K003629 Дипломная работа Рекомендации для применения различных методов для прогнозирования объемов энергопотребления промышленного предприятия

РЕФЕРАТ

Магистерская диссертация выполнена на тему: «Рекомендации для применения различных методов для прогнозирования объемов энергопотребления промышленного предприятия».

Структура работы определяется логикой исследования и поставленными задачами. Объем дипломного проекта составляет 99 страницу текста и состоит из введения, трех глав, заключения, списка использованной литературы, включающего 90 источников.

Ключевые слова дипломного проекта: Электороэнергетика, методы прогнозирования, энергопотребление, энергоэффективность.

Актуальность работы. Разработка математической модели прогнозирования на промышленном предприятии является актуальной, а ее реализация позволит повысить точность прогнозирования потребления объемов, влияя, тем самым, на снижение затрат предприятия.  

Объект исследования – статистические данные энергопотребления предприятия (Сургутская ГРЭС).  

Предмет исследования – процесс прогнозирования объемов электропотребления промышленного предприятия.  

Целью диссертационной работы является применение и адаптация статистического метода главных компонент для прогнозирования объемов электропотребления в области энергетики.

В первой главе раскрыты общие теоретические аспекты задач и проблем энергопотребления.

Во второй главе исследуются методы прогнозирования объемов потребления электрической энергии.

В третьей главе – разработка модели прогнозирования энергопотребления и прогнозирование энергопотребления на примере Сургутской ГРЭС

СОДЕРЖАНИЕ

ВВЕДЕНИЕ .....................................................................................................

ГЛАВА 1. ОБЩИЕ ВОПРОСЫ И ЗАДАЧИ ИССЛЕДОВАНИЯ….............

  1.1. Развития энергетики в России….............................................................

1.2. Обзор методов прогнозирования энергопотребления на промышленных предприятиях…...............................................................................................

ГЛАВА 2. МЕТОДЫ ПРОГНОЗИРОВАНИЯ ОБЪЕМОВ ПОТРЕБЛЕНИЯ ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ....................................................................

2.1. Классификация статистических методов прогнозирования..................

2.2. Основные методы прогнозирования временных рядов.........................

           2.2.1. Регрессионный анализ (искусственные нейронные сети, ARIMA модели)……………………………………………………………………………

          2.2.2. Прогнозная экстраполяция…………………………………………

          2.2.3.Техноценоз…………………………………………………………

           2.2.4. Прогнозирование с использованием гибридных систем………

           2.2.5. Адаптивные методы прогнозирования………………………….

2.3. Обзор работ по прогнозированию энергопотребления........................

ГЛАВА3. ВЫБОР МОДЕЛИ ПРОГНОЗИРОВАНИЯ ЭНЕРГОПОТРЕБЛЕНИЯ ДЛЯ ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ……

3.1. Критерии создания математической модели для построения прогнозов энергопотребления..............................................................................................

  3.1.1. Требования к модели…………………………………………….

3.1.2. Требования к выбору метода для краткосрочного прогнозирования  энергопотребления...............................................................

3.2. Разработка способов формирования рациональной тестовой выборки..

3.3. Алгоритм отбора исходных факторов………………………………….

3.4. Формальная постановка задачи.............................................................

3.5. Прогнозирование энергопотребления методом главных компонент…

3.6. Модель на основе метода главных компонент.....................................

     3.7. Анализ влияния каждого фактора…………………………………….

     3.8. Сравнение результатов.........................................................................

     3.9. Оптимальное прогнозирование энергопотребления предприятием…

ЗАКЛЮЧЕНИЕ……………………………………………………………….

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ………………………….

ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.

ЕЭС: Единая энергетическая система;

ТЭС: Тепловая электростанция;

АЭС: Атомная электростанция;

ГРЭС – гидроэлектростанция.

ARIMA – авторегрессионные модели со скользящим среднем в остатках.

ВВЕДЕНИЕ

Актуальность работы.  

