нескольких лет [29], [63], [67].

Кроме того, разработан ряд алгоритмов, которые позволяют осуществлять прогнозирование в различных временных диапазонах и которые нельзя однозначно отнести ни к одной из указанных выше групп [32], [64].

С позиций системного анализа деятельности энергосистем наибольший интерес представляют алгоритмы долгосрочного прогнозирования.

Методы, применяемые для долгосрочного прогнозирования электропотребления, по характеру используемой информации можно условно разделить на две группы, которые в работе [67] названы «структурными» и «статистическими» (или методами статистического моделирования).

Прогнозирование с помощью структурных методов осуществляется на основе планов развития отдельных отраслей с учётом: норм расхода электроэнергии на единицу продукции; типовых графиков нагрузки потребителей, относящихся к различным отраслям, и последующего суммирования графиков нагрузки отдельных групп потребителей. Таким

образом, составляется, по существу, структурная модель формирования графиков нагрузки реальной энергосистемы,

Развитием структурного подхода можно считать методы, основанные на моделировании графиков нагрузки устройств конечных потребителей электроэнергии, получающие всё более широкое распространение, в частности, в связи с задачами управления электропотреблением.

К этой же группе можно отнести интенсивно развивающиеся в последние годы системные модели, связывающие электропотребление с внешними факторами — экономическими, социальными, демографическими и с внутренними, структурными показателями [67].

Применение структурного метода для прогнозирования электропотребления энергосистем требует знания большого числа факторов, для чего необходимы сбор, хранение и обработка больших объёмов разнородной информации. Для этого в свою очередь, необходимы значительные временные и материальные затраты, возрастающие по мере повышения точности прогнозов и трудоёмкость создания таких моделей становится исключительно высокой.

Статистические методы не требуют для своего построения таких громадных объёмов информации, и часто обеспечивают удовлетворительную точность прогнозирования электропотребления при значительно меньших затратах на их создание [67].

Методы этой группы обычно используют однородную статистическую информацию о режимах потребления, получаемую с помощью штатной системы измерения и регистрации параметров режимов энергосистемы, и основываются, как правило, на аппарате статистического анализа и прогнозирования временных рядов. Среди статистических методов можно выделить подход, при котором изменения электропотребления рассматриваются как случайный процесс, описываемый той или иной стохастической моделью, и «функциональный» подход, состоящий в выявлении и моделировании наиболее общих свойств процессов изменения

электропотребления. При этом используется информация о базовых, влияющих на электропотребление, факторах.

Проведенный аналитический обзор позволяет сделать следующие основные выводы:

1. Системный анализ функционирования реальных энергетических производств требует учёта большого числа факторов, определяющих протекание процессов. Для их исследования и изучения требуется построение системных математических моделей, адекватно описывающих многоплановую деятельность энергетических комплексов.

2. В настоящее время построено большое число математических моделей производственной деятельности, разработаны эффективные методы конструирования моделей и комплексного анализа на их основе общесистемных закономерностей поведения производственных процессов,

3. Широко распространённым классом математических моделей производственной деятельности являются производственные функции. Существует большое число производственных функций с различной степенью адекватности и полнотой описания анализируемых систем, учитывающих разные аспекты функционирования производств.

4. Для конструктивного применения математических моделей при системном анализе деятельности производственных комплексов должна быть выполнена на основе реальных показателей функционирования производств структурная и параметрическая идентификация используемых моделей. Известно значительное количество методов и алгоритмов идентификации.

' 5. Разработано большое число математических моделей энергетических

систем, учитывающих специфику энергетических производств и

позволяющих проводить системный анализ комплексной эффективности деятельности энергопредприятий.

На основе проведённого аналитического обзора и выводов по нему сформулированы следующие цель и задачи исследования.

Целью настоящей диссертационной работы являются системный анализ и построение конструктивных математических моделей, алгоритмов идентификации и оценивания комплексной эффективности функционирования энергетических производств.

В соответствии со сформулированной целью основными задачами работы являются:

5. Системный анализ функционирования регионального энергетического комплекса, структуризация и исследование реальных статистических показателей деятельности, оценка динамики и показателей эффективности энергопроизводства.

6. Построение математических моделей энергетической системы в форме производственных функций, исследование структурных свойств моделей. Проведение параметрической идентификации производственных функций по реальным статистическим данным, оценка показателей эффективности построенных моделей.

7. Построение обобщённых критериев и показателей качества функционирования регионального энергетического комплекса. Многокритериальное оценивание системной эффективности деятельности энергетических производств.

8. Исследование динамических закономерностей поведения энергетической системы. Анализ динамики показателей качества в различных условиях производственной деятельности.

9. Построение прогнозных моделей функционирования энергетического комплекса. Прогнозное моделирование и построение альтернативных сценариев деятельности энергосистемы.

2 Системный анализ функционирования регионального энергетического комплекса

2.1 Характеристики внешних связей энергетического комплекса

Самарская область представляет собой промышленно развитый регион. В области производится 3,4% объема промышленной продукции при численности населения 2,2% от общероссийского. По данным комитета по статистике на 1 января 2001 года областным производственным комплексом было произведено продукции на сумму свыше 1 б 1 млрд рублей. В сводном рейтинге объемов промышленного производства областной промышленный комплекс занимает 2 место среди 14 регионов Приволжского федерального округа. Топливно-энергетический комплекс (ТЭК) является ведущим в областном производстве, его доля - 15%. В состав ТЭК входят топливная отрасль и электроэнергетика. Удельный вклад топливной отрасли в общий объём производства области составил на 1 января 2002 года 8,5%, а доля электроэнергетики в выпуске продукции - 6,5% [84], [92]. Прирост объемов производства в электроэнергетике составил 15,1% по отношению к предыдущему 2001 году.

