Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии

На правах рукописи

НОВИКОВ Сергей Сергеевич

Методика оперативного планирования и управления

электропотреблением крупнотонНажных

электросталеплавильных печей при работе на оптовом рынке электроэнергии

Специальность 05.09.03 – «Электротехнические комплексы и системы»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Москва – 2008

Работа выполнена на кафедре «Электроснабжение промышленных предприятий» Московского энергетического института (Технического университета)

Научный руководитель – доктор технических наук,

профессор КУДРИН Борис Иванович

Официальные оппоненты – доктор технических наук,

ЛЕЩИНСКАЯ Тамара Борисовна

кандидат технических наук,

РАБИНОВИЧ Валерий Лазаревич

Ведущая организация – ОАО «Оскольский электрометаллургический

комбинат»

Защита состоится 18 апреля 2008 г. в аудитории М-611 в 16 час. 00 мин. на заседании диссертационного совета Д 212.157.02 Московского энергетического института (технического университета) по адресу: 111250, Москва, Красноказарменная ул., 13.

Отзыв на автореферат (в двух экземплярах, заверенные печатью) просим направлять по адресу: 111250, Москва, Красноказарменная ул., 14, Ученый Совет МЭИ (ТУ).

С диссертацией можно ознакомиться в библиотеке МЭИ (ТУ).

Автореферат разослан «____» марта 2008 г.

Ученый секретарь

диссертационного совета Д 212.157.02

к.т.н., доцент Цырук С.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Рост мирового промышленного производства и динамичное изменение конъюнктуры мировых рынков актуализируют проблему повышения энергоэффективности экономики страны и обостряют проблемы экономии электроэнергии. На этом фоне реструктуризация электроэнергетики и, в частности, запуск в конце 2006 г. новой модели оптового рынка электроэнергии (ОРЭ) повышают значимость технико-экономического аспекта взаимоотношений потребителя с субъектами электроэнергетики и открывают новые возможности повышения энергоэффективности производства путем снижения расходов на приобретение электроэнергии.

Планируемое Энергетической стратегией развития России до 20202025 гг. снижение электроемкости относится и к черной металлургии, являющейся одной из самых энергоемких отраслей (доля электропотребления: 810% общероссийского), затраты на электроэнергию в себестоимости продукции которой достигают 11%. На сегодня значительная часть предприятий черной металлургии имеет электросталеплавильные цеха с дуговыми печами (ДСП), потребляемая мощность которых находится на уровне 3040% от мощности всего производства, а режим работы определяет график нагрузки отдельно взятого комбината и энергосистемы района в целом. Для экономичности работы систем внешнего электроснабжения подобных производств, режимы электрических нагрузок которых характеризуются значительной неравномерностью потребления, актуальна выработка целостной стратегии поведения на рынке, опирающейся на оперативное прогнозирование, планирование и управление электропотреблением, что требует дополнения системы показателей электрохозяйства данными о часовых и 35-минутных замерах параметров электропотребления по точкам поставки, привлечения математических методов моделирования процессов электропотребления на этих интервалах.

Тогда как созданные ранее методы анализа и прогнозирования электропотребления строились в основном исходя из стационарности процессов функционирования объектов исследования, современные условия требуют совершенствования методов анализа и прогноза в условиях нестабильности социальных и экономических процессов, и с учетом особенностей конкретного сегмента рынка.

Проведенный анализ показал, что при прогнозировании параметров электропотребления и управлении системой электроснабжения необходимо опираться, с одной стороны, на системные кибернетические представления, а с другой на ценологические, использующие методы самоорганизации. Тогда в каждом конкретном случае задача сводится к разработке методик прогнозирования с использованием имеющейся отчетности, что означает принятие решений в условиях неопределенности.

Система суточного и почасового прогнозирования электропотребления в комплексе с системой мер по оперативному управлению производственными мощностями может использоваться как средство программно-информационной поддержки при управлении рыночными рисками предприятия, возникающими на ОРЭ. Подобные решения с внедрением специализированных средств конечного пользователя открывают новые возможности анализа, исследования, менеджмента и позволяют: удешевить производство снижением расходов на электроэнергию; сравнивать существующий уровень энергопотребления с прогнозным для определения объема экономии энергии и экономической эффективности энергосберегающих мероприятий; сократить сроки подготовки предложений по изменению производственной программы, увеличить количество и детализировать прорабатываемые предложения для повышения эффективности принимаемых решений.

Цель работы.

Разработка методики краткосрочного (на двое суток вперед по часам) и оперативного (на час и внутри часа с интервалом в пять минут) прогнозирования электропотребления большегрузных дуговых сталеплавильных печей и регулирования часового расхода электроэнергии электросталеплавильного производства и предприятия в целом с учетом выполнения договорных параметров на границе раздела «предприятие – субъект электроэнергетики».

В соответствии с поставленной целью решены следующие задачи:

1. Обобщение характеристик условий работы промышленных предприятий на основе анализа законодательной и нормативной базы оптового рынка электроэнергии и формирование требований к прогнозам и регулированию параметров электропотребления;

2. Разработка структуры и создание пополняемой реляционной базы данных по суточным и часовым параметрам электропотребления электрометаллургического производства с пятиминутным интервалом осреднения;

3. Анализ, выбор и адаптация к электрометаллургическому производству математических методов краткосрочного и оперативного прогнозирования расхода электрической энергии;

4. Разработка методики и средств программно-математического обеспечения краткосрочного и оперативного прогнозирования и регулирования часового расхода электроэнергии;

5. Разработка для службы главного энергетика методов определения эффективности оперативного прогнозирования и потенциальной необходимости управления электропотреблением.