Проблема сбережения энергии актуальна в первую очередь по экономическим причинам для всех цивилизованных стран мира. Пути решения эти страны ищут путем усовершенствования энергосберегающей политики и анализа проблем энергообеспечения. Актуальная сейчас проблема энергоемкости была обозначена Президентом Российской Федерации   в Указе от 4 июня 2014 года №889 «О некоторых мерах по повышению экологической и энергетической эффективности России». Где была поставлена глобальная задача по снижению энергоемкости российской экономики относительно 2013 года на 40%. Поэтому на предприятиях, работающих в области электроэнергетики, решено было проводить мероприятия по энергоэффективности для увеличения прибыли за счет сокращения издержек. Неотъемлемой частью ежедневной работы предприятия  по оптимизации энергетических затрат стало прогнозирование объемов электрической энергии.

Современные подходы к техническому управлению, развитие информационных технологий, предъявляют все более жесткие требования к точности решения задач прогнозирования. В настоящее время на большинстве предприятий применяются методы экспертных оценок, когда прогноз осуществляется на основе использования простейших арифметических операций, что не дает высокой точности. Правильным решением данной задачи является создание математической модели прогнозирования, адекватно описывающей исследуемый процесс. Использование при прогнозировании автоматизированных математических моделей на предприятии дает возможность строить прогнозы с высокой точностью, помогает принимать управленческие решения, сокращает время, затрачиваемое на процесс прогнозирования.

Лежащих в основе математической модели статистических методов в настоящее время известно большое количество и все они обладают своими достоинствами и недостатками. Выбор статистического метода – один из самых важных этапов при построении математической модели. Для выбора оптимального метода должны четко формулироваться исходные требования: цель, точность и интервал прогноза, быстродействие прогнозной модели, ее адаптивность и т.д. Выбор статистического метода осуществляется под требования конкретного предприятия, путем исследования эффективности применения метода на данном предприятии, сопоставления его положительных и отрицательных качеств.

Таким образом, разработка математической модели прогнозирования на промышленном предприятии является актуальной, а ее реализация позволит повысить точность прогнозирования потребления объемов, влияя, тем самым, на снижение убытков предприятия.  

Степень научной обоснованности.

 Решению проблемы прогнозирования электроэнергии посвящено много работ. Особый интерес представляют работы по краткосрочному прогнозированию объемов энергопотребления таких учёных, Манусова В. З., Никифорова, Г. В., которые предложили прогнозирование на основе регрессионного анализа, как Воронов И.В., Демура А. В., которые предложили прогнозирование на основе нейронной сети, Клеопатрова Д. И., предложившего прогнозирование на основе экспоненциального сглаживания, Гнатюка В.И., Лагуткина О. Е., которые предложили метод на основе техноценоза. Однако предложенные методы имеют ряд недостатков, к которым относятся: необходимость использования статистических выборок за большой период времени, невозможность использования большого числа факторов, требования к техническим и программным инструментам, использование субъективных оценок. Таких ограничений нет в статистическом методе главных компонент.

Объект исследования – статистические данные промышленного предприятия (Сургутская ГРЭС).  

Предмет исследования – процесс прогнозирования объемов электропотребления Сургутская ГРЭС.

Целью диссертационной работы является применение и адаптация статистического метода главных компонент для прогнозирования объемов энергопотребления.

Идея работы. Прогнозирование объемов электроэнергии следует вести на основе метода главных компонент с учетом факторов и закономерностей, оказывающих влияние на изменение объемов электропотребления. Модель должна иметь сравнимую с другими моделями точность прогнозирования различных временных рядов и высокую скорость вычисления прогнозных значений. Погрешность не должна быть больше заданной величины.  

Задачи исследования:

– анализ статистических методов и моделей прогнозирования объемов энергопотребления на промышленных предприятиях, в частности на Сургутской ГРЭС, определение наиболее эффективного метода прогнозирования;

– разработка математической модели прогнозирования на основе метода главных компонент;

– анализ факторов, влияющих на энергопотребление;

– оценка работы модели при прогнозировании объемов потребления электроэнергии на Сургутской ГРЭС и сравнительный анализ полученной модели по точности прогнозов с моделью на основе регрессионного анализа;

–предложена методика минимизации общей ошибки нормирования и прогнозирования потребления электрической энергии на основе использования алгоритмов нормирования и прогнозирования потребления энергетических ресурсов в целом по предприятию.  