Численные значения макропоказателей экономических процессов за 1990-2002 годы показывают, что объем промышленного производства в области к 1998 году снизился до 64% от уровня 1990 года. Анализ интегральных данных по промышленному производству области в 1990-2002 гг. показывает, что основной спад производства, произошедший в 1990-1994 гг., имел среднегодовой темп падения до 10-15% в год, с максимальным падением в 1994 году - 23%. После 1994 года ситуация стабилизировалась -скорость спада резко снизилась до 1,2%. Однако период 1996-1998 годов характеризовался неравномерной эффективностью производственной деятельности - локальный подъём в 1997 году на 8% и значительный спад на 11% в 1998 году. По интегральным характеристикам временной отрезок 1996-1998 годов отвечает продолжению общего спада производства со

среднегодовым темпом 1,5%. Только в 1999-2001 гг. начался рост уровня производства с темпом - 10-15%. Но уже к 2002 году объемы промышленного производства области снизились на 2,8% по сравнению с 2001 годом.

Динамика потребления энергоресурсов соответствовала темпам спада в промышленности. Потребление первичных топливно-энергетических ресурсов (ТЭР) и выпуск продукции областной энергосистемы в переходный период снизились - до 66%. Рост энергоемкости областного производства составил 22%, увеличился темп роста энергетической составляющей в себестоимости конечной продукции.

Ежегодное потребление электроэнергии в Самарской области сократилось на 33,2% с 31,9 до 21,3 млрд кВтч в период с 1990 по 2002 гг., так как основным потребителем электроэнергии в Самарской области является промышленный комплекс. Областной промышленностью расходуется в среднем около 60% отпускаемой энергосистемой электрической энергии. Доля электропотребления сельского хозяйства незначительна, постоянно снижается и составляет в настоящее время менее 4%. Строительный комплекс и транспортная отрасль сохраняли почти неизменной долю своего электропотребления. Существенно возрос вклад в электропотребление жилищно-коммунального сектора - с 14,1% до 24,5%. На 2005 - 2010 годы в ЖКХ прогнозируется дальнейший рост энергопотребления со среднегодовым приростом по электроэнергии - 0,2%.

При этом наибольшая динамика спада электропотребления в области характерна также для 1994 г. В 1995-1996 гг. темпы падения электропотребления значительно снизились и стабилизировались только в 1998-2001 годы. Но в 2002 году тенденция роста электропотребления промышленными потребителями прекратилась в связи с сокращением объёмов производства.

При относительно благополучном положении Самарской области по сбалансированности ТЭК и промышленности, все же имеется ряд макроэкономических диспропорций. Среди них наиболее существенными

являются высокие темпы увеличения стоимости первичных энергоресурсов и тарифов на электрическую и тепловую энергию. За рассматриваемый период они превышали в 1,8 раза и в 2,5 раза увеличение средней стоимости областной продукции.

Уменьшению экономической эффективности областного

энергопроизводства способствовал также большой удельный вес в промышленности энергоёмких предприятий нефтяной отрасли. Спад выпуска продукции этими предприятиями привел к значительному сокращению потребления пара на технологические нужды и к снижению тепловых нагрузок крупнейших промышленно-отопительных ТЭЦ энергосистемы. Нарушение технологических связей привело к увеличению удельных расходов топлива на отпускаемую энергию, повышению себестоимости производимых продуктов и к росту тарифов на тепловую и электрическую энергию, стимулируемых возрастающей стоимостью топлива. В результате, топливная составляющая себестоимости продукции на энергоемких химических предприятиях возросла с 5 - 7 % в дореформенный период до40-45%в настоящее время.

Среди отраслей наиболее электроёмкой в 1990 году являлась химическая промышленность. В ней произошел максимальный - в 1,8 раза - спад относительного потребления электрической энергии. При этом во всех других производственных комплексах наблюдался его рост. В 1,3 раза увеличилась доля электропотребления в машиностроении, в 1,2 раза в топливной промышленности. В электроэнергетике на 14% увеличился относительный расход электроэнергии на собственные нужды.

Динамика изменения теплопотребления в области характеризуется следующими показателями. Падение потребления тепла составило за анализируемый период 49,1 %. Доля энергосистемы в областном теплообеспечении составляла 73 — 64 %. Относительная величина тепловой энергии, используемой промышленным комплексом, непрерывно снижалась с 60% до 36%. Только в жилищно-коммунальной сфере теплопотребление

возросло в 1,6 раза - с 29% до 51% и прогнозируется на 2005 - 2010 годы дальнейший рост теплопотребления в ЖКХ со среднегодовым приростом 2 %.

Основной вклад в уменьшение теплопотребления промышленностью внесла, также как и в снижение элёктропотребления, химическая отрасль. Она снизила долю теплопотребления в 1994 - 1995 гг. практически в 3 раза. На фоне обвального падения теплопотребления в химическом производстве доля остальных отраслей промышленности выросла.

