авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 |
-- [ Страница 1 ] --

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО

ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

ИРКУТСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ПУТЕЙ

СООБЩЕНИЯ

УДК 621.311

Закарюкин В.П., Крюков А.В., Раевский Н.В., Яковлев Д.А.

МОДЕЛИРОВАНИЕ И ПРОГНОЗИРОВАНИЕ

ПРОЦЕССОВ ЭЛЕКТРОПОТРЕБЛЕНИЯ

НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ

Под ред. профессора А.В. Крюкова

Иркутск 2007 Деп. в ВИНИТИ 11.01.2007, № 19-В200 2 Содержание ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ................................................................ 5 ВВЕДЕНИЕ.......................................................................................................... 6 1. АНАЛИЗ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ.............................................................................. 1.1. Прогнозирование в системе электроснабжения железнодорожного транспорта....................................................................................................... 1.2. Анализ существующих методов прогнозирования электропотребления....................................................................................... 1.3. Анализ методов оценки расхода электрической энергии тяговыми подстанциями.................................................................................................. Выводы............................................................................................................ 2. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СИСТЕМ ТЯГОВОГО ЭЛЕКТРОСНАБЖЕНИЯ.................................................................................. 2.1. Имитационное моделирование в задачах прогнозирования электропотребления....................................................................................... 2.2. Постановка задачи................................................................................... 2.3. Моделирование СТЭ 1х25 и 2х25 кВ.................................................... 2.4 Определение годового расхода электроэнергии на отдельной тяговой подстанции...................................................................................................... 2.5. Результаты расчетов электропотребления на основе имитационного моделирования.

............................................................................................... Выводы............................................................................................................ 3. ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ОСНОВЕ ТЕХНОЦЕНОЛОГИЧЕСКОГО АНАЛИЗА................................................... 3.1. Прогнозирования потребления электроэнергии тяговыми подстанциями с использованием рангового анализа.................................. 3.2. Программная система учёта и прогнозирования электропотребления тяговыми подстанциями................................................................................ Выводы............................................................................................................ 4. МЕТОДИКА ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ.............................................. 4.1. Общие принципы нейросетевого прогнозирования............................ 4.2. Общие принципы формирования обучающей выборки...................... 4.3. Формирование обучающей выборки при прогнозировании электропотребления на тягу поездов............................................................ 4.4. Результаты нейросетевого прогнозирования....................................... Выводы.......................................................................................................... ЗАКЛЮЧЕНИЕ............................................................................................... БИБЛИОГРАФИЧЕСКИЙ СПИСОК........................................................... ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ АСКУЭ – автоматизированная система контроля и учета электро энергии АСДУ – автоматизированная система диспетчерского управления ДПР – линия электропередачи «два провода – рельс»

ИИ – искусственный интеллект ИНС – искусственные нейронные сети ИМ – имитационное моделирование ИрГУПС – Иркутский государственный университет путей сообще ния КС – контактная сеть НС – нейронная сеть ПР – линия электропередачи «провод – рельс»

РЭС – район электроснабжения СВЭ – система внешнего электроснабжения СТЭ – система тягового электроснабжения СЭЖД – система электроснабжения железной дороги ТП – тяговая подстанция Э – служба электрификации и электроснабжения ЭВМ – электронная вычислительная машина ЭП – электропотребление ЭСО – энергоснабжающая организация ЭЧ – дистанция электроснабжения ЭЧЭ – тяговая подстанция ЭЭ – электрическая энергия ВВЕДЕНИЕ Развитие производственной деятельности на железнодорожном транспорте сопровождается усложнением технологий и совершенствова нием систем управления. Немаловажная роль при этом отводится систем ному развитию электрического хозяйства железных дорог, одним из на правлений которого является внедрение результатов исследований, бази рующихся на современных математических методах и информационных технологиях. Прикладные информационные системы находят все большее применение в задачах эффективного использования электроэнергии (ЭЭ) на железнодорожном транспорте [42].

Одно из перспективных направлений исследований состоит в созда нии математических моделей и методов прогнозирования электропотреб ления (ЭП) на тяговых подстанциях магистральных железных дорог [109].

Разработанные ранее технологии прогнозирования были ориентированы в основном на стационарные условия и использование удельных норм рас хода ЭЭ [68, 69]. Современные условия функционирования субъектов хо зяйственной деятельности характеризуются нестабильностью экономиче ских процессов, что требует совершенствования методов анализа и про гнозирования ЭП [56, 57].

Одной из основных целей энергетической стратегии железнодорож ного транспорта на период до 2010 года и на перспективу до 2020 года яв ляется снижение потребности в энергоносителях и затрат на их приобрете ние. Достижение этой цели позволит не только увеличить эффективность перевозочного процесса, но и высвободить необходимые энергоресурсы для других отраслей экономики нашей страны.

Железнодорожная отрасль является одним из крупных потребителей электрической энергии. Ее доля в электропотреблении РФ составляет око ло 8%. Значительная величина электропотребления и большой потенциал энергосбережения указывают на необходимость проведения работ по сни жению потерь и повышению эффективности использования ЭЭ. Решение этих задач требует разработки методов прогнозирования электропотребле ния.

Электрохозяйство железной дороги является многоуровневой систе мой со сложным характером взаимосвязей между элементами. На электро потребление оказывают влияние такие факторы, как массы поездов, разме ры движения, метеорологические условия, особенности организации дви жения. Существующие методы определения ЭП на тяговых подстанциях используют допущения об однотипности поездов и постоянстве межпоезд ных интервалов и не учитывают изменение нагрузок нетяговых потребите лей, доля которых в электропотреблении железных дорог достигает 20%.

Прогнозы электропотребления опираются на планируемые размеры и па раметры движения, что значительно снижает точность оценок.

В прогнозировании ЭП нуждается и энергоснабжающая организация (ЭСО), для управления которой необходимо прогнозирование потребляе мых мощностей по отдельным узлам сети. Возможность регулирования режимов электропотребления повышает надёжность и качество электро снабжения, улучшает распределение потоков мощности в сети ЭСО. Заяв ленные значения нагрузки используются для определения лимитов ЭП с учётом особенностей каждого потребителя по размерам аварийной и тех нологической брони, а также условиям регулирования.

Поэтому разработка методов и алгоритмов, позволяющих повысить достоверность прогнозирования ЭП на тяговых подстанциях железных до рог, является актуальной задачей.

В первой главе проведен анализ методов прогнозирования электро потребления. Показано, что существенным недостатком широко распро страненных методов многофакторного прогнозирования [40, 77] является необходимость выбора состава аргументов-признаков, описывающих объ ект, а также структуры функции, связывающей значение признаков с вы ходной величиной.

В монографии предложена классификация методов прогнозирования в системах электроснабжения железнодорожного транспорта. Сущест вующие подходы к решению задач прогнозирования ЭП на железных до рогах были разработаны в условиях стабильной экономики [например, 6].

В настоящее время процессы электропотребления не имеют достаточно ус тойчивой связи с показателями перевозочной и эксплуатационной работы магистралей.

Определение расхода электроэнергии, опирающееся только на клас сический аппарат, не может обеспечить достаточную точность при прогно зировании процессов ЭП на железнодорожном транспорте в современных условиях. Анализ влияния каждого из факторов сложно осуществить на практике. Вследствие невозможности адекватного прогнозирования элек тропотребления на основе совокупности основных показателей работы до роги возникает необходимость системного описания процессов электропо требления [54, 110]. Решение общей задачи прогнозирования электропо требления тяговыми подстанциями позволяет оценивать состояние элек трического хозяйства железной дороги, используя системные свойства объекта.

Проведенная в монографии оценка потребностей хозяйства электро снабжения железной дороги показала, что наибольший практический ин терес для железнодорожного транспорта представляют краткосрочные и оперативные прогнозы ЭП [110].

Во второй главе предложена методика прогнозирования ЭП для от дельной тяговой подстанции, основанная на применении имитационного моделирования (ИМ) систем тягового электроснабжения (СТЭ). Термин ИМ предполагает исследование процесса функционирования системы во времени, причем имитируются элементарные события с сохранением ло гики их взаимодействия и взаимовлияния [42]. Процесс имитационного моделирования СТЭ включают следующие этапы:

• обработка графика движения поездов;

• формирование мгновенных схем и определение потокораспределе ния для каждой схемы;

• формирование интегральных показателей электропотребления.

Одна из основных целей моделирования состоит в определении рас хода электрической энергии при движении поездов и потерь ЭЭ в элемен тах систем тягового и внешнего электроснабжения. Расход ЭЭ при сравни тельно небольших изменениях напряжений определяется средними тока ми, а потери энергии зависят от среднеквадратичных значений, на которые существенно влияют максимальные токи. Моделирование перемещающих ся тяговых нагрузок базируется на графике движения, связывающем коор динату положения поезда со временем [42]. Величины нагрузок определя ются на основе тяговых расчетов или экспериментально.

Применяемые в настоящее время методы и программные средства моделирования СТЭ переменного тока базируются на упрощенном пред ставлении отдельных элементов [6]. При этом наиболее «грубому» эквива лентированию подвергается внешняя сеть. Как правило, она упрощенно представляется реактансами, определяемыми мощностью короткого замы кания на шинах высокого напряжения тяговых подстанций (ТП). Элементы сети задаются комплексными сопротивлениями, а тяговые нагрузки пред ставляются источниками тока. Такой подход обеспечивает приемлемую точность только при достаточно мощной системе внешнего электроснаб жения, когда однофазные тяговые нагрузки не приводят к существенной несимметрии на шинах питающего напряжения ТП.

