Прогнозирование и планирование потребления электроэнергии на примере ОАО "Красноярскэнеросбыт"

Размещено на http://www.allbest.ru/

Содержание

Введение

1. Краткая характеристика предприятия

1.1 История развития ОАО "Красноярскэнеросбыт"

1.1.1 Создание "Энергосбыта"

1.1.2 ОАО "Красноярскэнергосбыт" сегодня

1.2 Деятельность ОАО "Красноярскэнеросбыт"

2. Прогнозирование электропотребления в современных условиях

2.2 Планирование электропотребления с использованием программного комплекса СМА "Система оптимизации балансов ГП"

Заключение

Список использованных источников



Введение

Сегодня электроэнергетическая отрасль переживает серьезные изменения, а это означает, что для предприятий, так или иначе вовлеченных в оборот электрической энергии, существенно усиливается неопределенность предпринимательской среды. С одной стороны, сами по себе глубокие структурные преобразования в макро энергетике, когда административные рычаги управления единой вертикально интегрированной системой меняются на рыночные механизмы взаимодействия множества самостоятельных субъектов, несут в себе опасность для отрасли и экономики страны в целом. С другой стороны, переход от полностью регулируемой со стороны государства цены на электроэнергию к ее рыночному определению также становится существенным фактором риска (неопределенности) как для производителей электроэнергии, так и для предприятий, потребляющих электричество.

Развитие оптового рынка электроэнергии подразумевает, в частности, ужесточение конкуренции за потребителей, что стимулирует энергосбытовую организацию к совершенствованию технологии взаимоотношений с клиентом и, как следствие, реализации комплекса услуг по оптимизации процессов энергопотребления.

Наиболее действенным инструментом эволюции взаимоотношений "поставщик - потребитель" представляется развитие модели работы по линии "энергоаудит - энергопланирование - энерготрейдинг - энергоменеджмент - энергоконсалтинг" (модель "5Э").

Модель "5Э" - совокупность процессов, связанных с получением, учетом и потреблением энергоресурсов, находящихся в тесной взаимосвязи друг с другом, позволяющей наиболее эффективно осуществлять поставку энергоресурсов конечному потребителю.

Планирование в научном менеджменте является составной частью управления. Тем не менее, необходимо рассматривать данную функцию менеджмента как отдельную фазу в силу ее важной роли на современном реформируемом рынке электроэнергии. Применительно к энерготрейдингу энергопланирование можно понимать как совокупность методов обработки информации коммерческого и технического учета электроэнергии, а также конкретных способов ее применения в соответствии с установленными правилами работы рынка и согласно требованиям договора о присоединении.

Систему энергопланирования в рамках модели "5Э" следует формировать, ориентируясь на конкретные субъекты и объекты энерготрейдинга и учитывая следующие принципы, а именно:

- соответствие действующим и перспективным правилам работы ОРЭ, техническим регламентам, другим нормативным документам;

- создание условий для полного информационного обеспечения торговой стратегии и тактики;

- регистрация и отслеживание трендов потребителя электроэнергии в рамках условий функционирования ОРЭ;

- универсальность, гибкость по отношению к внешним и внутренним факторам стратегии работы на рынке;

- оптимальность технического воплощения систем коммерческого учета с обязательной ориентацией на квалифицированный перспективный прогноз всех доминант энергопотребления.

Таким образом, энергопланирование призвано ответить на вопросы: с какой целью, каким образом, с какой точностью и в каких случаях необходимо производить расчет и как для этого получить данные?



1. Краткая характеристика предприятия

1.1 История развития ОАО "Красноярскэнеросбыт"

1.1.1 Создание "Энергосбыта"

В октябре 1943 года на основании приказа Министерства электростанций СССР создается предприятие по сбыту энергии и контролю за ее использованием, именуемое Энергосбыт "Красноярскэнерго". Базой для его создания явилась городская электрическая станция, из состава которой было выделено 43 человека. Первым директором Энергосбыта был назначен Тимофей Моисеевич Магарычев, проработавший в этой должности до 1951 года. прогнозирование электроэнергия стоимость мощность

В следующее десятилетие резко ускорились темпы промышленного производства в крае, создавалась крупная энергетическая база страны. Строятся многие километры электросетей, у Энергосбыта появляются новые промышленные потребители электроэнергии: заводы Синтетического каучука, Медпрепаратов и Цветных металлов. Энергетики работают на пределе своих возможностей: продолжительность рабочего дня устанавливается с 6 часов утра до 19.30 часов, с оплатой по прогрессивно-сдельным расценкам. Несмотря на столь плотный график работы, сотрудники Энергосбыта стараются совершенствовать профессиональные навыки и повышать уровень своего образования, заочно учась в вузах.