В промышленности главным потребителем первичных топливно-энергетических ресурсов области является ТЭК — 67 %, доля энергосистемы в нем составляет 54 %. Проблема топливообеспечения ТЭК является одной из ключевых и трудно прогнозируемой. Ввиду отсутствия на территории области крупных разрабатываемых месторождений природного газа, его поставка потребителям осуществляется транспортными газопроводами из Единой системы газоснабжения страны, функционирование и развитие которой обеспечивает ОАО "Газпром" в соответствии с ежегодно утверждаемыми лимитами, с учетом заявленной потребности и платежеспособности потребителей.

Процессы снижения электро- и теплопотребления в промышленном комплексе повлияли на функционирование областного ТЭК. В целом, кризисные явления спада наиболее резко проявились в теплопотреблении, более умеренно в электропотреблении. Наименее охваченной спадом оказалась топливная отрасль. В свою очередь, происходящие в ТЭК процессы влияют на эффективность областного промышленного комплекса и экономики области в целом.

Рассмотрим подробнее положение, сложившееся в энергосистеме Самарской области. Анализ технико-экономических характеристик производства электрической и тепловой энергии показывает, что в исследуемый период энергосистема достигала наиболее высоких количественных и качественных показателей в 1988-1990 годы. Последующее падение потребления тепловой и электрической энергии хозяйственным

комплексом области вызвало снижение производства энергии на 22 %. Возникли неблагоприятные условия для баланса комбинированной выработки тепловой и электрической энергии, ухудшились основные качественные показатели ТЭЦ увеличились удельные расходы топлива на отпущенную энергию. По сравнению с наиболее благоприятным 1988 годом удельный расход условного топлива на выработанную электроэнергию увеличился в 2001 году на 11,4 %, а относительно 1990 года - на 5,4 %.

Вследствие воздействия двух основных факторов - вывода Волжской ГЭС из состава ОАО "Самараэнерго" и специфики энергосистемы, состоящей только из ТЭЦ, тесно взаимосвязанных по технологическому теплопотреблению с работой промышленных предприятий, область искусственно стала энергодефицитной. Так, по производству электроэнергии в 1990 году дефицит составлял 42 %. Вследствие падения потребления электрической энергии в кризисный период дефицит снизился до 30%. Но появившаяся тенденция промышленного роста дает основания прогнозировать обострение данной проблемы в ближайшие годы.

Величина спада производства тесно связана с ростом в 1990-2002 гг. уровней тарифов на отпускаемую потребителям электрическую и тепловую энергию. Стоимость продукции ряда нефтехимических предприятий, обладающих экспортным потенциалом, из-за роста энергетической и транспортной составляющих превысила цены мирового рынка. Как следствие, резко снизился выпуск продукции, обострилась проблема неплатежей. Стремясь сократить затраты на приобретаемую тепловую энергию, ряд предприятий в 1994-1995 гг. взял курс на строительство собственных энергоисточников, в основном, промышленных котельных. К 2005 году НК ЮКОС предполагает полностью обеспечивать себя и электроэнергией.

Для области, в целом, и для многих предприятий, не имеющих

f собственных топливных и вторичных энергетических ресурсов, экономическая

эффективность таких мероприятий зачастую является отрицательной,

поскольку основные составляющие себестоимости тепловой энергии,

производимой промышленными котельными, выше, чем на мощных ТЭЦ. Значительно выше удельные расходы топлива и относительные затраты на текущие и капитальные ремонты. В то же время, объективные основания для отдельных потребителей вводить собственные энергоисточники существуют, т.к. на станциях энергосистемы произошло существенное снижение показателей тепловой экономичности, что способствовало значительному росту тарифов на отпускаемую энергию.

Проблема гарантированного устойчивого теплообеспечения для области стоит особенно остро. Резкий спад производства на предприятиях нефтехимии и снижение ими потребления технологического пара определили значительное уменьшение мощности ТЭЦ и ухудшение их технико-экономических показателей. Возникла проблема дальнейшего существования отдельных энергопредприятий.

Спад в потреблении технологического пара имеет не кратковременный характер. Для повышения эффективности и конкурентоспособности предприятия ведут внутреннюю структурную перестройку и переходят к новым энергоэкономичным технологическим процессам. Даже по оптимистичным прогнозам, теплопотребление предприятиями от ТЭЦ энергосистемы к 2010 году не достигнет уровня 1990 года. Снижение тепловых нагрузок ТЭЦ энергосистемы привело к вынужденному останову ряда энергоагрегатов, необходимости их консервации, реконструкции или даже демонтажа, уменьшению экономичной комбинированной выработки электрической и тепловой энергии, и, как следствие, к увеличению тарифов для потребителей. В условиях энерго дефицитности области произошедшее уменьшение располагаемой электрической мощности ТЭЦ ОАО "Самараэнерго" вызывает необходимость ввода новых и реконструкции существующих энергоагрегатов с затратой значительных инвестиционных средств.

Проблема электрообеспечения области носит иной характер. Прогнозируемый подъём экономики вызовет устойчивую динамику увеличения спроса на электрическую энергию. Для удовлетворения будущей потребности

области в электроэнергии необходимо уже сегодня принимать опережающие стратегические решения. После вывода Волжской ГЭС (Во ГЭС) из электробаланса области возникла необходимость потребления дополнительной энергии из сетей РАО "ЕЭС России".