Методика имитационного моделирования объединенных систем тя гового и внешнего электроснабжения реализована в виде программного комплекса Fazonord [42], разработанного в Иркутском государственном университете путей сообщения для расчетов режимов и нагрузочной спо собности СТЭ в фазных координатах.

Применение методики ИМ позволило решить задачу прогнозирова ния ЭП для отдельной тяговой подстанции. В качестве иллюстрации рас смотрена задача определения величины потребляемой электроэнергии с периодом упреждения в один год для выделенной тяговой подстанции.

Расчетный расход ЭЭ, полученный в результате ИМ, отличался от расхода, зарегистрированного счетчиками электрической энергии, на 1,9%. Этот факт показывает, что с помощью реализованной на базе программного комплекса Fazonord методики имитационного моделирования систем тяго вого электроснабжения можно корректно решать задачу прогнозирования расхода ЭЭ на уровне тяговой подстанции.

В третьей главе предложена методика прогнозирования ЭП на ос нове техноценологического подхода [55], позволяющего оценить состоя ние системы в целом и особенности её развития во времени. Техноценоло гический метод, предложенный Б.И. Кудриным, положительно зарекомен довал себя как общий подход к анализу сложных технических систем и получил развитие в работах [41, 55…60].

В монографии предложена методика прогнозирования ЭП с помо щью техноценологического анализа, основанная на аппарате рангового Н распределения [58]. Прогноз электропотребления по железной дороге на основе предложенной методики позволяет определить необходимую вели чину ЭП в целом по магистрали. Применение данного подхода для прогно зирования расхода электроэнергии на ТП железной дороги позволяет по лучить точность прогноза около 4,5 %.

Данная методика легла в основу программного продукта «Учет и прогнозирование электропотребления», созданного в рамках проведенных исследований для хранения и обработки данных об электропотреблении по ТП, а также для прогнозирования ЭП на основе рангового анализа. Разра ботанный программный продукт положен в основу информационно справочной системы, служащей дополнением к существующим автомати зированным системам контроля и учета электропотребления (АСКУЭ) и диспетчерского управления (АСДУ). Система имеет иерархическую струк туру, отвечающую на каждом уровне единым принципам построения, ин терфейсам, методам обработки данных. Структуры систем управления ба зами данных на уровне техноценоза и на уровне структурной единицы по добны. Предложена декомпозиция данных по трем направлениям: число вая база (параметры электропотребления);

текстовая (документооборот);

графическая (различные схемы). В основу архитектуры системы положена карта географического расположения дистанций электроснабжения желез ной дороги.

В четвёртой главе представлена методика прогнозирования ЭП на тяговых подстанциях с использованием аппарата искусственных нейрон ных сетей (НС). Анализ методов прогнозирования показал, что для сокра щения сроков и повышения точности прогнозирования целесообразно ис пользовать нейросетевые технологии [51]. Вопросам применения методов искусственного интеллекта для решения электроэнергетических задач по священы работы [26..30, 49..53].

В монографии выполнен анализ моделей нейронных сетей, который показал, что многослойные сети пригодны для прогноза электропотребле ния на ТП [54, 113]. Рассмотрены возможные варианты формирования обу чающей выборки с целью построения кривой обучения, наиболее адекват ной решаемой задаче. Результатом обучения является такая настройка ве сов синаптических связей в НС, при которой каждому входному вектору сеть формирует требуемый (или близкий к нему) выход.

На основании обработки значительного массива статистических данных выявлена роль факторов, оказывающих влияние на электропотреб ление тяговых подстанций.

Предложено разделение входной информации на следующие уровни [113]:

• тяговая подстанция (ЭЧЭ) дорога;

• дистанция электроснабжения (ЭЧ) дорога;

• отделение дороги (НОД) дорога;

• энергоснабжающая организация (ЭСО) дорога.

При построении прогноза по уровню «НОД дорога» нейронная сеть оптимально сочетает в себе такие характеристики как быстродействие и высокая аппроксимирующая способность. Рассмотрены различные вари анты представления в нейронной сети качественных и количественных факторов, влияющих на электропотребление.

Реализация факторного нейросетевого прогнозирования осуществля ется посредством использования модели персептрона [83, 124], ориентиро ванной на прогнозную оценку одного параметра. Данная модель реализо вана для решения задачи прогноза электропотребления тяговыми подстан циями железной дороги и ее отделений c применением рангового анализа [112, 141]. При его использовании возникает задача прогнозирования ЭП объектов с первым рангом W1 как одной из главных характеристик дея тельности отделения дорог. При этом первичный анализ показал, что по требителями первого ранга для каждого из отделения дороги являются следующие тяговые подстанции: НОД-1 – ТП-8 (названия подстанций ус ловные);

НОД-2 – ТП-27;

НОД-4 – ТП-31.

Для осуществления прогнозных оценок параметра W1 выделены факторы, на него влияющие. Значимость каждого из факторов оценивалась исходя из наличия накопленных статистических данных. В качестве меры значимости того или иного фактора принималось значение его коэффи циента корреляции cor(W, ) с электропотреблением. Выполненный кор реляционный анализ по отделениям дороги показал, что наиболее сильным влиянием обладают грузооборот Г (тыс. тонн) и средний вес брутто Qбр (тыс. тонн). Значения корреляции лежат в пределах cor(W, ) = 0,6…0, [46].

На основе проверки значимости коэффициентов при степенях выше первой можно сделать вывод об их незначительном влиянии на прогнози руемый параметр W. В итоге приемлемой регрессионной зависимостью можно считать линейную функцию вида W =а0+a1 1+a2 2. По методу наименьших квадратов рассчитаны коэффициенты зависимостей для отде лений железной дороги. Проверка сформулированной модели на адекват ность дала положительный результат.

Непараметрическую зависимость W = f( 1, 2) можно смоделиро вать на нейронной сети, в которой в качестве входных параметров прини маются факторы 1 и 2, а выходного – электропотребление W. Данная структура сети позволила добиться в процессе обучения точности прогно зирования, характеризующейся максимальной погрешностью 0,42 %.

На основе полученных результатов определены наиболее эффектив ные средства прогнозирования ЭП для организационно-структурных уров ней железнодорожной магистрали.

1. АНАЛИЗ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРОПОТРЕБЛЕНИЯ 1.1. Прогнозирование в системе электроснабжения железнодорожного транспорта Железные дороги – филиалы ОАО «Российские железные дороги» – следует рассматривать как большие системы. Этот подход предполагает изучение таких систем с использованием методов, учитывающих наличие тесных связей между большим числом факторов, определяющих состояние объекта. Кроме того, они являются управляемыми объектами, которые не обходимо рассматривать как совокупность взаимосвязанных подсистем, объединенных общей целью функционирования [61]. Одной из основных подсистем рассматриваемых объектов, непосредственно вовлеченных в процесс производства, являются хозяйства электроснабжения. Приоритет ным направлением их деятельности является снижение эксплуатационных расходов на тягу поездов и повышение эффективности использования электроэнергии для обеспечения перевозочного процесса. От правильной оценки данного показателя зависит успешная деятельность не только элек трического хозяйства железнодорожных магистралей, но и отрасли в це лом.

Классическая теория управления включает в себя три элемента: пла нирование, организацию и собственно управление [90]. Все три элемента базируются на прогнозировании деятельности и развития системы. Про гнозирование является составной частью планирования, которое можно представить в виде сдвига выходной информации по отношению к инфор мации входа. В процессе планирования вырабатываются управленческие решения, учитывающие переход объекта из первоначального в некоторое новое состояние, сформировавшееся под воздействием ряда внешних и внутренних факторов.

Прогнозирование должно отвечать на два следующих вопроса [12, 24, 90].

1. Что вероятнее всего ожидать в будущем?

2. Каким образом нужно изменить условия, чтобы достичь заданного конечного состояния прогнозируемого объекта?

Прогнозы, отвечающие на вопросы первого типа, называются поис ковыми, второго типа – нормативными (рис. 1.1).

Прогнозы ЭП на железнодорожном транспорте Организационная Время Показатель Цель прогноза Тип нагрузки структура упреждения Электроподви Расход ЭЭ Отрасль Поисковые Долгосрочные жной состав Нетяговые ЭСО Нормативные Среднесрочные Активная ЭЭ потребители Нетранспортные Дорога Реактивная ЭЭ Краткосрочные потребители Отделение Потери ЭЭ Оперативные Промышленные дороги Тяговая Максимум Коммунально подстанция нагрузки бытовые Сельско хозяйствнные Прочие Рис. 1.1. Классификация научно-технических прогнозов Получение точных и своевременных прогнозных оценок дает воз можность заключать договора на поставку энергоресурсов по наиболее льготным тарифам. Поэтому важной характеристикой является время уп реждения – отрезок времени от момента, для которого имеются последние статистические данные об изучаемом объекте, до момента, к которому от носится прогноз.

По времени упреждения прогнозы делятся на следующие виды [12, 77, 103]:

• оперативные (с периодом упреждения от 15 мин до одной недели);

• краткосрочные (период упреждения от нескольких месяцев до го да), • среднесрочные (период упреждения более 1 года, но не свыше лет), • долгосрочные (с периодом упреждения более 5 лет).