Методы исследования.

В работе использовались положения теории систем, теории вероятности, теории случайных функций и методы математической статистики. Теоретические исследования сопровождались разработкой различных математических моделей, реализованных на ЭВМ и в виде программных средств. При выполнении работы использованы научные труды российских и зарубежных специалистов, материалы научно-технических конференций и семинаров.

Выводы и предложения основываются на анализе статистики, полученной от автоматизированной информационно-измерительной системы учета электроэнергии ОАО «Новокузнецкий металлургический комбинат» (ОАО «НКМК»). Статистические данные включают значения часовых и получасовых нагрузок с интервалом осреднения в пять минут электросталеплавильного чеха (ЭСПЦ-2) ОАО «НКМК» с 27.01.2004 г. по 31.03.2004 г., пятиминутные нагрузки ДСП-1 и ДСП-2 с 01.01.2005 г. по 14.07.2005 г., а также почасовые значения цен на электроэнергию на рынке на сутки вперед и балансирующем рынке с 01.01.2007 г. по 31.05.2007 г. ценовой зоны «Сибирь».

Научная новизна работы:

1. Разработана структура базы данных и обоснован необходимый минимум информации по суточным, часовым и расходам электроэнергии и мощности на пятиминутных интервалах осреднения графика нагрузки электрометаллургического производства для планирования и управления;

2. Обоснован выбор и определены области применения различных методов анализа данных и моделирования временных рядов электропотребления для математического обеспечения работы предприятия на оптовом рынке электроэнергии;

3. Доказана необходимость многовариантных расчетов для повышения достоверности прогнозов электропотребления в условиях значительных колебаний основных суточных показателей работы электрометаллургического производства;

4. Доказано, что эффективное планирование и регулирование суточного по часам электропотребления обеспечивается комплексом моделей: аппроксимации временного ряда суточного электропотребления с декомпозицией по дням недели, аппроксимации функцией из ряда Фурье с линейным трендом, моделью авторегрессии, кластер-анализом суточных графиков нагрузки по часам и на основе нейронных сетей;

5. Разработана методика оперативного прогнозирования и регулирования часового расхода электроэнергии энергоемкого промышленного производства для новой модели оптового рынка электроэнергии.

Практическая ценность работы заключается в создании системы прогнозирования параметров электропотребления электросталеплавильного производства (на двое суток вперед по часам и внутри часа с интервалом в пять минут) для целей минимизации финансовых рисков при работе в нерегулируемом секторе оптового рынка электрической энергии. Разработанные методы позволяют определять перспективные объемы электропотребления производства для формирования заявки и производить оценку необходимости и потенциальной эффективности мероприятий по регулированию нагрузки в пределах текущего часа. Создан комплекс алгоритмов и программ для информационного обеспечения оперативного прогнозирования и управления электропотреблением, а также разработан метод определения рыночных рисков в режиме реального времени для оценки необходимости и эффективности оперативного управления нагрузкой электросталеплавильного производства.

Замена профессионально-логических методов принятия решений в условиях неполноты первичной информации формализованными математическими процедурами позволяет повысить точность планирования и управления энергоемким производством с сокращением трудоемкости и времени на принятие решений, что особенно актуально в сложившихся рыночных условиях.

Разработанные методики прогнозирования могут использоваться в других отраслях промышленности, характеризующихся наличием энергоемких производств с непрерывным технологическим циклом и возможностью выделения производств-регуляторов для оперативного управления.

Реализация полученных результатов.

Методика планирования суточного электропотребления по часам и управления режимом внутри часа используется в ОАО «Нижноватомэнергосбыт» для обеспечения работы на оптовом рынке электроэнергии предприятий абонентов организации.

Разработанные методы прогнозирования параметров электропотребления рекомендованы решением Семинара-совещания руководителей и специалистов энергетических служб предприятий, научных и вузовских сотрудников, поставщиков электрооборудования «Практика работы по совершенствованию энергосбережения и развитию энергетических объектов предприятий» (Москва, 2007 г.) в виде методических указаний для предприятий черной металлургии России.

Апробация работы.

Основные положения диссертационной работы докладывались и обсуждались и получили положительную оценку на конференциях: VI научно-техническая конференция молодых ученых, аспирантов и студентов НИ РХТУ (Новомосковск, 2004 г.); Международная научно-практическая Интернет-конференция «ЭЭПС-2005» (Казань, 2005 г.); Всероссийская научно-техническая конференция «Электроэнергия: от получения и распределения до эффективного использования» (Томск, 2006 г.); Двенадцатая международная научно-техническая конференция студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 2006 г.); Всероссийская научно-практическая конференция с международным участием, посвященная 100-летию со дня рождения проф. А.А. Федорова (Москва, 2007 г.)

Публикации.

Основные результаты диссертационной работы опубликованы в одиннадцати печатных работах, три из которых в печатных изданиях, рекомендованных ВАК.

Структура и объем работы.

