УПРАВЛЕНИЕ ПРОПУСКНОЙ СПОСОБНОСТЬЮ ЭНЕРГОСЕТИ В ЗАДАЧАХ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ

  • Н.К. Полуянович Южный федеральный университет
  • М.Н. Дубяго Южный федеральный университет
Ключевые слова: Энергосеть, управление, прогнозирование нагрузки, искусственный интеллект, машинное обучение, нейронные сети, надежность систем энергоснабжения

Аннотация

Рассматривается программно-моделирующий комплекс системы управления энерго-
сетью и её элементами. Актуальность работы обусловлена требованиями действующего
законодательства к прогнозированию электропотребления для решения задачи поддержа-
ния баланса мощностей между генерирующей стороной и потреблением электрической
энергии. Разработанные алгоритмы и методы управления использованы в составе про-
граммно-моделирующего комплекса для управления энергосетью и энергетическим обору-
дованием, наиболее актуально использование в локальных энергосистемах автономных
потребителей и микросетях. Для эффективного проведения экспериментальных исследо-
ваний была разработана методология эксперимента, включающая этап разработки плана-
программы эксперимента; выбор средств проведения эксперимента; проведение экспери-
мента; обработку и анализ экспериментальных данных. Показано, что для построения
системы технологического управления региональной сетевой компании возможно исполь-
зовать техническую и информационную основу иерархической автоматизированной ин-
формационно измерительной системы контроля и учета электроэнергии. Показано, что
интеллектуальный счётчики системы интеллектуального учета электроэнергии (ИСУ)
находится в непрерывной связи с производителем и потребителем энергии, то есть мони-
торинг происходит в режиме реального времени. Разработанная нейросетевая модель
(НС) модель сводит задачу краткосрочного прогнозирования электропотребления к поиску
матрицы свободных коэффициентов посредством обучения на имеющихся статистиче-
ских данных (активная и реактивная мощность, температура окружающей среды, дата и
индекс дня Получены прогнозные оценки электропотребления модели прогнозирования,
некоторых присоединений, энергосистемы величины, потребляемой активной и реактив-
ной мощности имеет допустимый уровень погрешности прогнозирования. Разработана
нейросетей для оценки пропускной способности, расчёта и прогнозирования температуры жил силовой кабельной линии в режиме реального времени на основе данных системы тем-
пературного мониторинга, и с учетом изменения токовой нагрузки линии. Анализ получен-
ных характеристик показал, что максимальное отклонение данных, полученных от нейро-
сети от данных обучающей выборки, составило менее 3%, что является вполне приемле-
мым результатом. Проведенные сравнения прогнозных значений с фактическими позволя-
ют говорить об адекватности выбранной модели сети и ее применимости на практике для
надежной работы кабельной системы электроснабжения потребителей. Анализ резуль-
татов показал, что чем больше состарен изоляционный материал силовой кабельной ли-
нии, тем больше разность температур между исходным и состаренным образцом.

