Academic Journal
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ДИСПЕТЧЕРСКОГО УПРАВЛЕНИЯ С ПОМОЩЬЮ РАЗРАБОТКИ ПОДСИСТЕМЫ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ НА ПРИМЕРЕ ПОДСТАНЦИИ 110 кВ
| Title: | ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ДИСПЕТЧЕРСКОГО УПРАВЛЕНИЯ С ПОМОЩЬЮ РАЗРАБОТКИ ПОДСИСТЕМЫ ПРОГНОЗИРОВАНИЯ ЭЛЕКТРИЧЕСКОЙ НАГРУЗКИ НА ПРИМЕРЕ ПОДСТАНЦИИ 110 кВ |
|---|---|
| Publisher Information: | Грозненский государственный нефтяной технический университет им.академика М.Д. Миллионщикова, 2023. |
| Publication Year: | 2023 |
| Subject Terms: | singular spectral analysis, трансформаторная подстанция, прогнозирование, forecasting, управление, 7. Clean energy, машинное обучение, 12. Responsible consumption, transformer substation, электрические нагрузки, machine learning, 13. Climate action, сингулярный спектральный анализ, автоматизация, control, electrical loads, automation |
| Description: | Повышение эффективности управления электроэнергетическими системами необходимо для поддержания баланса между объемами производства и потребления электроэнергии и является важной и актуальной задачей для народного хозяйства страны. Рыночные отношения генерирующих и потребляющих электроэнергию объектов, внедрение цифровых приборов учета и автоматизация электроэнергетики в целом определяют объективную необходимость совершенствования методов и средств интеллектуальной поддержки принятия решений в процессе управления электропотреблением. В работе представлены результаты исследований по разработке методологической основы для системы поддержки принятия управленческих решений, предназначенной для функционирования в комплексе с автоматизированной системой диспетчерского управления, на примере данных об электрических нагрузках подстанции уровня напряжения 110 кВ. Целью исследования является повышение эффективности управления электропотреблением за счет наличия достоверного прогноза суточных нагрузок на трансформаторной подстанции 110 кВ. В ходе исследования были применены различные методы прогнозирования суточных нагрузок подстанции, такие как сингулярный спектральный анализ для декомпозиции временного ряда на аддитивные составляющие (трендовую, гармоническую и шумовую) и методы машинного обучения для их прогнозирования. Был проведен сравнительный анализ различных вариантов применения указанных методов и сформулированы рекомендации по их применению. Increasing the efficiency of management of electric power systems is necessary to maintain a balance between the volumes of electricity production and consumption and is an important and urgent task for the national economy of the country. Market relations between facilities generating and consuming electricity, the introduction of digital metering devices and automation of the electric power industry as a whole determine the objective need to improve methods and means of intelligent decision support in the process of energy consumption management. The paper presents the results of research on the development of a methodological basis for a management decision support system designed to operate in conjunction with an automated dispatch control system, using data on the electrical loads of a 110 kV substation as an example. The purpose of the study is to improve the efficiency of power consumption management by having a reliable forecast of daily loads at a 110 kV transformer substation. During the study, various methods were used to predict daily substation loads, such as singular spectral analysis to decompose the time series into additive components (trend, harmonic and noise) and machine learning methods to predict them. A comparative analysis of various options for using these methods was carried out and recommendations for their use were formulated. Вестник ГГНТУ. Технические науки, Выпуск 4 (34) 2023, Pages 15-25 |
| Document Type: | Article |
| Language: | Russian |
| DOI: | 10.26200/gstou.2023.73.61.001 |
| Accession Number: | edsair.doi...........3668e723a64e04fa1a932cac3a7b268b |
| Database: | OpenAIRE |
| DOI: | 10.26200/gstou.2023.73.61.001 |
|---|