2 октября 1952 года директором Энергосбыта была назначена Ирина Владимировна Иванова, которая проработала в этой должности 36 лет (всего в энергосистеме края - 50 лет). Ирина Владимировна - потомственный энергетик, ее отец Владимир Андреевич Иванов всю жизнь работал на Красноярской городской электростанции - начальником инспекции, а одно время - директором. Во время Великой Отечественной войны, учась на втором курсе энергетического факультета, Ирина Владимировна ушла добровольцем на фронт, а после войны закончила обучение и пришла в энергетику. Под руководством Ирины Владимировны проходил основной этап становления предприятия Энергосбыт. Годы, в которые И.В.Иванова возглавляла Энергосбыт пришлись на период бурного развития промышленности и жилищного фонда г. Красноярска. Вопросы организации бесперебойного энергоснабжения новых промышленных объектов и жилых микрорайонов требовали незамедлительного решения. Как прирожденный организатор, И.В.Иванова сумела не только обеспечить развитие энергосистемы города в соответствии с общими планами застройки г. Красноярска, но и добилась высочайшего уровня обслуживания населения при действенном, отлаженном механизме энергонадзора и контроля за рациональным использованием электрической и тепловой энергии на предприятиях.

В 1960 году в Энергосбыте работало уже 119 человек, из них 46 - инженерно-технические работники.

1.1.2 ОАО "Красноярскэнергосбыт" сегодня

В 2005 году Красноярская энергосистема, как и вся энергетика России, была реформирована. Технологически энергокомплекс остался прежним: сохранилась схема с источниками электроэнергии, сетевыми предприятиями и сбытовой компанией. Но формально энергосистема разделилась на частные предприятия, хотя, как и прежде, электроэнергия, тепловая энергия беспрерывно поступают к потребителю.

Новая страница истории одного из старейших предприятий края началась 1 октября 2005 года, в этот день было создано совершенно самостоятельное акционерное общество - "Красноярскэнергосбыт". С первого дня создания им руководит нынешний директор Олег Владимирович Дьяченко.

31 марта 2008 года контрольный пакет акций перестал принадлежать РАО "ЕЭС России" и поступил в распоряжение ОАО "Ирганайская ГЭС".

21 августа 2008 года ОАО "Красноярскэнергосбыт" получило официальную информацию о том, что большая часть его акций передана новому владельцу - ОАО "РусГидро". Речь идет о пакете акций в размере 51,75% от уставного капитала ОАО "Красноярскэнергосбыт", принадлежавших ранее ОАО "РАО ЕЭС "России".

В ноябре 2008 года ОАО "РусГидро" и Фондом развития возобновляемых источников энергии "Новая Энергия" было создано открытое акционерное общество "ЭСК РусГидро" в целях консолидации энергосбытовых активов. В оплату уставного капитала ОАО "ЭСК РусГидро" участниками были переданы акции сбытовых компаний, входящих в структуру ОАО "РусГидро", в том числе, контрольный пакет акций ОАО "Красноярскэнергосбыт".

26 ноября 2008 года ОАО "ЭСК РусГидро" официально стало владельцем 51,75% уставного капитала ОАО "Красноярскэнергосбыт".

В настоящее время ОАО "Красноярскэнергосбыт" является одним из ведущих энергетических предприятий края, осуществляющих реализацию электроэнергии всем добросовестным потребителям.

Абонентами компании являются более 30 тысяч юридических лиц и более 970 тысяч жителей Красноярского края.

Наряду с торговлей электрической энергией, ОАО "Красноярскэнергосбыт" предоставляет для своих клиентов и другие услуги. Это продажа, техническое обслуживание и ремонт приборов учета электроэнергии, высоковольтные испытания электрооборудования; энергоаудит объектов; оказание услуг по агентским договорам.

Компания стремится открывать новые направления деятельности. Начиная с 1 декабря 2009 года, компания стала оказывать услуги по управлению многоквартирными домами. В настоящий момент ОАО "Красноярскэнергосбыт" является управляющей компанией для 186 многоквартирных домов в городах Шарыпово, Канск, Кодинск общей жилой площадью более 700 тыс. кв. м., в которых проживает около 29 тыс. человек.

25 декабря 2012 года ОАО "Красноярскэнергосбыт" приступило к оказанию услуг водоснабжения и водоотведения в пос. Дубинино (муниципальное образование г. Шарыпово). Услуги оказываются на основании договора аренды инженерных сетей водоснабжения и водоотведения для оказания коммунальных услуг населению и юридическим лицам.

Необходимо отметить, что в коллективе добросовестно трудятся десятки ветеранов, которые отдали ОАО "Красноярскэнергосбыт" 20 и даже 30 лет своей жизни.

