//Электрометаллургия. – 2008. – № 10.– С. 39–43.

 

СУТОЧНОЕ И ПОЧАСОВОЕ ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ МЕТАЛЛУРГИЧЕСКОГО ПРЕДПРИЯТИЯ ДЛЯ ЗАДАЧ РАБОТЫ НА ОПТОВОМ РЫНКЕ ЭЛЕКТРОЭНЕРГИИ.

 

М. Г. Ошурков, С. С. Новиков, П. А. Ширяев

 

Повышение энергоэффективности потребителей возможно при осуществлении комплекса технических и технологических мер, направленных на оптимизацию электропотребления, обеспечивающих снижение платы за электроэнергию. Изменения в электроэнергетике, связанные с ее реструктуризацией, требуют разработки новых подходов и открывают новые возможности потребителей в повышении энергоэффективности. В частности, запуск новой модели оптового рынка электроэнергии (ОРЭ) обусловил динамичное развитие энерготрейдинга в рамках внутреннего рынка и постепенное повышение значимости технико-экономического аспекта взаимоотношений потребителя с субъектами электроэнергетики. Так, в ОАО "Магнитогорский металлургический комбинат" уже девять лет функционирует отдел управления рисками, в сферу деятельности которого входит управление рыночными рисками.

В настоящее время на ОРЭ участники подают заявки на плановое почасовое потребление, где указывается планируемый объем потребления электроэнергии на каждый час и стоимость данного объема, по которой заявитель готов приобрести электроэнергию. На основании конкурентного отбора заявок поставщиков и покупателей на рынке формируется цена на каждый час, по которой и совершаются сделки. Фактическое потребление участников рынка отличается от запланированного, поэтому для покупки/продажи недостающих/избыточных объемов, существует балансирующий рынок, где на основании заявок производителей, готовых обеспечить фактический режим потребления в узлах ЕЭС, в каждый час складывается цена балансирующего рынка на покупку и продажу объемов отклонений фактического потребления от оплаченного планового объема участника рынка. Следует отметить, что в рамках подобной модели рынка возможно только качественное (в процентах от предыдущих показателей) определение эффекта от внедрения мер по снижению платы за электроэнергию, так как стоимостные характеристики результатов работы на ОРЭ зависят от действия системы энергоменеджмента в целом и определяются по факту торгов.

Для снижения рыночных рисков и экономического ущерба от неточности подачи заявки на ОРЭ предлагается рассматривать прогноз параметров электропотребления крупного промышленного предприятия как часть системы риск-менеджмента. Теоретической основой служат прогнозные методы, методики и модели, разрабатываемые с начала 90-х годов прошлого века [1, 2] (а также сайт Kudrinbi.ru). Рассмотрим прогнозирование электропотребления с интервалом осреднения − сутки и час для задач планирования на примере ОАО "Новокузнецкий металлургический комбинат", для которого величина максимального отклонения часового электропотребления от заявленного составляет около 14%, минимальное отклонение – 0,17%. При этом: среднее потребление электроэнергии по ЭСПЦ-2: в час – 118 291,6 кВт*ч, суммарное потребление электроэнергии по ЭСПЦ-2 за месяц – 82 330 934,4 кВт*ч, что составляет в среднем 53% электропотребления всего комбината. Стоимость электроэнергии, потребленной ЭСПЦ-2 за месяц, – 45 158 517 руб. (приводится статистика 2003 – 2004  гг.).

Выбранный в соответствии с решаемой задачей и характером статистической информации о предприятии подход предполагает разложение временного ряда электропотребления электросталеплавильного цеха ЭСПЦ-2 ОАО в ряд Фурье.

Исходными данными для анализа и построения суточного прогноза являются статистические данные фактического электропотребления и выпуска продукции за 100 дней, что позволяет отладить модель и использовать результаты в дальнейшем. Анализ электропотребления ЭСПЦ-2 и площадки ОАО НКМК в целом показал наличие связи (коэффициент корреляции значим и равен 0,75). Выявлена практически линейная связь между фактическим производством стали и фактическим электропотреблением ЭСПЦ-2 за сутки. Можно с уверенностью полагать, что электропотребление НКМК в целом зависит от производства стали, а остальные факторы учитываются константами модели. На основании корреляционного анализа графиков электропотребления ЭСПЦ-2 за каждую календарную неделю (всего 13) из предыстории (табл. 1) были выделены графики, имеющие сильную связь.

