Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии тема диссертации и автореферата по ВАК РФ 05.09.03, кандидат технических наук Новиков, Сергей Сергеевич

  • Новиков, Сергей Сергеевич
  • кандидат технических науккандидат технических наук
  • 2008, Москва
  • Специальность ВАК РФ05.09.03
  • Количество страниц 186
Новиков, Сергей Сергеевич. Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии: дис. кандидат технических наук: 05.09.03 - Электротехнические комплексы и системы. Москва. 2008. 186 с.

Оглавление диссертации кандидат технических наук Новиков, Сергей Сергеевич

ВВЕДЕНИЕ.

ГЛАВА 1. КРУПНОЕ ЭЛЕКТРОСТАЛЕПЛАВИЛЬНОЕ ПРОИЗВОДСТВО В УСЛОВИЯХ РЫНКА ЭЛЕКТРОЭНЕРГИИ.

1.1. Тенденции развития электрометаллургии стали в мире.

1.2. Реструктуризация электроэнергетики и проблемы электрообеспечения' потребителей.

1.3. Позиционирование потребителя на рынках электроэнергии и основы ценообразования.

1.4. Цели и задачи'исследования.

ГЛАВА 2. МАТЕМАТИЧЕСКИЙ-АППАРАТ АНАЛИЗА И МОДЕЛИРОВАНИЯ ЭЛЕКТРИЧЕСКИХ ПОКАЗАТЕЛЕЙ РАБОТЫ ДСП.

2.1. Особенности-графиков нагрузки, ДСП как объекта-математического анализа.

2.2. Математическое описание графиков нагрузки ДСП для задач оперативного планирования;.

2.2.1. Описание графика нагрузки как временного ряда.

2.2.2. Применение математического аппарата нейронных сетей.

2.2.3. Разработка типовых суточных графиков на основании предыстории.5О

2.3. Математическое обеспечение оперативного управления электропотреблением.

2.3.1. Прогнозирование часового электропотребления по графикам-аналогам.

2.3.2. Применение нейронных сетей с нечеткой логикой.

2.4. Оценка эффективности планирования и оперативного управления электропотреблением.

ГЛАВА 3. МАТЕМАТИЧЕСКИЕ МОДЕЛИ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ.

3.1. Построение оперативного прогноза часового электропотребления на двое суток вперед.

3.1.1. Авторегрессионные модели.

3.1.2. Нейронные сети с прямой передачей сигнала.

3.2. Прогнозирование на основе выбора характерных суток.

3.3. Прогнозирование внутри часа.

3:3.1. Метод подбора графика-аналога.

3.3.2. Применение нейро-нечеткой системы.

3.4. Информационно-методическое обеспечение задач оперативного планирования и управления электропотреблением. g

ГЛАВА 4. РАЗРАБОТКА МЕТОДИКИ ОПЕРАТИВНОГО ПРОГНОЗИРОВАНИЯ И УПРАВЛЕНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЕМ.

4.1. Реализация почасового прогноза электропотребления на двое суток вперед.

4.1.1. Применение ARIMA-моделей.

4.1.2. Нейронные сети с прямой передачей сигнала.

4.1.3. Прогнозирование на основе разработки типовых.графиков.

4.2. Реализация оперативного прогноза электропотребления внутри часа.

4.2.1. Прогнозирование методом подбора графика-аналога.

4.2.2. Прогнозирование на основе нейронных сетей с нечеткой логикой.

4.3. Программная «реализация алгоритмов внутричасового прогноза и оперативного регулирования нагрузки ДСП.

4.4. Методика технико-экономического обоснования необходимости и эффективности оперативного планирования и управления электропотреблением ЭСПЦ.

РЕЗУЛЬТАТЫ И ВЫВОДЫ.

Рекомендованный список диссертаций по специальности «Электротехнические комплексы и системы», 05.09.03 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии»

Конкурентоспособность продукции электроемких отраслей промышленности во многом определяется эффективностью энергоиспользования и стоимостью-продукции и услуг электроэнергетики, нефтегазовой промышленности, транспортной'отрасли. Рост производства и динамичное изменение конъюнктуры, мировых рынков, в: высшей степени; актуализируют проблему экономии электроэнергии; Энергетическая? стратегиям развития; России до 2020-2025 гг. предусматривает снижение электроемкости ВВП:по средним темпам 2,4—3,7 % в год, и на 80%- в целом к 2020 г. по сравнению с уровнем: 1995- г. [ 126]. При этом1 потребность промышленности в. электроэнергии к 2015 г. прогнозируют на уровне 600 млрд кВтч [21]. Таким образом, функционирование предприятий в новых экономических, условиях требует измененияшодходов* к оценке и повышению эффективности использования ТЭР^