Методы исследования. Были использованы экспериментальные исследования и теоретические методы, заключающиеся в научном анализе тенденций изменения объемов энергопотребления в зависимости от изменения факторов, статистические выборки, методы математической статистики, факторы и данные метеослужбы. Достоверность полученных результатов подтверждается на основе расчетов с помощью двух статистических методов, относительным совпадением результатов, совпадением результатов, полученных методом главных компонент и исходных данных, с учетом погрешности.

Научные положения, выносимые на защиту и их научная новизна:

1. С учетом общих тенденций изменения объемов энергопотребления рассмотрена математическая модель прогнозирования объемов электропотребления на основе метода главных компонент, отличающаяся от метода регрессионного анализа меньшей погрешностью.

2. Определены наиболее значимые факторы, влияющие на энергопотребление, которые необходимо учитывать для повышения точности прогнозирования.

3. Предложена модель прогнозирования потребления объемов электроэнергии, значительно снижающая погрешность расчетов и обеспечивающая сокращение убытков предприятия в два и более раза.

Практическое значение работы заключается в следующем: использование предприятием рассмотренного метода прогнозирования объемов энергопотребления на основе метода главных компонент позволит сократить издержки при составлении прогноза.

ГЛАВА 1. ОБЩИЕ ВОПРОСЫ И ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1. Развитие энергетики в России

Основу производственного потенциала российской электроэнергетики в настоящее время составляют более 700 электростанций общей мощностью около 230 ГВт и линии электропередачи всех классов напряжений протяженностью более 2,5 млн. км. Почти 90% этого потенциала сосредоточено в Единой энергетической системе (ЕЭС) России, являющейся уникальным техническим комплексом, обеспечивающим электроснабжение потребителей на основной части обжитой территории страны. В структуре генерирующих мощностей электростанций России, преобладают ТЭС, доля которых в установленной мощности составляет 68,4%, доля АЭС- 20,9% и доля ГРЭС составляет 10,7%. Около 80% генерирующих мощностей тепловых электростанций в Европейской части России (включая Урал) работают на газе и мазуте, в то же время в Восточной части России более 80% генерирующих мощностей ТЭС работают на угле.

Уровень потребления энергетических ресурсов на единицу ВВП в России превышает аналогичный показатель в развитых странах в несколько раза. И этот разрыв сокращается незначительно, а иногда, даже имеет тенденцию к увеличению. Высокий уровень энергоемкости производства является важнейшей проблемой, существенно ограничивающей конкурентоспособность российской экономики. Суммарные объемы энергопотребления в целом по России складываются из показателей энергопотребления и выработки объектов, расположенных в Единой энергетической системе России, и объектов, работающих в изолированных энергосистемах . По данным системного оператора ЕЭС, энергопотребление в 2013 году выросло на 1,7% по сравнению с уровнем энергопотребления 2012 года, до 1,038 трлн. кВт·ч. Потребление электроэнергии за декабрь 2013 года в целом по России составило 104,5 млрд. кВт·ч, что на 5,1% больше, чем в декабре 2012 года [1]. Потребление электроэнергии в 2014 году незначительно снизилось и в целом по России составило 1 031,2 млрд. кВт·ч, что на 0,6 % меньше, чем в 2013 году. Существенным фактором сдерживания экономического роста страныможет стать нехватка энергии. Уже с 2000 года для снижения энергоемкости, в России разрабатываются программы по снижению энергоемкости, однако рост спроса на электроэнергию остаются выше предусмотренных «Энергетической стратегией России» значений. Запасов нефти и газа в России пока достаточно, но задачи ресурсосбережения все же становятся актуальными [1].

Электроэнергия необходима   как для работы бытового сектора, так и длялюбого предприятия. Производится электроэнергия преимущественно в местах, близких к источникам топливо и гидроресурсов на электростанциях. В зависимости от вида преобразуемой энергии электростанции бывают: тепловые, газотурбинные, атомные, гидроэлектростанции, а также слабой мощности электрические станции местного назначения – солнечные, морских приливов и отливов, геотермальные, дизельные, ветряные, и другие. Топливом для электростанций служат природные богатства – природный газ, торф, солнце, вода, уголь, ветер, атомная энергия и другие природные ресурсы.  Для выработки необходимых запланированных объемов электроэнергии происходит планирование необходимых ресурсов, которые будут переработаны. Запасы топливных ресурсов, должны использоваться рационально и эффективно. В настоящее время большое внимание уделяют разработке и внедрению различных программ экономии энергетических ресурсов[2].  

