Главная | Обратная связь

ТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ С НЕПРЕРЫВНЫМ ПРОИЗВОДСТВЕННЫМ ЦИКЛОМ

Эффективная и рациональная работа на оптовом рынке электроэнер­гии одна из важнейших задач нефтегазодобывающих предприятий (НГДП). При этом немаловажную роль играет выравнивание ГЭН и ра­ционализация режимов электропотребления НГДП. Широкое применение автоматизированных систем контроля и учета электроэнергии позволило, используя информацию о текущем электропотреблении, проводить анализ и планирование расхода электроэнергии как по предприятию в целом, так и по его подразделениям.

Следующим шагом по выравниванию ГЭН и рационализации элек­тропотребления является оперативное управление электропотреблением в темпе процесса потребления электрической энергии технологическими комплексами нефтегазодобычи.

Для того, чтобы успешно работать на оптовом рынке электроэнергии необходимо предвидеть нагрузки электропотребления.

Для этого необхо­димо располагать краткосрочными прогнозами электрических нагрузок предприятия в течение часа, на конец текущих суток, четверо суток, а для планирования электропотребления - прогнозными значениями его с упре­ждением на месяц, квартал и год.

Необходимость краткосрочных прогнозов возникла сравнительно не­давно в связи с развитием вычислительной техники и необходимость опе­ративного управления электропотреблением НГДП. Поэтому задача поис­ка и разработка достаточно простых и, в то же время, точных методов краткосрочных прогнозов актуальна. Теоретические разработки, касаю­щиеся вопросов краткосрочного прогнозирования электропотребления промышленных предприятий [15] и прогнозирования электрической на­грузки энергетических систем не учитывают особенностей электропотребления НГДП. Расчет же режимов электропотребления на основе матери­ально-технического баланса предприятия [16] достаточно сложен. На ма­териально-технический баланс оказывают влияние различные факторы (температура, время года, дни недели и др.), которые снижают точность расчетов.

Для специфических условий нефтяных месторождений Западной Си­бири необходимо учитывать влияние сезонности на электропотребление.

Методы спектрального анализа разработаны в основном для стацио­нарных процессов, статистические свойства которых не меняются с тече­нием времени (среднее и дисперсия постоянны в случае нормального рас­пределения).

Анализ временных рядов электрических нагрузок и электропотребле­ния НГДП показал, что при практически одинаковом поведении рядов, уровень, относительно которого происходят колебания, оказывается раз­личным (среднесуточные нагрузки, среднесуточное и среднемесячное электропотребление), т.е. рассматриваемые ряды в общем случае не ста­ционарны. Под временным рядом в данной работе понимается совокуп­ность последовательных данных по электропотреблению (нагрузкам), про­изведенных через одинаковые интервалы значений времени (часы, сутки месяцы). Поэтому в условиях автоматизированного сбора и обработки ста­тистической информации об электрических нагрузках и электропотребле­нии для моделирования графиков электрических нагрузок и электропо­требления рекомендуется использовать параметрические модели, доста­точно хорошо описывающие как стационарные, так и нестационарные процессы.

Параметрические модели более эффективны для описания временных рядов, чем не параметрические, так как по имеющимся данным оценивает­ся меньшее число параметров, и к ним применим адаптивный подход, ко­торый подразумевает изменение параметров модели, если появляется тен­денция изменения развития модели во времени. К недостаткам параметри­ческих методов относится необходимость иметь более полную априорную информацию об исследуемых временных рядах и они описывают более узкий класс процессов.

В основе прогнозирования на базе параметрических моделей лежит преобразование, позволяющее на основе допустимых к моменту времени t наблюдений временного ряда электрических нагрузок получить показатели изменения электрических нагрузок. Поэтому методический подход к про­гнозированию заключается вначале в определении адекватной модели для исходного временного ряда, а затем на базе этой модели производится формирование прогнозирующей функции.

Анализ ГЭН показывает, что суточные ГЭН НГДП не имеют явно вы­раженных периодических составляющих, а среднесуточные значения не остаются постоянными, что позволяет утверждать: эти ряды не стационар­ны и могут быть генерированы трендовыми и авторегрессионными моде­лями.

Анализ тренда предназначен для исследования закона изменения или дрейфа локального среднего значения временного ряда с построением ма­тематической модели тренда и с прогнозированием на этой основе буду­щего поведения временного ряда. В качестве трендовой используются мо­дель, основанная на использовании коэффициентов темпов роста (МКТР), и регрессионная модель, основанная на методе наименьших квадратов (МНК).

В ходе анализа тренда можно получить следующие результаты:

- опробовать несколько математических моделей тренда и выбрать ту, которая с большей точностью описывает динамику изменения временного ряда;

- построить прогноз будущего поведения временного ряда на основа­нии выбранной модели тренда с 95% доверительным интервалом;

- удалить тренд из временного ряда с целью обеспечения его стацио­нарности, необходимой для корреляционного и спектрального ана­лиза.

Основной недостаток всех трендовых моделей связан со статическим характером использования исходных данных временного ряда. Это обстоя­тельство приводит к тому, что точность результатов при прогнозировании не всегда может быть адекватна поставленной задаче исследования.

Недостаток трендовых моделей практически отсутствует в парамет­рической модели авторегрессии - проинтегрированного скользящего сред­него (АММА). Модели ARIMA представляют собой комбинации двух мо­делей авторегрессии (AR) и скользящего среднего (moving average - MA). Эта модель предназначена для описания и прогнозирования поведения как стационарных временных рядов, так и нестационарных процессов, прояв­ляющих однородные колебания вокруг изменяющегося среднего значения.

Использование статистических методов экстраполяции основано на выявлении тренда временного ряда общего электропотребления и удельно­го расхода электроэнергии. Проверка этих моделей на наличие тренда должна проводится по статистическим критериям Стьюдента, Фостера - Стьюарта.