1.2 Деятельность ОАО "Красноярскэнеросбыт"

Главная задача компании - это реализация электроэнергии и оказание сопутствующих услуг всем добросовестным потребителям.

ОАО "Красноярскэнергосбыт" обслуживает более 30 000 клиентов - юридических лиц более 970 000 физических лиц - жителей городов и сел Красноярского края.

В состав ОАО "Красноярскэнергосбыт" входят 8 отделений:

· Пригородное;

· Ачинское;

· Канское;

· Заозерновское;

· Кодинское;

· Лесосибирское;

· Минусинское;

· Шарыповское, а также более 50 участков в различных городах и селениях края.

ОАО "Красноярскэнергосбыт" является крупным работодателем на территории Красноярского края. На начало 2012 года коллектив компании насчитывает 1772 человека.

Наряду с торговлей электрической энергией, ОАО "Красноярскэнергосбыт" предоставляет для своих клиентов и другие услуги. Это продажа, техническое обслуживание и ремонт приборов учета электроэнергии, высоковольтные испытания электрооборудования; энергоаудит объектов; оказание услуг по агентским договорам.

Начиная с 1 декабря 2009 года, этот список был дополнен оказанием услуг по управлению многоквартирными домами. В настоящий момент ОАО "Красноярскэнергосбыт" является управляющей компанией для 204 многоквартирных домов в городах Шарыпово, Канск, Кодинск общей жилой площадью более 700 тыс. кв. м., в которых проживает около 29 тыс. человек. По итогам 2011 года компания заняла третье место в общероссийском рейтинге Государственной корпорации "Фонд содействия реформированию жилищно-коммунального хозяйства" среди организаций, предоставляющих услуги управления общим имуществом многоквартирных домов.

Компания стремится открывать новые направления деятельности. 25 декабря 2012 года ОАО "Красноярскэнергосбыт" приступило к оказанию услуг водоснабжения и водоотведения в пос. Дубинино (муниципальное образование г. Шарыпово). Услуги оказываются на основании договора аренды инженерных сетей водоснабжения и водоотведения для оказания коммунальных услуг населению и юридическим лицам.

Коллектив ОАО "Красноярскэнергосбыт" старается сохранить и преумножить всё лучшее, что было достигнуто за вековую историю красноярской энергетики, которая началась в 1912 году с пуска первой городской электростанции, располагавшейся именно в этом здании (на ул. Дубровинского,43), где сейчас находится ОАО "Красноярскэнергосбыт".



2. Прогнозирование электропотребления в современных условиях

Для энергокомпаний актуальны кратко- и среднесрочные прогнозы электропотребления, выполняемые на период от часа до нескольких лет. При этом краткосрочное прогнозирование преследует цель обеспечения информацией для текущего управления эксплуатационными режимами. Среднесрочные прогнозы необходимы для обоснования роста масштабов производства и ввода новых мощностей в генерирующих и сетевых компаниях. Объектом таких прогнозов является спрос на энергоносители в географических границах того рынка, который обслуживает энергокомпания. Например, для электрогенерирующих компаний это могут быть ценовая зона оптового рынка электроэнергии либо конкретный узел нагрузки в этой зоне, для электросетевых (распределительных) компаний - территория региона или города.

Краткосрочные прогнозы электрических нагрузок от часа до недели вперед имеют важное значение прежде всего с точки зрения участия в спотовом рынке электроэнергии и оптимизации режимов работы генерирующего и сетевого оборудования.

Обычно при прогнозе на сутки определяются ожидаемая почасовая нагрузка, а также пиковая нагрузка и суммарное суточное потребление электроэнергии в обслуживаемом районе. Для таких задач наибольшее распространение получили линейные регрессионные модели, основанные на анализе временных рядов, а также в последнее время - более совершенные - адаптивные обучаемые нелинейные модели, создаваемые на принципах "искусственных нейронных сетей". Эти инструменты прогнозирования образуют широкий класс методов экстраполяции.

Классическим подходом к моделированию нагрузки в электросети является интерпретация ее изменений как дискретного временного ряда. Временные ряды стационарного типа редко встречаются на практике, обычно в них наблюдается определенная периодичность (сезонность) и направленный рост (убывание) значений параметра (тренд).

При работе с нестационарными рядами используется декомпозиция процесса:

Xt = Mt + St +Yt, (2. 1)

где Mt - компонента, описывающая тренд;

St - сезонная компонента, описываемая периодической функцией с известным периодом;

Yt - слабо стационарная случайная компонента.

Сначала с помощью подобранных моделей выделяют сезонную компоненту и тренд, а затем моделируют оставшуюся случайную компоненту. Для этих целей, в частности, применяют периодические функции, полиномы разных степеней, автокорреляционные зависимости.