Диссертационная работа изложена на 132 страницах машинописного текста с 27 таблицами и 53 иллюстрациями. Список использованной литературы включает 149 наименований работ отечественных и зарубежных авторов. Работа состоит из введения, четырех глав, заключения и 4 приложений. Приложения представлены на 54 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность проблем оперативного планирования и управления электропотреблением энергоемких промышленных производств в условиях работы на ОРЭ, формулируются цели и задачи исследования.

В первой главе рассматриваются основные направления развития электрометаллургии стали в России и мире. Отмечено превышение энергоемкости процессов производства стали в электропечах по сравнению с зарубежными показателями и значительной долей стоимости энергоресурсов в себестоимости продукции заводов черной металлургии.

Выделен круг проблем электроснабжения потребителей, возникших, в том числе, в связи с демонополизацией рынков электроэнергии, опережающим ростом стоимости и ожидаемым дефицитом электроэнергии и вызвавших снижение конкурентоспособности продукции промышленных предприятий.

Рассмотрены организационные основы функционирования ОРЭ, нормативно-технические требования к участникам рынка и основы ценообразования в новой модели ОРЭ. Показаны изменения организационно-правовых и технико-экономических взаимоотношений между потребителями электроэнергии и субъектами электроэнергетики, в частности, с сетевыми и сбытовыми компаниями.

Обоснована возможность снижения издержек на производство потребителя участника ОРЭ путем повышения точности формирования заявок на потребление электроэнергии и минимизации отклонений по собственной инициативе. Показано, что на сегодня одними из основных направлений развития энергоменеджмента на промышленном предприятии являются: прогнозирование собственного планового почасового потребления; прогнозирование узловых цен в рынке на сутки вперед (РСВ) и индикаторов балансирующего рынка (БР) на соответствующий час торгов; определение оптимальной доли покупки на РСВ, связанное с оценкой стоимости риска покупки на БР; разработка эффективных мер по оперативному регулированию графика нагрузки.

Вторая глава посвящена анализу и выбору математического аппарата моделирования электрических показателей работы ДСП.

Показано, что в рамках розничного рынка расчеты за электроэнергию, например по двуставочному тарифу, предполагали определение лишь совмещенного получасового максимума графика нагрузки предприятия для его заявки. Моделирование же графиков нагрузки ДСП сводилось к определению статистических показателей: среднее значение нагрузки, коэффициент включения, коэффициент максимума, коэффициент вариации нагрузки, коэффициент формы графика, коэффициент использования номинальной мощности, коэффициент загрузки печного (для индивидуальных графиков) или силового (для групповых графиков) трансформатора, коэффициент мощности. Имеются типовые графики работы ДСП, но изменение технологии производства стали в электропечах и интенсификация процесса плавки привели к необходимости новых подходов для описания таких графиков, так как при малых интервалах осреднения из-за значительной неопределенности суточного электропотребления неприменимы вероятно-статистичесие методы, опирающиеся в пределе на нормальное распределение и оперирующие понятием «среднее», а процесс электропотребления не стационарный и не эргодический.

Решение задач прогнозирования и управления электропотреблением в условиях ОРЭ требует анализа данных по нагрузкам и расходу электроэнергии с 35-минутными интервалами осреднения. Это позволяет в пределах интервала регулирования (1 час) оценить динамику электропотребления и принять решение о необходимости включения или отключения электроприемниковрегуляторов нагрузки, учитывая их корреляционные связи с другими приемниками (производствами, цехами).

Обоснован выбор математических методов моделирования графиков нагрузки отдельно для задач оперативного планирования и управления электропотреблением. Показано, что система прогнозирования не может опираться на единственный подход и должна обеспечивать многовариантные расчеты по комплексу моделей.

При краткосрочном прогнозировании электропотребления применима модель авторегрессии – проинтегрированного скользящего среднего АРПСС (p, d, q):

Ф(B) d W(t) = (B) e t, (1)

где Ф(B)=1-Ф1В-Ф2В2-…-ФрВр – оператор авторегрессии порядка р; В – оператор сдвига назад W(t)=B(W(t+1)); (В)=1-1В-2В2-…-qВq – оператор скользящего среднего порядка q; d – оператор разности порядка d, 1W(t)=W(t)-W(t-1); еt – стационарный случайный процесс с нулевым математическим ожиданием и дисперсией е2. Случайная величина еt в модели является разностью прогнозного на один шаг вперед Wпр(t) и фактического значений электропотребления Wф(t):

e t=Wпр(t)-Wф(t). (2)

Для оперативного прогнозирования в случаях, когда аналитически невозможно определить вид зависимости параметров электропотребления от каких-либо факторов и не эффективно применение традиционных методов анализа временных рядов, предложено использование аппарата искусственных нейронных сетей (НС) с прямой передачей сигнала, к которым, в частности, относятся многослойные персептроны MLP (Multi-Layer Perceptron). При этом необходимо выбрать влияющие параметры, провести предобработку входных данных, включающую удаление пропусков, выбросов и требуемое масштабирование данных, выбор количества скрытых слоев, а также количества нейронов в каждом скрытом слое, выбор алгоритма обучения, а также данных, предназначенных для обучения НС.

Согласно методу наименьших квадратов, минимизируемой целевой функцией ошибки НС является величина:

, (3)

где – реальное выходное состояние нейрона j выходного слоя N НС при подаче на её входы p-го образа; djp – идеальное (желаемое) выходное состояние этого нейрона. Суммирование ведется по всем нейронам выходного слоя и по всем обрабатываемым сетью образам. Минимизация выполняется методом градиентного спуска:

, (4)

где wij – весовой коэффициент синаптической связи, соединяющей i-ый нейрон слоя n-1 с j-ым нейроном слоя n, – коэффициент скорости обучения, 0<<1.

