УДК 621.311.4.016.2.001.2

 

ОПРЕДЕЛЕНИЕ ДОГОВОРНОЙ МОЩНОСТИ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ

Кудрин Б. И., доктор техн. наук

Гипромез,   Москва

Прокопчик В. В., канд. техн. наук, Иванова Н. В., инж.

 

В настоящее время одной из сложных задач планиро­вания электропотребления промышленных потребителей является определение договорной (заявленной) мощности для часов максимальных нагрузок энергосистемы. При ре­шении этой задачи предприятия «Энергонадзор» пользуют­ся материалами [1], регламентирующими порядок опреде­ления и контроля максимальной мощности. В принципе ма­ксимальная мощность предприятия определяется из выра­жения:

                                                                                                                         (1)

где А_сут — среднесуточное планируемое электропотребление для рабочего дня расчетного периода, кВтч; k_з(у.в) — ко­эффициент заполнения (утренний, вечерний), определяемый из суточного графика нагрузки предприятия за «режимные» дни.

В настоящее время признано, что расчеты по форму­ле (1) дают большую погрешность из-за низкой точности исходных данных. Действительно, фактические значения А_сут для предприятий непостоянны во времени. Результа­ты обработки статистических данных для 70 промышлен­ных предприятий региона показывают, что А_сут для рабо­чих суток конца и начала месяца в большинстве случаев отличаются на 30-80 %. Однако есть и такие предприя­тия, где значения А_сут в течение рабочих суток отличают­ся в 3—5 раз. В связи с этим' использование некоторого среднего значения А_сут для квартала или месяца, естест­венно, приводит к среднему (условному) значению Р_max. Кроме того, значения k_з(у.в) находят из суточного графика, который можно рассматривать как единичное «сечение» реализации случайной функции длительностью полгода. Несмотря на то, что графики нагрузки предприятий за «режимные» дни снимаются под контролем предприятий «Энергонадзор», потребители электроэнергии создают удобный для них график, который приближенно отражает фактический режим потребления электроэнергии. Расчеты авторов в части оценки корреляционных связей графиков за «режимные» дни с графиками за другие дни для ряда предприятий показали неустойчивость таких связей.

В последние годы разрабатываются новые методы определения максимальной мощности предприятий [2], использующие среднесменную мощность или мощность на более коротких интервалах времени. Однако получить та­кие данные можно путем измерения этих величин только для отдельных потребителей, а для массовых расчетов

при заключении договоров на пользование электроэнергией это представляется невозможным.

Повышения точности расчетов по выражению (1) мож­но достигнуть, если при определении А_сут воспользоваться системным подходом к описанию режимов электропотреб­ления предприятия, который получил некоторое распростра­нение при решении задач классификации систем электро­снабжения [3]. При этом предлагается использовать мето­ды многомерной статистики, которые основаны на обраще­нии к системному анализу рассматриваемого явления, основных его составляющих и их связей.

Для решения задач управления электропотреблением авторами создана база данных (БД) по электрическому хозяйству промышленных предприятий региона. Такая БД сформирована в виде многоуровневой распределительной системы. С учетом специфики задач управления электри­ческим хозяйством предприятий логическая структура БД выполнена в виде функционально различных систем; А – кодирование предприятий по принципу административного деления в регионе (принадлежность к отрасли промыш­ленности, производственному объединению); В – «кален­дарное» накопление информации в виде основных и допол­нительных электрических показателей (суточное, месячное, квартальное, годовое); С – программное обеспечение (комплекс программ по прогнозированию, кластерному и корреляционно-регрессионному анализу). При создании БД использовались формы статотчетности 11-сн, 24-Э, данные о суточном электропотреблении предприятий и графики электрических нагрузок за «режимные» дни.

На первом этапе исследовалась устойчивость развития электрического хозяйства предприятий. С этой целью была осуществлена типологическая группировка потребителей региона по годовому электропотреблению и графикам электрических нагрузок за «режимные» дни.

Потребители группировались с помощью иерархиче­ской системы кластерного анализа, принцип действия ко­торой заключается в следующем: вначале каждый объект (потребитель) рассматривается как отдельный кластер, за­тем последовательно объединяются в кластер два ближай­ших объекта, а в конечном итоге − два самых отдаленных. Мера сходства между объектами принимается как мера типа «расстояние» R_{ki kj}, которая находится следующим образом [4]:

                                                                                                            (2)

где ω_n — вес n-го признака   (принимается   от 0 до 1); m_{n ki} и m_{n kj} − средние значения n-го признака по классам k_i и k_j.