Для уменьшения ошибок прогноза, выполняемого подобными методами экстраполяции, модифицируют технологию формирования временных рядов. Например, принимается условие, что нагрузка в любой рабочий день определяется нагрузкой в предыдущий и последующий рабочие дни и аналогична нагрузке в те же дни предыдущей недели. Таким образом, для прогноза нагрузки на понедельник строится временной ряд, состоящий из почасовых нагрузок понедельников и вторников, для прогноза на вторник - понедельников, вторников и сред и т.д. Как недостатки этих методов следует отметить неважные по точности результаты для праздничных и выходных дней, а также отсутствие адаптивных возможностей, необходимых, в частности, для учета изменения погодных условий.

Искусственные нейронные сети (ИНС) представляют собой структуру для параллельной распределенной обработки информации. ИНС состоят из обрабатывающих элементов - нейронов, которые могут обладать локальной памятью и выполнять локальные операции по обработке информации. Нейроны соединены синаптическими связями для передачи информации.

Важным свойством ИНС является адаптируемость или способность менять свое поведение и знания в зависимости от внешней среды. После предъявления входных сигналов (возможно, вместе с желаемым выходом) нейросети самонастраиваются (обучаются) для обеспечения требуемой реакции. Для обучения ИНС используется алгоритм, цель которого состоит в уменьшении ошибки между выходом ИНС и требуемым значением (выбранным для обучения).

Основная привлекательность применения искусственных нейронных сетей для прогноза нагрузки в электросети состоит в возможности использования большого количества входных параметров модели, которые влияют на результат прогноза. В них входят нагрузки за предшествующее время, погодные условия (температура, скорость ветра, облачность), время суток, тип дня (рабочий, выходной, праздничный), иногда день недели.

Следует подчеркнуть, что в зависимости от объема входных параметров и степени неопределенности тех или иных факторов, влияющих на нагрузку, для обучения ИНС могут потребоваться ретроспективные данные за периоды продолжительностью до нескольких лет. В то же время практика прогнозирования электрических нагрузок в зарубежных энергокомпаниях показывает, что в ряде случаев метод ИНС дает в 2 раза меньшие ошибки, чем метод линейной регрессии.

Среднесрочные прогнозы. Так как эти прогнозы связаны с инвестиционной деятельностью компании, их целесообразно разрабатывать на период, охватывающий в сумме средние сроки сооружения энергообъектов и окупаемости капиталовложений (от 3 до 10 лет). Для среднесрочных прогнозов потребления электроэнергии и тепла в качестве основных рекомендуется применять метод "прямого счета" и эконометрические модели.

Метод прямого счета (нормативный) предполагает предварительное раздельное прогнозирование удельных расходов электроэнергии и тепла, исчисленных на единицу продукции в натуральном или стоимостном выражении, единицу работы, одного жителя и соответствующих объемов продукции, работ, численности населения. Определение удельных расходов энергии может основываться на выборе технологий, а в ряде случаев и на экстраполяции. Оценку экономических показателей получают также путем экстраполяции временных рядов (тренда).

В общем случае расчет электропотребления Wt в регионе на перспективу для года t производится по выражению:

Wt= eBi Bi + Wн+ eLj L, (2.2)

где eBi - удельный расход энергии (норма расхода) на производство продукции (услуги) вида i;

Bi - объем выпуска продукции (услуги) i-го вида;

Wн - ненормируемая часть энергопотребления;

eLj - удельный расход энергии (норма) на 1 жителя в процессе вида j (освещение, приготовление пищи, отопление, горячее водоснабжение и др.);

L - численность населения региона;

п - число видов продукции (услуг) в сфере материального производства;

т - число энергопотребляющих процессов в быту и сфере услуг для населения.

Обычно в практических целях в расчеты включают только основных потребителей, на которых в перспективе будет приходиться 70-80% общего энергопотребления, что, как показывает опыт, дает неплохой результат. Метод прямого счета целесообразнее применять для нижних значений горизонта среднесрочного прогнозирования, т.е. до 3-5 лет. В некоторых случаях для определения перспективных значений удельных расходов целесообразно подключение экспертных оценок.

Эконометрические модели представляют собой системы регрессионных многофакторных зависимостей и балансовых уравнений (тождеств). Их параметры устанавливаются статистически на основе временных рядов или выборочных данных. Введение переменных с временным запаздыванием или параметра времени придает эконометрической модели динамический характер.

Ценность таких моделей для прогнозирования заключается, в частности, в возможности, задавая различные комбинации экзогенных (внешних) показателей, формировать разные варианты развития исследуемого объекта, это сужает зону неопределенности прогноза энергопотребления. Оценки экзогенных показателей базируются как на формальных процедурах (например, той же экстраполяции), так и на использовании методов экспертных оценок.

