Прогнозирование нагрузок в узлах энергосистемы в экспериментальном программном комплексе

Page 1
background image

Page 2
background image

60

Прогнозирование нагрузок в узлах 
энергосистемы в эксперимен-
тальном программном комплексе

УДК 621.311

Совершенствование

 

моделей

 

и

 

методик

 

прогнозирования

 

в

 

узлах

 

нагрузки

 

всегда

 

было

 

и

 

остается

 

актуальным

 

как

 

для

 

задач

 

планирования

 

режимов

 

при

 

управлении

 

электро

-

энергетическими

 

системами

 (

ЭЭС

), 

так

 

и

 

для

 

задач

 

проектирования

Цель

 

у

 

таких

 

раз

-

работок

 

одна

 — 

повысить

 

точность

 

прогнозов

 

при

 

возможности

 

автоматизации

 

расчетов

В

 

статье

 

рассматривается

 

авторская

 

методика

 

прогнозирования

 

нагрузок

 

подстанций

 

ЭЭС

 

применительно

 

к

 

практике

 

проектной

 

организации

реализованная

 

в

 

эксперимен

-

тальном

 

программном

 

комплексе

Проведенные

 

расчеты

 

показали

что

 

разработанный

 

экспериментальный

 

программный

 

комплекс

 

позволяет

 

систематизировать

 

принципы

 

и

 

подходы

 

к

 

прогнозированию

автоматизировать

 

расчеты

 

и

 

провести

 

анализ

 

альтерна

-

тив

 

развития

 

ЭЭС

.

Котиков

 

Е

.

С

.,

 директор Депар-

тамента развития 

энергетических систем 

ООО «ИНПЭС»

Самсонова

 

Е

.

С

.,

начальник отдела про-

гнозирования электро-

энергетики и бизнес-

планирования ООО 

«ИНПЭС»

Русина

 

А

.

Г

.,

д.т.н., доцент, заведу-

ющая кафедрой ЭС 

НГТУ

Филимонов

 

В

.

А

.,

аспирант кафедры ЭС 

НГТУ

Ключевые

 

слова

:

прогнозирование, 

электро энер гетическая 

система, проектиро-

вание, автоматизация 

расчетов, расчетная 

модель

П

рогноз  потребления  электро-

энергии  и  мощности  являет-

ся  основой  всех  прогнозных 

и проектных работ в электро-

энергетике.  На  сегодняшний  день  ос-

новным  документом,  в  котором  раз-

рабатывается  прогноз  потребления 

электроэнергии и мощности по Единой 

энергетической  системе  (ЕЭС)  России 

и  региональным  энергосистемам  яв-

ляется  Схема  и  программа  развития 

энергетики ЕЭС России (далее — СиПР 

ЕЭС) [1]. 

Задача прогнозирования нагрузок не 

заканчивается  определением  суммар-

ного  уровня  нагрузки  энергосистемы. 

Для  проведения  расчетов  электриче-

ских  режимов  необходимо  детализи-

ровать прогноз максимума нагрузки по 

центрам питания для дальнейшего за-

дания  в  расчетную  модель.  При  этом 

отсутствует единая четкая методика по 

прогнозированию именно нагрузок под-

станций и какие-либо сертифицирован-

ные программные комплексы по расче-

ту нагрузок подстанций. 

Теоретические  основы  прогнозиро-

вания  нагрузок  по  подстанциям  кратко 

описаны в Методических рекомендаци-

ях по проектированию развития энерге-

тических систем [2], однако, данная ин-

формация  не  отражает  всех  нюансов, 

возникающих  при  выполнении  реаль-

ных проектных работ. Отсутствие мето-

дической базы по прогнозированию на-

грузок подстанций приводит к тому, что 

каждая проектная организация, а также 

другие организации, причастные к про-

цессу,  при  прогнозировании  нагрузок 

используют  различные  подходы,  осно-

вываясь на собственном опыте [3]. 

На основе анализа имеющихся раз-

работок  [4]  были  сформулированы 

основные  положения,  взятые  в  даль-

нейшем  за  основу  для  формирования 

методики.

1.  Составление прогнозов должно учи-

тывать иерархию во времени от года 

до нескольких лет. 

2.  Особенности 

производственного 

процесса  в  энергетике  требуют  со-

ставления  прогнозов  с  учетом  про-

странственной  иерархии  от  ЕЭС  до 

региональных систем, их отдельных 

зон и предприятий.

3.  Основываясь на принципах систем-

ного  анализа,  методика  должна 

содержать  в  себе  как  прогноз  для 

системы в целом, так и его декомпо-

зицию для отдельных частей.