Электрическую энергию после выработки на электростанции необходимо доставить туда, где её начнут потреблять. Для начала необходимо доставить в крупные промышленные центры страны, которые могут территориально находиться на сотни километров, а иногда и тысячи километров от мощных электростанций. Передача электроэнергии - это только первоочередная задача. Далее её требуется распределить среди большого количества различных потребителей – промышленных предприятий, жилых зданий, транспорта и т.д. Для передачи электрической энергии на большие многокилометровые расстояния используются трансформаторы. При передаче электроэнергии происходят потери в линиях электропередач, что тоже необходимо учитывать при выработке объемов электроэнергии. Электросетевые компании или энергосистемы являются посредниками при передачи электроэнергии от трансформаторных подстанций к электроприёмникам. На электросетевую компанию возлагается ответственная работа по эффективному распределению электроэнергии.Электросетевые компании обслуживают значительное количество предприятий, организаций и частных лиц. Важным процессом является прогнозирование электроэнергии необходимое потребителям.  Для этого происходит постоянное отслеживание суммарного количества потребителей в разрезе по населению и предприятиям.

Перед энергосетевой компанией также стоит задача рассчитать оптимальную нагрузку сетей и энергоблоков. Потребительская нагрузка может изменяться в зависимости от различных влияющих факторов: времени суток, месяца года, погоды и климата, экономических факторов игеографического расположения. Своего максимального или уровня нагрузка может достигать совсем редко: например, на протяжении нескольких часов в году, но мощность электростанции должна быть на нее расчитана. Также, запас мощности нужен для того, чтобы в случае необходимости можно было отдельные энергоблоки отключать для ремонта или технического обслуживания. Резервная мощность, согласно установленным стандартам, должна составлять в среднем 25% от полной установленной мощности [3]. Для того чтобы оценить эффективность использования электростанции и энергосистемы выполняют расчет как процентное отношение электроэнергии (в кВт·ч), выработанное фактически за весь год, к возможной максимально годовой производительности (в кВт·ч). Коэффициент нагрузки не достигает 100%, так как по различным причинам, например, для технического планового обслуживания и в случае аварийного выхода из строяв любом случае неизбежны выключения энергоблоков.

Большая часть электроэнергии уходит на нужды предприятий, поэтому нужен постоянный мониторинг так каких число постоянно меняется.  На любом предприятии технологические процессы связаны с потреблением энергии. Электроемкость предприятия, зависит от множества факторов. Эти параметры могут быть разнообразны: влияние климатических и погодных условий;рост экономики и трансформация ее структуры; развитие данного вида экономической деятельности и особенностей, связанных с ними технологических процессов;техническое состояние основных фондов и частота проведения модернизации изношенного оборудования, обновление технологии производства состав и объемы производства различных видов выпускаемой продукции и т.д. Различные анализы показывают, что в России на предприятиях повышенная энергоемкость. Это связано с множеством влияющих факторов: природно-климатические условия, для Российского климата обычны низкие среднегодовые температуры, при низких температурах растет потребление топливноэнергетических ресурсов для надежного и устойчивого энергообеспечения потребителей, кроме того многие крупные промышленные центры удалены друг от друга, что приводит к росту энергозатрат для обеспечения обмена услугами и товарами между этими регионами [4]. Так же в России согласно проведенным исследованиям Росстат в электропотреблении преобладает доля промышленности и составляет 46,7% от общего потребления. Около 30% в состав промышленного энергопотребления уходит на тяжелую электроемкую промышленность. Чуть меньше - сфера услуг, на ее долю приходится 40-41% относительно 60-70% в других странах с развитой рыночной экономикой. К росту электропотребления приводят такжебольшие объемы устаревшего энерготехнологического оборудования и использование такого оборудования. В результате в России суммарный потенциал энергосбережения составляет 30-45% относительно современного уровня энергопотребления.