В зимний период потребление энергии с ФОРЭМа составляет 30 %. В летний период большинство турбоагрегатов ТЭЦ останавливается из-за отсутствия тепловых нагрузок и недостаточной мощности водоохлаждающих систем. Доля потребления электроэнергии областью с ФОРЭМа летом превышает 55 % и энергозависимость от РАО «ЮС России» становится определяющей- При этом в энергосистеме оказывается значительный неиспользуемый потенциальный резерв "запертой" конденсационной мощности.

Покупать энергию оказывается даже выгоднее, чем производить, так как стоимость покупной энергии ниже себестоимости электроэнергии, производимой станциями ОАО "Самараэнерго". Соответственно, энергосистема сегодня не имеет экономических стимулов для увеличения выработки собственной энергии и технического перевооружения электростанций. Так, объёмы покупной энергии за последние 3 года увеличились на 25,4 % и составляют уже 42,6 % от полезного отпуска, а собственная выработка в тоже время уменьшилась на 7 %. Ситуация чревата тяжелыми последствиями для региональной энергетики. Следует иметь в виду, что только при низком уровне потребления электроэнергии промышленностью, электростанции РАО "ЕЭС России" имеют достаточный запас мощности. С началом выхода экономики из кризиса и увеличением потребности в электроэнергии неизбежно появление на оптовом рынке дефицита генерирующих мощностей и быстрый рост тарифов на приобретаемую на ФОРЭМе электроэнергию. В наиболее неблагоприятной ситуации при этом окажутся энергодефицитные регионы с сильной зависимостью от поступления энергии из сетей РАО. И, наоборот, регионы, обладающие избытком генерирующей мощности, получат значительные экономические преимущества. Нужно учитывать, что ориентация на данную временную ситуацию с соответствующим снижением инвестиционных

вложений в собственную энергетику приводит к выходу из строя и ухудшению показателей значительной части энергетического комплекса области. Исходя из этого, проблему снижения энергозависимости Самарской области следует отнести к числу стратегически важных.

Существующие экономические взаимосвязи между топливно-энергетическим комплексом и промышленными предприятиями-потребителями электрической и тепловой энергии привели в условиях спада производства к появлению следующей цепочки производственно-экономических процессов. Сокращение объема выпуска продукции => уменьшение энергопроизводства => ухудшение технико-экономических показателей ТЭЦ => рост тарифов на электрическую и тепловую энергию => увеличение себестоимости производства => снижение конкурентоспособности => рост неплатежей за потребленную энергию => (с последующим их повторением и общим снижением показателей функционирования областного производственного комплекса).

При этом необходимо учитывать, что успешно функционирующие предприятия ОАО "Самараэнерго" будут обеспечивать занятость и достаточно высокий уровень жизни десятков тысяч высококвалифицированных работников. Производство в области собственной электроэнергии создает постоянный источник налоговых поступлений в областной бюджет, позволяет энергосистеме осуществлять самофинансирование затрат на техническое перевооружение, ремонтное обслуживание электростанций и сетей, природоохранные мероприятия, стимулировать работы по энергосбережению.

Таким образом, происходящие в региональной энергосистеме процессы определяющим образом влияют на эффективность областного промышленного комплекса, экономику области, жизнь и стабильность целого региона.

2.2 Анализ структуры энергетической системы

Объектом данного исследования является энергосистема Самарской области. Для построения модели исследуемого объекта определим его структуру. Основу энергетической базы области составляют энергетические предприятия, входящие в

входящие в состав ОАО "Самараэнерго". С 1993 года это Акционерное общество. До 1990 года в состав Самарской энергосистемы входила Во ГЭС с установленной мощностью 2300 МВт. При этом область была сбалансированной по производству и потреблению электрической энергии. После реструктуризации российской электроэнергетики Во ГЭС была выведена из Самарской энергосистемы и введена в состав РАО "ЕЭС России". В настоящее время в ОАО "Самараэнерго" входят восемь тепловых электрических станций:

в Самаре - Самарская ТЭЦ (Сам ТЭЦ), Безымянская ТЭЦ (БТЭЦ), Самарская ГРЭС (СГРЭС) и входящие в ее состав Центральная и Привокзальная отопительные котельные (ЦОК и ПОК);

в Тольятти - ТЭЦ Волжского автозавода (ТЭЦ ВАЗа), Тольяттинская ТЭЦ (То ТЭЦ);

в Новокуйбышевске - Ново куйбышевские ТЭЦ-1 (НкТЭЦ-1) и ТЭЦ-2 (Нк ТЭЦ-2);

в Сызрани — Сызранская ТЭЦ (СТЭЦ).

Данные по установленным мощностям отдельно для каждой ТЭЦ

приведены в таблице 2.1.

В целом, установленная электрическая мощность ТЭЦ энергосистемы

равна 3519,7 МВт, тепловая - 16370 Гкал/ч. Суммарная располагаемая

электрическая мощность - 3507,7 МВт. Установленная мощность по пару

промышленных отборов - 4580 т/ч, располагаемая - 3847 т/ч. Установленная

мощность теплоисточников по горячей воде равняется 11658 Гкал/ч,

располагаемая 9845 Гкал/ч.

В соответствии с реальной схемой энергопроизводства структурную модель энергосистемы представим на рисунке 2.1, где:

K(t), B(t) и L(t) - капитальные, топливные и трудовые ресурсы;

БРк, БРь и БР_В - блоки распределения капитальных, трудовых и топливных ресурсов энергосистемы области;

СУк, СУц и СУ в — системы управления соответствующими ресурсами; Y_e(t) - отпуск электрической энергии;

Y_t(t) — отпуск тепловой энергии;

Y_c(t) - суммарный отпуск энергии.

