Содержание к диссертации
Введение
1 Обзор методов системного анализа и математического моделирования производственных систем 8
1.1 Методология системного анализа и математического моделирования сложных систем , 8
1.2 Методы системного анализа деятельности энергетических систем 14
1.3 Модели производственных систем в форме производственных функций 20
1.4 Идентификация математических моделей производственных систем 25
1.5 Методы многокритериального оценивания эффективности функционирования производственных систем . 31
2 Системный анализ функционирования региональной энергетической системы 41
2.1 Место энергосистемы в региональном промышленном комплексе Самарской области 41
2.2 Анализ текущего состояния и динамики развития энергосистемы 44
2.3 Анализ эффективности использования ресурсов 50
2.4 Анализ технико-экономических показателей и эксплуатационных параметров генерации электрической итепловой энергии Самарской энергосистемой 54
3 Математическое моделирование энергетической системы 67
3.1 Выбор структуры и оценка адекватности моделей 67
3.2 Двухфакторные ПФ 69
3.2.1 Однородная ПФ Кобба-Дугласа 69
3.2.2 Неоднородная ПФ Кобба-Дугласа 75
3.3 Трехфакторные ПФ 80
3.3.1 Неоднородная ПФ Кобба-Дугласа с НТП 80
3.3.2 Неоднородная ПФ Кобба-Дугласа с топливом 86
3.3.3 Неоднородная ПФ Кобба-Дугласа с топливом и НТП 94
4 Сравнительный анализ эффективности функционирования энергопроизводств 102
4.1 Построение моделей генерирующих филиалов в форме неоднородной трехфакторной производственной функции 102
4.2 Построение моделей генерирующих филиалов в форме неоднородной трехфакторной производственной функции в безразмерном виде 113
4.3 Построение моделей генерирующих филиалов в форме однородной трехфакторной производственной функции в безразмерном виде 126
5 Оценка эффективности модернизации региональной энергосистемы 137
5.1 Обзор возможностей модернизации 137
5.2 Методика интегральной оценки потенциала модернизации генерирующего оборудования ТЭС 145
5.3 Надстройка ГТУ на теплофикационную часть выработки станции 152
5.4 Надстрой ка ГТУ на конденсационную часть выработки станции 156
5.5 Ранжирование вариантов на основе технико-экономических показателей схем
модернизации 160
Заключение 170
- Модели производственных систем в форме производственных функций
- Анализ текущего состояния и динамики развития энергосистемы
- Неоднородная ПФ Кобба-Дугласа с НТП
- Построение моделей генерирующих филиалов в форме неоднородной трехфакторной производственной функции в безразмерном виде
Введение к работе
Актуальность темы. Энергетические системы являются основой функционирования и развития промышленности любого региона. От эффективности работы и развития энергетических систем зависит способность промышленных комплексов сохранять и наращивать производственный потенциал.
В настоящее время происходит процесс реформирования электроэнергетической отрасли страны. Осуществляется структуризация региональных энергосистем на основе выделения различных видов деятельности: производства электрической и тепловой энергии, передачи электроэнергии, сбыта электроэнергии и диспетчерского управления. В процессе реформирования основное внимание должно быть уделено будущим перспективам компаний по производству электрической и тепловой энергии -их конкурентоспособности и повышению эффективности энергопроизводств. Для этого должны быть сформированы конкурентные отношения в электроэнергетике, созданы условия для привлечения инвестиций в отрасль. При этом должны быть оценены эффективность различных технологий и масштабов производства электрической и тепловой энергии, специфика рынков сбыта энергии.
Нарастающие темпы процессов физического износа и морального старения генерирующего оборудования и систем транспорта энергии, приводят к вхождению режимов работы энергетических объектов в зону повышенного риска нарушений работы. Общая наработка оборудования тепловых электрических станций (ТЭЦ) достигает критических значений - 75% от установленного паркового ресурса.
Снижение теплопотребления промышленными предприятиями привело к вынужденному переводу части генерирующего оборудования ряда ТЭЦ в режимы работы с высокой долей конденсационной выработки электроэнергии, уменьшению их располагаемой мощности и объёмов выработки электроэнергии. Вследствие этого происходит резкое снижение среднего уровня эффективного коэффициента полезного действия (КПД) генерирующего
5 оборудования действующих ТЭЦ (20-26 %) по сравнению с уровнем современных энергоблоков на базе газотурбинных установок (ГТУ) с КПД 50-55%.