Из-за углубления электротарификации населения в бытовом секторе так же отмечается рост энергопотребления.  Это связано с насыщением жилых домов различными бытовыми электроприборами. Растет перенасыщение приборами базовой группы (к которым относятся аудио- и телеаппаратура, пылесосы, холодильники, утюги, стиральные машины и др.) на которую выделяется в среднем 40% электроэнергии, потребляемой бытовым сектором. А также так называемой группы ускоренно-селективной (к ней относятся бытовых электроприборов, кроме базовой группы: это освещение, системы микроклимата, электроплиты). Появляться и новые типы бытовых приборов, например сауны, джакузи и т.д. Выросло потребление электроэнергии на приготовление пищи (рост количества электроплит), освещение, отопление и кондиционирование.  Также возросла и единичная мощность бытовых электроприборов. В последнее время параллельно с возрастанием перенасыщенности домашних хозяйств электрическими приборами отмечен активный процесс смены устаревающих приборов на новые, с более высоким электропотреблением.

В связи с ростом энергопотребления большую важность приобретает вопрос энергоэффективности. Впервые он был обозначен 2 июля 2009 г. где президент Российской Федерации, выступая на заседании Государственного совета в Архангельске, обозначил пять приоритетов развития экономики, и, впервые определил в качестве одного из важных среди них энергоэффективность, которая, по его мнению, является важной макроэкономической проблемой, должна носить систематизирующий характер и пронизывать все остальные приоритеты технологических модернизаций.  

Актуальна проблема на промышленных предприятиях, Так как энергоэффективность напрямую влияет на результаты работы предприятия, эта проблема очень актуальна. На предприятиях изучают проблему рационального использования электроэнергии в качестве одной из мер для снижения общих убытков предприятия. Вместе с тем, путь развития отечественной экономики для решения проблемы энергосбережения возможен только при создании и последующего внедрения программ энергосбережения на предприятиях, а для этого необходимо исследование соответствующей методологической и методической баз. Дальнейшей увеличение затрат в промышленности и прочих отраслях народного хозяйства приводит к растущему дефициту финансовых ресурсов, а это, замедляет обновление производственной базы предприятия в соответствии с новейшими разработками научно-технического прогресса. Задержание проведения энергосберегающих мероприятий негативно сказывается на общей социально-экономической и экологической ситуации и приводит к значительному экономическому ущербу на предприятиях. Чтобы сократить финансовые потери, необходимо создать методы оценки эффективности мероприятий энергосбережения, которые учитывают многовариантность использования источников инвестиций. Снижение в издержках производства энергетической составляющей приведет к возможности получить дополнительные средства, которые можно использовать для обеспечения приемлемого уровня морального и физического износа технологического оборудования [6,7,8,9]. Негативно сказывается на конкурентоспособности предприятиярост расходов на энергетические ресурсы, вызывающие повышение себестоимости.

Сейчас используется множество различных подходов, методов и моделей прогнозирования энергопотребления, но у каждого подхода есть свои особенности. Основной недостаток статистических методов, которые лежат в основе математических моделей прогнозирования, состоит в низком уровне доверия к получаемым результатам и небольшой степени детализации прогнозируемых показателей [10,11]. Это из-за того, что в рамках изучения общих тенденций энергопотребления скрыты причины, приводящие к изменениям объемов энергопотребления, не изучаются взаимосвязи и с соотношением потребления электроэнергии, тепла и топлива, и с переменами в социально-экономическом развитии региона. Кроме того, использование стандартных подходов для прогнозирования объемов энергопотребления при нестабильной динамике изменения объемов энергопотребления может привести к большим погрешностям. При выборе существующих математических моделей, следует учитывать, что возможности их применения ограничены, т.к. при разработке математической модели, учитываются требования для предприятия - заказчика и установленные им условия.

В настоящее время для решения вопроса энергоэффективности определяют систему показателей эффективности энергосбережения, разрабатывают программы энергосбережения, производят оценку экономической эффективности от совокупности энергосберегающих мероприятий, и полученную экономическую выгоду. За счет сокращения убытков, мероприятия энергоэффективности в результате внесут положительные изменения на прибыль предприятий. Одной из важных составляющих мероприятий по оптимизации энергетических затрат предприятия становится прогнозирование потребления электрической энергии.