4.  В  зависимости  от  поставленной  за-

дачи, набор прогнозных параметров 

может  меняться,  образуя  комплекс 

моделей прогнозирования. 

5.  При долгосрочном прогнозировании 

необходимо оценивать риски от не-

определенности внешних и внутрен-

них системных факторов.

6.  Составление  моделей  прогнозиро-

вания, основанных на ретроспектив-

ной информации, должны учитывать 

поправки на известные условия в бу-

дущем. 

Несмотря  на  очевидность  пере-

численных  положений,  зачастую  при 

прогнозировании  они  не  учитываются. 

ЭНЕРГОСНАБЖЕНИЕ


Page 3
background image

61

Бл

ок I

Обрабо

тк

а и анализ

отче

тных данных

Бл

ок II

Обрабо

тк

а и анализ дан-

ных на перспек

тив

у

Блок III

Формирование 

перспективных 

нагрузок ПС.

Сопоставле-

ние суммы 

с ожидаемой 

ноагрузкой ЭС, 

корректировка 

в случае

отклонения

Формирование 

перечня ПС, 

обработка 

результатов КЗ 

и занесение 

их в форму

Формирование 

прогноза 

потребления 

мощности

Расчет режимов работы электрических 

станций на прогнозный период

Прогноз собственных нужд 

электрических станций

Оценка потерь в электрических сетях рассматриваемого класса 

напряжения

Анализ результатов

КЗ на предмет 

«аномальных вы-

бросов» нагрузки, 

приведение

суммарной

нагрузки ЭС по 

результатам КЗ 

к максимальной

нагрузке ЭС

в отчетном году

Анализ прироста 

распределенной 

нагрузки, опреде-

ление коэффици-

ента прироста

Прогноз измене-

ния потребления 

мощности суще-

ствующих крупных 

потребителей, 

прогноз ввода пер-

спективных круп-

ных потребителей 

с привязкой к ПС

Анализ и принятие 

на перспективу:

 

– коэффициентов 

соотношения 

активной и ре ак-

 тивной мощ-

ности;

 

– коэффициентов 

суточного и годо-

вого снижения 

нагрузки

Выбор для 

каждого 

перспективного 

потребителя 

коэффициентов 

совмещения, 

коэффициентов 

суточного 

и годового 

снижения нагрузки

Результаты

:

 

– отчетные нагрузки 

ПС для формирова-

ния перспективы;

 

– коэффициенты, 

характеризующие 

нагрузки ПС в су-

точном и годовом 

разрезах, соотноше-

ния активной и реак-

тивной мощности

Результаты

:

 

– прогноз нагрузки 

крупных существу-

ющих и перспектив-

ных потребителей 

с привязкой к цен-

трам питания;

 

– прогноз роста 

распределенной 

нагрузки;

 

– перечень планируе-

мых к строительству 

центров питания

Время

T(0)

Рис

. 1. 

Обобщенный

 

алгоритм

 

прогнозирования

 

нагрузок

 

подстанций

Объективными причинами этого является недоста-

ток информации, недостаточно продуманные моде-

ли и методы прогнозирования, недостатки методи-

ческих схем. 

На  рисунке  1  схематично  представлен  процесс 

формирования  перспективных  нагрузок  по  под-

станциям, разработанный с учетом имеющейся ме-

тодической литературы, а также опыта выполнения 

проектных работ, в том числе схем и программ раз-

вития электроэнергетики регионов.

Нагрузка  подстанции  по  результатам  контроль-

ных измерений для каждого часа суток оценивается 

по потреблению активной и реактивной мощности:

P

 (в МВт) + 

jQ

(в МВАр).

Для  подстанций  рассчитывается  коэффициент 

соотношения активной и реактивной мощности для 

каждого анализируемого часа, а также коэффици-

енты суточного и годового снижения:

tg

 = 

Q

/

P

,

K

min

 = 

P

min 

/

 

P

max

,

K

год

 = 

P

m

л

a

е

x

то 

/

 

P

m

з

a

и

x

ма

,

где 

tg

 — коэффициент соотношения активной и ре-

активной мощности; 

K

min

 — коэффициент суточного 

снижения  нагрузки; 

P

min

  —  минимальная  нагрузка 

ПС  за  анализируемые  сутки; 

P

max

  —  максимальная 

нагрузка  ПС  за  анализируемые  сутки; 

K

год

  —  коэф-

фициент годового снижения нагрузки; 

P

m

л

a

е

x

то

 — макси-

мальная нагрузка ПС в летний период; 

P

m

з

a

и

x

ма

 — мак-

симальная нагрузка ПС в зимний период.