Вывод из эксплуатации части энергетических котлов и турбин ТЭЦ при сохранении затрат на их регламентное обслуживание также увеличило себестоимость производимой электрической и тепловой энергии и значительно понизило конкурентоспособность тепловых электрических станций.
Обеспечение конкурентоспособности ТЭЦ энергосистемы в рыночных отношениях возможно только при коренной модернизации тепловых станций путём повышения энергетической эффективности за счет совершенствования термодинамических циклов ТЭЦ. Это позволит улучшить технико-экономические показатели энергосистемы, увеличить годовые объёмы выработки электроэнергии и снизить удельные расходы топлива на отпускаемую электроэнергию.
Реальное состояние основного энергетического оборудования тепловых электрических станций страны в сочетании с ограниченностью инвестиционных ресурсов приводят к необходимости проведения системного анализа эффективности функционирования энергопроизводств и энергосистем, формированию оптимальных программ модернизации ТЭЦ и совершенствованию энерготехнологий.
В соответствии с изложенным, тема диссертационной работы, посвященной исследованию фактического положения дел в региональной энергетике в условиях структурных преобразований и разработке направлений повышения эффективности энергопроизводств, является актуальной.
Целью настоящей диссертационной работы являются системный анализ, математическое моделирование и комплексное оценивание эффективности функционирования региональных энергетических производств, совершенствование и оптимизация их деятельности.
Основными методами исследования являются: методы системного анализа, теории управления, методы идентификации, методы статистического анализа, теория производственных функций, методология многокритериальной оценки эффективности Data Envelopment Analysis (DEA), математическое программирование.
Научная новизна и значимость работы характеризуется следующими результатами:
Поставлены и решены задачи системного анализа, структурного моделирования и идентификации региональной энергетической системы, позволяющие выявить закономерности поведения энергетических предприятий в условиях происходящего реформирования энергетической отрасли.
Предложен состав критериев технико-экономической эффективности функционирования энергетической системы и способы их нахождения, являющиеся основой разработки системно обоснованных направлений повышения эффективности использования энергетических, материальных и трудовых ресурсов.
Разработан комплекс математических моделей функционирования генерирующих филиалов энергосистемы, позволяющий рассчитывать оптимальные характеристики и режимы функционирования энергетических установок, схем и энерготехнологий.
Разработаны комплексные подходы интегральной оценки потенциала модернизации генерирующего оборудования энергетических предприятий, являющаяся основой совершенствования энерготехнологий парогазовых циклов.
Предложены обобщенные критерии оценки системной эффективности модернизации энергетических предприятий, на базе которых проведена многокритериальная оценка сравнительной эффективности разработанных вариантов модернизации энергопроизводств.
Практическая полезность (ценность) диссертации заключается в следующих полученных результатах:
Разработаны методики оптимизации схем, параметров и характеристик региональной энергосистемы.
Разработаны направления и мероприятия совершенствования технологий производства электрической и тепловой энергии.
3. Определены пути модернизации основного оборудования генерирующих филиалов региональной энергосистемы.
На защиту выносятся следующие основные научные положения:
Методология оценки системной эффективности региональных энергопроизводств.
Совокупность критериев эффективности энергетических производств и способы их построения.
Комплекс математических моделей функционирования региональной энергосистемы, описывающих использование энергетических, трудовых и материальных ресурсов. Сравнительный анализ эффективности функционирования генерирующих филиалов энергосистемы.
Методика интегральной оценки потенциала модернизации генерирующего оборудования энергетических предприятий при совершенствовании энерготехнологий парогазовых циклов.
Обобщенный критерий оценки сравнительной эффективности модернизации генерирующего оборудования филиалов энергосистемы.
Апробация работы. Полученные в диссертационной работе решения и разработанные методики были использованы при разработке Энергетической программы Самарской области на период до 2010 года, формировании приоритетных предложений модернизации Самарской энергосистемы и инвестиционных проектов реконструкции ТЭЦ.