Для повышения достоверности и надежности почасового прогнозирования применяется подбор типовых графиков из предыстории. При этом на основании цикличности производства и единого характера эксплуатационных регламентов (плановые остановки печей, плановые ремонты, пусковые режимы, эксплуатационные режимы) электросталеплавильного производства предполагается наличие в предыстории характерных по режиму электропотребления суток. Процедура прогнозирования в этом случае основывается на анализе исходных графиков электропотребления и выявлении устойчивых связей и циклических зависимостей.

Для решения задачи оперативного управления необходимо выделение энергоемких производств (технологических агрегатов), которые будут использоваться в качестве регуляторов нагрузки; прогнозирование электропотребления в пределах текущего периода отчетности; сравнение полученных прогнозных значений с заявленными и принятие решения о необходимости регулирования. Использование для построения прогнозов в этих условиях методов традиционного анализа временных рядов затруднено неопределенностью динамики графиков нагрузки ДСП с пятиминутным интервалом осреднения, поэтому задача была сведена к прогнозированию по одному параметру времени, на основании информации о предыдущем развитии процесса.

Для принятия решения о необходимости регулирования и выполнения отключения достаточно 15 мин (этот период согласован с технологами ЭСПЦ-2 ОАО «НКМК» и в работе полагается достаточным), поэтому оперативное регулирование предлагается проводить на основе данных об электропотреблении за 45 мин текущего часа (с интервалом осреднения в 5 мин) и прогноза электропотребления на оставшиеся 15 мин. В качестве регуляторов нагрузки рассматриваются крупнотоннажные ДСП, что обосновывается технологическими режимами их работы и широкими диапазонами возможного регулирования (3040% нагрузки всего предприятия). При этом длительность отключения, необходимая для минимизации отклонения часового электропотребления от заявленной величины, определяется по фактической мощности печи в текущий момент времени.

Для прогнозирования внутри часа обосновано использование аппарата нейронных сетей с нечеткой логикой (Adaptive-Network-Based Fuzzy Inference System ANFIS), которые обладают высокой скоростью обучения, простотой алгоритма и оптимальной проработанностью программного обеспечения в системе математического моделирования MATLAB 7.1, и устойчиво показывают точные результаты прогнозирования в энергетике.

Предложен математический аппарат прогнозирования электропотребления на основе подбора типовых графиков из предыстории, опирающийся на предположение о наличии в предыстории исчерпывающей информации о характерных технологических состояниях производства.

Третья глава посвящена разработке методов планирования и оперативного управления режимами электропотребления ДСП. В том числе рассмотрены методы построения оперативного прогноза часового электропотребления на двое суток вперед с помощью авторегрессионных моделей, нейронных сетей с прямой передачей сигнала. Предложены методы прогнозирования внутри часа подбором графика-аналога, применением нейро-нечеткой системы. Обоснована структура информационно-методического обеспечения задач оперативного планирования и управления электропотреблением.

Анализ данных по получасовым нагрузкам печей выявил несоответствие их нормальному закону распределения. Для статистического анализа и построения авторегрессионных моделей использовалось почасовое электропотребление за два месяца и данные третьего месяца для проверки точности прогноза.

Анализ автокорреляционной функции распределения нагрузки ДСП показал, что оптимальной для прогнозирования является модель АРПСС (2,0,0)(1,0,0), так как в исходных временных рядах отсутствует сезонная составляющая, а для учета наиболее значимых коэффициентов автокорреляции достаточно взятия одной разности.

Для прогнозирования нагрузки ЭСПЦ выбрана нейронная сеть с прямой передачей сигнала и использовалась статистическая отчетность по нагрузкам производства с интервалом осреднения в 30 мин 3120 значений. Для обеспечения независимости от технологов прогноз основывался на учете свойств временного ряда электропотребления. Значения получасовых нагрузок производства изменяются в широком диапазоне (2007 134938 кВт).

В качестве входного использовался вектор с тремя элементами: получасовые значения нагрузки ЭСПЦ, номер соответствующего получаса в сутках, номер соответствующего дня в неделе. Сеть имеет два слоя с тремя нейронами в первом слое и одним нейроном во втором слое (рис. 1). В качестве функций активации в первом слое используется гиперболический тангенс, во втором слое – линейная функция. В качестве алгоритма обучения была использована процедура обратного распространения на временном ряде получасовых нагрузок ЭСПЦ (3000 значений); для проверки точности прогноза модели – 120 значений. Алгоритм обучения с помощью процедуры обратного распространения заключается в следующем: на входы сети подается один из возможных образов; рассчитываются отклонения для выходного слоя; рассчитываются изменения весов слоя N; рассчитываются отклонения и изменения весов для всех остальных слоев; производится коррекция всех весов в нейронной сети; если ошибка сети существенна, то производится переход на первый шаг расчетов; в противном случае – алгоритм завершается.

Рис. 1. Архитектура нейронной сети с прямой передачей сигнала.

Анализ динамики ошибки работы сети на проверочной выборке показывает, что сеть достигла насыщения (обучилась) на 80-й итерации.