Изменения в электроэнергетике, связанные с. ее реструктуризацией, открывают потребителям новые возможности повышениягрентабельности производства: Запуск-в конце 2006 г. новой модели оптового рынка электроэнергии обусловил динамичное развитие энерготрейдинга в рамках внутреннего рынка и постепенное: повышение значимости технико-экономического аспекта взаимоотношений потребителя с субъектами электроэнергетики. Выгода от выхода на оптовый рынок для большинства крупных предприятий, с учетом значительных затрат в обеспечение всех организационно-технических требований, оборачивается: иногда экономическими потерями: из-за, некачественного планирования (месячного по суткам и суточного по часам электропотребления), приводящего; к штрафным санкциям. Поэтому необходима выработка для каждого предприятия целостной»стратегии:поведения*на рынке,.опирающейся на оперативные прогнозирование, планирование, управление электропотреблением. Такая постановка задачи требует дополнения системы показателей электрохозяйства данными о часовых, 3—5-минутных замерах параметров электропотребления по точкам поставки и привлечения математических методов моделирования процессов электропотребления на этих интервалах, основываясь на иерархии схемы электроснабжения потребителя.

В> черной металлургии, которая остается одной из самых энергоемких отраслей в стране (доля электропотребления составляет 8—10% от общероссийского) [80], затраты в себестоимости продукции на приобретение основных ТЭР достигают 30-35% (электроэнергия - до 11%) [51]. Существующий уровень производства обуславливает также значительное отставание по ряду основных технико-экономических показателей от металлургии развитых стран (по данным Аналитического Центра "Национальная металлургия" средняя энергоемкость выплавки стали выше на 20-30%). Предприятия отрасли были построены для выпуска продукции в массовых объемах в рамках требований загружать технологическое оборудование до 95-98 [42, 113]. В электросталеплавильном производстве, в частности, всё советское время сохранялись тенденции к увеличению единичной мощности дуговых электропечей (ДСП). Речь шла о большегрузных печах как основном направлении развития, и итогом в области электрометаллургии стали решения об увеличении единичной мощности ДСП, максимальной унификации, переходе к типовому ряду печей 50, 100 и 150 т. В электросталеплавильных цехах (ЭСПЦ), сооружавшихся в стране в последние десятилетия; предусматривалась, в основном, установка ДСП именно такой емкости [1, 51, 112]. Предприятия черной металлургии, имеющие ДСП, 30-40% от мощности всего производства расходуют на выплавку электростали. Режим работы ДСП определяет график нагрузки отдельно взятого комбината и влияет на электропотребление района в целом, так как режимы электрических нагрузок характеризуются значительной неравномерностью потребления по времени суток и дням недели. Для экономичности работы систем электроснабжения таких потребителей большое значение имеет оперативное управление электропотреблением энергоемких производств и агрегатов.

Теоретически обосновано и практически подтверждено [28, 86, 121], что для прогнозирования потребления электроэнергии не существует общего, единого метода: каждое производство содержит индивидуальные технологические циклы, которые, суммируясь, образуют уникальный временной процесс. Одна» ко во всех производственных циклах потребления энергии можно найти общие черты, тем самым образуя методическую базу для выполнения точного прогноза. Этой проблематике посвящено множество работ [18, 23, 36, 58, 127], но созданные ранее методы анализа и прогнозирования электропотребления строились в основном исходя из стационарности развития объектов исследования. I

Современные же условия существования объектов хозяйственной деятельности требуют совершенствования^методов анализа и прогноза в условиях нестабильI ности социальных и экономических процессов, и' с учетом' особенностей того сегмента рынка, участие в котором стратегически и экономически обосновано для потребителя.

Одним из перспективных направлений исследований можно считать анализ и прогнозирование параметров электропотребления исходя из рассмотрения i электрического хозяйства крупного промышленного предприятия как большой системы [45, 54]. При этом необходимо-учитывать, что управление ею должно опираться, с одной стороны, на системные кибернетические представления, а с другой — на ценологические, использующие методы самоорганизации [90]. Кроме того, создание устойчивой системы учета, позволяющей адекватно описывать реальные процессы потребления электроэнергии и дающей возможность наблюдения за каждой административной и производственной единицей, с учетом свойства больших систем иметь различные описания (образы) в разных "системах координат", недостижимо. Тогда актуально для каждого конкретного предприятия (ЭСПЦ, ДСП) разработать методику прогнозирования с учетом индивидуальности технологического объекта и особенностей схемы электроснабжения вниз от границььраздела "потребитель-субъект электроэнергетики" с использованием автоматической' регистрации технологического электропотребления и имеющейся» отчетности, что обеспечит возможность принятия решений в условиях неопределенности [57].

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 оптовом рынке электроэнергии. Подобные решения с внедрением специализированных средств конечного пользователя открывают новые возможности анализа, исследования, менеджмента и позволяют: удешевить производство благодаря снижению расходов на электроэнергию; сравнивать существующий уровень * энергопотребления1 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.