1. Матрица коэффициентов корреляции графиков электропотребления ЭСПЦ-2

 

Нед  1

Нед 2

Нед 3

Нед 4

Нед 5

Нед 6

Нед 7

Нед 8

Нед 9

Нед 10

Нед 11

Нед 12

Нед 13

Нед 1

1

0,93

0,93

0,46

0,93

-0,41

-0,06

-0,18

0,94

0,95

0,94

0,96

-0,26

Нед 2

0,93

1

0,87

0,67

0,86

-0,56

0,26

-0,20

0,86

0,97

0,98

0,93

-0,02

Нед 3

0,93

0,87

1

0,42

0,85

-0,17

-0,13

0,01

0,80

0,90

0,86

0,94

-0,13

Нед 4

0,46

0,67

0,42

1

0,39

-0,57

0,45

-0,49

0,43

0,60

0,68

0,62

0,68

Нед 5

0,93

0,86

0,85

0,39

1

-0,34

-0,04

-0,19

0,98

0,91

0,85

0,88

-0,30

Нед 6

-0,41

-0,56

-0,17

-0,57

-0,34

1

-0,68

0,14

-0,38

-0,55

-0,48

-0,35

-0,11

Нед 7

-0,06

0,26

-0,13

0,45

-0,04

-0,68

1

0,14

-0,10

0,20

0,12

-0,08

0,40

Нед 8

-0,18

-0,20

0,01

-0,49

-0,19

0,14

0,14

1

-0,36

-0,07

-0,37

-0,30

-0,18

Нед 9

0,94

0,86

0,80

0,43

0,98

-0,38

-0,10

-0,36

1

0,88

0,88

0,90

-0,30

Нед 10

0,95

0,97

0,90

0,60

0,91

-0,55

0,20

-0,07

0,88

1

0,92

0,93

-0,07

Нед 11

0,94

0,98

0,86

0,68

0,85

-0,48

0,12

-0,37

0,88

0,92

1

0,95

-0,03

Нед 12

0,96

0,93

0,94

0,62

0,88

-0,35

-0,08

-0,30

0,90

0,93

0,95

1

-0,02

Нед 13

-0,26

-0,02

-0,13

0,68

-0,30

-0,11

0,40

-0,18

-0,30

-0,07

-0,03

-0,02

1

 

На основании установленного периода изменения, равного 7 дням, временной ряд электропотребления ЭСПЦ-2 был аппроксимирован периодической функцией:

,      (1)

где  W – расчётное значение электропотребления; t – порядковый номер дня; a, a1, a2, a3, b, b1, b2, b3 − коэффициенты аппроксимации, определяемые путём минимизаций суммы модулей разностей фактических и расчётных значений (a=2,89; a1= -104,53; a2= 28,57; a3= 113,16; b= 1278,47; b1= -95,84; b2=-103,34; b3= -62,11). Результаты прогнозирования используются на практике, хотя и потребовали уточнения. На следующем этапе была создана математическая модель часового электропотребления ЭСПЦ-2. Исходные данные − часовое электропотребление ЭСПЦ-2 за один месяц с указанием даты, дня недели и номера часа (табл. 2).

2. Фактические значения часового электропотребления (Wф, кВтч) ЭСПЦ-2

Дата

День недели

τ, ч

00-01

01- 02

 

22- 23

23- 24

01.05.2004

Сб.

53486,4

70646,4

 

61828,8

25291,2

02.05.2004

Вс.

64468,8

71227,2

. . .

79464

17635,2

03.05.2004

Пн.

72019,2

65313,6

 

60244,8

20539,2

 

 

. . .

 

 

 

 

28.05.2004

Пт.

25872

38280

 

41131,2

8659,2

29.05.2004

Сб.

34584

40339,2

 

33211,2

19008

30.05.2004

Вс.

37276,8

18216

. . .

40022,4

4699,2

31.05.2004

Пн.

36062,4

31838,4

 

24868,8

17582,4

Прогнозные значения суточного электропотребления на месяц вперед  получаются аппроксимацией временного ряда часового электропотребления функцией из ряда Фурье (1). Коэффициенты аппроксимации вычисляются методом наименьших квадратов. Аппроксимированные значения часового электропотребления приведены на рис. 1.

Рис. 1. Фактический и расчетный графики электропотребления ЭСПЦ-2.

 

Прогноз почасового электропотребления на следующий месяц выполняется путем подбора для каждого дня типового графика и в зависимости от дня недели и его номера в месяце (например − вторая пятница).