Следует подчеркнуть, что при разработке эконометрической модели необходимо особо тщательно отобрать экзогенные переменные, которые должны идентифицировать только наиболее существенные факторы, объясняющие динамику процесса энергопотребления. Кроме того, для определения постоянных коэффициентов в уравнениях регрессии требуется достаточно представительная статистика показателей, имеющихся в этих зависимостях.

В качестве примера рассмотрим простую эконометрическую модель, предназначенную для прогнозирования электропотребления в индустриальном регионе (крупном городе).

Модель включает четыре электропотребляющих блока:

- промышленность;

- жилой сектор;

- городское хозяйство;

- сектор услуг для населения.

Каждый блок описывается соответствующей регрессионной зависимостью.

Промышленность:

ЭВ t = a1 КМ + а1 аэ ± а3 , (2.3)

WПt = ЭВ t Bt, (2.4)

где ЭВt - электроемкость промышленной продукции в год t периода прогноза;

Км - коэффициент загрузки производственных мощностей;

аэ - удельный вес электроемких отраслей в объеме промышленного производства;

а1, …, а3 - постоянные коэффициенты;

Bt - объем промышленного производства в год t;

WПt - электропотребление в год t.

Жилой сектор:

ЭL t = -a4 Jц + а5 J3 ± а6 , (2.5)

WЖt = ЭL t Lt, (2.6)

где ЭLt - потребление электроэнергии в быту на 1 жителя в год t прогнозного периода;

Jц - индекс роста цен на электроэнергию;

J3 - индекс роста средней заработной платы;

а4, ..., а6 - постоянные коэффициенты;

Lt - численность населения в год t;

WЖt - электропотребление в год t.



Городское хозяйство:

WГ t = a7 t ± а8 , (2.7)

где WГ t - электропотребление в год t периода прогноза;

t - линейный временной тренд (первый год временного ряда принимается за единицу);

a7 , а8 - постоянные коэффициенты.

Сектор услуг:

WY t = a9 OТ + a10 Oоп +a11 t ± а12 , (2.8)

где WY t - электропотребление в год t периода прогноза;

OТ - объем товарооборота в розничной торговле;

Oоп - розничный оборот в сети общественного питания;

t - линейный временной тренд;

а9, ..., а12 - постоянные коэффициенты.

Суммарное электропотребление:

WО t = WПt +WЖt + WГ t + WY t. (2.9)

Варианты прогноза формируются путем изменения экзогенных переменных модели: В, L, Км, аэ, Jц, J3, OT, Ооп. Расчеты можно проводить на любой год прогнозного периода; для этого надо иметь сценарий погодовой динамики экзогенных переменных.

Знаки перед коэффициентами в уравнениях регрессии должны отвечать экономическому смыслу взаимосвязей. Поэтому перед коэффициентом загрузки оборудования в уравнении и индексом роста цен на электроэнергию в уравнении стоит знак "минус", т.к. повышение коэффициента загрузки ведет к снижению удельных расходов энергии, а значит, и электроемкости продукции при прочих равных условиях.

Параметр линейного тренда t в уравнениях интегрирует факторы, также влияющие на электропотребление, но не представленные в явном виде в данных зависимостях.

К долгосрочным прогнозам относятся прогнозы энергопотребления на период 15-20 лет. Они представляют интерес главным образом для органов государственного управления, разрабатывающих комплексные национальные и региональные программы развития топливно-энергетического комплекса. Задачей таких прогнозов является не столько получение каких-либо количественных оценок, сколько выявление будущих условий и факторов экономического, ресурсного, демографического, климатического, научнотехнического характера, которые могут в исследуемой перспективе оказывать определяющее влияние на энергетику страны, сдерживая или, наоборот, ускоряя ее развитие.

Базовым методом, в наибольшей степени отвечающим удаленности горизонта и задачам этого прогнозирования, служит сценарный подход, широко использующий экспертные оценки.

Формализованные методы применяются, но только как вспомогательные поисковые процедуры, дающие информацию для работы над сценарием экспертным группам.

Например, использование в долгосрочных прогнозах электропотребления метода простой экстраполяции тренда может вывести аналитика на барьерные уровни (поворотные точки), за которыми ресурсное обеспечение электроэнергетики для покрытия такого спроса представляется невозможным. Насколько реальна такая ситуация, каковы ее временные координаты, существует ли у экономической системы научнотехнический и организационный потенциал для ее преодоления - вот круг вопросов, на которые должен дать ответы долгосрочный прогноз на макроуровне.

