Содержание
Вопросы, связанные с повышением эффективности эксплуатации систем электроснабжения (далее — СЭС) промышленных предприятий в настоящее время становятся все более актуальными.
В России функционирует конкурентный оптовый рынок электроэнергии и мощности (далее — ОРЭМ), на котором покупают электроэнергию большинство крупных промышленных предприятий страны.
В условиях рыночной экономики, для предприятий одним из мероприятий по повышению конкурентоспособности производимой продукции является снижение затрат на оплату электрической энергии.
Способы учета электроэнергии на предприятиях
Особенно это важно для предприятий с существенной долей затрат электроэнергии на выпуск продукции:
- Цветная металлургия.
- Химическая промышленность.
- Горнодобывающая промышленность и так дале.
В связи с тем, что стоимость электроэнергии на ОРЭМ для каждого часа суток может существенно отличаться, нужно вести речь не только о снижении расхода электроэнергии (в кВт/ч) на единицу продукции, но н о снижении стоимости (в рублях) этого расхода.
При этом, для крупных, энергоемких производств оптимизация затрат на электроэнергию может являться основным и порой единственным способом повышения конкурентоспособности выпускаемой продукции в условиях неизменности технологий производства.
Как правило, график потребления электроэнергии формируется на предприятии исключительно по требованиям технологического процесса, без какого-либо учета возможностей оптимизации затрат на покупку электроэнергии. Естественно, существуют технологические процессы, вмешательство в которые практически невозможно.
Это сложные, непрерывные основные технологические процессы:
- Электролиз на предприятиях цветной металлургии.
- Синтез на химических предприятиях.
- Работа конвейера на предприятиях машиностроения и тому подобное.
Помимо упомянутых процессов, на предприятия есть ряд других технологических процессов:
- Создание запасов сжатого воздуха компрессорами.
- Наполнение резервуаров жидкости насосами и тому подобное.
- Электроприемники которых могут быть использованы при наличии системы регулирования потребления электроэнергии на предприятии.
Это регулирование зачастую производится формально, с целью выравнивания графика нагрузки, без учета разницы стоимости электроэнергии по часам суток.
На ОРЭМ существуют два сектора:
- Рынок на сутки вперед (далее — РСВ), где предприятие покупает запланированный объем электропотребления.
- Балансирующий рынок (далее — БР), где предприятие докупает разницу между фактически потребленным объемом электрической энергии и запланированным объемом.
Максимальная стоимость электроэнергии на разные рынки может быть больше минимальной, в частности:
- Для РСВ может быть больше минимальной в 1,2-1,5 раза.
- Для БР может быть больше минимальной в 2-2,5 раза.
При этом часы с максимальной и минимальной ценой не обязательно приходятся на часы максимума и минимума энергосистемы и изменяются каждый день.
График нагрузки на сеть в рабочие дни представлен на рисунке 1:
График нагрузки на сеть в выходные дни представлен на рисунке 2:
Таким образом, регулирование нагрузки предприятия, должно производиться с учетом стоимости электроэнергии в каждый конкретный час.
При этом регулирование нагрузки необходимо осуществлять как на этапе планирования объемов покупки электроэнергии на РСВ, так и в процессе работы предприятия, для снижения отклонения фактически потребленных объемов электроэнергии от объемов, купленных на РСВ.
Разработка подобных алгоритмов управления в России проводились в:
- Саратовском государственном техническом университете.
- Калининградском государственном техническом университете.
- Московском энергетическом институте.
Наряду с этим, существует необходимость в дальнейшем уточнении алгоритмов управления, для учета прерываемых и непрерывных процессов электропотребления, в условиях динамически изменяющихся цен на электроэнергию.
Как можно управлять потреблением электроэнергии с помощью Smart Grid
Затраты электроэнергии на единицу продукции и стоимость этих затрат определяются эффективностью эксплуатации СЭС промышленного предприятия.
Для повышения эффективности эксплуатации СЭС и, соответственно, снижения затрат на электрическую энергию необходимо осуществлять комплекс мер, который можно назвать «управление потреблением электроэнергии» (далее -УПЭ).
УПЭ включает в себя такие вопросы как:
- Планирование электропотребления.
- Планирование и проведение ремонтов электрооборудования.
- Регулирование нагрузки.
- Управление потерями электрической энергии.
- Энергосбережение.
- Компенсацию реактивной мощности (далее — КРМ) и ряд других.
В настоящее время в мире активно разрабатывается концепция «умных», или активно-адаптивных сетей — Smart Grid, позволяющих в полной мере реализовать процессы УПЭ.
В России исследованиями в этой области занимаются:
- Московский энергетический институт.
- Институт комплексных исследований в энергетике.
- Федеральная сетевая компания.
- Холдинг МРСК.
- НТЦ Электроэнергетики.
Системы Smart Grid представляют собой программно-аппаратные комплексы, включающие в себя следующие подсистемы [1]:
- Интеллектуальные счетчики (Smart Metering).
- Динамическое управление системой электроснабжения (Dynamic Grid Management).
- Регулирование нагрузки (Demand Response).
Система Smart Grid позволяет собирать информацию о работе СЭС предприятия. Интеллектуальные счетчики, являющиеся одним из низкоуровневых звеньев этой системы, позволяют осуществлять технический учет электропотребления в реальном времени и с высокой точностью, и передавать данные учета в центральный модуль системы.