Литература

1. Polozhen e OAO «Rosset » «O ed noy tekhn cheskoy pol t ke v elektrosetevom komplekse»
[The Regulation of JSC ROSSETI "On the Unified technical policy in the electric grid complex"].
Moscow: OAO «Rosset », 2013.
2. Varzhapetyan A.G., Glushchenko V.V., Glushchenko P.V. Metody issledovaniya i upravleniya
proektami i protsessami proizvodstva: monografiya [Methods of research and management of
projects and production processes: monograph]. Moscow: Vuzovskaya kniga, 2013, 314 p.
3. Avtomatizatsiya dispetcherskogo upravleniya v elektroenergetike [Automation of dispatching
control in the electric power industry], under the general ed. Yu.N. Rudenko i V.A. Semenova.
Moscow: Izd-vo MEI, 2000, 648 p.
4. Pshikhopov V.Kh., Gayduk A.R., Medvedev M.Yu., Belyaev V.E., Poluyanovich N.K., Voloshchenko
Yu.P. Energosberegayushchee upravlenie tyagovymi privodami elektropodvizhnogo sostava [Energy-
saving control of traction drives of electric rolling stock], Izvestiya YuFU. Tekhnicheskie nauki
[Izvestiya SFedU. Engineering Sciences], 2013, No. 2 (139), pp. 192-200.
5. Poluyanovich N.K., Tibeyko I.A. Ekspluatatsiya i remont sistem elektrosnabzheniya
promyshlennykh predpriyatiy [Operation and repair of power supply systems of industrial enterprises].
Taganrog, 2014.
6. Poluyanovich N.K. Energeticheskaya elektronika. Posobie po resheniyu zadach i
metodicheskie ukazaniya [Power electronics. Manual on problem solving and methodological
guidelines]. Taganrog, 2001.
7. Zheng Н, Yuan J, Chen L. Short-term load forecasting using EMD-LSTM neural networks with a
XGBOOSt algorithm for feature importance evaluation, Energies, 2017, Vol. 10, pp. 1-20. DOI:
10.3390/en10081168.
8. Osovskii S. Neural networks for information processing. Moscow: Finansy i statistika, 2002, 344 p.
9. Poluyanovich N.K., Dubyago M.N., Azarov N.V., Ogrenichev A.V. Prognozirovanie resursa
elektroizolyatsionnykh materialov silovykh kabeley s ispol'zovaniem metoda iskusstvennykh
neyronnykh setey: monografiya [Forecasting the resource of electrical insulating materials of
power cables using the method of artificial neural networks: monograph]. Rostov-on-Don;
Taganrog, 2022, 116 p.
10. Dubyago M.N., Poluyanovich N.K. Thermal processes of the isolating materials in problems of
nondestructive diagnostics of the main and power supply systems, EAI Endorsed Transactions
on Energy Web and Information Technologies, 01. 2018, Vol. 5, Issue 16. Available at:
http://eudl.eu/doi/10.4108/eai.30-1-2018.153815.
11. Poluyanovich N.K., Dubyago M.N. Otsenka vozdeystvuyushchikh faktorov i prognozirovanie
elektropotrebleniya v regional'noy energosisteme s uchetom rezhima ee ekspluatatsii [Assessment
of influencing factors and forecasting of power consumption in the regional power system,
taking into account its operation mode], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya
SFedU. Engineering Sciences], 2022, No. 2, pp. 31-46.
12. Dubyago M.N., Poluyanovich N.K. The method of nondestructive testing and prediction of
evolving insulation defect of power line cable, Proceedings of XI International SAUM Conference
on Systems, Automatic Control and Measurements SAUM 2012, 2012, pp. 418-422.
13. Poluyanovich N.K., Dubyago M.N., Bur'kov D.V. Termofluktuatsionnaya teoriya razrusheniya i
otsenka dolgovechnosti elektricheskoy izolyatsii SPE kabeley [Thermofluctuation theory of destruction
and evaluation of the durability of electrical insulation of SPE cables], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2021, No. 6, pp. 180-194.
14. Dubyago M.N., Poluyanovich N.K. Sovershenstvovanie metodov diagnostiki i
prognozirovaniya elektroizolyatsionnykh materialov sistem energosnabzheniya: monografiya
[Improvement of methods of diagnostics and forecasting of electrical insulating materials of
power supply systems: monograph]. Rostov-on-Don; Taganrog: Izd-vo YuFU, 2019, 192 p.
15. Sharifullin V.N., Sharifullina A.V. Neyrosetevoe prognozirovanie potrebleniya elektroenergii
promyshlennym predpriyatiem [Neural network forecasting of electricity consumption by an
industrial enterprise], Vestnik Kazanskogo gosudarstvennogo energeticheskogo universiteta
[Bulletin of Kazan State Power Engineering University], 2012, No. 2 (13), pp. 6-11.
16. Domanov V.I., Bilalova A.I. Analiz prognozirovaniya energopotrebleniya s razlichnymi
informatsionnymi bazami [Analysis of energy consumption forecasting with various information
bases], Izvestiya Samarskogo nauchnogo tsentra Rossiyskoy akademii nauk [Izvestiya Samara Scientific
Center of the Russian Academy of Sciences], 2014, Vol. 16, No. 4–3, pp. 535-537.
17. Voronov I.V., Politov E.A., Efremenko V.M. Metodika vybora vkhodnykh parametrov
neyronnoy seti dlya prognozirovaniya elektropotrebleniya promyshlennogo predpriyatiya
[Method of selecting input parameters of a neural network for predicting power consumption
of an industrial enterprise], Vestnik Kuzbasskogo gosudarstvennogo tekhnicheskogo
universiteta [Bulletin of the Kuzbass State Technical University], 2009, No. 3, pp. 62 -65.
18. Kulbarakov M.A. K zadache prognozirovaniya energopotrebleniya s pomoshch'yu neyronnykh setey
[On the problem of forecasting energy consumption using neural networks], Molodoy uchenyy
[Young scientist], 2014, No. 11 (70), pp. 22-25. Available at: https://moluch.ru/archive/70/12122/
(accessed 05 December 2021).
19. Poluyanovich N.K., Dubyago M.N. Analiz i vybor metodiki v reshenii zadach
intellektualizatsii sistem prognozirovaniya termofluktuatsionnykh protsessov v kabel'nykh
setyakh [Analysis and choice of methodology in solving problems of intellectualization of
forecasting systems of thermal fluctuation processes in cable networks], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2020, No. 2 (212), pp. 52-66.
20. Metod otsenki i prognozirovaniya ostatochnogo resursa izolyatsii kabel'nykh liniy [Method of
estimation and forecasting of residual insulation life of cable lines], Izvestiya YuFU.
Tekhnicheskie nauki [Izvestiya SFedU. Engineering Sciences], 2019, No. 3, pp. 132-143.
21. Dubyago M.N. Poluyanovich N.K. Algoritm obucheniya iskusstvennoy neyronnoy seti
faktornogo prognozirovaniya resursa izolyatsionnykh materialov silovykh kabel'nykh liniy
[Algorithm for training an artificial neural network for factor prediction of the resource of insulating
materials of power cable lines], Izvestiya YuFU. Tekhnicheskie nauki [Izvestiya
SFedU. Engineering Sciences], 2021, No. 2, pp. 59-73.
Опубликован
2023-02-27
Выпуск
Раздел
РАЗДЕЛ I. МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