Прогноз изменения существующей нагрузки ПС 

рассчитывается следующим образом:

P

m

з

a

и

x

ма

 (персп. сущ.) = 

P

m

з

a

и

x

ма

 (отчет) · 

K

роста

,

где 

P

m

з

a

и

x

ма

 (персп. сущ.) — прогноз нагрузки существу-

ющих  потребителей  ПС  на  рассматриваемый  год 

в  режиме  зимнего  максимума; 

P

m

з

a

и

x

ма

  (отчет)  —  от-

четная  нагрузка  существующих  потребителей  ПС, 

используемая  для  дальнейшего  прогнозирования; 

K

роста

 — коэффициент роста существующей нагруз-

ки за период от рассматриваемого отчетного года 

до рассматриваемого прогнозного года.

Зимняя максимальная нагрузка новых потреби-

телей для рассматриваемого прогнозного года рас-

считывается по формуле:

P

m

з

a

и

x

ма

 (новых потр.) = 

n

i

 = 1

(

P

i

 · 

K

совм

i

 · 

K

одн

i

),

где 

P

m

з

a

и

x

ма

 (новых потр.) — зимняя максимальная на-

грузка новых потребителей для рассматриваемого 

прогнозного года; 

P

i

 — заявленный прирост нагруз-

ки 

i

-го  потребителя; 

K

совм

i

  —  коэффициент  совме-

щения  максимума  нагрузки  для 

i

-го  потребителя; 

K

одн

i

 — коэффициент одновременности для 

i

-го по-

требителя.

 1 (52) 2019


Page 4
background image

62

Суммарная нагрузка ПС в режиме зимнего мак-

симума  на  рассматриваемый  прогнозный  год  рас-

считывается по формуле:

P

m

з

a

и

x

ма

 

(прогн.) = 

P

m

з

a

и

x

ма

 

(персп. сущ.) + 

P

m

з

a

и

x

ма

 

(новых потр.).

Нагрузки для прочих расчетных режимов опре-

деляются  путем  умножения  нагрузки  в  режиме 

зимнего  максимума,  рассчитанной  для  соответ-

ствующего  года  прогнозного  периода,  на  харак-

терные  режимные  коэффициенты.  Такой  расчет 

проводится отдельно для существующей нагрузки 

ПС и нагрузки новых потребителей.

ПРОБЛЕМЫ

ВОЗНИКАЮЩИЕ

 

ПРИ

 

ФОРМИРОВАНИИ

 

ПЕРСПЕКТИВНЫХ

 

НАГРУЗОК

 

ПОДСТАНЦИЙ

1. 

В

 

части

 

обработки

 

и

 

анализа

 

отчетных

 

данных

•  Разрозненная,  противоречащая  информация 

по  результатам  контрольных  измерений  (кон-

трольные  замеры  аналогичных  участков  схем, 

предоставленные  разными  эксплуатирующими 

и управляющими организациями, часто отлича-

ются, нагрузка на шинах среднего напряжения 

подстанции  может  не  соответствовать  сумме 

нагрузок  на  подстанции,  запитанные  с  этих 

шин). 

•  День  максимума  нагрузки  энергосистемы,  как 

правило,  не  совпадает  с  днем  контрольного 

замера,  соответственно,  возникает  необходи-

мость приведения нагрузок подстанций по кон-

трольному замеру к уровню, при котором сумма 

нагрузок всех подстанций сложится в максимум 

энергосистемы  за  отчетный  год.  Ни  в  одном 

официальном  источнике  не  содержатся  реко-

мендации по осуществлению данного пересче-

та.  Равномерное  увеличение  нагрузки  на  всех 

ПС  может  привести  к  некорректным  результа-

там, ввиду различного характера присоединен-

ной нагрузки. На сегодняшний день этот вопрос 

решается  экспертным  путем,  соответственно, 

корректность результатов напрямую зависит от 

опыта специалиста и полноты и качества имею-

щейся информации. 

•  Информация  о  распределении  нагрузки  энер-

госистемы  по  подстанциям  имеется  только  на 

дни  контрольного  заме-

ра  —  зимний  рабочий 

день  и  летний  рабочий 

день.  При  этом  одним 

из  характерных  расчет-

ных  режимов  является 

режим летнего минимума 

выходного  дня.  Суммар-

ная  нагрузка  энергоси-

стемы  в  режиме  летнего 

минимума выходного дня 

может  быть  значительно 

ниже  нагрузки  системы 

в  летний  минимум  дня 

контрольного замера.

2. 