Для прогнозирования внутри часа подбором графика-аналога из предыстории используются пятиминутные значения нагрузки ДСП-1 и ДСП-2, полученные с помощью автоматизированной системы учета электроэнергии. Формируются часовые графики нагрузки (12 значений 5-минутного потребления). Предыстория – 45 минут (девять значений мощности P5i, i = 1... 9). Часовые графики классифицируются по форме для получения характерных групп графиков и усредненных графиков для каждой группы. Применяются формализованные процедуры кластерного анализа.

После применения кластерного анализа данные сгруппированы в кластеры (выделены 24 группы графиков), характеризующие схожие технологические состояния.

Однако внутри одного кластера графики могут иметь большой разброс, поэтому дополнительно следует исследовать нагрузки всех печей, электропотребление которых определяет электропотребление ЭСПЦ в целом.

Анализ динамики электропотребления печей показал независимость времени технологического цикла и удельных показателей по отдельным плавкам.

Предполагая, что данные предыстории отражают все возможные технологические состояния печей и, находя фрагмент графика, соответствующий текущему за 45 мин, по его продолжению, можно оценить дальнейшее развитие процесса. Прогноз необходимо выполнять по каждой печи, а суммарный график нагрузки и будет прогнозным для ЭСПЦ.

Таким образом, основную часть задачи оперативного регулирования можно считать решенной в случае, если известны прогнозный график нагрузки на последние 15 мин часа и заявленное значение электропотребления на этот час, то есть величина отклонения электропотребления за текущий час от заявленного. Далее, зная величину отклонения и мощности печей, производится расчет времени отключения печей в различных режимах работы, необходимого для соблюдения заявки, поданной на РСВ.

Для получения инвариантного оперативного прогноза на час вперед предложено использовать нейро-нечеткую сеть типа Сугэно, имеющую два входа x и один выход y (рис. 2).

Рис.2. Архитектура нейронной сети с прямой передачей сигнала.

В качестве входов сети используются две выборки: 1) пяиминутные значения нагрузки Pi (i = 1,..., 96) для восьми часов, предшествующих прогнозируемому. В выборку также входят значения номера часа в сутках, тип дня (рабочий, выходной) и номера интервала (пятиминутки) прогноза; 2) почасовые значения нагрузки Pi (i = 1,..., 96) для четырех часов, предшествующих прогнозируемым (48 значений), и для тех же часов предыдущих суток (48 значений). С помощью функции genfis2 синтезируется модель первого порядка с использованием субтрактивной кластеризации (метод, не использующий итерационных процедур оптимизации и позволяющий быстро экстрагировать нечеткие правила). Временной ряд входных переменных должен быть разделен на тренировочную и тестовую выборки. На каждом шаге в модель добавляется одна входная переменная, обеспечивающая минимальное значение среднеквадратической ошибки на тренировочной выборке.

Общий алгоритм работы потребителя в нерегулируемом секторе рынка, позволяющий решить поставленные задачи, включает: 1) базу данных по параметрам функционирования промышленного объекта; 2) блок формирования почасовой заявки на потребление электроэнергии; 3) блок оперативного управления. Необходима разработка автоматизированных систем обработки информации, которые дополнят существующие автоматизированные системы коммерческого учета и автоматизированные системы диспетчерского управления. База данных имеет иерархическую структуру, отвечающую на каждом уровне единым принципам построения, интерфейсам, методам обработки данных. Предложена нормализованная реляционная форма базы данных для обеспечение задач: 1) прогнозирования электропотребления на интервале упреждения до двух суток и подачи заявки на электропотребление на РСВ; регулирования электропотребления в пределах текущего часа на основе оценки возможных рисков в режиме реального времени. База данных должна содержать следующее: 1) значения электропотребления промышленного объекта с интервалом осреднения 5 мин объемом не менее 3400 последовательно зафиксированных значений; 2) значения электропотребления промышленного объекта с интервалом осреднения 1 час (30 мин) объемом не менее 2000 (4000) последовательно зафиксированных значений; 3) плановые и фактические объемы выпуска основных видов продукции; 4) объемы потребления тепла, объемы сырьевых потоков и т.д. Пополнение базы данных осуществляется информацией АСКУЭ, данными плановых и производственных отделов предприятия.

В четвертой главе на основе предложенных методов разработаны методики оперативного прогнозирования и управления электропотреблением, которые реализованы на примере электросталеплавильного цеха ОАО «НКМК» и предложена методика технико-экономического обоснования необходимости и эффективности применения методик.

Реализация почасового прогноза электропотребления на двое суток вперед выполнена с применением ARIMA-моделей. Для прогноза нагрузки печей произведено определение коэффициентов модели АРПСС (2,0,0)(1,0,0). Для ДСП-1 была получена зависимость: Р(t)=68,86+0,4872·Р(t-1)+0,4151·Р(t-2); для ДСП-2: Р(t)=65,73+0,4752·Р(t-1)++0,4341·Р(t-2). Предложенная модель позволила адекватно описать почасовой расход электроэнергии (рис. 3, 4). Автокорреляционная функция остатков не содержит значимых коэффициентов автокорреляции, а гистограмма распределения ошибок прогноза имеет математическое ожидании близкое к нулю.

Рис. 3. Фактическое и прогнозное значение получасовой нагрузки ДСП-1.

Рис. 4. Фактическое и прогнозное значение получасовой нагрузки ДСП-2.