На сегодняшний день набирают популярность статистические методы прогнозирования, которые предусматривают возможность использования неограниченного количества различных входных параметров, а функция влияния входного параметра на выходной результат может быть любой сложности – нелинейной, нестационарной и др.  Кроме того, не все параметры измеряются в одинаковых единицах: некоторые входные параметры модели является категориальными (тип облачности, время года, тип дня, и др.), а часть параметров –численными (исторические значения потребления электроэнергии, время суток, температура воздуха и т.п.) [12,13,14]. Может использоваться неявное включение входных параметров. Например, построение дополнительной системы, каждый элемент которой ведет расчет для определенного случая, например, для определенного типа дня или времени года.  Использование данных методов позволяют решить актуальные для промышленного предприятия задачи: разработка инструментария для управления электротехническим комплексом в условиях реформирования российской электроэнергетики,повышение конкурентоспособности и устойчивости модели в отличие от имеющихся в использовании,сокращение электропотребления и экономия средств, направляемых на оплату за потребленную электроэнергию, создание условий для быстрого возврата средств, вкладываемых в комплексную автоматизацию контроля и учета электропотребления.

1.2. Обзор методов прогнозирования энергопотребления на промышленных предприятиях.

 Прогнозирование – это сложный многоэтапный процесс, в ходе которого должен исследоваться и решаться широкий круг научно-технических и социально-экономических проблем, поэтому использовать разнообразные методы. Сейчас в теории и практике плановой деятельности собран большой набор различных методов и подходов прогнозирования. По оценкам ученых, в статистике насчитывается свыше 150 различных методов прогнозирования, но в реальной жизни используется лишь 15-20 методов. Непрерывное развитие информационных систем и средств вычислительной техники дает возможность расширять круг используемых методов планирования и прогнозирования, совершенствовать их [15,16,17].

Существующие методы разделяют на две большие группы: группа интуитивных методов прогнозирования и группа формализованных методов прогнозирования.

Интуитивные методы основаны на интуитивно-логическом мышлении. Эти методы используются в случаи, когда нет возможности определить и учесть влияние факторов из-за высокой сложности объекта прогнозирования иликогда объект слишком прост и не требуется проведения сложных расчетов. Такие методы эффективно использовать и в случаях сочетания с формализованными методами для повышения точности прогноза.

В группу интуитивных методов входят методы экспертных оценок, которые получилиширокое распространение. Их успешно используют у нас и за рубежом для получения прогнозных оценок развития научно-технического прогресса, эффективности использования ресурсов,производства, и в ряде других случаев. Так же к числу интуитивных методов относятся методы исторических аналогий и прогнозирование по образцу. Здесь, например, может использоваться своеобразная экстраполяция. Методика прогнозирования имеется в анализе высокоразвитой системы (страны, региона, отрасли) одного и того же схожего уровня, который теперь появился в менее развитой аналогичной системе. Тогда на основании истории развития исследуемого процесса в высокоразвитой системе создается прогноз для менее развитой системы. На практике такие аналогии используют при определенииновых отраслей или видов техники (производство ЭВМ, телевизоров и т.п.), путей развития структуры производства, потребления и т.д.

Формализованные методы делят на методы экстраполяции и методы моделирования. Формализованные методы считаются более точными для простых объектовпрогнозирования. Они основаны на математической теории. При использовании метода моделирования получается математическая модель объекта прогнозирования с исходными и необходимыми нам параметрами. Проводя обработку исходных данных, модель выдает прогнозируемые значения. В основе метода экстраполяции лежит инертность экономических процессов. При использовании метода экстраполяции, полученные прогнозы считаются так: по статистическим значениям объекта прогнозирования выявляется динамика его развития и применяется к текущим значениям. Метод экстраполяции применяется очень частопри краткосрочном прогнозировании. Прогнозирование энергопотребления многих предприятий в настоящее время частично или полностью производится с помощью интуитивных методов прогноза[18,19].

В то же время следует отметить, что интуитивные методы, в частности методы коллективных экспертных оценок, полезны в процессе создания прогнозной модели энергопотребления на основе формализованных методов. В таких случаях методы экспертных оценок следует использовать для анализа структуры энергопотребления и выделения набора параметров, влияющих на него [11]. При создании прогнозной модели энергопотребления предприятия с помощью интуитивных методов можно определить оптимальный набор ее входных параметров, а степень их влияния на выходной параметр – энергопотребление правильнее определять с помощью формализованных методов.

Проанализировав исследования [21,22,23,24], к формализованным методам прогнозирования в зависимости от общих принципов действия можно отнести:

1. Системно – структурные методы.