Прогнозы могут охватывать различные уровни объекта: от микро уровня, рассматривающего развитие отдельных структурных подразделе ний железнодорожного транспорта, до макроуровня, анализирующего процессы в масштабе отрасли. В системе электроснабжения железнодо рожного транспорта прогнозирование возможно для следующих уровней:

• ОАО «РЖД» – энергетический рынок страны (заявляемый, дого ворной, контролируемый и отчётный объемы ЭП);

• граница раздела дороги и энергосистемы (заявляемый, договорной, лимитируемый, контролируемый и отчётный объемы ЭП);

• структурные подразделения филиалов ОАО «РЖД» – отделения дороги;

• дистанции электроснабжения, входящие в структуру отделения до роги;

• шины отдельно взятой тяговой подстанции.

Особенностью сложившейся системы электроснабжения железнодо рожного транспорта является питание от тяговых подстанций не только электрического подвижного состава, но и нетяговых внутрикорпоративных и сторонних потребителей. Их нагрузка в условиях рыночной экономики меняется в широких пределах и может достигать до 25 % от общего элек тропотребления. Из нетяговых потребителей можно выделить четыре большие группы: коммунально-бытовые, промышленные, сельскохозяй ственные и прочие. Внутри этих больших групп можно выделить более мелкие, с характерными графиками потребления электроэнергии.

«Энергетической стратегией ОАО «Российские железные дороги» на период до 2010 года и на перспективу до 2020 года» поставлена задача ко ренного улучшения структуры управления энергетическим комплексом железных дорог для его гармоничного и эффективного вхождения в энер гетический рынок страны. В этих условиях наибольший практический ин терес представляют краткосрочные и оперативные поисковые прогнозы электропотребления. Они используются в качестве основного показателя при заключении договоров на пользование электроэнергией с энергоснаб жающими организациями сроком на 1 год и для ежеквартального уточне ния объемов поставок. При этом предъявляются повышенные требования к точности прогнозирования.

Процессы электропотребления на отдельной железной дороге – фи лиале ОАО РЖД – за период 1999..2003 гг. иллюстрируются диаграммами, представленными на рис. 1.2..1.7.

ТП-1 ТП-2 ТП-3 ТП-4 ТП-5 ТП-6 ТП-7 ТП-8 ТП-9 ТП- МВт•ч 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 май май май май май февраль апрель июнь июль февраль апрель июнь декабрь июль декабрь февраль апрель июнь июль июнь декабрь февраль апрель июль февраль апрель июнь декабрь июль декабрь ноябрь ноябрь ноябрь ноябрь ноябрь янв. янв. янв. янв. янв. март март март март март сентябрь октябрь сентябрь октябрь сентябрь октябрь сентябрь октябрь сентябрь октябрь август август август август август Рис. 1.2. Динамика электропотребления на тяговых подстанциях МВт•ч МВт•ч 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10 янв.1999 янв. февраль февраль март март апрель апрель май май ТП- ТП- июнь июнь июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь ТП- ТП- декабрь декабрь янв.2000 янв. февраль февраль март март апрель апрель май май ТП- ТП- июнь июнь июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь ТП- ТП- декабрь янв. янв. февраль февраль март март апрель апрель май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- ТП- янв.2002 янв. февраль февраль март март апрель апрель май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- ТП- янв.2003 янв. февраль февраль март март апрель апрель Рис. 1.4. Динамика электропотребления на тяговых подстанциях Рис. 1.3. Динамика электропотребления на тяговых подстанциях май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- ТП- МВт•ч МВт•ч 2 3 4 5 6 7 8 9 10 2 3 4 5 6 7 8 9 10 11 янв.1999 янв. февраль февраль март март апрель апрель май май ТП- июнь июнь июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь ТП- декабрь декабрь ТП- янв. янв. февраль февраль март март апрель апрель май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- ТП- янв.2001 янв. февраль февраль март март апрель апрель май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- ТП- янв.2002 янв. февраль февраль март март апрель апрель май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- ТП- янв. янв. февраль февраль март март апрель апрель Рис. 1.6. Динамика электропотребления на тяговых подстанциях Рис. 1.5. Динамика электропотребления на тяговых подстанциях май май июнь июнь ТП- ТП- июль июль август август сентябрь сентябрь октябрь октябрь ноябрь ноябрь декабрь декабрь ТП- МВт•ч ЭЧ-1 ЭЧ-2 ЭЧ-3 ЭЧ-4 ЭЧ-6 ЭЧ-7 ЭЧ-8 ЭЧ-9 ЭЧ-10 ЭЧ- 60 50 40 30 20 10 май май май май май февраль апрель июнь июль ноябрь февраль апрель июнь июль ноябрь февраль апрель июнь июнь июнь декабрь декабрь июль ноябрь декабрь февраль апрель июль ноябрь декабрь февраль апрель июль ноябрь декабрь янв. янв. янв. янв. янв. март март март март март сентябрь октябрь сентябрь октябрь сентябрь октябрь сентябрь октябрь сентябрь октябрь август август август август август Рис. 1.7. Динамика электропотребления по дистанциям электроснабжения Анализ потребления энергии тяговыми подстанциями показывает, что на эту величину влияет большое число факторов, затрудняющих про гнозирование ЭП. К ним следует отнести большое количество точек отбо ра мощности, сложный профиль пути, питание тяговых подстанций от не скольких энергосистем, различия в климатических условиях на протяже нии железной дороги, значительную долю нетяговых потребителей в со ставе нагрузки.

1.2. Анализ существующих методов прогнозирования электропотребления Методам прогнозирования показателей электропотребления всегда уделялось большое внимание. Ряд теоретических идей, в основном бази рующихся на линейных моделях, был выдвинут довольно давно. В этих работах [12, 40, 64, 68, 69, 77, 103], как и во многих других, анализ опира ется на разработанные в начале и середине прошлого столетия статистиче ские методы:

• корреляционные, регрессионные и факторные;

• эконометрические и эвристические;

• временной и пространственной экстраполяции;

• моделирования процессов развития.

В последнее время значительный интерес проявляется к методам, основанным на нелинейных моделях. Большая часть таких методов при надлежит к разряду технологий искусственного интеллекта (ИИ) [9]. Это, в первую очередь, искусственные нейронные сети (ИНС) и новейшие сред ства оптимизации, к числу которых относятся, например, генетические ал горитмы, метод моделирования отжига и другие [9, 30, 35,75, 76].

Для решения задачи оценки электропотребления необходим сбор статистической информации, обработка, последующее её накопление и хранение в течение всего срока эксплуатации объекта.

Учитывая тот факт, что каждая тяговая подстанция имеет средства учета потребляемой электроэнергии, вопрос о сборе необходимой инфор мации требует в основном организационных решений.

Анализ необходимо проводить поэтапно [68, 105]:

1) формирование цели и постановка задач анализа;

2) подбор материала для анализа;

3) выбор методов анализа;

4) формирование модели объекта анализа;

5) получение необходимых результатов;

6) принятие решения об использовании результатов.

По оценкам отечественных и зарубежных исследователей число раз личных методов и приемов прогнозирования превысило 400 [9, 12, 40, 77, 89, 93]. Однако число базовых процедур, повторяющихся в различных ва риациях в других методах, не превышает десятка. Специфика исходной информации и анализируемого объекта требует выбора адекватного мето да прогнозирования. Так как цель настоящей работы состоит в создании математических моделей и методов прогнозировании электропотребления на тяговых подстанциях, то анализ методов прогнозирования будет касать ся только тех методов, которые целесообразно применять в технических системах.

В общем случае требования, предъявляемые к прогнозным моделям можно свести к следующему:

а) рекурсивность – по мере поступления новых данных прогнозы должны соответствующим образом обновляться, но при этом не должно быть необходимости в использовании всей имеющейся предыстории для пересчета оценок каких-либо параметров модели;

б) экономичность – минимальные ресурсы машинного времени и оперативной памяти ЭВМ;

в) робастность – модель может работать с частью временного ряда, для которой она не является оптимальной;

тем не менее, должны полу чаться разумные прогнозы.

Модель должна быть устойчива к ошибкам в исходных данных, а также к отсутствию части данных [88, 107].

1.2.1. Методы эвристического прогнозирования Эвристическое прогнозирование в историческом плане является наи более ранним направлением прогнозирования, применяемым в повседнев ной жизни и технике. В широком смысле, эвристическое прогнозирование заключается в интуитивном выборе из бесчисленного множества обстоя тельств важнейших и решающих факторов. Основная процедура прогноза заключается в сравнении всех величин и вариантов, с помощью которого устраняется все маловажное и несущественное [12]. Несмотря на то, что эксперт, как правило, не осознает технологии эвристического прогнозиро вания, он дает в среднем неплохой прогноз. Эффективность методов эври стического прогнозирования повышается не за счет их внутренней струк туры, а за счет внешнего оформления: подбора соответствующих по ква лификации и количеству экспертов, а также совершенствования алгорит мов обработки результатов опроса. В соответствии с этим были раз работаны методы индивидуальных экспертных оценок, как, например, ин тервью и аналитические оценки. Основные методы коллективных эксперт ных оценок включают в свой состав методы комиссий, коллективной гене рации идей, матричный метод и другие.