Для этой же задачи в целях верификации результатов реализована методика применения нейронной сети с прямой передачей сигнала. В результате обучения сети получены матрицы весовых коэффициентов и смещений для структуры, соответственно, из двух слоев с тремя нейронами в первом слое и одним нейроном во втором:

, ,

, b2=2.8125.

Работоспособность модели подтверждается сравнением фактических и прогнозных значений нагрузки цеха (рис. 5).

Рис. 5. Прогнозное и фактическое значение получасовой нагрузки ЭСПЦ-2 ОАО «НКМК».

Реализована математическая модель прогнозирования почасового электропотребления ЭСПЦ. При этом прогноз почасового электропотребления выполняется путем подбора для каждого дня типового графика электропотребления в зависимости от дня недели и его номера. Исходными данными является часовое электропотребление ЭСПЦ-2 за один месяц.

Аппроксимацей временного ряда часового электропотребления функцией из ряда Фурье для временного ряда электропотребления получена зависимость вида:

, (4.1)

где W – расчётное значение электропотребления; t – номер дня; a, a1, a2, a3, b, b1, b2, b3, – коэффициенты уравнения. a = 2,7794025; b = 1288,2939; a1 = -79,293175; b1 = -70,008428; a2 = 23,141769; b2 = -64,238205; a3 = 71,37161; b3 = -39,070825.

На основании проведенного кластерного анализа выявлено семь характерных групп графиков (кластеров), каждая из которых характеризует определенное технологическое состояние. Таким образом, получены типовые графики часового электропотребления. Прогнозные значения зависят от дня недели и его номера и кластера. Получены нормированные по среднему значению графики кластеров.

Таблица прогнозных значений почасового электропотребления (табл. 1) формируется автоматически путем последовательного сложения нормированных значений часового электропотребления и среднего значения суточного электропотребления, полученного с помощью функции Фурье. Погрешность прогнозирования изложенным методом в 96% случаев не превышает 8,3 %.

Таблица 1

Прогнозные значения часового электропотребления, кВтч

Дата	День недели	Wp сут, кВтч	Номер часа
			1	2	3		23	24
01.06.04	Вт	1417633	73682	65815	54727		51731	38755
02.06.04	Ср	1059915	52084	46817	42025		47107	15203
03.06.04	Чт	1314746	59256	73653	71259		76557	37415

Дополнительным критерием соответствия графика нагрузки на прогнозируемые сутки и типового графика одного из выделенных кластеров служит суточное электропотребление, прогнозное значение которого определяется на основе моделей авторегрессии и аппарата искусственных нейронных сетей.

Каждому кластеру с типовым графиком нагрузки ставится в соответствие ряд параметров: типовой график нагрузки; месяц; день недели; состояние производства (нормальная работа, ремонт одной из печей и т.д.); суточное электропотребление по типовому графику; объемы выпуска по видам выплавляемого металла; количество плавок по видам металла. По каждому параметру для кластера необходимо указать среднее значение и разброс значений показателя относительно среднего.

Оперативный прогноз внутри часа выполняется подбором графика-аналога из предыстории пятиминутных замеров электропотребления ДСП-1 и ДСП-2 (по минимуму среднеквадратичного отклонения текущего графика нагрузки и всех графиков нагрузки из предыстории). Прогноз производится по графикам нагрузки каждой печи за 45 минут текущего часа. Последние три значения графика-аналога каждой печи являются прогнозными. Далее производится переход от графиков нагрузки печей к графику ЭСПЦ. 67% всех прогнозов имеют погрешность не выше 2,5%. Погрешность практически всех прогнозов в 96% случаев не превышает 7,5%, что, исходя из условий работы промышленных потребителей в новой модели ОРЭ, можно признать удовлетворительным.

Алгоритм отбора переменных для нейро-нечеткой системы модифицирован путем суммирования в результате работы функции среднеквадратичных ошибок на тестовой и тренировочной выборках. На каждом шаге в модель добавляется одна входная переменная, обеспечивающая минимальное значение среднеквадратической ошибки на тренировочной и тестовой выборках. В результате установлено, что наименьшая ошибка прогноза достигается при количестве входных переменных, равных четырем. С помощью функции anfis производится обучение системы на исходных выборках. Время, затраченное на генерацию нечеткой системы и ее обучение, составило 9 сек. Нейро-нечеткая система типа Сугено смогла достаточно точно описать тренировочную выборку. Средняя ошибка прогноза составила 1,25%. Максимальная ошибка 3,18%, минимальная 0,09% (рис. 6).

Рис. 6. Прогноз электропотребления ЭСПЦ-2 с 00:00 по 01:55 02.01.2005 г.

Заключительной частью расчетов являются вычисления значения регулируемого параметра. Зная величину превышения заявки, номинальную мощность каждой из печей, можно рассчитать время, на которое необходимо отключить каждую печь, чтобы не превысить величину заявленного электропотребления.

В конечном виде на основании подобного расчета должно быть принято решение по управлению сталеплавильным производством. При этом учитывается, что печи в данный момент могут иметь мощность, отличную от номинальной.

Методика внутричасового прогноза и оперативного регулирования нагрузки ДСП программно реализована. Создано приложение «Контрольный модуль АСКУЭ» с помощью системы визуального программирования Delphi 7. Доступ к базам данных, осуществляется с помощью платформы Borland Database Engine (BDE), которая должна устанавливаться на все компьютеры, где выполняется приложение, осуществляющее работу с базами данных.