В

 

части

 

обработки

 

и

 

анализа

 

данных

 

на

 

пер

-

спективу

•  Отсутствуют  какие-либо  официальные  рекомен-

дации на предмет того, нагрузку каких потребите-

лей учитывать в проектных работах — на стадии 

подачи заявки или уже заключивших договор на 

технологическое  присоединение  (каждая  согла-

сующая  организация  имеет  свое  видение  этого 

вопроса).

•  Сбор  информации  о  перспективных  потребите-

лях  от  разных  собственников  отнимает  много 

времени,  зачастую  информация  предоставляет-

ся  с  недостаточной  степенью  детализации.  Для 

формирования  корректных  прогнозов  необходи-

мо проводить глубокий анализ каждой заявки на 

актуальность,  сроки  ввода,  участие  заявленной 

нагрузки в максимуме нагрузки энергосистемы. 

•  Отсутствуют  разработанные  и  утвержденные 

рекомендации  по  определению  коэффициентов 

совмещения  (одновременности),  коэффициен-

тов суточного и годового снижения нагрузки для 

новых  потребителей.  Требуется  глубокая  про-

работка  вопроса  определения  коэффициентов 

совмещения с детализацией по отраслям и  реги-

онам, подробные разъяснения по их применению.

3. 

В

 

части

 

формирования

 

перспективных

 

на

-

грузок

 

подстанций

Сумма  рассчитанных  перспективных  нагрузок 

подстанций, потерь в сетях и собственных нужд элек-

тростанций должна соответствовать прогнозной на-

грузке энергосистемы из актуальной редакции СиПР 

ЕЭС.  В  условиях  отсутствия  формализованной  от-

крытой и понятной методики прогнозирования, про-

гноз из СиПР ЕЭС является своеобразным «черным 

ящиком» для проектных организаций, выполняющих 

СиПР региональных энергосистем и другие работы. 

Известна сумма потребления электроэнергии и мощ-

ности  по  региональным  энергосистемам,  но  каким 

образом она получена, нагрузка каких новых потре-

бителей учтена, не известно. 

Как  показывает  опыт  выполнения  СиПР  регио-

нальных энергосистем, заявленная мощность новых 

потребителей, заключивших договоры технического 

присоединения (ТП), может значительно превышать 

прогнозируемый прирост нагрузки, что проиллюстри-

ровано на рисунке 2. 

1900

1400

900

400

–100

МВт

1900

582

280

258

113

89

–29

–58

26

32

ЭС

Красноярского 

края

ЭС

Кемеровской 

области

Сумма по ДТП

Прирост СиПР к 2022 гогду

ЭС

Мурманской

области

ЭС

Архангельской 

области

ЭС

Республики 

Тыва

Рис

. 2. 

Сравнение

 

прироста

 

нагрузки

 

ЭС

 

по

 

договорам

 

на

 

технологическое

 

присоединение

 

и

 

по

 

прогнозу

 

СиПР

 

ЕЭС

ЭНЕРГОСНАБЖЕНИЕ


Page 5
background image

63

Возникает  задача,  не  имеющая  верного  ре-

шения:  сократить  состав  новых  потребителей, 

перспективная  нагрузка  которых  подтверждена 

договорами  ТП,  либо  применить  ничем  не  обо-

снованные  крайне  низкие  коэффициенты  совме-

щения.  Эта  проблема  возникает  при  выполнении 

каждой  работы,  решения  принимаются  на  базе 

экспертного  мнения  специалиста  и  в  условиях 

отсутствия методической базы и каких-либо офи-

циальных  разъяснений  могут  быть  с  легкостью 

оспорены  согласующей  организацией.  Необходи-

мо отметить, что расчет нагрузок является самым 

первым этапом при выполнении работы, соответ-

ственно,  изменение  нагрузок  ПС  на  этапе  согла-

сования  проекта  приводит  к  необходимости  по-

вторного  проведения  всех  расчетов,  увеличению 

трудозатрат проектной организации, а также срока 

выполнения  и  согласования  проекта  и,  как  след-

ствие, ввода объекта в эксплуатацию. 

При  разработке  методики  прогнозирования 

электропотребления  принципиальными  вопроса-

ми являются:

•  Можно ли процессы прошлого брать за основу 

моделирования?

•  Как  использовать  модели  прошлого  для  про-

гнозирования  для  различного  времени  упреж-

дения и с различной дискретизацией процесса?

•  Как  сочетать  научные  и  практические  методы 

прогнозирования?