Однако эвристические методы субъективны и пригодны только то гда, когда существуют эксперты, хорошо знакомые с прогнозируемой си туацией. Кроме того, при прогнозировании характеристик сложных тех нических объектов, таких как системы тягового электроснабжения, методы эвристического прогнозирования становятся весьма сложными и трудоем кими.

Данное обстоятельство потребовало разработки математических ме тодов прогнозирования. Основные достоинства таких методов состоят в объективности получаемой информации и в возможности автоматизации процесса прогнозирования с использованием ЭВМ.

1.2.2. Математические методы временной экстраполяции В зависимости от используемого математического аппарата и целе вой направленности, математические методы временной экстраполяции можно условно разделить на три группы:

• методы аналитического прогнозирования;

• методы вероятностного прогнозирования;

• методы статистической классификации.

Предположим, что расход ЭЭ можно представить в виде функцио нала W (K ), который наблюдается в моменты времени t 0, t1,..., t m T1.

Через K = [k1 k 2... k n ] обозначен вектор параметров, характери T зующих состояние объекта. Вследствие наблюдаемости объекта известны значения этого функционала в моменты времени t 0, t1,..., t m T1. Необ ходимо определить его значения в моменты времени t m +1, t m + 2,..., t m + z T2 [77].

Подобная постановка задачи справедлива в предположении, что зна чения W (K ) при t 0, t1,..., t m T1 предопределяют величины, которые будут иметь место при t m +1, t m + 2,..., t m + z T2. Иными словами, процесс изменения расхода ЭЭ «информативен» во времени [14]. Идеальным слу чаем является получение аналитического выражения для функционала W (K, t ). Задачу прогнозирования в подобной постановке можно решить различными методами, называемыми методами аналитического прогнози рования и отличающимися применяемым математическим аппаратом.

Существует ряд методов аналитического прогнозирования, учиты вающих производные изменений функции состояния. К числу таких мето дов относят операторный метод, метод суммирования производных и дру гие методы. Функция состояния в данных методах определяется зависимо стью следующего вида [77]:

W (K, t m +1 ) = F[W (K, t m ),, W (K, t m )] где 0 – параметр прогнозирования;

– оператор, определяемый через производные функционала состояния.

Модели прогнозирования, учитывающие производные функционала состояния, обладают неопределенностью начальных условий. При случай ных помехах, накладывающихся на W (K, t ), начальная неопределенность возрастает, что затрудняет определение параметров модели. Как следствие, ухудшается точность прогнозирования.

Наиболее распространенным прогнозирующим аналитическим вы ражение является многочлен вида R W (t ) = A r Fr (t ) (1.1) r = где Fr(t) – базисные функции, составляющие основу прогнозирующей формулы;

Аr – степенные адаптационные коэффициенты.

Выражение вида (1.1) подходит для описания монотонного и посте пенного изменения параметров [8, 89]. К недостаткам данного метода можно отнести сложность и трудоемкость вычислений, связанных с необ ходимостью выбора и вычисления для каждого параметра прогнозирую щего аналитического выражения. К общим недостаткам методов аналити ческого прогнозирования следует отнести большой объем вычислительных процедур при определении прогнозных значений параметров, а также не точность результатов прогнозирования при неправильно выбранной моде ли. Кроме того, приходится учитывать неточности исходных данных, по лученных в период наблюдения.

Необходимость вероятностного прогнозирования определяется сильным влиянием внешних и внутренних факторов, имеющих случайный характер. К методам вероятностного прогнозирования относится метод статистического градиента. При этом закономерность движения функцио W (K, t ) оценивается статистически. В момент tm из n координат нала вектора K случайным образом выбираются группы по d координат и опре деляются их соответствующие приращения i,... is,... id, где i, s, d – слу чайные единичные векторы, а =tm – tm-1. При этом выражение, опреде ляющее приращение функции состояния, имеет вид [ ] Ws = W K (t m 1 ) + is W[K (t m 1 )].

Метод, использующий Байесов критерий, позволяет определить плотность распределения F(W ) вектора градиента функции состоя ния W (K, t ) [75]. Для определения наиболее вероятного направления гра диента в этом случае строится распределение приращений K по каждой координате вектора функции состояния.

Метод гипотез и фильтрации состоит в том, что вводится гипотеза о том или ином поведении функции W (K, t ), а затем все результаты кон троля и прогнозирования, не удовлетворяющие принятой гипотезе, от фильтровываются. Недостатком метода является низкая оперативность из– за инерционности в получении результатов прогноза.

В рамках следующего метода рассматривается функция распределе ния параметров с преобладанием случайных составляющих. Прогнозиро вание изменений этой функции заключается в вычислении статистических характеристик и построении интегральных функций распределений раз личных последовательностей временных рядов. Существенным недостат ком метода является необходимость длительного наблюдения при индиви дуальном прогнозировании для получения представительных выборок.

Для получения непрерывного прогноза используются оптимальные фильтры: фильтр Винера-Хопфа для прогнозирования стационарных про цессов и фильтр Калмана для нестационарных процессов [77]. Принципи альными трудностями применения этих фильтров является громоздкость вычислительных процедур и необходимость наличия представительных статистических данных.

Метод статистической регрессии позволяет предсказать одну или не сколько величин на основе информации о параметрах объекта k1,..., kn.

Задача заключается в определении такой функции модели W (K ), зная ко торую можно с некоторой достоверностью судить об изменении прогнози руемой величины W в зависимости от аргументов ks, s =1,...,n [44].

Наиболее распространенной формой представления функций являет ся линейное соотношение вида ~ W = a 1k 1 + a 2 k 2 +... + a d k d + где as – неизвестные коэффициенты функции W, s = 1,..., d;

– неко торая случайная величина.

Функция W (K ) и ее коэффициенты определяются из условия дос тижения экстремального значения некоторого выбранного критерия. В ка честве такого условия широко используется минимум среднеквадратиче ской ошибки (метод наименьших квадратов).

M[W W (K )]2 min, Данный метод объективен, но требует соблюдения ряда условий для успешного применения. Прежде всего, необходим достаточно большой объем статистических данных, полученных на участке наблюдения. Кроме того, необходимо знать вид детерминированной основы процесса или функции, описывающей процесс изменения параметров. Самым большим недостатком метода является невозможность предсказания качественного изменения характера динамики технического состояния объекта, т.е. скач ка.

Необходимость наличия представительного объема статистических данных о процессах изменения параметров и невозможность прогноза рез ких изменений на участке прогнозирования можно отнести к общим не достаткам большинства вероятностных методов прогнозирования.

Модель временного ряда в общем виде описывается следующим вы ражением [44, 77]:

W (t ) = T(t ) + N(t ) + S(t ) + A(t ), где T(t) – тренд, основная составляющая;

N(t) – регулярные колебания около тренда;

S(t) – сезонная составляющая;

A(t) – случайная составляю щая (аддитивная помеха).

Временной ряд электропотребления обладает свойством кумулятив ности, то есть, например, годовое электропотребление можно представить как сумму кварталов, месяцев и т. Всякое усреднение сглаживает ряд. Ино гда специально применяют экспоненциальное сглаживание – метод Бокса – Дженкинса [7, 44, 88]. Модель Бокса – Дженкинса основана на обработке авторегрессионных рядов, в которых не делается никаких априорных до пущений относительно дисконтирующих коэффициентов. При этом ис пользуется переход к разностям ряда и допускается коррелированность остатков с представлением их скользящим средним [8]. Алгоритм прогно зирования представляет собой фильтр второго порядка.

В прогнозировании ЭП применяют следующие частные варианты моделей временного ряда:

W(t) = S(t) + A(t) (1.2) W(t) = N(t) + A(t) (1.3) W(t) = T(t) + A(t) (1.4) W(t) = T(t) + W(t) + A(t) (1.5) W(t) = T(t) + N(t) + A(t) (1.6) Формула (1.2) предполагает наличие стационарного временного ряда без тренда и регулярных колебаний, например, прогнозирование с помо щью однородных цепей Маркова [24]. В основе метода (1.2) лежит спек тральный анализ. Спектром временной зависимости функции W(t) называ ется совокупность ее гармонических составляющих, образующих ряд Фу рье. Спектральный анализ обеспечивает возможность вычисления ампли туды и фазы любой гармоники (или спектральной плотности на любой частоте). На основе разложения временного ряда на составляющие разра ботан метод спектральной декомпозиции [12] для учета различных регу лярных колебаний по годам, месяцам, неделям, дням. Если из фактических значений выделить регулярные изменения, остаточный ряд будет пред ставлять флюктуации ЭП относительно систематических изменений, обу словленных влиянием локальных факторов, в частности природных.

Метод (1.3) наиболее простой и состоит из тренда и аддитивной по мехи, например, суточный график ЭП, в котором в качестве тренда можно принять среднюю часовую мощность.

Метод (1.4) и применяется для анализа нестационарных рядов.

В соответствии с выражением (1.5) строятся следующие методы:

• обобщенное экспоненциальное сглаживание [102, 103];

• групповой учет аргументов;

• применение функций с гибкой структурой, где широко применяют ся тригонометрические функции.

Для моделирования различных процессов применяется метод Монте Карло, основанный на использовании случайных чисел [38]. Обобщенный алгоритм реализации метода Монте-Карло обеспечивает прогнозирование работы объекта и вычисление статистических характеристик его функцио нальных параметров. Оценка точности полученных прогнозных значений производится двумя способами – априорным и апостериорным. Априор ный способ основан на применении критерия Стьюдента, который дает ин тервальную оценку случайной величины для заданного уровня значимости [90]. Апостериорный способ базируется на сравнении модельной оценки изучаемого процесса с эмпирическим процессом.