Целью работы- является* 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 yчeтoм^ выполнения договорных параметров на границе раздела- субъект электроэнергетики".

Цель работы достигается решением следующих задач:

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.

Научная новизна при решении поставленных задач:

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 ш регулирования часового1 расхода электроэнергии энергоемкого промышленного производства для новой1 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 прогнозирования1 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.

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 научнопрактическая конференция с международным участием, посвященная 100-летию со дня рождения проф. А.А. Федорова (Москва, 2007 г.)

Публикации. Основные результаты диссертационной работы опубликованы в 11 печатных работах, 3 из которых в печатных изданиях, рекомендованных ВАК.

Похожие диссертационные работы по специальности «Электротехнические комплексы и системы», 05.09.03 шифр ВАК

Заключение диссертации по теме «Электротехнические комплексы и системы», Новиков, Сергей Сергеевич

РЕЗУЛЬТАТЫ И ВЫВОДЫ

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 для1 электросталеплавильного производства различные методьь 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 подбора1 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 языка программирования С++ 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 оценки 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%.

Список литературы диссертационного исследования кандидат технических наук Новиков, Сергей Сергеевич, 2008 год

1. Авдеев В.А. и др. Информационный банк "Черметэлектро" / Авдеев В.А., Кудрин Б.И., Якимов А.Е. М.: Электрика, 1995. - 400с.

2. Авдеев В.А. и др. Основы проектирования заводов черной металлургии / Авдеев В.А., Друян В.М., Кудрин Б.И. М.: Интермет Инжиниринг, 2001. -510с.

3. Адно Ю. Мировая металлургия на пороге нового столетия // МЭиМО. 2001. №8. С. 59.

4. Айвазян С.А., Енюков И.С., Мешалкин Л.Д Прикладная статистика: Основы моделирования и первичная обработка данных. — М.: Финансы и статистика, 1983. — 472 с.

5. Алиев Р.А., Церковный Л.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.-241 с.

6. Андерсон Т. Статистический анализ временных рядов. — М.: Мир, 1976. -756 с.

7. Аракелов В.Е., Кремер А.И. Методические вопросы экономии энергоресурсов М.: Энергоатомиздат, 1990. - 192 с.

8. Афонин С.З. Сталеплавильное производство России и конкурентоспособность металлопродукции // Электрометаллургия. 2003. № 1.С. 2-5.

9. Бавин А. Лаптева А. Естественный отбор в стальном мире: выживает сильнейший. Режим доступа: http://www.uln.nmet.ru/a/2007/01/23/289.html, свободный. — Заглавие с экрана. — Яз. рус.

10. Базы знаний интеллектуальных систем/ Т.А. Гаврилова, В.Ф. Хорошевский СПб: Питер, 2000. - 384 с.

11. Баркин О. Новая модель оптового рынка электроэнергии (мощности)// Энергорынок. 2006. № 2. С. 18-22.

12. Бартоломей П.И., Ерохин П.М., Паниковская Т.Ю. Стратегия поведения субъектов на оптовом рынке электроэнергии // Электрика. 2005. № 6.

13. Белан А.В., Гордеев В.И. Прогнозирование электропотребления на основе многофакторного регрессионного и корреляционного анализов // Проблемы энергосбережения. Вып.7. К.: Наукова думка, 1991.

14. Бендат Д., Пирсол А. Прикладной анализ случайных данных. — М.: Мир, 1989.-540 с.

15. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. -М.: Мир, 1974, вып. 1.-406 е.; вып. 2. 200 с.

16. Бондаренко А.Ф., Лисицин Н.В., Морозов Ф. Я., Окин А.А., Семенов В.А. Зарубежные энергообъединения. — М.: Издательство НЦ ЭНАС, 2001. — 359 с.

17. Боровиков В.П., Ивченко, Г.И. Прогнозирование в системе STATISTICA в среде Windows. Основы теории и интенсивная практика на компьютере. — М.: Финансы и статистика, 2000. 384с.

18. Бэнн Д.В., Фармер Е.Д. Сравнительные модели прогнозирования электрической нагрузки: Пер. с англ. М.: Энергоатомиздат, 1987. 200 с.

19. Вагин Г.Я., Лоскутов А.Б., Шалаев С.А. Основные направления экономии энергии на металлургических предприятиях // Промышленная энергетика. 1995. №9. С. 12-15.

20. Влияние дуговых электропечей на системы электроснабжения / Под ред. М.Я. Смелянского и Р.В. Минеева. М. : Энергия, 1975.

21. Волков Э.П., Баринов В.А., Маневич А.С. Проблемы и перспективы развития электроэнергетики России. М.: Энергоатомиздат, 2001. — 432 с.

22. Гительман Л.Д., Ратников Б.Е. Энергетический бизнес: Учеб. пособие. 2-е изд., испр. - М.: Дело, 2006. - 600 с.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.