Большой опыт прогнозирования электропотре-

бления  позволяет  сказать,  что  имеются  три  воз-

можности  разработки  моделей  прогнозирования 

на основе прошлого периода. Первая — использо-

вание статистической информации за предшеству-

ющий  период  наблюдения,  применяя  временные 

ряды,  регрессионный  анализ,  экспертный  анализ 

[5]. Но на практике часто этот аппарат используют 

недостаточно  корректно  и  при  этом  наблюдается 

низкая оправдываемость прогнозов. Вторая — ис-

пользование методов экспертного анализа и раз-

работка  специальных  методик  прогнозирования, 

например,  задание  вида  связей  с  макроэкономи-

ческими  показателями,  метеофакторами.  Приме-

ром являются связи между электропотреблением 

и  ВНП  (внутренним  национальным  продуктом), 

с  производительностью  труда,  с  длительностью 

рабочей недели, с занятостью населения, с удель-

ным расходом электроэнергии на душу населения 

и  др.  [6]  Третья  —  использование  эвристических 

методов  (приемов)  из  практики  или  интуитивных 

методов [7]. Чаще всего все эти возможности ис-

пользуются в совокупности, и для этого требуется 

специальная методическая схема расчетов.

Поскольку планирование и прогнозирование — 

это непрерывный процесс, то при моделировании 

необходимо  применять  компьютерные  техноло-

гии  и  иметь  соответствующую  информационную 

базу,  программы  и  интерфейсы,  обеспечиваю-

щие интер активный режим пользователя. Сейчас 

проблема  применения  компьютерных  технологий 

чрезвычайно актуальна. Если их не развивать и не 

создавать  специальные  инструментарии  расче-

тов, то остаются только интуитивные методы про-

гнозирования. 

АВТОМАТИЗАЦИЯ

РАСЧЕТА

 

НАГРУЗОК

 

ПОДСТАНЦИЙ

При  формировании  нагрузок  подстанций  необхо-

димо обрабатывать огромные массивы информа-

ции,  производить  множество  однообразных  рас-

четов на основе этой информации. Так, расчетная 

модель электрической сети 35 кВ и выше энерго-

системы не редко включает в себя более 1000 на-

грузочных узлов, каждому из которых необходимо 

задать значение активной и реактивной мощности, 

как правило, для четырех характерных режимов по 

годам  перспективного  периода.  Для  увеличения 

производительности  труда  и  качества  выполня-

емых расчетов в ООО «ИНПЭС» разработан и на 

протяжении нескольких лет успешно применяется 

программный  комплекс  (далее  ПК)  с  элементами 

баз данных по расчету нагрузок энергосистем с де-

тализацией по подстанциям.

На базе разработанного ПК решаются следую-

щие задачи:

1.  Формируется  база  данных  существующих  под-

станций  35  кВ  и  выше,  результатов  контроль-

ных измерений активной и реактивной нагрузки 

в удобной единообразной форме. Организован 

блок анализа результатов замеров — выделя-

ются аномальные выбросы нагрузки, не типич-

ные  значения  коэффициентов,  характеризую-

щих нагрузку (рисунок 3).

2.  Формируется база данных новых потребителей 

и планируемых к сооружению центров питания 

Рис

. 3. 

Вид

 

окна

 

формирования

 

базы

 

данных

 

существую

-

щих

 

подстанций

 1 (52) 2019


Page 6
background image

64

с приложением технических условий на техно-

логическое присоединение (рисунок 4). 

3.  Автоматизирован  процесс  непосредствен-

но  расчета  перспективных  нагрузок  подстан-

ций  —  как  консолидация  данных  об  отчетных 

и перспективных нагрузках (рисунок 5). Органи-

зована проверка полученных результатов рас-

чета  на  предмет  резких  скачков  нагрузки,  не-

типичных значений режимных коэффициентов. 

Автоматически  подводятся  итоги  по  энергоси-

стеме,  энергоузлам.  Автоматизирован  расчет 

максимальной  загрузки  подстанций,  проверя-

ется  загрузка  трансформаторов  подстанций 

Рис

. 4. 

Вид

 

окна

 

формирования

 

базы

 

данных

 

новых

 

потре

-

бителей

Рис

. 5. 

Вид

 

окна

 

расчета

 

перспективных

 

нагрузок

 

под

-

станций

УПРАВЛЕНИЕ 

СЕТЯМИ

в  послеаварийном  режиме  отключения  одного 

трансформатора.

4.  Автоматизирован  процесс  переноса  нагрузок 

подстанций в программный комплекс RastrWin. 

ВЫВОДЫ

1.  Можно  выделить  три  основных  направления 

улучшения качества прогнозирования развития 

отрасли  электроэнергетика  —  это  разработка 

актуальной  методической  базы,  создание  еди-

ного информационного пространства и автома-

тизация в тех областях, где это возможно.