Приложение предоставляет пользователю возможность просмотра базы данных в форме графиков с интервалом осреднения 5 мин и 1 час соответственно. При этом дата (время) начального и конечного значения графика задается в отдельных полях программы. Используется реляционный способ доступа к данным. Приложение включает в себя программный модуль, позволяющий в полуавтоматическом режиме производить оперативное планирование объемов электропотребления в пределах текущего часа и формировать рекомендации по управлению производственными мощностями.

Для оценки «постфактум» технико-экономического эффекта от внедрения разработанных методик планирования выполнен анализ фактических и предполагаемых результатов хозяйственной деятельности ЭСПЦ-2 ОАО «НКМК». Моделирование проводилось исходя из условий выхода производства полной мощностью в нерегулируемый сектор оптового рынка электроэнергии.

Проанализирована динамика изменения величины почасовых отклонений электропотребления ЭСПЦ от заявленного графика. Для производства характерно недопотребление, что при работе на ОРЭ означает покупку «недопотребленных» объемов на РСВ и продажу их на БР. Исходными данными для анализа послужили почасовые значения цен на электроэнергию на РСВ и БР с 01.01.2007 г. по 03.01.2007 г. по группе точек поставки той же ценовой зоны («Сибирь»), в которой работает ОАО «НКМК». Значения цен сопоставлялись значениям фактического почасового электропотребления ЭСПЦ-2 и соответствующим отклонениям от заявленного графика.

Выполнен прогноз почасового электропотребления производства на двое суток вперед (с 01.04.2004 г. по 03.04.2004 г.). Средняя ошибка прогнозирования составила 5,6%. Данные по фактическому потреблению за указанный период в не включались в обучающую и проверочную выборки при построении сети, что свидетельствует об устойчивости прогнозов на основе созданной модели. Вычислялись значения стоимости объемов отклонения электропотребления производства за двое суток для работы: 1) без применения методик оперативного планирования; 2) с использованием результатов почасового прогнозирования для формирования заявки на РСВ. Суммарная стоимость отклонений (за двое суток) в первом случае составила 74,4 тыс. руб., во втором 48,9 тыс.руб. Для аналогичных вариантов работы были вычислены значения стоимости полных объемов электроэнергии, потребляемой ЭСПЦ-2 за двое суток: без применения прогнозных моделей 1349,4 тыс. руб.; при использовании результатов прогнозирования 1308,8 тыс. руб. Таким образом, технико-экономический эффект от использования разработанной методики при корректном применении моделей может достигать 3,5% от общей стоимости электроэнергии.

Для анализа ценовых рисков от участия в нерегулируемом секторе рынка выполнен краткосрочный прогноз нерегулируемой цены на электроэнергию. Авторегрессионный анализ показал, что в ряду изменения цены существуют устойчивые колебания с периодом в восемь часов. На основании этого сделано предположение, что условная дисперсия процесса изменения нерегулируемых цен постоянна и не зависит от истории процесса, и для прогноза возможно применение GARCH-моделей.

В соответствии с алгоритмом: 1) вычисляются начальные приближения параметров y с условием положительности вычисляемых на их основе условных дисперсий; 2) вычисляются остатки t(y) = yt - Xt; 3) вычисляются условные дисперсии t2 и градиенты остатков dt / dy; 4) вычисляются градиенты условных дисперсий Ht; 5) производится вычисление условной информационной матрицы t-го наблюдения и величины вклада в градиент t-го наблюдения; 7) выполняется оценка искусственной регрессии; 8) проверяется выполнение правила остановки алгоритма. Производится вычисление коэффициентов прогнозной модели для параметра yt+1 и начинается новая итерация. После того, как итеративный алгоритм сойдется (подтвердится правило остановки), на основе ковариационной матрицы из искусственной регрессии вычисляются стандартные ошибки параметров и t-статистики.

Получен прогноз значений нерегулируемой цены на двое суток (рис. 7). Анализ результатов показал, что полученная модель хорошо описывает процесс изменения почасовых цен при горизонте прогнозирования в пределах 24 значений (средняя ошибка прогноза составляет 7,4%).

Рис. 7. Фактические и прогнозные значения почасовых нерегулируемых цен

на электроэнергию с 30.05.2007 г. по 31.05.2007 г.

Таким образом, возможна оценка необходимости и эффективности оперативного управления производственными мощностями путем оценки стоимости электроэнергии, приобретаемой по конкурентной цене, «до и после» регулирования. Необходимость регулирования определяется сравнением прогнозной стоимости потребляемых объемов электроэнергии и стоимости, определенной при бизнес-планировании в качестве «максимально рентабельной».

Основные выводы по работе:

1. Разработана структура и создана пополняемая реляционная база данных по суточным, часовым и пятиминутным параметрам электропотребления электрометаллургического производства; определен необходимый минимум электрических показателей для информационного обеспечения оперативного прогнозирования и управления электропотреблением;

2. Рассмотрены, проверены на адекватность и адаптированы для электросталеплавильного производства различные методы анализа (корреляционно-регрессионный, дисперсионный, кластерный) и прогнозирования временных рядов (искусственные и гибридные нейронные сети, ARIMA-модели, методы аппроксимации временных рядов);

3. Доказано, что система прогнозирования и управления электропотреблением не может опираться на единственный подход и должна обеспечивать многовариантные расчеты по комплексу моделей: авторегрессионных, нейронных сетей с прямой передачей сигнала и построенных на основе разработки типовых графиков для задач почасового прогнозирования; нейронных сетей с нечеткой логикой и построенных на основе подбора типового графика для прогнозирования и управления внутри часа.