Исходные данные для построения модели возьмём в серии ежегодников Государственного комитета по статистике Самарской области [84], [92]. Основными выходными характеристиками энергопроизводства являются показатели выпуска продукции (тепла и электроэнергии) Y_t(t) и К, (О-Базовыми входными воздействиями являются капитальные K(t) и топливные B(t) затраты и трудовые ресурсы Ці). Для анализа поведения энергосистемы

возьмем статистические показатели её деятельности в период с 1976 по 2002 годы, а также статистические показатели деятельности отдельных ТЭЦ, входящих в систему, за период с 1990 по 2002 годы. Сопоставление характеристик модели обеспечим приведением исходных статистических данных к уровню цен 1990 г.

Методология системного анализа и математического моделирования сложных объектов

Системный анализ функционирования производственных предприятий требует изучения внутренней многоплановой деятельности производственных объектов, оценки эффективности использования всех имеющихся в распоряжении видов ресурсов, исследования многофакторных связей с внешней средой. В настоящее время наиболее значимыми, базовыми ресурсами производственных объектов являются капитальные, трудовые, энергетические, финансовые и информационные [6], [48], [70].

Базой системного анализа производственных объектов являются методы общей теории систем [34], [42] [74]; теории управления [11], [69], [99]; математического моделирования [51], [91], [107]; теории идентификации [22], [83], [105]; прикладной математики [10], [36]; математической статистики [4], [12], [98]; математического программирования [9], [41]; теории оптимизации [21], [68], [77]; теории игр и др. [15], [66], [85], [101].

Системный анализ производственных объектов опирается на комплексный учёт специфики исследуемых процессов. Характерными чертами производственных систем являются их следующие существенные особенности [46], [96]: производство, как система, постоянно совершенствуется, и управление им является управлением процессами создания и совершенствования новых технологий; - в связи с научно-техническим прогрессом и развитием производительных сил изменяются характеристики и параметры производственных систем, что обуславливает необходимость исследования новых закономерностей развития производства и их использования в управлении; - с усложнением производства повышаются требования к методам сбора, накопления, переработки информации; дифференциации её по уровням иерархии с учетом значимости с точки зрения принятия управленческих решений; - участие человека в производстве, как неотъемлемой части производительных сил общества, обуславливает в концептуальном плане необходимость учета комплекса социальных, психологических, экологических и других факторов при системном анализе производственной деятельности; в связи с последним обстоятельством необходим учет разнообразных факторов, носящих как объективный, так и субъективный характер [86]. В целом, задачи системного анализа производственных систем - это задачи с большим числом неизвестных и множеством различных функциональных связей между ними. В большинстве своём задачи многомерны, нелинейны [42], [70], [78]. Характерной чертой задач системного анализа производств является неоднозначность решений и их экстремальность, оптимальность [74], [90]. Задачи оптимизации являются многокритериальными с противоречивыми антагонистическими критериями. Для системного оценивания функционирования производств одновременно применяются различные группы показателей: технологические критерии качества (надёжность, точность, долговечность), экономические показатели эффективности (рентабельность, себестоимость, производительность ресурсов), а также социальные, экологические и другие, и они не согласуются друг с другом [61], [73]. При проведении системного анализа сложных производственных процессов и объектов, разработке адекватных подходов и методов необходимо руководствоваться общими методологическими принципами, которые кладутся в основу конкретных системных исследований. Таковыми являются следующие базовые принципы; достаточности и достоверности используемой информации, инвариантности информации, преемственности моделей, эффективной реализуемости. Приведённая совокупность не является полной и сформулирован ряд других общих и частных принципов, определяющих методологию системного анализа [37], [44], [59]. Центральным ядром конструктивной реализации методологии системного анализа является построение математической модели, адекватно описывающей поведение изучаемого объекта. Существуют различные классификации моделей, применяемых для системного анализа деятельности производственных объектов. В 60-х годах двадцатого столетия академик Л.В, Канторович выделил четыре группы математических моделей для комплексного анализа поведения производственных систем: балансовые модели деятельности [68], [102]; модели взаимодействия производственных объектов на основе теории игр; модели линейного программирования [41]; модели математического программирования [47] (динамическое [10], нелинейное [101], целочисленное [95], и стохастическое программирование [5]), В настоящее время широко используются следующие типы моделей [48], [51], [93]: - функциональные модели работы производственного объекта, описывающие функции объекта и взаимосвязанной совокупности процессов функционирования его отдельных элементов; - процедурные модели, определяющие порядок (процедуру) воздействий на производственную систему для обеспечения требуемых условий протекания процессов; внутренними и внешними характеристиками объекта; - функционально-стоимостные модели, определяющие зависимости между экономическими показателями деятельности и производственно-технологическими целями управления объектом; - балансовые модели, описывающие систему балансов производства и распределения продукции. Классическим примером балансовых моделей являются: модель Эрроу-Гурвица, модель «затраты - выпуск» В.В.Леонтьева и др. [50], [68],

Характеристики внешних системных связей энергетического комплекса

Самарская область представляет собой промышленно развитый регион. В области производится 3,4% объема промышленной продукции при численности населения 2,2% от общероссийского. По данным комитета по статистике на 1 января 2001 года областным производственным комплексом было произведено продукции на сумму свыше 1 б 1 млрд рублей. В сводном рейтинге объемов промышленного производства областной промышленный комплекс занимает 2 место среди 14 регионов Приволжского федерального округа. Топливно-энергетический комплекс (ТЭК) является ведущим в областном производстве, его доля - 15%. В состав ТЭК входят топливная отрасль и электроэнергетика. Удельный вклад топливной отрасли в общий объём производства области составил на 1 января 2002 года 8,5%, а доля электроэнергетики в выпуске продукции - 6,5% [84], [92]. Прирост объемов производства в электроэнергетике составил 15,1% по отношению к предыдущему 2001 году.