Представляет практический интерес анализ и синтез временных ря дов, характеризующих динамику изменений суммарного электропотребле ния, с целью построения расчетных моделей этого процесса без привлече ния информации о факторах внутренней структуры потребления. Сопос тавление такой однофакторной модели с фактическими реализациями это го процесса может пролить свет на целесообразность учета дополнитель ной информации как о внутренних (структурных), так и о внешних (на пример, метеорологических) факторах, с целью выяснения реальных воз можностей дальнейшего уточнения заблаговременных расчетов суммарно го электропотребления, предназначенных для текущего планирования ре жимов работы.

Сравнение значений выборок, составленных по величинам в течение квартала, позволяет сделать вывод, что изменение этих значений зависит от времени. Поэтому прогнозирование на один шаг вперед можно вести на основе регрессионной модели по методу наименьших квадратов (МНК).

Как показали экспертные оценки [38], на практике для прогнозирования по МНК достаточно использовать уравнение регрессии первого или второго порядка, которое можно представить в виде линейной или параболической функций времени t:

y = a + bt, y = a + bt + сt2.

Существенным недостатком всех методов прогнозирования на осно ве статистической классификации можно считать обязательное наличие априорной информации, на основе которой и осуществляется установле ние временных экстраполяционных связей. По сути, необходима выборка данных по объекту одного типа с объектом, показатели которого необхо димо прогнозировать.

1.3. Анализ методов оценки расхода электрической энергии тяговыми подстанциями Электроэнергия как продукт производства обладает одним принци пиальным свойством – процесс потребления этого продукта не может быть отделен от процесса собственно производства, произведенный товар дол жен быть немедленно доставлен к потребителю и израсходован. В таких условиях и производитель, и потребитель ЭЭ заинтересованы в прогнозе электропотребления. Прогноз ЭП особенно важен в новых экономических условиях, в которых предполагается функционирование оптового рынка электроэнергии и мощности. На этом рынке будут оперировать множество экономических субъектов в условиях многообразия тарифных планов и схем [9, 25, 68]. Для производителей электроэнергии прогноз ЭП важен с точки зрения оптимизации операционных расходов, резервирования мощ ностей, удобства проведения профилактических работ и обеспечения безо пасности. Для потребителя такой прогноз необходим для осуществления минимизации своих издержек, связанных с простоем производства в слу чае нехватки необходимой мощности, либо с уплатой штрафов при пре вышении лимитов, либо с переплатой за заказанные, но не полностью из расходованные объемы ЭП.

Сформулируем задачу прогнозирования электропотребления в целом по хозяйству электроснабжения железной дороги. Известно, что электри ческое хозяйство как объект, подлежащий прогнозу, наделен признаками pi P, i = 1,2,...n и описывается показателями i V. Количество выделен ных экспертом признаков s служит для адекватного описания состояния объекта. В зависимости от выбора иерархического уровня прогноза число s будет меняться. Признаки рi и показатели будут определять соответст вующие области: P – область признаков, выделенных для описания иссле дования объекта;

V – область показателей, характеризующих поведение объекта. К числу таких показателей на электрифицированных железных дорогах относятся расход электроэнергии на тягу поездов, напряжение на токоприемнике электровозов, потери электроэнергии. Основными факто рами, влияющими на значения указанных показателей, являются [42]:

• расстояние между тяговыми подстанциями;

• величина межпоездного интервала;

• наличие устройств, компенсирующих снижение напряжения на токоприемнике электровозов;

• тип тягового электроснабжения (25 кВ;

225 кВ);

• грузонапряженность электрифицированного участка;

• нелинейность вебер-амперной характеристики рельсовой и трансформаторной стали;

• переходное сопротивление рельсы – земля;

• схема питания и секционирования контактной сети;

• веса поездов;

• транзитные и местные составляющие уравнительного тока;

• мощность питающей энергосистемы.

Показатели можно разделить на постоянные (тип тягового электро снабжения, расстояние между тяговыми подстанциями) и изменяющиеся во времени (вес поезда, величина межпоездного интервала, грузонапря женность электрифицированного участка), фиксируемые в установленные моменты времени tk Т, где Т – временная ось, на которой отображён процесс исследования объекта.

Для выполнения прогнозных оценок временную ось Т следует разде лить на три неравных периода: первый – ретроспективный;

второй – вы полнение прогноза;

третий – прогнозируемый (или перспективный). Разбив ось Т на равные интервалы времени t, будем иметь фиксированные мо менты времени t1, t2,...tn. Если принять, что период прогнозирования мал, то ось Т можно разделить на две части TR ТР = Т, где TR и ТР – соответ ственно ретроспективный и прогнозируемый интервалы времени. Предпо ложив, что to – момент завершения прогнозной оценки параметров, будем иметь t0-k TR;

t0+1 ТР;

(k=1, 2,..., K);

(l=1, 2,.., L), где К и L – число фик сированных моментов соответственно для ретроспективного и прогнози руемого периодов. Разделяя периоды на составляющие, следует учитывать и разделение области показателей VR VP – V. Здесь VR и VР – соответст венно области ретроспективных и прогнозируемых показателей. Каждая из данных областей будет сформирована из фиксированных ретроспектив ных показателей k и прогнозируемых показателей l, т.е. vk VR, vl VР.

Рассматривая VR и VP, можно отметить следующее. При прогнозировании один и тот же показатель может принадлежать как VR так и VP, и может быть единственным, т.е. (VR, VP ). Этот подход к задаче прогнозиро вания облегчает получение оценок прогноза, но с другой стороны, не га рантирует точности результатов. Поэтому часто используется учет не скольких показателей. При этом принимается, что VR VP. Такой подход обусловлен проявлением различного рода ограничений gj G (j=1, 2,...., m), накладываемых на решение задачи прогнозирования. Каждое ограни чение gj характеризуется наличием признаков количественного и качест венного характера и трудно формализуемо. Последнее свойство объясня ется тем, что ограничения обычно связаны со следующими проявлениями природы прогнозирования:

• погрешность в получении показателей;

• неполнота и несвоевременность отражения признаков;

• непонимание аналитиком сути проблемы;

• «грубость» используемой модели прогнозирования и другие.

Следовательно, на практике невозможно точно определить число ог раничений m и дать строгое математическое описание каждому из них.

Поэтому область G неопределённа и размыта. Еще одной сложностью по лучения более точных прогнозных оценок является изменчивость числа факторов, воздействующих на объект на всем интервале его жизнедеятель ности. Поэтому природа выделенных для описания объекта признаков ме няется во времени. Поскольку отследить природу изменчивости признаков в прогнозируемом периоде невозможно, в задаче прогноза вынуждено учи тывается условие неизменного числа признаков на TR и ТР.

При прогнозировании ставится цель наиболее точного получения прогнозируемых оценок показателей. Задачу прогнозирования представим в следующем виде:

( ) EL / el el min (1.7) e =1l = g j ( k, e ) Q j ;


j = 1,2,..., m (1.8) / где el – реальные значения показателей, зафиксированные на момент времени t 0 + l ;

Q j – некоторое требование (критерий j), выдвигаемый ана литиком для выполнения ограничений, накладываемых на задачу прогно зирования.

Если рассматривать задачу прогнозирования только одного парамет ра (например, величины электропотребления), то процедура (1.7)-(1.8) уп рощается. Тогда выражение (1.7) будет иметь следующий вид:

( ) L / el el min.

l = Многообразие показателей, характеризующих состояние электрохо зяйства железной дороги, велико и требуются значительные информаци онные, трудовые и другие ресурсы для их получения. Поэтому в дальней шем рассматривается основной из них – величина потребления активной энергии W. Данный выбор обусловлен тем, что электропотребление ха рактеризует не только работу системы электроснабжения, но и экономиче ские показатели всей дороги в целом.

Традиционно при определении годового расхода электрической энергии на участке железной дороги используется удельные нормы элек тропотребления каждого отдельного поезда [6], определяемые из выраже ния Wр a=, QL где Wр – расчётное значение электропотребления, Втч;

Q – вес поезда, т;

L – расчётная длина участка, км.

По этому показателю и величине тонно-километровой работы, со вершаемой локомотивами (Мт), определяется энергоёмкость Эс аМ т Эс = L и годовые расходы энергии на шинах тяговых подстанций.

Обычно расчёт тонно-километровой работы производят для четырёх основных типов поездов по следующим формулам [6]:

– грузовые поезда чётного направления М гт = (Г т + Г т )L ;

– грузовые поезда нечётного направления М го = (Г о + Г о )L ;

– порожние поезда М гп = (Г т Г о )L ;

– пассажирские поезда М пс = 2 N пс 365(P + Q )пс L 10 -6.

Тогда М т = М гт + М го + М гп + М пс где Мгт, Мго, Мгп, Мпс – годовая тонно-километровая работа брутто соот ветственно для чётного и нечётного направлений, порожняковых и пасса жирских с составов в млн. ткм в год;

Мт – полная работа участка в млн.

ткм в год;

– коэффициент тары для рассматриваемого участка;

– ко эффициент, учитывающий соотношение веса гружёного и порожнего поез дов;

Nпс – число пассажирских поездов на участке в сутки;

Гт, Го – годовой грузопоток соответственно туда и обратно в млн. т нетто в год.