2.2 Планирование электропотребления с использованием программного комплекса СМА "Система оптимизации балансов ГП"

Планирование режимных параметров и технико-экономических показателей является одной из важных задач обеспечения функционирования электроэнергетики. Составляя планы по различным показателям на предстоящие сутки, неделю, месяц, квартал, год, компании решают задачу планирования энергобалансов - соотношения между потребностью электроэнергии (мощности) и средствами ее удовлетворения.

Одним из основных показателей при планировании является величина прогнозов ожидаемого электропотребления (потребления электроэнергии и мощности) в целом по системе, группам и отдельным потребителям, узлам электрической схемы. В определенном смысле величина прогноза электропотребления (далее - ЭП, потребление, нагрузка) является опорным показателем для последующего планирования балансов электроэнергии, мощности и расчетов электрических режимов. Необходимость точного прогнозирования обусловлена технологическими и экономическими причинами. Точные расчеты обеспечивают оптимальное с экономической точки зрения распределение нагрузок между станциями, способствуют осуществлению экономически целесообразных операций по покупке и продаже электроэнергии.

Временная иерархия планирования электропотребления разделяется на три основных интервала: долгосрочное планирование (от месяца до года, нескольких лет вперед), краткосрочное планирование (от суток до месяца вперед), оперативное управление режимами (минуты, часы). Задача расчетов прогнозов потребления решается на всех временных интервалах с последовательным уточнением результатов расчетов, но мере уменьшения времени упреждения. Точность прогнозных расчетов определяется соответствием применяемых математических моделей процессу колебаний потребления. В целом колебания потребления представляют собой сложный нестационарный случайный процесс, имеющий определенные цикличности (регулярные колебания). Они определяются сезонными колебаниями температуры и освещенности (долготы дня) в разрезе года, технологическим режимом работы предприятий, режимом труда и отдыха населения.

Следует отметить, что долгосрочный, краткосрочный и оперативные прогнозы требуют различных методик. Долгосрочным прогнозам нужны сценарные подходы для оценки общеэкономической ситуации, отраслевых тенденций развития и т.п. Для краткосрочных прогнозов важен учет метеофакторов, характера дня (рабочий, выходной), состояния режима энергосистемы в ближайшей ретроспективе. При оперативном прогнозировании в темпе процесса требуются адаптивные модели прогноза, учет фактора освещенности.

Для обеспечения необходимой надежности и качества функционирования системы прогнозирования сформулированы следующие требования:

- точность моделирования определяется технологическими требованиями для разных интервалов упреждения и не может превышать величину нерегулярной составляющей;

- интервальность, поскольку значения потреблений и нагрузок узлов имеют вероятностный характер, следует определять доверительный интервал, в пределах которого располагаются фактические значения нагрузок с заданным уровнем достоверности;

- баланс нагрузок - значения потреблений и нагрузок узлов, оцененные по моделям, должны быть согласованы по разным иерархическим уровням исходя из условия баланса мощности и электроэнергии на интервалах прогнозирования (моделирования);

- надежность, данное требование подразумевает безотказную работу применяемых алгоритмов в реальных условиях эксплуатации (численная устойчивость), а также обеспечение приемлемых оценок потреблений при потере части данных или наличии грубых ошибок в исходной информации;

- адаптивность, автоматическая перенастройка (коррекция) параметров системы в реальной информационной среде с целью обеспечения условий для оптимального выполнения решаемых задач;

- экономичность, выполнение вышеперечисленных требований должно сопровождаться по возможности минимальными затратами с точки зрения использования машинных ресурсов.

- возможность использования разнородной информации (в том числе данных, полученных в дни контрольных измерений и эпизодических измерений).

- автоматизированность (интерактивность). Система должна работать в автоматическом режиме контроля достоверности потреблений и нагрузок узлов, вместе с тем необходимо обеспечить интерактивный режим работы комплекса с обслуживающим персоналом.

Одним из самых важных показателей качества планирования потребления является точность. Основные факторы, влияющие на точность прогнозирования:

Объем исходных данных для прогнозирования. Для корректной настройки модели прогноза требуется объем данных от двух и более лет, как по потреблению, так и по метеофакторам. При этом больший объем позволяет точнее и качественнее осуществить расчет коэффициентов моделей прогнозирования, в т.ч. сезонных компонент, что впоследствии дает более точные оценки коэффициентов влияния метеофакторов на потребление. Так, например, наличие данных по облачности за один полный год не дает заметного улучшения в точности, вместе с тем использование при объеме данных по освещенности от трех лет существенно улучшает точность прогнозирования.