Численные значения макропоказателей экономических процессов за 1990-2002 годы показывают, что объем промышленного производства в области к 1998 году снизился до 64% от уровня 1990 года. Анализ интегральных данных по промышленному производству области в 1990-2002 гг. показывает, что основной спад производства, произошедший в 1990-1994 гг., имел среднегодовой темп падения до 10-15% в год, с максимальным падением в 1994 году - 23%. После 1994 года ситуация стабилизировалась -скорость спада резко снизилась до 1,2%. Однако период 1996-1998 годов характеризовался неравномерной эффективностью производственной деятельности - локальный подъём в 1997 году на 8% и значительный спад на 11% в 1998 году. По интегральным характеристикам временной отрезок 1996-1998 годов отвечает продолжению общего спада производства со среднегодовым темпом 1,5%. Только в 1999-2001 гг. начался рост уровня производства с темпом - 10-15%. Но уже к 2002 году объемы промышленного производства области снизились на 2,8% по сравнению с 2001 годом.

Динамика потребления энергоресурсов соответствовала темпам спада в промышленности. Потребление первичных топливно-энергетических ресурсов (ТЭР) и выпуск продукции областной энергосистемы в переходный период снизились - до 66%. Рост энергоемкости областного производства составил 22%, увеличился темп роста энергетической составляющей в себестоимости конечной продукции.

Ежегодное потребление электроэнергии в Самарской области сократилось на 33,2% с 31,9 до 21,3 млрд кВтч в период с 1990 по 2002 гг., так как основным потребителем электроэнергии в Самарской области является промышленный комплекс. Областной промышленностью расходуется в среднем около 60% отпускаемой энергосистемой электрической энергии. Доля электропотребления сельского хозяйства незначительна, постоянно снижается и составляет в настоящее время менее 4%. Строительный комплекс и транспортная отрасль сохраняли почти неизменной долю своего электропотребления. Существенно возрос вклад в электропотребление жилищно-коммунального сектора - с 14,1% до 24,5%. На 2005 - 2010 годы в ЖКХ прогнозируется дальнейший рост энергопотребления со среднегодовым приростом по электроэнергии - 0,2%.

При этом наибольшая динамика спада электропотребления в области характерна также для 1994 г. В 1995-1996 гг. темпы падения электропотребления значительно снизились и стабилизировались только в 1998-2001 годы. Но в 2002 году тенденция роста электропотребления промышленными потребителями прекратилась в связи с сокращением объёмов производства.

При относительно благополучном положении Самарской области по сбалансированности ТЭК и промышленности, все же имеется ряд макроэкономических диспропорций. Среди них наиболее существенными являются высокие темпы увеличения стоимости первичных энергоресурсов и тарифов на электрическую и тепловую энергию. За рассматриваемый период они превышали в 1,8 раза и в 2,5 раза увеличение средней стоимости областной продукции.

Уменьшению экономической эффективности областного энергопроизводства способствовал также большой удельный вес в промышленности энергоёмких предприятий нефтяной отрасли. Спад выпуска продукции этими предприятиями привел к значительному сокращению потребления пара на технологические нужды и к снижению тепловых нагрузок крупнейших промышленно-отопительных ТЭЦ энергосистемы. Нарушение технологических связей привело к увеличению удельных расходов топлива на отпускаемую энергию, повышению себестоимости производимых продуктов и к росту тарифов на тепловую и электрическую энергию, стимулируемых возрастающей стоимостью топлива. В результате, топливная составляющая себестоимости продукции на энергоемких химических предприятиях возросла с 5 - 7 % в дореформенный период до40-45%в настоящее время.

Среди отраслей наиболее электроёмкой в 1990 году являлась химическая промышленность. В ней произошел максимальный - в 1,8 раза - спад относительного потребления электрической энергии. При этом во всех других производственных комплексах наблюдался его рост. В 1,3 раза увеличилась доля электропотребления в машиностроении, в 1,2 раза в топливной промышленности. В электроэнергетике на 14% увеличился относительный расход электроэнергии на собственные нужды.

Динамика изменения теплопотребления в области характеризуется следующими показателями. Падение потребления тепла составило за анализируемый период 49,1 %. Доля энергосистемы в областном теплообеспечении составляла 73 — 64 %. Относительная величина тепловой энергии, используемой промышленным комплексом, непрерывно снижалась с 60% до 36%. Только в жилищно-коммунальной сфере теплопотребление возросло в 1,6 раза - с 29% до 51% и прогнозируется на 2005 - 2010 годы дальнейший рост теплопотребления в ЖКХ со среднегодовым приростом 2 %.

Основной вклад в уменьшение теплопотребления промышленностью внесла, также как и в снижение элёктропотребления, химическая отрасль. Она снизила долю теплопотребления в 1994 - 1995 гг. практически в 3 раза. На фоне обвального падения теплопотребления в химическом производстве доля остальных отраслей промышленности выросла.