2. Экстраполяционные методы.

3.  Ассоциативные методы.

4. Математические методы.

К группе системно-структурных методов относятся методы морфологического анализа, функционально-иерархического моделирования, матричный метод. Методы наименьших квадратов, экспоненциального сглаживания, вероятностного моделирования и адаптивного сглаживания включаются в группу прогнозной экстраполяции. К ассоциативным методам относятся два раздела: методы имитационного моделирования и историкологического анализа. К математическим методам относятся корреляционно – регрессионный анализ, метод группового учета аргументы, факторный анализ, вариационные методы.

Для создания прогнозной модели потребления электроэнергии в основу модели должны быть положены методы формализованной группы, это объясняется следующими причинами:

1. прогноз, сделанный на основе формализованного метода прогнозирования, не зависит от субъективных факторов в отличие от интуитивного метода;

2. формализованные методы прогноза хорошо поддаются автоматизации.

Наиболее эффективной при построении прогнозной модели электропотребления промышленного предприятия считается следующая концепция:

1.  конфигурация прогнозной модели (определение набора входных параметров, от которых будет зависеть электропотребление) должна производиться путем интуитивного метода прогнозирования (экспертной оценки);

2.  в основе прогнозной модели должен лежать один из формализованных методов прогнозирования.

Прогнозы, как правило, так же можно разделить на две группы:

1.  точечные – это прогнозы, фиксирующие одно значение прогнозируемого параметра объекта прогноза.

2.  интервальные – это прогнозы, фиксирующие два или больше возможных значений прогнозируемого параметра. В этом случае говорят о верхней и нижней границе периода (доверительный интервал прогноза) и вероятности попадания величины прогнозируемого параметра объекта в этот интервал (рис. 1.2).  

Рис.1.2. Точечный и интервальный прогнозы

Т.к. в настоящее время правила оптового рынка не предполагают наличия допустимого интервала отклонения заявленной (прогнозной) величины от фактическойпри прогнозировании электропотребления промышленного предприятия применяется точечный прогноз. Любое отклонение фактического электропотребления оплачивается по тарифам балансирующего рынка, что приводит к росту дополнительных финансовых издержек предприятия, связанных с оплатой этих отклонений. Деление прогноза на типы по времени упреждения зависит от объекта прогноза и конкретной задачи, для решения которой строится прогнозная математическая модель. В зависимости от времени упреждения прогнозируемого события различные исследователи выделяют различные типы прогноза [25,26].

При прогнозировании потребления электрической энергии промышленного предприятия в соответствии с существующими требованиями рынка электроэнергии выделяют такие типы прогноза:

1.  краткосрочный  (час, сутки, неделя);

 2.  среднесрочный (месяц, квартал, год);

3.  долгосрочный (от двух лет и далее).

ГЛАВА 2. МЕТОДЫ ПРОГНОЗИРОВАНИЯ ОБЪЕМОВ ПОТРЕБЛЕНИЯ ЭЛЕКТРИЧЕСКОЙ ЭНЕРГИИ.

2.1. Классификация статистических методов прогнозирования.

 Методом прогнозирования называется способ изучения объекта прогнозирования, который направлен на создание прогноза.

Имеющиеся методы прогнозирования для определения подходящего метода прогнозирования для построения на нем прогнозной модели энергопотребления промышленного предприятияклассифицируются следующим образом (рис.2.1).

Рис.2.1. Классификационная схема методов прогнозирования

По общему принципу действия все методы делят на две группы интуитивные и формализованные. Интуитивные методы применяются тогда, когда объект прогнозирования или слишком прост, или слишком сложен и аналитически учесть влияние факторов практически невозможно. В таких случаях прибегают к изучению мнения экспертов. В зависимости от принципов формализации интуитивные методы прогнозирования разделяют на две группы: индивидуальные экспертные оценки и коллективные экспертные оценки. Данные индивидуальные  и коллективные экспертные заключения используют или в качестве исходных данных или  как итоговые прогнозы в комплексных системах прогнозирования.

Метод коллективных экспертных оценок относится к комплексным системам прогнозирования, т.к. в комплексных системах прогнозирования соединены методы индивидуальных экспертных оценок и статистические методы их обработки[27].  

2.2.Основные методы прогнозирования временных рядов.