Основные результаты докладывались более чем на 10 научных (научно-практических) конференциях, в том числе на 3 международных, 2 всероссийских и 5 межвузовских научных конференциях.
Объём и структура работы. Диссертация состоит из введения, пяти разделов, заключения, библиографического списка и двух приложений. Основной текст изложен на 170 страницах, содержит 110 рисунков, 28 таблиц. Библиографический список включает 85 наименований.
Модели производственных систем в форме производственных функций
Решение таких проблем, в связи со сложностью поставленных задач, наличием различных, в том числе противоречивых требований к свойствам и поведению энергетических систем, существованием значительного числа неизвестных и неопределенных факторов, неоднозначным и нелинейным характером взаимодействий между элементами системы и внешней средой, должно опираться на системный анализ функционирования энергетических систем, математическое моделирование и идентификацию характеристик процессов и показателей эффективности.
Для системного анализа энергопроизводств используются различные группы моделей: линейного, нелинейного и динамического программирования, балансовые модели.
Балансовые модели энергетических систем подразделяются на:
- модели баланса мощности;
- модели баланса энергии.
Модели баланса мощности определяют достаточность располагаемой мощности энергетической системы в сумме с перетоком мощности из смежных энергосистем для обеспечения собственной максимальной потребности и выдачи необходимой мощности в соседние энергосистемы.
Модели баланса энергии определяют объемы производства энергии на данной структуре и количестве топлива для обеспечения собственных потребителей и экономически обоснованного перетока энергии в соседние энергосистемы с учетом потерь. Одним из основных направлений применения математических моделей в энергетике является их использование при планировании деятельности энергосистемы.
Прогноз потребления электрической, тепловой энергии и мощности определяет планирование производственной деятельности энергосистемы, позволяет решать задачи оптимизации энергопроизводства. Решение задача оптимизации позволяет отыскивать оптимальные программы загрузки производственных мощностей энергосистемы, оптимизировать распределение нагрузки между собственными мощностями и перетоками энергии из смежных энергосистем, снижать затраты энергии на собственные нужды энергосистемы и потери при передаче по сетям.
На данный момент построено значительное число различных моделей и методов прогнозирования потребления электроэнергии и мощности в различных энерготехнологических системах [37], [10], [43].
По временному масштабу все алгоритмы прогнозирования можно разделить на три группы: алгоритмы оперативного прогнозирования, с интервалом упреждения от нескольких десятков минут до нескольких часов, алгоритмы краткосрочного прогнозирования, с интервалом упреждения от одних суток до нескольких недель, и алгоритмы долгосрочного прогнозирования, интервал упреждения которых составляет от одного месяца до нескольких лет. 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.
С точки зрения развития и оптимизации деятельности энергетических систем наибольший интерес представляют методы и модели долгосрочного прогнозирования.
Методы, применяемые для долгосрочного прогнозирования, по характеру используемой информации можно условно разделить на две основные группы [46]: «структурные» и «статистические» (или методы статистического моделирования).
Прогнозирование с помощью структурных методов осуществляется на основе планов развития отдельных отраслей народного хозяйства. В моделях учитываются нормы расхода электроэнергии на единицу продукции и типовые графики нагрузки потребителей, относящихся к различным отраслям, с последующим суммированием графиков нагрузки отдельных групп потребителей. Таким образом, на основе отраслевой декомпозиции составляется структурная модель формирования графиков нагрузки энергосистемы.
В настоящее время в связи с задачами управления электропотреблением получило широкое распространение развитие структурного подхода - методы, основанные на моделировании графиков нагрузки устройств конечных потребителей электроэнергии.
Так же к группе методов долгосрочного прогнозирования можно отнести интенсивно развивающиеся в последние годы сложные эконометрические модели, связывающие электропотребление с рядом внешних (экономических, социальных, демографических) или внутренних (структурных) показателей [46].
Применение структурных методов прогнозирования требует сбора, хранения и обработки больших объёмов информации, что влечет значительные временные и материальные затраты, возрастающие по мере повышения точности прогнозов. Применение статистических методов зачастую в тех же условиях обеспечивает достаточную точность, не уступающую, а иногда и превосходящую, точность прогнозирования с помощью структурных методов при значительно меньших затратах.