Таблица 1

Номер класса	Число устойчиво сохраняю­щихся элементов при вероят- ности принадлежности к классу				Число элемен­тов  в классе	Состав элементов ядра  (в процентах от общего числа элементов)
1	1	—	—	—	1	100
2	1	—	—	2	3	33
3	1	—	—	2	3	33
4	21	7	2	4	34	82
5	—	—	—	1	2	50
6	—	—	—	2	2	Неустойчивый
7	—	—	—	2	2	Неустойчивый
8	1	—	—	—	1	100
9	1	—	—	—	1	100
10	1	—	—	—	1	100
11	4	5	4	2	15	60
12	—	1	—	4	5	20
13	—	2	—		2	100
14	1	—	—	—	1	100
15	1	—	—	—	1	100

По междуклассовому расстоянию∆R_kikj, фиксируемому на каждом этапе классификации, находят оптимальное разбиение (выявляется вариант, для которого приращение ∆R_kikj оказывается минимальным по сравнению с после­дующим шагом). Такое разбиение принимается в качестве базового. Расчеты, проведенные для 232 предприятий ре­гиона, показали, что оптимальным для этих условий является разбиение на 15 классов. Результаты классифи­кации при разбиении на оптимальное число классов по графикам электрических нагрузок за зимний («режимный») день 1984—1987 гг. приведены в табл. 1.

Рассматривая результаты классификации по графикам электрических нагрузок, можно отметить следующее: 13 из 15 классов оказались устойчивыми, что составляет около 86 % состава исследуемой выборки. При этом у 7 классов ядро составило 100 % общего состава класса. Классы 4 и 11, содержащие наибольшее число элементов, имеют наи­более высокий процентный состав элементов ядра (82 и 60%).

Аналогичные расчеты при классификации по годовому электропотреблению показали, что устойчивыми оказались 14 из 15 классов.

При этом у 10 классов элементов ядра составили 100 % общего состава класса и у 2 классов − 90 %.

Полученные результаты показывают, что при класси­фикации предприятий региона по годовому электропотреб­лению больше число устойчивых классов и более высокий процентный состав элементов ядра, чем при классификации по графикам электрических нагрузок. В целом результаты классификации показывают устойчивость развития электри­ческого хозяйства предприятий во времени и допусти­мость применения методов многомерной статистики при решении задач управления электропотреблением. Например, задача лимитирования мощности предприятий [2] может решаться для каждого кластера отдельно (в каждый класс входят конкретные предприятия, обладающие похожими свойствами в части формирования максимума нагрузки). Однако индивидуальные особенности каждого предприятия учитываются при этом приближенно, так как они описы­ваются только таким интегральным показателем, как го­довое электропотребление А_год.

 

Таблица 2

Примечание. А_сут − среднее суточное зиачение электропотреблення, соответствующее данному классу;  N − число суток  (дней) исследуемого   периода,   попадающих     в   конкретный класс; − среднеквадратическое отклонение значений признака в каждом классе.

 

Таблица 3

 

                                                                                                                                                                     Таблица    4

Код предприятия в базе данных	Электрическая мощность
	Фактическая, кВт	Договорная– рассчитана по методике [1], кВт	Отклонение от фактической, кВт(%)	Договорная–рас­считана по методике авторов, кВт	Отклонение от факти­ческой, кВт (%)
001 002 005 032	64720/61000 4800/3600 2968/2961 3600/2900	72643/72643 5500/4788 3253/3345 3800/3304	7923/11643(12,2/19,1) 700/1188(14,6/33) 285/384(9,6/12,9) 200/404(5,5/13,9)	66250/60996 5340/3361 3027/3112,7 3642/2769,9	1530/4(2,36/6,5∙10-3) 540/239(11,2/6,6) 59/151,7(1,9/5,1) 42/131(1,2/4,5)
Итого по группе из 22 предприятий	139017/130324	153189/149738	14172/19414(10,2/14, 8)	146435/136198	7418/4874(5,33/3,73)

Примечание.  В   числителе  приведены   данные  для   утреннего   максимума нагрузки, в знаменателе − для вечернего.

