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.
©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|