Возможность возникновения у энергосистем принципиально новых свойств, неприсущих составляющим их объектам, а также сложность и протяженность, наличие «слабых» связей систем энергетики обуславливает неоднородность структуры энергосистем. Наличие данных свойств оказывают значительное влияние на устойчивость энергетических систем [47] с возможными последствиями возникновения крупных аварий, веерных отключений.
Исследование направлений развития энергетических систем опирается на учет различных факторов и требования энергетической безопасности. Для этого используются как традиционные модели территориально-производственной структуры топливно-энергетического комплекса, так и более детальные модели ТЭК, в том числе учитывающие вынужденные ограничения в энергоснабжении потребителей.
Существующие специальные методы анализа качества энергоснабжения потребителей, позволяющие выявлять конкретных виновников ухудшения (конкретные потребители, объекты системы), их количественный вклад, выяснять механизмы устранения негативного влияния. Применение таких методов дает возможность определения обоснованных рекомендаций и конкретных мероприятий по улучшению режимов в энергетических систем.
С позиций технологического управления важны исследования следующих свойств систем энергетики - идентифицируемости, прогнозируемости и управляемости систем энергетики.
Анализ текущего состояния и динамики развития энергосистемы
Для исследования текущего состояния и динамики развития региональной энергосистемы Самарской области рассмотрим статистические данные, характеризующие объемы производства электрической и тепловой энергии, трудовые и капитальные ресурсы.
Проанализируем производственные процессы в энергосистеме за период с 1976 по 2004 г.г. (рисунки 2.1, 2.2). Интервал 1976-1989 г.г. экономически стабилен и характеризуется постоянным, устойчивым ростом всех показателей. Происходило наращивание основных фондов энергосистемы, увеличивались объемы производства электрической и тепловой энергии. Рост численности работников, наблюдавшийся до 1986 г., далее сменялся постепенным ее снижением до минимального значения на исследуемом периоде в 1990 г.
В 1990 г. в энергосистеме произошли структурные изменения. Из ее состава была выведена Волжская ГЭС, что повлекло за собой резкое сокращение основных фондов энергосистемы и уменьшение объемов производства электрической энергии (рисунок 2). После 1990 года так же произошел резкий спад производства тепловой энергии, что определяется падением объемов промышленного производства в регионе и по стране, в целом.
Проведем анализ динамики выпуска продукции - Y (Yt - отпуск тепловой энергии, Ye отпуск электрической энергии), использования основных производственных фондов К и трудовых ресурсов L.
Из рисунка 2.1 видно, что с 1976 по 1988 года отпуск тепловой энергии характеризовался общим ростом с небольшими флуктуациями. Затем произошло замедление роста почти до нулевого значения в 1989-1991 г.г. Начиная с 1991 и до 1999 года, наблюдается резкий спад производства тепловой энергии, что обусловлено общим спадом объемов производства в регионе, а также вводом потребителями собственных источников тепла -котельных. С 1999 г. наблюдается тенденция к росту отпуска тепловой энергии. кВтч), К - объем основных фондов (млн, руб.), L - количество трудовых ресурсов (чел.). Для отпуска электроэнергии (рисунок 2.2) наблюдается похожая картина. В отличие от тепловой энергии, падение объемов отпуска произошло раньше (1986 г.) и более резко - в течение 1988 года объем производства электрической энергии сократился па 35,2%. В отличие от тепловой энергии, для которой, начиная с 2000 года наметился рост объемов отпуска, для электроэнергии наблюдается их падение.
Исходя из вышеизложенного различного поведения энергосистемы на выбранном интервале исследования, разделим временной период на два, соответствующих разному характеру протекания производственных процессов в энергосистеме.
Неоднородная ПФ Кобба-Дугласа с НТП
Из графиков и табличных данных следует, что при переходе от однородной к неоднородной ПФ коренным образом изменились все количественные и качественные характеристики моделей энергосистемы.
Для модели производства тепловой энергии коэффициент детерминации вырос с 0,2155 до 0,9345. Среднеквадратичная ошибка снизилась на порядок с 0,7494 до 0,0759. Значения коэффициентов t-статистики для параметров модели превышают или близки к 2, что говорит об их значимости. Модель обладает достаточно удовлетворительными прогнозными свойствами - критерии Дарбина-Уотсона близок к двум (DW= 1,7347), в отличие от однородной модели для которой DW = 0,1184, что было совершенно неудовлетворительным значением.