Общий годовой расход энергии, отнесённый к шинам тяговых под станций на зоне питания, определяется по выражению Wг/ = (Wг + Wг ) k д k з / где Wг – годовой расход энергии на движение всех поездов, отнесённый к шинам тягового напряжения, в млн. кВтч/год;

Wг – то же, отнесённый к пантографу электровоза, в млн. кВтч/год;

Wг – потери энергии в тяговой сети в млн. кВтч/год;

kд – коэффициент, учитывающий дополнительный расход энергии на собственные нужды подвижного состава и маневры;

kэ – коэффициент, учитывающий увеличение расхода энергии зимой.

Годовой расход энергии на шинах каждой тяговой подстанции опре деляется как доля от общего расхода по фидерным зонам, получающим питание от рассматриваемой тяговой подстанции. Исходным при этом яв ляется распределение между тяговыми подстанциями энергии, потребляе мой одним поездом каждой категории. Суммарные потери энергии в про водах контактной сети и рельсах распределяются между тяговыми под станциями в том же соотношении, что и соответствующий годовой расход энергии.

Годовой расход энергии, отнесённый к шинам питающего напряже ния тяговых подстанций, определяется из выражения Wг/ Wгп = пст Коэффициент пст учитывает потери энергии в оборудовании тяговой подстанции, расход ЭЭ на собственные нужды тяговой подстанции, а так же наличие высших гармонических тока в первичном токе ТП. Годовой расход энергии учитывает и районную нагрузку тяговых подстанций;

то гда вышеприведённое выражение примет вид Wг/ + Wгн = Wгп пст где Wгн – годовой расход энергии нетяговыми потребителями подстанции, отнесённый к шинам питающего напряжения, в млн. кВтч/год;

Определение полного расхода энергии производится с учётом соот ветствующих коэффициентов мощности тяги, района и тяговой подстан ции в целом. Это позволяет определить полный расход энергии на шинах подстанции и долю реактивной нагрузки на её шинах.

В девяностые годы новый импульс развития получают методы, осно ванные на принципах ИИ [3-5, 25, 34-39, 47-49, 51-53, 75-77, 104, 114–160].

В основе этих методов лежит адаптивное использование нелинейных под ходов при решении задач прогнозирования и связанные с этим большие за траты вычислительных ресурсов. Использование нелинейных подходов позволило заметно повысить точность получаемых результатов и тем са мым продемонстрировать преимущества данных методов при решении за дач рассматриваемого класса. Наконец, третий этап начался несколько лет назад, когда желание повысить точность и надежность прогнозов, а также сделать как можно более автоматизированной саму процедуру выполнения прогноза, привело к появлению гибридных методов и схем.

Повышение точности предсказания в гибридных схемах происходит за счет взаимного дополнения двух методик разного класса, когда на пер вом этапе применяется метод, как правило, нелинейный, который эффек тивно решает некоторую промежуточную задачу. На этом этапе из исход ных данных извлекается часть информации, обладающая определенными свойствами, обычно это нелинейный тренд в многомерном пространстве.

Поведение и динамика трендов моделируются отдельно. Однако при вычи тании трендов из исходных данных в остатках часто присутствует допол нительная уточняющая информация, которая также эффективно может быть извлечена с помощью методов иного класса, нежели чем те, что были применены на первом этапе для моделирования трендов. Оставшаяся ин формация также извлекается, окончательный ответ получается как резуль тат комбинации информации первого и второго этапов. Такой подход опи сывается, например, в [51, 60, 72].

В настоящее время суть проблемы автоматизации прогнозирования состоит в том, что для выполнения конкретного прогноза при конкретных условиях достаточно применить методику, дающую хороший результат только в очень узком диапазоне параметров оперативной обстановки. При сильном изменении внешних условий, к числу которых, например, отно сятся погодные условия, время суток, день недели и т.д., возникает необ ходимость существенной перенастройки или даже полной замены подхо дов к прогнозированию. Распознать момент смены обстановки до недавне го времени эффективно мог только человек – эксперт. Целью современных исследований является автоматизация и этого процесса. Для достижения такой цели необходимо научиться формально описывать классы окру жающей обстановки и затем решать задачу классификации для принятия решения о подстройке или замене модели. Для решения указанной задачи эффективные подходы находятся в классе алгоритмов ИИ. Здесь примене ны экспертные системы, классификаторы на основе самоорганизующихся сетей Кохонена и алгоритмы нечеткой логики [71, 76, 92].

Выводы 1. Предложена классификация методов прогнозирования электропо требления на тяговых подстанциях железнодорожного транспорта.

2. Выявлено, что наибольший практический интерес для железнодо рожного транспорта представляют краткосрочные и оперативные прогно зы электропотребления.

3. Традиционные методы прогнозирования ЭП на тяговых подстан циях железных дорог, основанные на нормативных подходах, требуют из менения в новых экономических условиях.

4. Сформулирована общая задача прогнозирования электропотребле ния, решение которой позволяет при учете ряда ограничений, оценивать состояние электрического хозяйства железной дороги, использую систем ные свойства объекта.

2. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СИСТЕМ ТЯГОВОГО ЭЛЕКТРОСНАБЖЕНИЯ 2.1. Имитационное моделирование в задачах прогнозирования электропотребления Расчет режимов, определение нагрузочной способности и прогнози рование расхода электрической энергии систем тягового электроснабже ния являются крайне актуальными задачами при проектировании и экс плуатации систем тягового электроснабжения (СТЭ). Эти задачи могут решаться на основе методов имитационного моделирования, включающих следующие этапы:

• обработка графика движения поездов;

• формирование мгновенных схем и определение потокораспределе ния для каждой схемы • формирование интегральных показателей электропотребления.

Цель таких расчетов состоит в определении расхода электрической энергии при движении поездов, определении потерь ЭЭ в элементах сис тем тягового и внешнего электроснабжения, контроле напряжения на то коприемнике электровоза и определении токов в элементах СТЭ. Расход энергии на движение при сравнительно небольших изменениях напряже ний определяется средними токами, а потери энергии и нагрев элементов зависят от среднеквадратичных значений, на которые существенно влияют максимальные токи.

Моделирование перемещающихся тяговых нагрузок базируется на графике движения, связывающем координату положения поезда со време нем. Величины тяговых нагрузок определяются на основе тяговых расче тов или экспериментально. Обычно тяговые нагрузки задаются величина ми токов, однако такой подход недостаточно адекватно описывает физику протекающих процессов. Машинист поезда должен соблюдать заданную скорость движения, поэтому изменение напряжения на токоприемнике приводит к необходимости поддержания мощности электровоза. Следова тельно, задание тяговой нагрузки потребляемой мощностью является более адекватным подходом, отражающим закон сохранения энергии. Про граммные средства, разработанные для определения тяговых нагрузок, ориентированы на получение тяговых токов при номинальном напряжении на токоприемнике, поэтому их пересчет в потребляемую мощность слож ности не составляет.

Применяемые в настоящее время методы и программные средства расчетов режимов систем тягового электроснабжения переменного тока [66, 67] базируются на упрощенном представлении СТЭ. При этом наибо лее «грубому» эквивалентированию подвергается внешняя сеть, которая упрощенно эквивалентируется реактансами, определяемыми мощностью короткого замыкания на шинах высокого напряжения тяговых подстанций.


Элементы системы тягового электроснабжения задаются соответствую щими комплексными сопротивлениями, а тяговые нагрузки представляют ся источниками тока. Такой подход обеспечивает приемлемую точность только при достаточно мощной системе внешнего электроснабжения, ко гда однофазные тяговые нагрузки не приводят к существенной несиммет рии на шинах питающего напряжения ТП. Как показали сравнительные расчеты, значительные погрешности возникают при мощности короткого замыкания на шинах питающего напряжения, меньшей 700 МВ·А [42]. За дание тяговых нагрузок источниками тока также приводит к погрешно стям, возрастающим при увеличении отклонений напряжения на токопри емнике электровоза от номинального значения.

Способы адекватного моделирования внешней сети, а также модели элементов СТЭ, учитывающие электромагнитные взаимовлияния и осно ванные на использовании фазных координат узловых напряжений, пред ставлены в работе [42]. Методика имитационного моделирования, выпол ненная на базе идей работы [42], позволяет корректно решать следующие актуальные практические задачи:

• выбор оптимального способа усиления СТЭ с учетом весовых норм поездов, размеров движения и профиля пути;

• определение пропускной способности участка дороги по системе электроснабжения с выбором оптимальной схемы пропуска поездов;

• минимизация потерь электроэнергии в элементах СТЭ;

• определение влияния поездной ситуации на показатели качества электрической энергии в районах электроснабжения нетяговых потребите лей;

• расчеты уравнительных токов и определение их влияния на техни ко-экономические показатели СТЭ;

• оценка режима напряжения на токоприемнике электровоза при движении поезда;

• определение расхода электроэнергии тяговыми подстанциями.

2.2. Постановка задачи Система электроснабжения железной дороги (СЭЖД) может быть разделена на следующие сегменты (рис. 2.1):

• трехфазную систему внешнего электроснабжения (СВЭ);

• однофазную систему тягового электроснабжения (СТЭ);

• районы электроснабжения (РЭС) нетяговых и нетранспортных по требителей;

• линии электропередачи, выполненные по схеме «провод – рельс»

(ПР) и «два провода – рельс» (ДПР).