2.  Необходимо расширить описание прогноза мак-

симума нагрузки и электропотребления в СиПР 

ЕЭС, выделить полезное потребление (с дета-

лизацией  на  нагрузку  существующих  потреби-

телей и вновь вводимую нагрузку), собственные 

нужды электростанций, потери в сетях. Расши-

рить  описание  перспективных  потребителей, 

учтенных в прогнозе.  

3.  Необходимо  разработать  четкую  актуальную 

подробную методику прогнозирования нагрузок 

энергосистем  с  детализацией  по  подстанциям. 

В  методике  должны  быть  освещены  подходы 

к  формированию  режима  максимальных  и  ми-

нимальных  нагрузок  энергосистемы  на  базе 

результатов  контрольных  измерений,  подходы 

к формированию состава перспективных потре-

бителей,  типовые  суточные  и  годовые  графики 

нагрузки различных групп потребителей, вопро-

сы применения коэффициентов совмещения.

4.  Для  обеспечения  координации  проектных  ра-

бот по объектам ЕЭС России необходимо соз-

дание  единого  информационного  простран-

ства  в  форме  доступных  и  актуальных  баз 

данных:

 

– формирование  единой  базы  данных  по 

результатам контрольных измерений, упоря-

дочение информации от всех собственников 

электросетевых и генерирующих объектов;

 

– создание  единой,  постоянно  обновляемой 

базы  заявок  на  технологическое  присоеди-

нение и инвестиционных проектов. Возможно 

выделение  проектных  организаций  по  ОЭС, 

которые  будут  курировать  сбор,  анализ 

и постоянную актуализацию информации по 

перспективным  потребителям  региональных 

энергосистем, входящих в ОЭС. 

5.  Опыт  использования  разработанного  про-

граммного комплекса по расчету нагрузок под-

станций  показал,  что  путем  упорядочивания 

информации и автоматизации ряда процессов 

можно  сократить  время  на  выполнение  рас-

четов,  уменьшить  количество  механических 

ошибок  и  повысить  качество  выдаваемых  ре-

зультатов.  Однако,  полностью  автоматизиро-

вать  процесс  прогнозирования  невозможно, 

при выполнении ряда задач качество исходной 

информации,  а  также  опыт  и  квалификация 

конкретного специалиста являются определя-

ющими.  


Page 7
background image

65

ЛИТЕРАТУРА

1.  Постановление Правительства РФ 

от 17 октября 2009 г. № 823 «О схе-

мах и программах перспективного 

развития электроэнергетики».

2.  Методические  рекомендации  по 

проектированию  развития  энер-

гетических  систем.  Утверждены 

приказом  Минэнерго  России  от 

30 июня 2003 г. № 281.

3.  Филиппова Т.А., Русина А.Г., Оста-

нин  А.Ю.  Особенности  расчетов 

режимов  электрических  сетей 

при перспективном развитии объ-

единенной энергосистемы // Элек-

трические  станции,  2009,  №  10. 

С. 28–33.

4.  Rusina  A.G.,  Sidorkin  Y.M.,  Kalinin 

A.E. Application  of  rank  models  for 

structural forecasting / 11th Interna-

tional forum on strategic technology 

(IFOST  2016):  proc.,  Novosibirsk, 

1–3 June 2016. Novosibirsk : NSTU, 

2016, Pt. 2, pp. 271–275. 

5.  Котиков Е.С., Самсонова Е.С. Во-

просы  прогнозирования  нагрузок 

энергосистем  с  детализацией  по 

подстанциям  при  проектировании 

на  среднесрочную  и  долгосроч-

ную перспективу // Энергоэксперт, 

2017, № 2. С. 48–53.

6.  Kryukov D., Agafonova M., Arestova 

A.  Comparison  of  regression  and 

neural  network  approaches  to  fore-

cast daily power consumption / 11th 

International forum on strategic tech-

nology (IFOST 2016): proc., Novosi-

birsk, 1–3 June 2016. Novosibirsk : 

NSTU, 2016, Pt. 2, pp. 247–250. 

7.  Матренин  П.В.,  Манусов  В.З. 

Адаптивный  алгоритм  роя  частиц 

в  задачах  оперативного  планиро-

вания  //  Вестник  компьютерных 

и  информационных  технологий, 

2016, № 4(142). С. 11–15.