Качество исходных данных. Исходные данные по потреблению и метеофакторам для прогнозирования часто содержат недостоверные значения, выбросы, ошибки, что, конечно же, влияет на точность прогноза. Если простые ошибки отбрасываются алгоритмами фильтрации при прогнозировании, то определенная часть ошибок трудно идентифицируема, как ошибочная и естественно ухудшает точность прогноза. Под качеством исходных данных также подразумевается та ситуация, когда за неимением суточных графиков по метеофакторам используются среднесуточные значения. В случае облачности это приводит к большим ошибкам оперативного прогнозирования, в случае с температурой - краткосрочного, когда подсчет так называемой эффективной температуры не совсем точен.

Выбор моделей прогноза и ее настройка. Существующие модели прогноза потребления имеют массу настроечных коэффициентов, которые в значительной мере определяют точность работы алгоритмов модели. При этом важна возможность автоматической корректировки коэффициентом модели прогноза по мере накопления новых данных, чтобы избавить пользователя от затруднительной процедуры настройки, требующей подчас высокой квалификации и знания основ математической статистики.

Упреждение прогноза. Важным фактором при оценке точности прогнозирования является упреждение прогноза, т.е. период времени на который производится прогнозирование. При этом практически всегда точность прогноза ухудшается с увеличением упреждения. Для уточнения прогнозов требуется осуществлять дополнительные расчеты по мере приближения текущих суток.

Учет метеорологических факторов. Существенное влияние на потребление оказывают метеорологические факторы - температура наружного воздуха, естественная освещенность, влажность, скорость ветра.

Неравномерность графиков потребления. Точность прогнозирования электропотребления в значительной степени зависит от суточной и сезонной неравномерности графиков потребления. В энергосистемах, где наблюдается высокая неравномерность графиков потребления (коэффициент неравномерности значительно отличается от единицы), и при этом наблюдается существенное отклонение потребления от сезонной кривой, ошибки прогнозирования оказываются наиболее высокими. При организации рыночных операций по куплепродаже электроэнергии и мощности с высокой неравномерностью графиков могут оказываться в худших условиях, поскольку точность прогнозов будет ниже, и они в большей степени будут подвергаться штрафным санкциям за превышение или занижение плановых величин потребления.

Наиболее сильное влияние на потребление оказывает температура и освещенность. Влияние температуры определяется расходом электроэнергии на отопление зданий, вентиляцию, охлаждение в холодильниках, кондиционерах. Наиболее чувствителен к температуре расход энергии в зимний, отопительный сезон, а также примыкающие к нему периоды. По существующим оценкам, около четверти расходной части энергетического баланса идет на отопительные нужды. Для компаний, где осветительная нагрузка составляет значительную часть, вариации естественной освещенности оказывают влияние на нагрузку, особенно на формирование утреннего и вечернего максимумов. Для учета влияния метеорологических факторов применяется метод сезонных кривых, основанный на корреляционном и регрессионном анализе данных. Предлагаемые методы учета метеофакторов позволяют повысить точность прогнозирования нагрузки электропотребления. Методы реализованы в программном комплексе СМА "Система оптимизации балансов ГП", недавно введенном в работу ОАО "Красноярскэнергосбыт".

В зависимости от решаемых задач и детальности планирования в состав суммарного потребления могут входить компоненты, характеризующие структуру па различных этапах и звеньях технологического процесса. Компоненты могут группироваться по территориальным, технологическим признакам. В рыночных условиях в суммарном потреблении выделяются новые компоненты - крупные потребители, самостоятельно выходящие на рынок. Особым образом структурируется наиболее значительная составляющая потребления - полезный отпуск собственным потребителям. Возможно деление полезного отпуска по тарифным группам, типам присоединения, социальным группам и т.п. Планирование потребления осуществляется на основе прогноза суммарного показателя и каждой компоненты, при этом структура потребления должна быть сбалансирована на каждом этапе и уровне планирования. Объем исходных данных и модели прогнозов для различных компонент могут быть весьма различны. Возникает необходимость разработки адаптивной системы моделей прогнозирования и планирования потребления, применимой на различных стадиях и звеньях планирования.

В последние годы возникли обстоятельства, потребовавшие существенного расширения и дополнения круга задач, решаемых при планировании электропотребления:

- внедрение рынка электроэнергии и его сегментов - регулируемого сектора, свободного рынка, балансирующего рынка. Изменение структуры электроэнергетики России, появление операторов рынка, разделение энергосистем на отдельные структурные подразделения, выход крупных потребителей на рынок и, как следствие, изменение технологии расчетов по прогнозированию и планированию потребления.

- изменение структуры потребления - значительный рост доли коммунально-бытовой нагрузки и непромышленной нагрузки, как следствие - увеличение неравномерности графиков, более существенное влияние метеорологических факторов. Это требует применения соответствующих методов и алгоритмов моделирования потребления и учета метеофакторов.

