Методы прогнозирования электропотребления

Для объективного обоснования принимаемых решений и управления ре­жимами электропотребления необходимы заблаговременные оценки его воз­можных и наиболее вероятных значений. Существующие методы прогнозиро­вания электропотребления можно разделить на две основные группы:

1) методы, в которых потребление электрической энергии рассматривается
как детерминированный процесс;

2) методы, основанные на предположении о вероятностном характере
электропотребления.

К методам первой группы можно отнести методы с применением средних характеристик ряда динамики электропотребления: среднего абсолютного прироста и среднего темпа роста. В этом случае уровень энергозатрат на лю­бой период времени определяется по выражениям

где W₀ — начальный уровень ряда; A W — средний абсолютный прирост (сни­жение); / — порядковый номер даты (t = 0, 1,...,«); К — средний темп из­менения электропотребления, К= WJW_I+V

Щ=Щ>±АМ, (17.14) _Wl=W,(R)', (17.15)

Значение среднего темпа изменения электропотребления можно опреде­лять:

— как среднее арифметическое

^тггг¹^/^-; (¹⁷¹⁶>

— как среднее геометрическое

^К=ЩК).

(17.17)

К первой группе относят также методы, основанные на определении коэф­фициентов пропорциональности между ростом электропотребления и другим показателем развития предприятий (выпуск продукции, производительности труда и др.).

Прогнозируемый уровень энергозатрат

W_n = W_n__xX+W_n_J ^Q"

Qn-i (17-18)

17.3. Прогнозирование электропотребления

представлен двумя составляющими, одна из которых {W_n__{X) равна потребле­нию энергии за год, предшествующий планируемому, умноженному на посто­янную X, не зависящую от объема производства, а вторая \Щ,-\У q "

произведение переменной составляющей, зависящей от объема производства, на отношение коэффициента прироста объема продукции за планируемый год к объему продукции за год, предшествующий планируемому. Величину К определяют из выражения:

у_ *К-\~ "п-г

V/4=i-iY ^(17Л9)

где W_n__{, W_n_₂, Q_n__v Q_n_₂ — соответственно потребление электроэнергии и объем выпуска продукции за год, предшествующий планируемому, и за год ранее.

Постоянная величина X находится как разность X = 1 — Y.

Подобные методы расчета наглядны, могут применяться для сопоставле­ния, сравнительного анализа, но поскольку они дают весьма приближенные результаты, то для перспективных расчетов практически их не используют.

Методы второй группы, основанные на предположениях о вероятностном характере электропотребления, объединяют в своем составе самые разнооб­разные способы прогнозирования, которые базируются на принципах и за­конах теории вероятностей и математической статистики. К подобным мето­дам можно отнести методы прогнозирования с помощью скользящей средней, метод экспоненциального сглаживания, метод адаптивной фильтрации, метод с использованием цепей Маркова и некоторые другие.

По существу методы прогноза с помощью скользящей средней, экспонен­циального сглаживания и адаптивной фильтрации основаны на общем поло­жении, что результат прогнозирования получается путем суммирования взве­шенных результатов прошлых наблюдений:

W+i = is,X„ (17.20)

1=1

где W_m — прогноз на период t + 1; S, — вес, назначенный для /'-го наблюде­ния; X_t — наблюдаемая величина; N — число периодов (наблюдений и весов), используемых при вычислении W_l+r

Выражение (17.20) носит общий характер и в зависимости от того, каким образом назначается значение весов S, и количество наблюдений N, может со­ответствовать различным методам прогнозирования. Так, например, методу с использованием скользящей средней соответствует однозначное назначение числа N наблюдений, а затем назначение одинаковых величин 5,, равных \/N. В методе экспоненциального сглаживания, использующем все прошлые на-

Глава 17. Организация электропотребления

блюдения, веса назначаются дифференцированно, при этом вес последнего наблюдения есть S_t = а, а вес всех предыдущих наблюдений равен:

5,_, = а(1-а)', (17.21)

где а — параметр сглаживания.

Прогностическая оценка находится по выражению:

^₊₁=а^ + о(1-а)И^_₁+а(1-а)²и^₂+...+ а(1-а)'И;_,, (17.22)

где W_l+I — прогноз на следующий (за наблюдаемым) отрезок времени; W_t__t — значение исследуемого параметра, наблюдавшееся /-периодов назад (по отно­шению к рассматриваемому моменту времени).

В методе адаптивной фильтрации с помощью процедуры поиска итератив­ного характера отыскивается такой набор весов S_t, который минимизирует среднеквадратическую ошибку прогноза. Начальные значения весов S_t назна­чаются произвольно, а затем, с помощью константы обучения к, корректиру­ются в направлении минимизации среднеквадратической ошибки.

Помимо частных недостатков (трудность определения оптимальных значе­ний а — параметра сглаживания, к — константы обучения и некоторых дру­гих) данным способам присущ общий недостаток, заключающийся в идейном содержании методов — прогноз осуществляется по собственной предыстории показателя без вскрытия причин развития и представляет собой прямую экс­траполяцию. То есть на основе этих методов невозможно установление зави­симостей уровня электропотребления от изменения основных технологичес­ких показателей производства.

Использование для целей прогнозирования временных рядов изменения расхода электроэнергии (трендовые и авторегрессионные модели) неоправдан­но, так как описание тенденции изменения только с помощью функции време­ни означает, что время единственная причина изменения электропотребления. На самом деле развитие того или иного явления определяется множеством вну­тренних причин и фактор времени аккумулирует их влияние, поэтому модель тренда не вскрывает причин изменения, а носит чисто описательный характер.

Поэтому при прогнозировании электропотребления на уровне цехов и предприятия в целом, необходимо учитывать как влияние на расход электро­энергии технологических показателей производства, так и характер изменения этих показателей во времени, т. е. использовать методы многофакторного ди­намического прогнозирования.

Дата добавления: 2015-07-17