В.Ю. Ильичев – к.т.н., доцент, кафедра «Тепловые двигатели и гидромашины», Калужский филиал МГТУ им. Н.Э. Баумана

E-mail: patrol8@yandex.ru

И.В. Чухраев – к.т.н., доцент, зав. кафедрой «Информационные системы и сети»,  Калужский филиал МГТУ им. Н.Э. Баумана

E-mail: chukhraev@bmstu-kaluga.ru

Е.А. Юрик – к.т.н., доцент,  кафедра «Тепловые двигатели и гидромашины», Калужский филиал МГТУ им. Н.Э. Баумана

E-mail: patrol8@yandex.ru

Постановка проблемы. Для увеличения эффективности использования энергетического оборудования, обеспечения наиболее полной его загрузки, уменьшения расхода топлива необходимо наиболее точно спрогнозировать потребление электрической энергии на некоторый промежуток времени. Эта необходимость возникает из-за того, что любые агрегаты, особенно мощные, требуют определенного времени для запуска или изменения режима работы при изменении электрической нагрузки. Также прогнозирование потребления электроэнергии необходимо для совершенствования производственного процесса промышленных предприятий, бюджет которых в значительной мере зависит от объема и стоимости энергии, поставляемой сбытовыми компаниями. При наличии прогноза эти затраты возможно будет более точно учитывать при формировании бюджета предприятия. В статье рассмотрено применение методов, заложенных в программу статистического численного анализа STATISTICA, для прогнозирования объемов потребления энергии в электрических сетях. Данный программный продукт позволяет использовать для составления прогноза практически все классические и современные методы анализа статистической информации, а также обладает средствами визуализации исходных данных и результатов прогноза.

Цель. Разработать последовательность выбора методов математического компьютерного моделирования при решении задачи прогнозирования потребления электрической энергии в произвольно взятой энергетической системе.

Результаты. Для решения задачи применены средство «спектральный анализ», реализующее алгоритм разложения временных данных в ряд Фурье, а также средство «нейросетевое программирование», являющееся незаменимым в случае, когда в исходной информации невозможно обнаружить явные периодические зависимости. Показано, что именно такой структурой отличаются данные, использованные в качестве массива для проведения анализа. По результатам произведенного анализа сделаны выводы по решенной задаче и даны рекомендации по применению рассмотренных методов для прогнозирования потребления энергии в электрических сетях.

Практическая значимость. Проведенные исследования являются актуальными, так как позволяют повысить эффективность и рентабельность работы как крупных, так и региональных электрических сетей, энергетических компаний и промышленных предприятий России. С учетом дальнейшего совершенствования описанная методика должна помочь более успешно решать задачи, поставленные руководящими органами государства в рамках национальных проектов.

1. Ложникова А.В., Розмаинский И.В., Развадовская Ю.В. Техника как национальное богатство России: институциональные аспекты, «статистические иллюзии» и проблемы прогнозирования // Journal of Institutional Studies. 2015. Т. 7. № 4. С. 60−85.
2. Файзуллаева А.В., Хушт Н.И. Способы экономии топлива в наше время без использования возобновляемых энергоресурсов // Наука, техника и образование. 2018. № 10 (51). С. 32−35.
3. Мохов В.Г., Демьяненко Т.С. Прогнозирование потребления электрической энергии на оптовом рынке электроэнергии и мощности // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2014. Т. 8. № 2. С. 86−92.
4. Орешина А.Ю., Чеглакова С.Г. Количественные показатели энергоэффективности в оценке деятельности предприятий энергетического комплекса // Тезисов докладов IV Междунар. научно-практич. конф. «Обеспечение комплексной безопасности предприятий: проблемы и решения». 2015. С. 128−129.
5. Галявиева М.С. Математика. Статистические методы прогнозирования. Краткий конспект лекций // Министерство культуры Российской Федерации, Федеральное агентство по культуре и кинематографии, Гос. образовательное учреждение высш. проф. образования «Казанский гос. ун-т культуры и искусств», факультет информ.-документных коммуникаций, каф. информатики и медиатехнологий. Казань. 2011.
6. Кузавлёва М., Рыженков В., Милютина Е.М. Статистическая система STATISTICA: назначение и возможности. // Инновационные направления разработки и использования информационных технологий // Сб. материалов II Междунар. заочной студенческой научно-практич. конф. 2016. С. 176−178.
7. Доманов В.И., Билалова А.И. Прогнозирование объемов энергопотребления в зависимости от исходной информации // Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2016. Т. 16. № 2. С. 59−65.
8. Шишлова А.А. Методы прогнозирования объемов потребления электроэнергии // Сб. статей VII Междунар. научнопрактич. конф. «Advances in Science and Technology» / Под ред. В.Б. Соловьева. 2017. С. 59−61.
9. Компания ИнСАТ. Шаблоны отчетов АСКУЭ-Электроэнергия. Режим доступа: https://insat.ru/products/?category=1300 (дата обращения: 12.010.2019).
10. Коротич А.В., Лебедев А.А. Методы фильтрации периодических составляющих сигналов на основе периодограмм // В книге: НАУЧНАЯ СЕССИЯ НИЯУ МИФИ-2012: аннотации докладов. В 3-х томах. 2012. С. 139.
11. Зяблов Н.М., Лукашина Е.Р., Авдеева М.Ю. Многослойный персептрон в задаче прогнозирования потребления электрической энергии // Материалы IV Всеросс. молодежной науч. конф. «Энергетика. Проблемы и перспективы развития» // Научное электронное издание. 2019. С. 99−101.
12. Торопов А.С., Туликов А.Н. Прогнозирование почасового электропотребления региональной энергосистемы с использованием искусственных нейронных сетей // Вестник Иркутского государственного технического университета. 2017. Т. 21.  № 5(124). С. 143−151.