Таким образом, неоднородная модель производства тепловой энергии существенно лучше описывает протекающие процессы, но величина среднеквадратичной ошибки достаточно велика - 7,6%.
Для модели производства электрической энергии коэффициент детерминации вырос с 0,4917 до 0,8416. Среднеквадратичная ошибка снизилась с 0,3521 до 0,0401. Однако, прогнозные свойства модели остаются неудовлетворительными (DW = 1,3284), По сравнению с моделью процесса производства теплоэнергии модель для электроэнергии, имеет значительно меньшую среднеквадратичную ошибку 0,0401 против 0,0759 и укладывается в пятипроцентный интервал, но при этом она имеет худшую взаимную корреляцию фактических данных модельных расчетов - 0,8416 против 0,9345 для тепловой энергии.
Модель, описывающая производство суммарной энергии, имеет наилучшие аппроксимативные и прогнозные свойства. Коэффициент детерминации составил 0,9560 (для однородной модели - 0,2617). Среднеквадратичная ошибка является средней между моделями производства электрической и тепловой энергии и составляет 0,0504. Прогнозные свойства модели достаточно хороши, о чем говорит критерий Дарбина-Уотсона со значением 2,0361. Значимость коэффициентов модели подтверждается значениями коэффициентов t-статистики для параметров модели, которые превышают или близки к 2.
Из таблицы 3.2 видно, что факторные эластичности по основным фондам и трудовым ресурсам отрицательны для всех моделей энер го производства. Это означает, что системная эффективность от использования основных фондов К и трудовых ресурсов L отрицательна. Этот факт свидетельствует тому обстоятельству, что при резком падении в данном периоде объемов производства энергии Y, основные фонды и трудовые ресурсы остались относительно неизменными. Излишки ресурсов не вносят вклада в процесс производства энергии, приводя к отрицательной эффективности.
В целом, из анализа результатов аппроксимации процессов производства тепловой, электрической и суммарной энергии неоднородной ПФ можно сделать следующие выводы.
На интервале спада энергопроизводства 1990-2004 г.г. неоднородная ПФ по сравнению с однородной моделью описывает производственные процессы, протекающие в системе, существенно лучше. Значения коэффициента детерминации и среднеквадратичной ошибки с полностью неудовлетворительных доведены до приемлемых. Прогнозные свойства моделей, кроме производства электрической энергии, удовлетворительны.
Модель (3.20), в целом, достаточно удовлетворительно описывает процессы энергопроизводства, однако целесообразно для дальнейшего улучшения аппроксимативных и прогнозных свойств моделей рассмотреть возможность введения в модель дополнительных факторов, более полно учитывающих специфику функционирования энергосистем.
Анализ построенных моделей региональной энергосистемы на основе однородной (3.7) и неоднородной (3.20) производственных функции Кобба-Дугласа показал, целесообразность дальнейшего усовершенствования моделей. Введем в модель энергопроизводства фактор научно-технического прогресса (НТП) и проанализируем аппроксимативные и прогностические свойства такой модели. Построим неоднородную производственную функцию Кобба-Дугласа с учетом НТП в следующей форме: Y(t) = AKa(t)Lp (t)el\ (3.24) Неоднородная ПФ с НТП (3.24) имеет 4 настроечных параметра - А, а, Д v и, следовательно, обладает более гибкими аппроксимативными свойствами, чем неоднородная производственная функция.
Построение моделей генерирующих филиалов в форме неоднородной трехфакторной производственной функции в безразмерном виде
Эластичность производства электроэнергии по основным фондам отрицательна для всех ТЭЦ. Эластичность производства электроэнергии по трудовым ресурсам положительна только для СТЭЦ.
Параметры моделей процессов производства суммарной энергии и показатели качества полученных моделей приведены в таблицах 4.5, 4.6, соответственно. Анализ результатов показывает, что коэффициенты детерминации для всех моделей, кроме двух, лежат в диапазоне 0,955 - 0,999, что является хорошим результатом аппроксимации. Для модели СамГРЭС коэффициент детерминации составил 0,802, что, в целом, достаточно удовлетворительно. Неприемлемым является низкое значение коэффициента детерминации для модели ТЭЦ ВАЗа равное 0,654.
