WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     || 2 | 3 | 4 | 5 |   ...   | 10 |
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.............................................................................. 14 1.1. Прогнозирование в системе электроснабжения железнодорожного транспорта....................................................................................................... 14 1.2. Анализ существующих методов прогнозирования электропотребления....................................................................................... 20 1.3. Анализ методов оценки расхода электрической энергии тяговыми подстанциями.................................................................................................. 30 Выводы............................................................................................................ 38 2. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СИСТЕМ ТЯГОВОГО ЭЛЕКТРОСНАБЖЕНИЯ.................................................................................. 39 2.1. Имитационное моделирование в задачах прогнозирования электропотребления....................................................................................... 39 2.2. Постановка задачи................................................................................... 41 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 электроэнергии 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 сообщения 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 совершенствованием систем управления. Немаловажная роль при этом отводится системному развитию электрического хозяйства железных дорог, одним из направлений которого является внедрение результатов исследований, базирующихся 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 создании математических моделей и методов прогнозирования электропотребления (ЭП) на тяговых подстанциях магистральных железных дорог [109].

Разработанные ранее технологии прогнозирования были ориентированы в основном на стационарные условия и использование удельных норм расхода ЭЭ [68, 69]. Современные условия функционирования субъектов хозяйственной деятельности характеризуются нестабильностью экономических процессов, что требует совершенствования методов анализа и прогнозирования ЭП [56, 57].



Одной из основных целей энергетической стратегии железнодорожного транспорта на период до 2010 года и на перспективу до 2020 года является снижение потребности в энергоносителях и затрат на их приобретение. 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 около 8%. Значительная величина электропотребления и большой потенциал энергосбережения указывают на необходимость проведения работ по снижению потерь и повышению эффективности использования ЭЭ. Решение этих задач требует разработки методов прогнозирования электропотребления.

Электрохозяйство железной дороги является многоуровневой системой со сложным характером взаимосвязей между элементами. На электропотребление оказывают влияние такие факторы, как массы поездов, размеры движения, метеорологические условия, особенности организации движения. Существующие методы определения ЭП на тяговых подстанциях используют допущения об однотипности поездов и постоянстве межпоездных интервалов и не учитывают изменение нагрузок нетяговых потребителей, доля которых в электропотреблении железных дорог достигает 20%.

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

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

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

В первой главе проведен анализ методов прогнозирования электропотребления. Показано, что существенным недостатком широко распространенных методов многофакторного прогнозирования [40, 77] является необходимость выбора состава аргументов-признаков, описывающих объект, а также структуры функции, связывающей значение признаков с выходной величиной.

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

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

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

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

Во второй главе предложена методика прогнозирования ЭП для отдельной 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 логики их взаимодействия и взаимовлияния [42]. Процесс имитационного моделирования СТЭ включают следующие этапы:

• обработка графика движения поездов;

• формирование мгновенных схем и определение потокораспределения для каждой схемы;

• формирование интегральных показателей электропотребления.

Одна из основных целей моделирования состоит в определении расхода электрической энергии при движении поездов и потерь ЭЭ в элементах систем тягового и внешнего электроснабжения. Расход ЭЭ при сравнительно небольших изменениях напряжений определяется средними токами, а потери энергии зависят от среднеквадратичных значений, на которые существенно влияют максимальные токи. Моделирование перемещающихся тяговых нагрузок базируется на графике движения, связывающем координату положения поезда со временем [42]. Величины нагрузок определяются на основе тяговых расчетов или экспериментально.

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





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

Применение методики ИМ позволило решить задачу прогнозирования ЭП для отдельной тяговой подстанции. В качестве иллюстрации рассмотрена 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 тягового электроснабжения можно корректно решать задачу прогнозирования расхода ЭЭ на уровне тяговой подстанции.

В третьей главе предложена методика прогнозирования ЭП на основе техноценологического подхода [55], позволяющего оценить состояние системы в целом и особенности её развития во времени. Техноценологический метод, предложенный Б.И. Кудриным, положительно зарекомендовал себя как общий подход к анализу сложных технических систем и получил развитие в работах [41, 55…60].

В монографии предложена методика прогнозирования ЭП с помощью техноценологического анализа, основанная на аппарате рангового Нраспределения [58]. Прогноз электропотребления по железной дороге на основе предложенной методики позволяет определить необходимую величину ЭП в целом по магистрали. Применение данного подхода для прогнозирования расхода электроэнергии на ТП железной дороги позволяет получить 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. Разработанный программный продукт положен в основу информационносправочной системы, служащей дополнением к существующим автоматизированным системам контроля и учета электропотребления (АСКУЭ) и диспетчерского управления (АСДУ). Система имеет иерархическую структуру, отвечающую на каждом уровне единым принципам построения, интерфейсам, методам обработки данных. Структуры систем управления базами данных на уровне техноценоза и на уровне структурной единицы подобны. Предложена декомпозиция данных по трем направлениям: числовая база (параметры электропотребления); текстовая (документооборот);

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

В четвёртой главе представлена методика прогнозирования ЭП на тяговых подстанциях с использованием аппарата искусственных нейронных сетей (НС). Анализ методов прогнозирования показал, что для сокращения сроков и повышения точности прогнозирования целесообразно использовать нейросетевые технологии [51]. Вопросам применения методов искусственного интеллекта для решения электроэнергетических задач посвящены работы [26..30, 49..53].

В монографии выполнен анализ моделей нейронных сетей, который показал, что многослойные сети пригодны для прогноза электропотребления на ТП [54, 113]. Рассмотрены возможные варианты формирования обучающей выборки с целью построения кривой обучения, наиболее адекватной решаемой задаче. Результатом обучения является такая настройка весов 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 электропотребление 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 варианты представления в нейронной сети качественных и количественных факторов, влияющих на электропотребление.

Реализация факторного нейросетевого прогнозирования осуществляется посредством использования модели персептрона [83, 124], ориентированной на прогнозную оценку одного параметра. Данная модель реализована для решения задачи прогноза электропотребления тяговыми подстанциями 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 деятельности отделения дорог. При этом первичный анализ показал, что потребителями первого ранга для каждого из отделения дороги являются следующие тяговые подстанции: НОД-1 – ТП-8 (названия подстанций условные); НОД-2 – ТП-27; НОД-4 – ТП-31.

Pages:     || 2 | 3 | 4 | 5 |   ...   | 10 |










© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

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.