СТЭ имеет продольную и поперечную несимметрию параметров, вы званную наличием однофазных тяговых сетей и нагрузок, установок попе речной и продольной емкостной компенсации. Эта несимметрия сказыва ется на СВЭ и РЭС.

Рис. 2.1. Структурная схема системы электроснабжения железнодорожной магистрали Расчеты режимов объединенных систем тягового и внешнего элек троснабжения проводятся путем последовательного расчета режимов ряда мгновенных схем, образующихся при движении поездов. Формирование мгновенной схемы требует наличия следующей информации [42]:

• схемы соединения стационарных элементов с данными об их пара метрах, а также нагрузках и генерациях в стационарной части СЭЖД;

• положение электротяговых нагрузок в рассматриваемый момент времени, определяемое графиком движения поездов;

положение поездов определяет параметры изменяющейся части системы, составленной участ ками тяговой сети;

• нагрузки, создаваемые поездами в рассматриваемый момент вре мени;

эти нагрузки определяют из тяговых расчетов или опытных поездок.

Для определения положения поездов используется график движения поездов. Положение поездов определяет длины текущих участков тяговой сети между соседними поездами или между поездами и стационарными узлами (фидеры тяговой сети, тяговые подстанции, различные неоднород ности тяговой сети типа постов секционирования, пунктов параллельного соединения, нейтральных вставок, переходов на другое число путей или на другой тип подвески).

Данные тягового расчета или опытных поездок предполагаются за данными в токовой форме. Поскольку тяговый расчет проводится в пред положении напряжения на токоприемнике электровоза 25 кВ, то ток поез да пересчитывается в мощность с учетом этой величины напряжения.

2.3. Моделирование СТЭ 1х25 и 2х25 кВ Перед началом имитации движения поездов выполняется операция формирования моделей всех элементов исходной расчетной схемы с объе динением моделей в две группы: стационарную и изменяющуюся [42]. По следняя группа подвергается вариации при составлении очередной мгно венной схемы.

Алгоритм формирования мгновенной схемы включает следующие этапы:

• в текущий расчетный момент времени анализируется график дви жения для определения положения каждого поезда;

• в первой межподстанционной зоне определяется положение бли жайшего к первой подстанции поезда путем сопоставления пикетов поло жения поездов с пикетами неоднородностей контактной сети (КС);

по это му положению определяется длина первого элемента контактной сети;

• по информации о тяговых токах, весу и пикету поезда определяет ся активная и реактивная мощность нагрузки в узле положения поезда;

• для очередного поезда длина очередного элемента контактной сети определяется либо по отношению к пикету ближайшего предыдущего по езда, либо по отношению к пикету ближайшей неоднородности;

предпола гается наличие информации о тяговых нагрузках для каждого типа поезда заданной массы или заданного направления;

• после определения длин всех элементов контактной сети и нагру зок их узлов пересчитываются модели этих элементов и присоединяются к стационарной части расчетной схемы;

после выполнения этого шага оче редная мгновенная схема подготовлена к расчету режима.

Специфика формирования модели контактной сети требует задания маршрута движения поезда по узлам расчетной схемы. Алгоритм форми рования маршрута включает следующие этапы [42].

1. Из всех элементов расчетной схемы выделяются элементы кон тактной сети.

2. Однородные элементы КС, «правильным» образом соединенные друг с другом, объединяются в участки. «Правильным» соединением счи тается соединение, в котором тяговые сети соединяются друг с другом в соответствии с номерами путей. При этом соединенные элементы имеют одинаковое число путей, один тип подвески и все узлы конца первого эле мента упорядоченно связаны со всеми узлами начала второго элемента.

3. Для каждого участка указываются поезда нечетного и четного на правления с определением времени входа поезда на участок (нечетные – с начала, четные – с конца) и указанием номера первого узла участка, с ко торого начинается маршрут. Дальнейший маршрут определяется по анало гичному расположению узлов следующего элемента. Для каждого поезда указывается файл с тяговыми токами Описанная методика реализована в виде программного комплекса Fazonord, разработанного в ИрГУПС для расчетов режимов и нагрузочной способности систем тягового электроснабжения в фазных координатах [42].

2.4 Определение годового расхода электроэнергии на отдельной тяговой подстанции Описанная выше методика была применена для решения задачи оп ределения ЭП по тяговой подстанции с условным названием ТП-44 на уча стке между подстанциями ТП-42 – ТП-47.

Из-за неодинаковости по модулю или по фазе напряжений смежных тяговых подстанций, питающих межподстанционные зоны, возникают уравнительные токи, протекающие в контактной сети при отсутствии тяго вой нагрузки. Причиной возникновения уравнительных токов может яв ляться транзит мощности по внешней системе электроснабжения. По скольку контактная сеть через тяговые трансформаторы подключена па раллельно внешней сети, то часть мощности передается по контактной се ти. Межподстанционная зона ТП-44 – ТП-45, входящая в состав участка электроснабжения ТП-42 – ТП-47, характеризуется большими уравнитель ными токами, в среднем около 100 А, связанными с большой загруженно стью районной подстанции ТП-45.

Для решения задачи расчета годового расхода электрической энер гии по подстанции ТП-44 необходимо определить поездную ситуацию участка электроснабжения ТП-42 – ТП-47, произвести тяговые расчеты для характерных типов поездов и на основании этой информации рассчитать энергопотребление на тягу поездов. Для корректного расчета энергопо требления учтен участок системы внешнего электроснабжения ТП-42 – ТП-47.

При расчетах предполагалось, что на всех тяговых подстанциях рас четного участка включено по одному трансформатору 40000 кВА. Исход ные данные по типу подключения подстанций к системе внешнего элек троснабжения и схеме питания и секционирования контактной сети, при ведены в табл. 2.1 с указанием условных пикетов.

Таблица 2. Фазировка и расположение тяговых подстанций расчетного участка Пикет Тип объекта Наименование объекта Тип по фазировке 722,4 тяговая подстанция ТП-42 741,2 пост секционирования ПС-1 764,4 тяговая подстанция ТП-43 790,1 пост секционирования ПС-2 811,5 тяговая подстанция ТП-44 844,8 пост секционирования ПС-3 865,2 тяговая подстанция ПС-45 892,8 пост секционирования ПС-4 933,7 тяговая подстанция ТП-46 962,7 пост секционирования ПС-5 984,8 тяговая подстанция ТП-47 Характеристики компенсирующих устройств, учтенных при расчете, приведены в табл. 2.2.

Таблица 2. Характеристики компенсирующих устройств Установлен- Полезная Эквивалентная Место установки ная мощность, мощность, проводимость Состояние КУ квар квар шунта, См ТП-42 3900 2834 0.00375 в работе ТП-43 2160 1386 0.00183 в работе ТП-44 2040 1253 0.00166 в работе ТП-45 3900 2840 0.00376 в работе ТП-46 4000 3244 0.00429 в работе ТП-47 4000 3235 0.00428 в работе Контактная сеть перегонов участка составлена проводами ПБСМ 95+МФ-100 с рельсами Р-65. Все перегоны двухпутные.

Необходимая для проведения тяговых расчетов информация об ук лонах и длинах элементов профиля пути в виде графика представлена на рис. 2.2. Ромбиками на этом рисунке показано расположение подстанций (более высоко расположенные ромбики) и постов секционирования (низко расположенные ромбики). В целом участок имеет достаточно ровный про филь, и только вблизи подстанции ТП-46 (условный пикет 934 км) есть за метные протяженные уклоны величиной до десяти тысячных.

Рис. 2.2. Продольный профиль участка ТП-42 – ТП- В табл. 2.3 приведена информация о процентном распределении по ездов НОД-3 и об их абсолютном числе за сутки.

Таблица 2. Распределение поездов по массе на расчетном участке Распределение поездов по массе на расчетном участке Катего- Кол-во На- Процент поездов массой Участок рия по- пар по- правле- до 2000 от 2000 от 4000 более езда ездов ние т до 4000 т до 6000 т 6000 т Грузо- Нечет 25,0 75,0 - вые Чет 6,0 9,0 54,0 31, Пасса- Нечет 100,0 - - ТП-42 – ТП-45 жирские Чет 100,0 - - Приго- Нечет 100,0 - - родные Чет 100,0 - - Грузо- Нечет 25,0 75,0 - вые Чет 6,0 9,0 54,0 31, Пасса- Нечет 100,0 - - ТП-45 – ТП-47 жирские Чет 100,0 - - Приго- Нечет 100,0 - - родные Чет 100,0 - - На основании данных табл. 2.3 и объема поездной работы по годам (табл. 2.4) путем пропорционального пересчета получена информация об общем количестве поездов за характерные сутки по годам (табл. 2.5).