Интеграция Smart Grid представлена на рисунке 3:
На основании собранной информации о фактическом режиме работы СЭС можно осуществлять:
- Планирование (прогнозирование) электропотребления.
- Осуществлять управление электропотреблением в реальном времени снижение.
- Производить увеличение нагрузки.
- Отключение части электроприемников.
- Управлять устройствами КРМ.
- Выполнять включение собственных генерирующих установок.
Мероприятия по УПЭ должны осуществляться с учетом ограничений, накладываемых технологическим процессом предприятия. Данные мероприятия могут осуществляться как в автоматическом режиме самой системой Smart Grid, так и в автоматизированном режиме диспетчером.
Основные интеллектуальные составляющие системы Smart Grid это:
- Динамическое управление системой электроснабжения.
- Регулирование нагрузки.
Управление системой напрямую завязаны на прогнозирование состояния системы электроснабжения.
Точное и своевременное прогнозирование позволяет предприятию снизить величину дополнительной, вызванной неточностью прогнозирования, платы за электропотребление, а также правильно спланировать мероприятия по регулированию нагрузки.
Проблеме прогнозирования потребления электроэнергии посвящены множество работ как отечественных [2, 3, 4], так и зарубежных [5, 6] ученых и исследователей.
В качестве методов прогнозирования электропотребления предлагаются:
- Математико-статистические.
- Вероятностные методы.
- Методы регрессионного анализа.
- Методы, основанные на искусственных нейронных сетях и другие.
Многие исследователи в своих работах [7, 8, 9] отмечают хорошие прогнозные способности искусственных нейронных сетей (ИНС) при прогнозировании электропотребления.
Существенным достоинством нейронных сетей является:
- Адаптивность ИНС, а именно способность динамически подстраиваться к изменяющимся условиям, что является одним из ключевых факторов при построении модуля прогнозирования в составе Smart Grid.
- Кроме того, ИНС обладают хорошими обобщающими способностями и способны выявлять н учитывать сложные нелинейные зависимости одних величин от других. В данном случае зависимости электропотребления и удельного расхода электроэнергии на единицу продукции от различных влияющих факторов (прежде всего объемов производства продукции).
Вместе с тем, интеллектуальными методами управления системой электроснабжения следует пользоваться с осторожностью, так как не всегда они способны обеспечить стабильные и адекватные сигналы управляющих воздействий.
Например, качество обучения ИНС зависит от начальной инициализации весов, которая каждый раз осуществляется случайным образом.
Поэтому, использование дополнительных процедуры проверки и достоверизации принимаемых решений является обязательным условием при проектировании компонентов Smart Grid.
На основании проведенных изысканий можно сделать следующие выводы:
- Для повышения конкурентоспособности промышленного предприятия необходимо повышать эффективность эксплуатации его системы электроснабжения с помощью активного управления электропотреблением.
- Для управления электропотреблением целесообразно использовать «умные сети» Smart Grid.
- Для обеспечения хороших прогностических способностей модуля прогнозирования, являющегося неотъемлемой частью Smart Grid, рекомендуется использовать искусственные нейронные сети.
- В составе Smart Grid для анализа фактического режима работы СЭС и формирования управляющих сигналов для систем динамической компенсации реактивной мощности, управления потерями и регулирования нагрузки можно использовать хорошие обобщающие свойства и возможность обучения искусственной нейронной сети.
Список литературы
- Smart Grid Strategies for a Global Marketplace // Cisco http://newsroom.cisco.com/dlls/2009/ts_092409 html.
- О прогнозах потребления электроэнергии в условиях рыночной экономики России / Н.Л. Авдеева, Ю.М. Коган, А.Е. Романов // Энергетик — 2003. -№ 7. — С. 9 — 12.
- Пути и результаты совершенствования методов прогнозирования электропотребления / А.В. Белан, В.И. Гордеев, А.В. Демура, И.И. Надтока // Промышленная энергетика. — 1993. -№ 9-10. — С. 23 — 26.
- Использование современных подходов и методов для прогнозирования электропотребления / Ю.А. Борцов, Н.Д. Поляхов, И.А. Приходько, Е.С. Анушина // Электротехника. — 2006. — № 8 — С. 30 — 32.
- Сравнительные модели прогнозирования электрической нагрузки / Д.В. Бэйн, Е.Д. Фармер, Пер. с англ -М.: Энергоатомиздат, 1987. — 568 с.
- Mahidahs, S. Forecasting: methods and applications. / S. Makridakis, S. Wheelwright, R. Hyndman — N-Y.: John Wiley & Sons, 1998 -420 p.
- Краткосрочное прогнозирование суточных графиков нагрузки на основе искусственных нейронных сетей / А.В. Демура // Известия вузов Электромеханика — 1998 -№ 2/3. — С. 69 — 71.
- Прогнозирование электрической нагрузки с использованием искусственных нейронных сетей / В.Г. Курбацкий, Н.В. Томин // ЭЛЕКТРИКА — 2006. -№ 7. — С. 26 — 32.
- Использование нейронной сети для краткосрочного прогнозирования электропотребления промышленного предприятия / И.В. Воронов, Е.А. Политов, В.М. Ефременко // Вестник КузГТУ. — 2006.- К о в — С. 71 – 73.
Источник: Повышение эффективности эксплуатации систем электроснабжения предприятий путем комплексного использования Smart Grid и нейронных сетей / И.В. Воронов, Е.А. Политов // Вестник КузГТУ. — 2012. — №2. — C. 63-66.