В первом случае, полагая, что типовые графики характеризуют определенные технологические состояния каждого дня недели [3], из исходной табл. 3 формируются значения часового электропотребления за каждый понедельник, вторник, среду и т.д. Путем вычисления средних значений часового электропотребления по каждому дню недели (Wср.i, где i=1, …, 24) формируются типовые графики (рис. 2), и по полученным значениям определяется среднесуточное электропотребление за каждый день недели.

Рис. 2. Типовые графики часового электропотребления по дням недели.

Затем вычитанием из каждого значения типовых графиков дней недели среднего значения за соответствующие сутки получаем нормированные графики по среднему значению за сутки.

Так как прогноз выполняется путем подбора типового графика в зависимости от дня недели, например, прогноз часового электропотребления на каждый понедельник месяца получается путем сложения среднего прогнозного значения, вычисленного с помощью функции Фурье, и нормированного графика отклонения от среднего. На остальные дни недели прогноз выполняется аналогично.

На основе кластерного анализа могут быть выявлены характерные группы графиков (кластеры), каждая из которых характеризует определенное технологическое состояние, поэтому типовыми графиками часового электропотребления (рис. 3) будут являться средние значения этих кластеров.

Рис. 3. Типовые графики часового электропотребления по кластерам

 

Прогноз будет зависеть от дня недели, его порядкового номера в месяце и принадлежности определенному кластеру. Таким образом, нормированное электропотребление получается вычитанием из каждого значения типовых графиков по кластерам среднего значения за соответствующий кластер.

Прогноз значений электропотребления получают аналогично первому случаю − путем последовательного сложения нормированных значений часового электропотребления за соответствующий день и среднего значения суточного электропотребления, полученного с помощью функции Фурье на этот день (табл. 3). Ошибка прогнозирования в обоих случаях колеблется в пределах 3,47÷7,26 %, что не удовлетворяет формальным "требованиям" ОРЭ по стопроцентной точности заявки объемов потребления, однако значительно превосходит результаты прогнозов, выполняемых в настоящее время на крупных металлургических предприятиях.

3. Значения электропотребления за каждый день недели (кВт*ч)

 

1

2

3

…

22

23

24

Пн.

72019,2

65313,6

76084,8

67848

60244,8

20539,2

Пн.

61934,4

63043,2

81576

74236,8

75609,6

27033,6

Пн.

37382,4

59294,4

60403,2

58502,4

63465,6

45883,2

Пн.

30835,2

65313,6

48417,6

22968

26980,8

10982,4

Пн.

36062,4

31838,4

20697,6

38596,8

24868,8

17582,4

…

Вс.

64468,8

71227,2

38755,2

…

62990,4

79464

17635,2

Вс.

72547,2

60984

68112

63360

75820,8

27244,8

Вс.

70065,6

56601,6

74659,2

65472

60139,2

35006,4

Вс.

55915,2

56548,8

41448

54542,4

52377,6

17265,6

Вс.

37276,8

18216

36379,2

17793,6

40022,4

4699,2

 

Модель часового электропотребления реализована на основе системы визуального программирования Delphi 7 в виде программного приложения, позволяющего, автоматизировать сбор данных по фактическому электропотреблению предприятия, хранить и обрабатывать полученные данные в соответствии с разработанным алгоритмом, использовать информацию в цифровом или графическом виде. Разработанное приложение, предоставляя возможность прогнозировать электропотребление двумя различными методами, позволяет производить также экспертный выбор прогноза для утверждения заявленного графика нагрузки.

Таким образом, созданную систему суточного и почасового прогнозирования электропотребления в комплексе с системой мер по  оперативному управлению производственными мощностями может использоваться как средство программно-информационной поддержки управления рисками, возникающими при работе на ОРЭ.

 

Список литературы

1. Кудрин Б.И., Жилин Б.В., Лагуткин О.Е., Ошурков М.Г. Ценологическое определение параметров электропотребления многономенклатурных производств // Тула: Приок. кн. изд-во, 1994, 122 с.

2. Фуфаев В.В., Лагуткин О.Е., Матюнина Ю.В. Прогнозирование электропотребления и оценка энергосбережения по критериям Н-распределения  // Промышленная энергетика.  1996.  № 9. С. 28 – 32.

3. Янюшкин М.В. Организация краткосрочного прогнозирования параметров электропотребления крупных промышленных предприятий: Дис. канд. техн. наук. М.; МЭИ, 2003. 176 с.