В промышленности главным потребителем первичных топливно-энергетических ресурсов области является ТЭК — 67 %, доля энергосистемы в нем составляет 54 %. Проблема топливообеспечения ТЭК является одной из ключевых и трудно прогнозируемой. Ввиду отсутствия на территории области крупных разрабатываемых месторождений природного газа, его поставка потребителям осуществляется транспортными газопроводами из Единой системы газоснабжения страны, функционирование и развитие которой обеспечивает ОАО "Газпром" в соответствии с ежегодно утверждаемыми лимитами, с учетом заявленной потребности и платежеспособности потребителей.

Построение моделей функционирования энергетического комплекса в форме двухфакторных про изводственных функций

Значения идентифицированных параметров модели на интервале времени 1976-1989 гг. для фактических статистических данных равны: для производства электрической энергии « = 0,2737, А = 1,8086; для производства тепловой энергии а = 0,8594, А = 2,6028; для суммарного производства « = 0,6693, Л = 1,7343. Полученные значения коэффициентов моделей являются значимыми, так как абсолютные значения показателей для всех t-статистик с запасом превышают 2 (кроме ta для электроэнергии).

Параметр а характеризует эластичность выпуска по использованию основных производственных фондов, и, следовательно, увеличение объема капитальных ресурсов на 1% приводило к увеличению выпуска электроэнергии на 0,27%, тепла на 0,86% и, далее, к общему росту производимой энергии на 0,67%. Вклад трудовых ресурсов характеризуется параметром .

Следовательно, увеличение трудовых ресурсов на 1% приводило к ощутимому росту объёмов производства электроэнергии - 0,73%. При этом объём производства тепловой энергии увеличивался только на 0,14%, а суммарный объем производства на 0,33%. В целом, рассмотренный нами временной интервал 1976-1989 гг. характеризуется стабильным ростом производства энергии по всем показателям. По параметрам моделей а и /? как для производства тепла, так и для производства электроэнергии видно, что вводились новые основные фонды, эффективно использовались трудовые кадры. Основной вклад в развитие энергосистемы внесли материальные ресурсы. Идентификация коэффициентов моделей, на основе сглаженных статистических данных, дала следующие значения параметров однородной производственной функции на интервале времени 1976-1989 гг.: а = 0,2480, А = 1,8240 - для электроэнергии; « = 0,8805, А-2,5863 - для тепловой энергии; а = 0,6533, Л = 1,7480 -для суммарного отпуска продукции. Видно, что при сглаживании данных параметры моделей изменились несущественно. Также отметим увеличение абсолютных значений t-статистик в моделях, рассчитанных по сглаженным данным. В целом анализ данных таблицы 3.2 и графическое сопоставление модельных расчётов с реальными величинами показал, что модели на основе однородной ПФ Кобба-Дугласа удовлетворительно описывают функционирование энергосистемы для экономически стабильного периода 1976-1989 годов. При этом некоторые частные показатели качества моделей имеют низкие значения, что свидетельствует о наличии неучтенных в моделях факторов и обстоятельств, которые следует выявить для усовершенствования моделей. Для описания поведения энергосистемы в переходный период 1990-2002 гг. однородная ПФ полностью непригодна. 3.2.2 Построение и анализ неоднородным производственных функций Изучим возможности моделирования функционирования энергосистемы на основе двухфакторной неоднородной функции Кобба-Дугласа: Y(t) = АКа(t)l/(t), где а + /? 1 (3.4) В (3,4) а и р - коэффициенты эластичности выпуска по фондам и труду; А — масштабный коэффициент. Эта зависимость обладает более гибкими аппроксимативными свойствами, так как имеет 3 адаптивных, настроечных параметра а.,Р,А. Результатом логарифмирования уравнения (3.4) является линейное соотношение: LniY) = Ln(A) + aLn(K) + PLn(L) (3.5) Исследуем аппроксимативные свойства (3.5) для описания поведения энергосистемы. Методом наименьших квадратов отдельно для двух временных интервалов 1976-1989 и 1990-2002 годов. Идентификацию параметров зависимости (3.5) проведём так же, как и в предыдущей задаче. Полученные численные характеристики моделей энергосистемы приведены в таблице 3.3, Графики реальных и модельных траекторий изображены на рисунках 3.14-3.25 проанализируем полученные результаты. Статистические показатели качества аппроксимации, приведенные в таблице 3.3, показывают, что описательные свойства модели (3.4) улучшились по сравнению с моделью (3.1). Так, коэффициент детерминации увеличился для всех рассматриваемых случаев. На интервале 1976-1989 гг. для электроэнергии он изменился незначительно и остался низким - 0,6581 (0,8365), для тепла увеличился до 0,9062 (0,9793) и для отпуска суммарной энергии - до 0,9323 (0,9672). На интервале 1990-2002 гг. коэффициент детерминации R1 существенно увеличился - для отпуска электрической энергии с 0,4698 (0,4072) до 0,9086 (0,9639); для отпуска тепловой энергии - с 0,2297 (0,2046) до 0,9198 (0,9552); для суммарной отпускной энергии с 0,2449 (0,2242) до 0,9208 (0,9593). Эти коэффициенты являются значимыми, так как F-статистика значительно превышает табличные значения [72].