Среднеквадратичная ошибка не превышает 3% для всех ТЭЦ, кроме НкТЭЦ-1, СТЭЦ и БТЭЦ. Для этих станций среднеквадратичная ошибка составляет не более 3,5%.
Значения F-статистики показывают достоверность оценок расчетов по неоднородной модели ПФ Кобба-Дугласа с топливом для производства суммарной энергии по всем ТЭЦ.
Значимость коэффициентов моделей подтверждается t-статистикой. Масштабный коэффициент и эластичность производства по топливу значимы для всех ТЭЦ. Коэффициент эластичности производства по основным фондам а значим для всех моделей, кроме СамГРЭС. Коэффициент эластичности производства по трудовым ресурсам незначим для ТЭЦ ВАЗа, СамТЭЦ и СамГРЭС. Наибольшую значимость имеют масштабный коэффициент и эластичность производства по топливу.
Значение критерия Дарбина-Уотсона свидетельствует о хороших прогнозных свойствах моделей НкТЭЦ-2, НкТЭЦ-1 и СамГРЭС. У остальных моделей неудовлетворительные прогнозные свойства.
Анализ параметров моделей производства суммарной энергии на ТЭЦ энергосистемы (таблица 4.5) показывает, что аналогично энергосистеме в целом, основное влияние на производство суммарной энергии так же оказывает расход условного топлива. Эластичность производства суммарной энергии по топливу положительна для всех ТЭЦ и находится в диапазоне от 0,552 для ТЭЦ ВАЗа до 3,006 для НкТЭЦ-2.
Эластичность производства суммарной энергии по основным фондам положительна только для НкТЭЦ-2 и ТЭЦ ВАЗа. Эластичность производства по трудовым ресурсам положительна для НкТЭЦ-2, СТЭЦ, СамТЭЦ и СамГРЭС.
4.2 Построение моделей генерирующих филиалов в форме неоднородной трехфакторной производственной функции в безразмерном виде
В целом, трехфакторная неоднородная производственная функция показала достаточно хорошие результаты аппроксимации реальных производственных процессов для генерирующих филиалов региональной энергосистемы.
Однако, как видно из таблиц 4.1, 4,3, 4.5, значения масштабных коэффициентов Л для всех моделей, в отличие от величин эластичностей а, Д уу имеют значительный разброс. Это свидетельствует о полной неинформативности коэффициентов А, как оценок интегральной эффективности производственных процессов, и говорит о том, что значение А нельзя рассматривать как инварианты, определяющие сравнительную эффективность анализируемых многофакторных энергопроизводств.
Для получения масштабных коэффициентов А, обладающих свойством инвариантности, исследуем возможность их отыскания на основе построения моделей ПФ на базе исходных данных, приведенных к нормированным, относительным переменным. Такой подход позволяет значительно сократить масштабы изменения исходных данных входных факторов и дает основание для того, что и разброс параметров моделей, идентифицированных по относительным характеристикам, будет также меньшим.
Приведем исходные данные к относительным переменным, путем отнесения их к значениям факторов данных в первом году анализируемого интервала:
А = Х±: (4.1)
где xtj- абсолютные значения і-го фактора дляу -ой станции; xfj- безразмерные значения i-го фактора для/-ой станции;
Хх - значение і-го фактора для энергосистемы в целом.
В результате преобразования исходных данных посредством (4.1) получим новые исходные ряды данных для идентификации.
Используем в качестве исходных данных статистику функционирования ТЭЦ в период с 1990 по 2004 г.г. по производству тепловой, электрической и суммарной энергии в приведенном виде. Для каждой ТЭЦ проведем идентификацию параметров модели, определим аппроксимативные и прогнозные свойства моделей для производства электрической, тепловой и суммарной энергии.
На рисунках 4.25-4.48 приведены результаты сопоставления модельных и исходных статистических данных для объемов производства тепловой, электрической и суммарной энергии в относительных переменных для каждой ТЭЦ.