8.  Манусов  В.З.,  Бойко  К.Н.  Приме-

нение  теории  вейвлетов  для  ана-

лиза данных при решении задачи 

прогнозирования  электрической 

нагрузки  //  Научные  проблемы 

транспорта  Сибири  и  Дальнего 

Востока, 2015, № 4. С. 212–215. 

9.  Melodi A.O., Adeniyi S.T., Oluwaniyi 

R.H. Long term load forecasting for 

Nigeria's  electric  power  grid  using 

ann  and  fuzzy  logic  models  /  2017 

IEEE  3rd  International  Conference 

on  Electro-Technology  for  National 

Development  (NIGERCON–2017), 

pp. 962–968.  

10. Swasti  R.  Khuntia,  José  L.  Rueda, 

Mart A. M. M. van der Meijden Fore-

casting  the  load  of  electrical  power 

systems  in  mid-  and  long-term  ho-

rizons:  a  review  //  IET  Generation, 

Transmission  &  Distribution,  2016, 

pp. 3971–3977. 

11. Bike Xue, Jian Geng, Yaxian Zheng, 

Jun  Li.  Application  of  genetic  algo-

rithm  to  middle-long  term  optimal 

combination  power  load  forecast  / 

IEEE  International  Conference  of 

IEEE  Region  10  (TENCON  2013), 

2013, pp. 1–4. 

12. Морозова  Н.С.  Методы  и  модели 

прогнозирования  электропотре-

бления  и  электрических  нагрузок 

энергосистем.  Омск:  ФГБОУ  ВПО 

«Омский  государственный  техни-

ческий университет», 2015. 112 с.

13. Wang  Deji,  Lian  Jie,  Xie  Junming. 

Research  on  intelligent  forecasting 

method  of  medium  and  long-term 

electricity load / Proceedings of the 

31st  Chinese  Control  Conference, 

2012, pp. 3928–3931. 

14. Alahmad  M.,  Nader  W.  Ann  based 

load  identifi cation  and  forecasting 

system  fi r  the  built  environment. 

Combinatorics  &  Power  Consump-

tion. Architectural  Engineering.  Uni-

versity of Nebraska-Lincoln, Omaha, 

2011. P. 54.

REFERENCES

1.  RF  Government  decree  No.  823 

dated  October  17,  2009  "On  the 

schemes and programs for the future 

development of electric power indus-

try". Moscow, 2009. (in Russian) 

2.  Methodological  instructions  for  de-

signing  energy  systems  develop-

ment.  Moscow,  Ministry  of  Fuel  and 

Energy  of  the  Russian  Federation 

Publ., 2003. (in Russian)

3.  Filippova T.A.,  Rusina A.G.,  Ostanin 

A.Yu. Features of electrical networks 

modes  calculation  in  the  future  de-

velopment  of  unifi ed  power  system. 

Elektricheskie stantsii 

[Power Plants], 

2009, no.10, pp. 28-33. (In Russian)

4.  Rusina  A.G.,  Sidorkin  Y.M.,  Kalinin 

A.E.  Application  of  rank  models  for 

structural  forecasting  /  11th  Interna-

tional  forum  on  strategic  technology 

(IFOST  2016):  proc.,  Novosibirsk, 

1–3 June 2016. Novosibirsk : NSTU, 

2016, Pt. 2, pp. 271–275. 

5.  Kotikov E.S., Samsonova E.S. Issues 

of  power  systems  loads  forecasting 

with  substations  detailing  when  de-

signing for the medium and long term 

perspective. 

EnergoEkspert

  [Energy 

expert],  2017,  no.  2,  pp.  48–53.  (in 

Russian)

6.  Kryukov  D.,  Agafonova  M.,  Are-

stova A.  Comparison  of  regression 

and  neural  network  approaches  to 

forecast daily power consumption / 

11th  International  forum  on  strate-

gic technology (IFOST 2016): proc., 

Novosibirsk, 1–3 June 2016. Novo-

sibirsk: NSTU, 2016, Pt. 2, pp. 247–

250. 

7.  Matrenin  P.V.,  Manusov  V.Z.  Adap-

tive  particle  swarm  algorithm  in  op-

erational  planning  tasks. 

Vestnik 

kompyuternykh i informatsionnykh 
tekhnologiy 

[Bulletin  of  Computer 

and Information Technologies], 2016, 

no. 4 (142), pp. 11–15. (in Russian)

8.  Manusov V.Z., Boyko K.N. Application 

of  wavelets  theory  for  data  analysis 

when  solving  electric  load  forecast-

ing  problem. 