Методология многокритериального обобщённого оценивания производственных объектов

Важной частью системного анализа и принятия управленческих решений является оценивание комплексной эффективности функционирования производства. Цель комплексного оценивания — получение интегральных (обобщённых) показателей качества функционирования производств, характеризующих системную эффективность деятельности объекта исследования. Оценка может осуществляться на основе самых разных критериев и факторов, учитывающих показатели, полученные как на основе объективных, так и на основе субъективных данных о функционировании анализируемых объектов. Существует множество методов оценивания, построения рейтинговых и экспертных оценок, основанных на самых различных подходах [80], [97]. В данной работе используем современный подход оценки, ранжирования и составления сводных рейтингов — методологию многокритериального оценивания сравнительной эффективности — Data Envelopment Analysis (DEA) (дословно — анализ «упаковки» (охвата) данных) [ПО], [119]. Использование метода DEA в русскоязычной научной литературе носит единичный характер [19], [57]. Название метода в [57] переведено как «анализ среды функционирования» (АСФ). В западной научной литературе описано применение данного подхода для анализа эффективности промышленных производств и производственных процессов в сфере энергетики, транспорта, сельского хозяйства, здравоохранения, финансовых организаций и др. [113], [114], [117], [123], [125], [126]. Достоинством данной методологии является существенное снижение субъективности при формировании интегральных оценок эффективности [127]. Этот метод развивает фундаментальные положения теории производственных функций - математической модели производства Леонтьева, модели фон Неймана [97]. Базовая модель методологии DEA для систем с одним входным X и одним выходным фактором У была предложена Фареллом [120] в 1957 году. Интегральная эффективность такого объекта оценивалась как производительность входного ресурса X : На основе данного подхода получаются численные значения характеристик эффективности / для предельно агрегированных, одномерных объектов. В последствии этот подход был развит А.Чарнсом, В.Купером, Э.Родсом [116] в 1978 году для систем с конечным числом входных и выходных характеристик (модель CCR). В 1984 году метод был распространён Р.Банкиром, А.Чарнсом, В.Купером на сравнение объектов с различными масштабами деятельности (модель ВСС) [115]. Методы CCR и ВСС можно рассматривать как обобщение подхода (4.1) для сложных многомерных объектов. Метод DEA реализует непараметрический подход к определению обобщённой эффективности и ранжированию процессов и производств, использующих несколько видов входных ресурсов для преобразования их в определённое число выходных характеристик. Суть этого подхода состоит в построении областей сравнительной эффективности по эмпирическим данным о функционировании различных объектов (процессов). Каждому объекту соответствует точка в многомерном пространстве: затраты — выпуск. Решения соответствующих оптимизационных задач дают коэффициенты эффективности, которые определяют сравнительную эффективность каждого объекта. Границу эффективности определяют объекты, показатель эффективности которых является максимальным (в методологии DEA он равен единице). Они являются наиболее эффективными технологиями и оптимальными по масштабу деятельности. Следует подчеркнуть, что рассматриваемый метод определяет относительную эффективность в сравнении с другими сопоставимыми процессами и технологиями. При этом определяется степень неэффективности, «удалённости» всех остальных объектов от эффективных объектов. В целом, подход позволяет обоснованно, с учётом большого числа входных и выходных параметров, в качестве которых могут выступать энергетические, технологические, технические, управленческие, экономические, экологические и другие критерии, ранжировать процессы и производства в комплексе единой производственно-экономико-технологической, организационной системы. Метод DEA является обобщением подхода (4.1) в многомерном случае и определяет эффективность деятельности объекта по отношению к входным воздействиям. В общем случае, оцениваемый объект характеризуется т входными и к выходными параметрами, т.е. входы и выходы являются, соответственно, тик мерными векторами: X — {Хх,Х2 ...Хт\ и Y={YifYz,...Yk}. Эти показатели могут характеризоваться самыми различными мерами, быть практически несопоставимыми и несвязанными между собой, а также противоречить друг другу. Выходные величины YltY2,...Y(,...Yk выбираются таким образом, чтобы выходные характеристики можно было измерить, и увеличение Ук приводило бы к возрастанию суммарного показателя эффективности /:

Похожие диссертации на Системный анализ и идентификация комплексной эффективности функционирования региональных энергетических производств

Анализ и управление производством безопасного многослойного стекла для автомобильного транспортаСуворов Евгений Владимирович

Анализ и управление производством листового стекла Молодкин Алексей Васильевич

Системный анализ проблемы повышения эффективности производства на государственном унитарном предприятииКим Валерий Хичерьевич

Автоматизация выбора вида управленческого решения на основе системного анализа производственной информации при многономенклатурном производствеЧувиляева Александра Сергеевна

Системный анализ экологической безопасности предприятий по производству технического углерода (на примере Сосногорского ГПЗ)Фридрик Денис Евгеньевич

Анализ динамической устойчивости управления промышленным производством в кризисных ситуацияхАунг Мьё Тху

Системный анализ и управление безопасностью химических производств с использованием новых информационных технологий Савицкая Татьяна Вадимовна

Методы и программно-инструментальные системы для анализа и моделирования гибких компьютерно-интегрированных производствРахманкулов, Виль Закирович

Разработка методов анализа и синтеза гибких многоассортиментных химических производств периодического действия Бельков Валерий Петрович

Системный анализ коммутационных состояний электрических сетей машиностроительного производства и управление их эксплуатационной надежностью Алиев Рустам Сулейман оглы