 

Для анализа внутренней структуры показателя А_год предлагается представить его в виде последовательности суточных значений. Такой структурный анализ позволяет выделить классы, имеющие близкие значения суточного электропотребления на месячном и квартальном циклах. При этом классы характеризуются средним значением су­точного электропотребления, числом суток с близкими значениями электропотребления и среднеквадратическим отклонением признака (в каждом классе). Учитывая сезон­ную специфику электропотребления, группировку проводили для зимнего (I и IV кварталы) и летнего (II и III квар­талы) периодов года. Исследуемая выборка включала 43 предприятия различных отраслей промышленности с последовательностями суточных значений электропотреб­ления за три предшествующих года. Анализ междуклассо­вой изменяемости R_{ki kj} показал, что оптимальным явля­ется разбиение на 10 классов.

Поясним на конкретном примере принцип классифика­ции суточного электропотребления предприятия. В табл. 2 приведена структурная группировка суточного электропо­требления ПО «Гидроавтоматика» за зимний период. Наи­более представительными (по числу дней), являются клас­сы; 6−8 (1986 г.); 4−6 (1987 г.); 5−7 (1988 г.). Общее число дней характерных классов составляет около 88 % числа рабочих дней предприятия. Класс с наибольшим чис­лом рабочих суток принят в качестве базисного. Если по данным табл. 2 построить графики распределения электро­потребления в порядке убывания значений, то получим ряд устойчивых во времени соотношений (табл. 3).

Анализ результатов такой классификации для промыш­ленных предприятий региона показал, что электропотреб­ление верхней, базисной и нижней ступеней не попадает на выходные, праздничные и предпраздничные дни и в сумме охватывает от 75 до 90 % рабочих дней. Причем в верхнюю ступень попадают дни, относящиеся к концу месяца, а в базисную – ко второй половине месяца (чаще всего с 15-го до 25-го); в нижнюю же ступень попадают дни первой декады. Если рассматривать динамику времен­ных рядов электропотребления по ступеням, то они ока­зываются устойчивыми во времени, что позволяет с вы­сокой точностью прогнозировать электропотребление каж­дой ступени на перспективу. Прогнозирование таких устойчивых рядов можно вести по методу [5] или вос­пользоваться методом коэффициентов темпов роста.

Прогнозирование суточного электропотребления пред­приятия для базисной ступени в конечном итоге позволяет найти договорную мощность предприятия по формуле (1). При этом вместо А_сут используется прогнозное значение А_{сут.прогн.}.        

Для проверки предлагаемой методики определения до­говорной мощности предприятий авторами проведено боль­шое число расчетов для промышленных потребителей ПЭО «Гомельэнерго». В качестве предыстории для таких расче­тов использованы данные по суточному электропотребле­нию предприятий за 1986−1988 гг. Результаты расчетов договорной мощности по методике [1] и предлагаемой методике приведены в табл. 4. С целью сопоставления результатов (фактических и прогнозных) расчеты приведе­ны для декабря 1989 г. Поскольку в декабре регистриру­ются параметры электропотребления зимнего («режимно­го») дня, то по результатам измерений в табл. 4 приво­дятся данные по отклонению значений договорной мощно­сти от фактических значений.

В целом можно отметить, что точность расчетов до­говорной мощности по предлагаемой методике более вы­сокая, чем по [1]. Она может быть еще более высокой, если указанная мощность будет регламентироваться не на месяц и квартал, а по декадам. При этом методами кла­стерного анализа нужно находить электропотребление базисной ступени для каждой декады месяца, а затем прогнозировать значение электропотребления на перспек­тиву и в конечном итоге находить значение договорной мощности предприятия на каждую декаду.

 

 

СПИСОК ЛИТЕРАТУРЫ

1. Инструктивные материалы    Главгосэнергонадзора.– 3-е изд., перераб.  и доп. М.:   Энергоатомиздат,  1986.

2.   Гордеев В.  И., Демура А.  В. Методика расчета ли­митов  мощности.– Промышленная энергетика,  1988, № 6.

3.   Прокопчик  В. В.  Системный подход   к управлению электрическим  хозяйством  и режимами    работы    электро­оборудования промышленных предприятий.– В кн.: Электрификация металлургических предприятий Сибири. Томск: Томский ун-т, 1989. Вып. 6.

4.  Андриксон Г. А., Глаз А. Б. Методы решения задач распознавания образов.– Рига:  ЛатвНИИТИ,  1985.

5.   Прокопчик В. В., Кудрин Б. И., Якимов А. Е. Прогноз  электропотребления    промышленных    предприятий  на основе  индуктивного  метода самоорганизации.– Изв. вузов. Энергетика, 1986, № 5.

ОТ РЕДАКЦИИ

Определение максимальной электрической мощности предприятия имеет большое значение как для самого предприятия, так и для энер­госистемы. Предлагаемая авторами методика предполагает наличие достаточно объективной входной информации.