Таблица 2. Объем поездной работы, тыс. тонно-километров брутто, по НОД- 1999 2000 2001 2002 Год 69418309 76144460 85043778 88534434 Поездная работа Таблица 2. Размеры движения поездов за средние сутки Длина 1500 т 3000 т 5000 т 6500 т 1500 т 3000 т 5000 т 6500 т Год отрезка неч неч неч неч чет чет чет чет 69.1 26.5 37.5 0.0 0.0 17.0 4.5 27.0 15. Базисный 587.4 31.5 46.5 0.0 0.0 19.7 5.6 33.5 19. 214.6 28.5 46.5 0.0 0.0 16.7 5.6 33.5 19. 69.1 11.1 15.7 0.0 0.0 7.1 1.9 11.3 6. 1999 587.4 13.2 19.5 0.0 0.0 8.3 2.3 14.1 8. 214.6 12.0 19.5 0.0 0.0 7.0 2.3 14.1 8. 69.1 12.2 17.3 0.0 0.0 7.8 2.1 12.4 7. 2000 587.4 14.5 21.4 0.0 0.0 9.1 2.6 15.4 8. 214.6 13.1 21.4 0.0 0.0 7.7 2.6 15.4 8. 69.1 13.6 19.3 0.0 0.0 8.7 2.3 13.9 8. 2001 587.4 16.2 23.9 0.0 0.0 10.1 2.9 17.2 9. 214.6 14.6 23.9 0.0 0.0 8.6 2.9 17.2 9. 69.1 14.2 20.1 0.0 0.0 9.1 2.4 14.4 8. 2002 587.4 16.9 24.9 0.0 0.0 10.5 3.0 17.9 10. 214.6 15.3 24.9 0.0 0.0 8.9 3.0 17.9 10. 69.1 15.6 22.1 0.0 0.0 10.0 2.7 15.9 9. 2003 587.4 18.6 27.4 0.0 0.0 11.6 3.3 19.8 11. 214.6 16.8 27.4 0.0 0.0 9.9 3.3 19.8 11. 2.5. Результаты расчетов электропотребления на основе имитационного моделирования Расчеты режимов СТЭ проведены путем моделирования движения поездов в программном комплексе Fazonord. В комплексе Fazonord состав лена расчетная схема участка, показанная на рис. 2.3.

Рис. 2.3. Расчетная схема участка ТП-42 – ТП- В этой схеме узлы 33, 34, 35 объявлены шинами бесконечной мощ ности с симметричным трехфазным напряжением 302 кВ (фазное напря жение), нетяговые нагрузки указаны в узлах 220 кВ подстанций. Тяговые трансформаторы представлены двухобмоточными моделями. Компенси рующие устройства учтены емкостными шунтами в узлах 27,5 кВ с от стающей фазой.

Для получения тяговых нагрузок использована хорошо зарекомендо вавшая себя программа тяговых расчетов Treln, входящая в состав ком плекса Nord (ВНИИЖТ). Полученные из нее токи поездов далее пересчи тывались комплексом Fazonord в потребляемые мощности. По продольно му профилю рассчитаны поездные токи для поездов массами 1500 т, т, 5000 т и 6500 т. На рис. 2.4 показан токовый профиль для поезда 3000 т нечетного направления. Рассчитанные токи далее использованы в ком плексе Fazonord для получения величин мощностей тяговых нагрузок.

Рис. 2.4. Ток нечетного поезда 3000 т По описанной методике были проведены расчеты режимов и элек тропотребления для средних суток 1999, 2000, 2001, 2002 и 2003 гг., по ко торым далее определялся расход электроэнергии за год. На рис. 2.6...2. представлены изменения потоков мощности по фидерам контактной сети подстанции ТП-44 в течение суток. Отрицательные значения по фидерам 1ФКС и 2ФКС соответствуют полярности подключения контрольных RL элементов, с помощью которых в комплексе контролируются потоки мощ ности, и отвечают потоку мощности от трансформатора в контактную сеть.

Рис. 2.5. Фаза напряжения на токоприемнике поезда 3000 т Рис. 2.6. Поток активной мощности по фидеру 1ФКС в средние сутки 2001 г.

Рис. 2.7. Поток активной мощности по фидеру 2ФКС в средние сутки 2001 г.

Рис. 2.8. Поток активной мощности по фидеру 5ФКС в средние сутки 2001 г.

Рис. 2.9. Поток активной мощности по фидеру 4ФКС в средние сутки 2001 г.

В табл. 2.6 представлена итоговая информация по расчетам расхода электроэнергии за базисный 1999 год.

Таблица 2. Расчетные расходы электроэнергии на тягу по подстанциям за 1999 г.

Измеренный Расчетный Расчетный за год расход Подстанция расход за су- расход за год, Разница, % по вводам 27. тки, кВт·ч кВт·ч кВ, кВт·ч ТП-43 97241 35492965 38226724 -7. ТП-44 154769 56490685 56523042 -0. ТП-45 127315 46469975 47886857 -3. ТП-46 182181 66496065 63714862 4. В табл. 2.7 представлены результаты прогнозных расчетов расхода электроэнергии в программном комплексе Fazonord.

Таблица 2. Расчетный расход электроэнергии на тягу по подстанции ТП- Расход по Расход по Расход Расход Расход Расход подстанции подстанции Год 1ФКС, 2ФКС, 5ФКС, 4ФКС, за сутки, за год, кВт·ч/сут кВт·ч/сут кВт·ч/сут кВт·ч/сут кВт·ч кВт·ч 2000 29399 27947 46965 60411 164722 2001 32007 31485 49961 66419 179872 2002 32925 32328 50865 67759 183877 2003 35330 35070 53425 73010 196835 Примечание: ФКС –фидер контактной сети.

В сопоставительной таблице 2.8 приведены расчетные и измеренные счетчиками подстанции ТП-44 значения расходов электроэнергии. К рас считанным значениям расхода на тягу добавлены измеренные счетчиками значения расходов по присоединениям «два провода – рельс» (ДПР) и соб ственным нуждам (СН). В колонках «Суммарный расчетный расход»

«Суммарный расход по справке» представлен суммарный расход по вво дам 27.5 кВ и 10 кВ без добавления потерь в трансформаторе.

Таблица 2. Сопоставление расчетов и измерений расхода электроэнергии, кВт·ч, по подстанции ТП- Изме Расчет- Изме- Изме- Суммар ренный Суммарный ный рас- ренный ренный ный рас- Разни расход с расход по Период ход на расход расход четный ца, % шин 10 справке тягу ДПР СН расход кВ 2000 55264231 68268 944230 25735601 82012330 82805539 -1. 2001 65653280 95947 1129400 30716150 97594777 97773518 -0. 2002 67115105 89223 1154302 30279799 98638429 92563413 6. Всего 188032616 253438 3227932 86731550 278245536 273142470 1. На рис. 2.10 представлена зависимость погрешности прогнозирова ния от периода упреждения.

2000 2001 Погрешность прогнозирования по годам Средняя погрещность прогноза Рис. 2.10. Зависимость погрешности прогнозирования от периода упреждения Таким образом, рассчитанный по известной поездной работе через размеры движения поездов расход электрической энергии по вводам 27. кВ и 10 кВ подстанции составляет 278245536 кВт·ч и отличается от отчет ной информации по подстанции за период с 01.02.2000 по 31.12.2002 на 1.9%. Это различие находится в рамках погрешностей измерений и расче тов.

Выводы 1. При расчете режимов систем тягового электроснабжения пере менного тока необходим корректный учет внешней сети, а также районов электроснабжения нетяговых потребителей;

такой учет целесообразно проводить на основе методики моделирования СТЭ в фазных координатах, разработанной в ИрГУПС [42].

2. На основе методов имитационного моделирования систем тягово го электроснабжения может быть корректно решена задача прогнозирова ния электропотребления на тяговых подстанциях магистральных железных дорог.

3. Результаты прогнозирования применительно к конкретной под станции показали, что средняя погрешность при использовании имитаци онных методик прогнозирования не превышает 2%.

3. ПРОГНОЗИРОВАНИЕ ЭЛЕКТРОПОТРЕБЛЕНИЯ НА ОСНОВЕ ТЕХНОЦЕНОЛОГИЧЕСКОГО АНАЛИЗА 3.1. Прогнозирования потребления электроэнергии тяговыми подстанциями с использованием рангового анализа Задача исследования структуры системы электроснабжения фор мально близка к проблеме анализа законов и распределений, которые действуют в областях, связанных с теорией информации [65, 108], раз витием науки [99, 108], экономикой [90], социологией [100], лингвистикой [102], биологией [56], вычислительной техникой. Наиболее известны за коны Ципфа, Парето, Мандельброта, Лотки, Бредфорда, Фишера. Инва риантность, устойчивость законов на множестве объектов различных на учных областей позволила говорить о них как об одной из основных за кономерностей распределения совокупностей сообществ слабосвязанных элементов больших систем и сделать вывод о наличии одного структурно го механизма формирования таких систем как целостности.

Анализ сложных технических систем на основе технологических свойств – новое направление, предложенное профессором Б.И. Кудриным [57] и получившее дальнейшее развитие в работах Фуфаева В.В., Прокоп чика В.В., Гнатюка В.И., Исаева А.С. и д.р.[1, 41, 55-59, 64, 96…98]. Пере численные работы основаны на утверждении о том, что электрическое хо зяйство предприятия (включая и электрохозяйство магистральной желез ной дороги) является устойчивой технической системой. Ее устойчи вость отражает эволюционное изменение показателей во времени, кото рое определяется постоянством структуры установленного электрообору дования. При этом свойства системы не вытекают из совокупности свойств отдельных элементов, её образующих. Законы формирования технических систем из отдельных изделий схожи с законами формирования биосистем из отдельных особей [56, 57]. Законы развития и поведения биологических и технических систем имеют общность, поэтому представляется возмож ным описать законы функционирования и развития сложных технических систем (электрохозяйство железной дороги, электропотребление региона или страны), основываясь на ценологическом подходе к их изучению.



Pages:   || 2 | 3 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.