В целом методология расчетов по планированию потребления, разрабатываемые методы, алгоритмы и программные средства должны обеспечивать:

- возможность создания и хранения многолетних архивов данных потребления, компонент балансов мощности и электроэнергии, необходимых для проведения всестороннего анализа особенностей и тенденций потребления, разработки адекватных математических моделей. Возможность организации объектной структуры хранения данных потребления на различных объектах;

- обеспечение методологии планирования сбалансированной много-компонентной структуры потребления;

- наличие набора различных моделей прогнозирования, адекватно описывающих колебания компонент потребления;

- возможность проведения необходимого статистического анализа потребления, режимных параметров и технико-экономических показателей;

- необходимую точность расчетов по прогнозированию потребления;

- учет при прогнозировании и планировании различных влияющих факторов, в том числе метеорологических;

- возможность увязки исходных данных и результатов расчетов по прогнозированию и планированию потребления с другими задачами планирования и ведения режимов работы организации (расчет балансов электроэнергии и мощности, режимов электрической сети, расчет потерь, диспетчерские задачи);

- обмен исходными данными и результатами расчетов между объектами и уровнями управления.

Разработанные на основе предлагаемых методов и алгоритмов промышленные программы и программные комплексы должны обеспечивать потребности в средствах планирования потребления субъектов рынка электроэнергии.



Заключение

С запуском новой модели оптового рынка электроэнергии и мощности все более актуальными для энергосбытовых компаний становятся проблемы прогнозирования и планирования потребления энергии. Необходимость точного прогнозирования электропотребления обусловлена технологическими и экономическими причинами. Это касается не только долгосрочного и текущего планирования, но и оперативного почасового планирования.

Проведенный анализ позволяет выделить ряд проблем, влияющих на финансовый результат энергосбытовой организации.

В настоящее время отсутствуют интервальные приборы учета у по-ставщиков и значительной части крупных потребителей, владеющих энергопринимающими устройствами, присоединенная мощность которых превышает 750 кВА. Это не позволяет контролировать фактические объемы сальдо перетоков, накапливать статистические данные, позволяющие в дальнейшем увеличить точность прогнозирования за счет учета суточной и сезонной неравномерности графиков потребления. Суточная и сезонная неравномерность графиков потребления в свою очередь зависит от характера нагрузки в энергосистеме или структуры потребления, кроме того на изменение электрической нагрузки энергосистемы влияют факторы физического, производственного и бытового характера.

В связи с перспективой введения рынка мощности актуальность про-блемы увеличения точности планирования возрастает.

Увеличение точности прогноза позволит снизить стоимость покупки электроэнергии на оптовом рынке электроэнергии и мощности и снижения стоимости трансляции на потребителя розничного рынка.



Характеристика - отзыв работы студента

Студентка Анчугова И.А. группы ЗУБ 10-02 проходила практику в Отделе балансов и прогнозирования электропотребления ОАО "Красноярскэнергосбыт" с 16.12.13 по 26.01.14.

За время прохождения практики Ирина Алексеевна проявила себя как ответственный, исполнительный, инициативный сотрудник. Ирина Алексеевна продемонстрировала высокий уровень теоретических знаний, с интересом подходила к решению поставленных пред ней задач, не отвлекалась на посторонние дела. Была дружелюбна, вежлива с сотрудниками.

Оцениваю работу на "отлично".

Руководитель практики от предприятия: Губанова Н.В.



Список использованных источников

1. Агеева В. Особенности прогнозирования электропотребления регионов России в среднесрочной перспективе / В. Агеева, Ю. Коган, Т. Гладышева // Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии: Сборник докладов. - М.: ЭЛЕКС-КМ, 2006. - 308 с.

2. Букин А. Принципы построения биллинговых систем для почасового расчета потребителей мощности энергопринимающего оборудования свыше 750 кВА / А. Букин // Энергорынок - 2007. - №6. - С. 32.

3. Вершинин А. Время расставить приоритеты / А. Вершинин, А. Коковин, Д. Персиваль // Энергорынок - 2007. - №3. - С. 19.

4. Вершинин А. Рамочный двусторонний договор - новая реальность НОРЭМ / А. Вершинин, А. Коковин // Энергорынок - 2007. - №1. - С. 60.

5. Гительман Л. Энергетический бизнес: учебное пособие для вузов / Л.Д. Гительман, Б.Е. Ратников. - М.: - Дело, 2006; - 600 с.

6. Глушков В. Оценка эффективности планирования почасового по-требления в условиях НОРЭМ / В. Глушков, А. Скобелев // Энергорынок - 2006. - №9. - С. 55.

Размещено на Allbest.ru