4. Разработана методика прогнозирования параметров электропотребления электросталеплавильного производства (на двое суток вперед по часам и внутри часа с интервалом в пять минут) для целей минимизации финансовых рисков при работе в нерегулируемом секторе оптового рынка электрической энергии.

5. На базе программно-математических комплексов STATISTICA 6.0, MATLAB 7.1, MsEXCEL и системы визуального программирования Delphi 7 создан комплекс алгоритмов и программ для обеспечения оперативного прогнозирования и управления электропотреблением с достаточной точностью, повышающих эффективность и удобство работы.

6. Минимальная ошибка прогнозирования по фактическому временному ряду на основе разработанной методики составила: 1,25% для внутричасового прогноза и 5,7% для почасового прогноза на двое суток вперед. Ошибка находится в пределах точности, достаточной для оперативного управления режимами электропотребления и планового прогнозирования заявки и оплаты потребляемой электроэнергии и мощности.

7. Разработан метод определения рыночных рисков в режиме реального времени для автоматизированной оценки службой главного энергетика необходимости и эффективности оперативного управления нагрузкой в новой модели оптового рынка электроэнергии на основе почасового прогноза нерегулируемых цен, что позволило получить экономический эффект в размере 3,5%.

В приложениях приведены результаты анализа статистического материала по часовым и получасовым значениям нагрузки с пятиминутным интервалом осреднения электросталеплавильного чеха (ЭСПЦ-2) ОАО «НКМК», а также почасовые значения цен на электроэнергию на рынке на сутки вперед и балансирующем рынке.

Основные положения диссертации отражены в следующих публикациях:

1. Кудрин Б.И., Ошурков М.Г., Новиков С.С. Терминологическое обеспечение прогнозирования электропотребления и организации энергосбережения по регионам // Материалы Международной науч.-практ. Интернет-конференции «Электрооборудование и электрохозяйство: процессы и системы управления ЭЭПС-2005». Казань: КГТУ, 2005. С. 8286.

2. Новиков С.С. Управление электропотреблением дуговых печей при выходе на оптовый рынок электроэнергии // Кибернетика электрических систем: Материалы XXIX сессии Всероссийского семинара «Электроснабжение», г. Новочеркасск, 1315 ноября 2007 г. Новочеркасск: Ред. Журн. «Изв. вузов. Электромеханика», 2008. С. 2933.

3. Новиков С.С. Оперативное управление электропотреблением металлургических предприятий как средство снижения рыночных рисков // Вестник МЭИ – 2008. – № 1. – С. 13–19.

4. Исаев А.С, Новиков С.С., Черников А.Л. Прогнозирование электропотребления ЭСОП. //Материалы VI научн.-техн. конф. молодых ученых, аспирантов и студентов НИ РХТУ: тез. докл. – Новомосковск, 2004. – С. 195.

5. Новиков С.С. Перспективы работы Большегрузных ДСП на оптовом рынке электроэнергии // Электрификация металлургических предприятий Сибири. Вып. 12. Томск: Изд-во Том. ун-та, 2005. С. 8085.

6. Кудрин Б.И., Новиков С.С. Основания регулирования и управления режимами электропотребления большегрузных дуговых печей при выходе на оптовый рынок электроэнергии // Радиоэлектроника, электротехника и энергетика: Двенадцатая междунар. науч.-техн. конф. студентов и аспирантов: Тез. докл. В 3-х т. М.: МЭИ, 2006. Т.2. С. 368369.

7. Новиков С.С., Ошурков М.Г. Оперативное управление электропотреблением в условиях оптового рынка // Материалы Всероссийской науч.-тех. Конференции «Электроэнергия: от получения и распределения до эффективного использования». Томск: Изд-во ТПУ, 2006. С.4547.

8. Новиков С.С., Николаев М.Е. Программное обеспечение оперативного планирования и управления электропотреблением крупных электросталеплавильных производств // Материалы очередной ежегодной Международной научно-технической конференции «Энергосбережение. Энергооборудование. Энергопотребление» и семинара «Третья научная картина мира и проблемы электрики» (Калининград, Калининградский государственный технический университет, 810 февраля 2006 г.). Томск: Изд-во Том. ун-та, 2006. С. 266268.

9. Новиков С.С. Задачи потребителей в новой модели рынка электроэнергии // Электрификация металлургических предприятий Сибири. Вып. 12 / под ред. проф. Б.И. Кудрина. М.: Издательский дом МЭИ, 2007. С. 212216.

10. Новиков С.С., Макаренко И.Г. Ценообразование в условиях новой модели оптового рынка электроэнергии // Электрика. – 2007. – № 9. – С. 8–14.

11. Новиков С.С. К вопросу о задачах потребителей в условиях новой модели рынка электроэнергии // Электрификация металлургических предприятий Сибири. Вып. 13. К 100-летию со дня рождения проф. А.А. Фёдорова. – Технетика, 2007. С. 212216.

Подписано в печать

Заказ. Тираж 100 экз. Печ. л. 1,25.

Полиграфический центр МЭИ (ТУ)

111250, г. Москва, Красноказарменная ул., 13