Nauchnyye problemy 

transporta Sibiri i Dalnego Vostoka 

[Scientifi c  Transport  Problems  in  Si-

beria and the Far East], 2015, no. 4, 

pp. 212–215. (in Russian)

9.  Melodi A.O., Adeniyi  S.T.,  Oluwaniyi 

R.H.  Long  term  load  forecasting  for 

Nigeria's  electric  power  grid  using 

ann  and  fuzzy  logic  models  /  2017 

IEEE  3rd  International  Conference 

on  Electro-Technology  for  National 

Development  (NIGERCON–2017), 

pp. 962–968.  

10. Swasti  R.  Khuntia,  José  L.  Rueda, 

Mart A. M. M. van der Meijden Fore-

casting  the  load  of  electrical  power 

systems  in  mid-  and  long-term  ho-

rizons:  a  review  //  IET  Generation, 

Transmission  &  Distribution,  2016, 

pp. 3971–3977. 

11. Bike Xue, Jian Geng, Yaxian Zheng, 

Jun  Li.  Application  of  genetic  algo-

rithm  to  middle-long  term  optimal 

combination  power  load  forecast  / 

IEEE  International  Conference  of 

IEEE  Region  10  (TENCON  2013), 

2013, pp. 1–4. 

12. Morozova N.S. 

Metody i modeli prog-

nozirovaniya elektropotrebleniya i 
elektricheskikh nagruzok energo-
sistem

 [Methods and models for pre-

dicting power consumption and elec-

trical loads in power systems]. Omsk, 

OmSTU Publ., 2015. 112 p.

13. Wang  Deji,  Lian  Jie,  Xie  Junming. 

Research  on  intelligent  forecasting 

method  of  medium  and  long-term 

electricity  load  /  Proceedings  of  the 

31st  Chinese  Control  Conference, 

2012, pp. 3928–3931. 

14. Alahmad  M.,  Nader  W.  Ann  based 

load  identifi cation  and  forecast-

ing  system  fi r  the  built  environment. 

Combinatorics  &  Power  Consump-

tion.  Architectural  Engineering.  Uni-

versity of Nebraska-Lincoln, Omaha, 

2011. P. 54.

 1 (52) 2019


Читать онлайн

Совершенствование моделей и методик прогнозирования в узлах нагрузки всегда было и остается актуальным как для задач планирования режимов при управлении электроэнергетическими системами (ЭЭС), так и для задач проектирования. Цель у таких разработок одна — повысить точность прогнозов при возможности автоматизации расчетов. В статье рассматривается авторская методика прогнозирования нагрузок подстанций ЭЭС применительно к практике проектной организации, реализованная в экспериментальном программном комплексе. Проведенные расчеты показали, что разработанный экспериментальный программный комплекс позволяет систематизировать принципы и подходы к прогнозированию, автоматизировать расчеты и провести анализ альтернатив развития ЭЭС.

Поделиться:

«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 1(70), январь-февраль 2022

Повышение эффективности почасового прогнозирования электропотребления с помощью моделей машинного обучения на примере Иркутской энергосистемы. Часть 2

Управление сетями / Развитие сетей Энергоснабжение / Энергоэффективность Цифровая трансформация / Цифровые сети / Цифровая подстанция
Томин Н.В. Корнилов В.Н. Курбацкий В.Г.
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 1(70), январь-февраль 2022

Превентивное управление нагрузкой в сетях 0,4 кВ в целях предотвращения возникновения аварийных ситуаций

Управление сетями / Развитие сетей Энергоснабжение / Энергоэффективность Релейная защита и автоматика
Удинцев Д.Н. Милованов П.К. Зуев А.И.
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 1(70), январь-февраль 2022

Принципы формирования цифровой платформы для управления надежностью распределительных электрических сетей в современных условиях эксплуатации

Управление сетями / Развитие сетей Энергоснабжение / Энергоэффективность Цифровая трансформация / Цифровые сети / Цифровая подстанция
Крупенев Д.С. Пискунова В.М. Гальфингер А.Г.
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 1(70), январь-февраль 2022

Новые технологии удаленного мониторинга и энергоэффективности электрооборудования сетей

Энергоснабжение / Энергоэффективность Цифровая трансформация / Цифровые сети / Цифровая подстанция Диагностика и мониторинг
ООО «Сименс»
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение» № 1(70), январь-февраль 2022

Обеспечить равные возможности для всех при справедливом распределении ответственности

Интервью Управление производственными активами / Техническое обслуживание и ремонты / Подготовка к ОЗП Энергоснабжение / Энергоэффективность
Интервью с Председателем Комитета по энергетике Государственной Думы Завальным П.Н.
«ЭЛЕКТРОЭНЕРГИЯ. Передача и распределение»