ПРОГНОЗУВАННЯ ЕЛЕКТРОСПОЖИВАННЯ ЗАЛІЗОРУДНИХ ПІДПРИЄМСТВ ПРИ ВПРОВАДЖЕННІ ДО СИСТЕМИ ЇХ ЕЛЕКТРОПОСТАЧАННЯ РОЗОСЕРЕДЖЕНОЇ ГЕНЕРАЦІЇ

Автор(и)

  • Сергій Миколайович Бойко Харківського національного університету внутрішніх справ, Україна https://orcid.org/0000-0001-9778-2202
  • Андрій Вікторович Некрасов Кременчуцький національний університет імені Михайла Остроградського, Україна https://orcid.org/0000-0003-3507-1987
  • Олексій Миколайович Городній Чернігівський національний технологічний університет, Україна https://orcid.org/0000-0001-5303-9564
  • Альона Сергіївна Хебда Кременчуцький льотний коледж Харківського національного університету внутрішніх справ, Україна
  • Артем Юрійович Дмитренко Кременчуцький національний університет імені Михайла Остроградського, Україна https://orcid.org/0000-0003-3507-1987
  • Марина Олександрівна Ножнова Кременчуцький льотний коледж Харківського національного університету внутрішніх справ, Україна

Ключові слова:

розосереджена генерація, електропостачання підприємств, прогнозування електроспоживання, штучні нейронні мережі

Анотація

Актуальність теми дослідження. Залізорудні підприємства є одними з найбільших споживачів паливноенергетичних ресурсів України. Водночас аналіз розподілу потоків споживання електроенергії свідчить, що велика частка електричної енергії припадає саме на локальні енергетичні об’єкти, що зумовлює загалом актуальність вивчення питання особливостей прогнозування електроспоживання з мережі в умовах підприємств та актуальності застосування при цьому комбінованого підходу, особливо при впровадженні у структуру електропостачання цих підприємств розосередженої генерації.

Постановка проблеми. Проблемою, висвітленою в цій роботі, є синтез особливостей прогнозування електроспоживання підприємств при впроваджені до системи їх електропостачання розосередженої генерації.

Аналіз останніх досліджень і публікацій. У попередніх дослідженнях автори обґрунтували позитивний ефект від впровадження джерел розосередженої генерації в умовах промислових підприємств, а саме модульність, надійність, місцеве керування, зменшення негативного впливу на екологію та малий пусковий період. Ці об’єкти, а це в масштабах України сотні гектарів, за всіма своїми параметрами можуть і повинні стати полігоном для розміщення комплексів джерел розосередженої генерації, які, по суті, повинні стати міні- або мікроелектростанціями у структурі систем електропостачання підприємств України, у тому числі залізорудних підприємств.

Виділення недосліджених частин загальної проблеми. В умовах залізорудного підприємства, яке має дуже складну та розгалужену структуру, а технологічні процеси дуже складні й залежать від багатьох факторів, прогнозування є важким і складним завданням, за умови одержання похибки прогнозу, яка б не перевищувала 4 %. Тому в умовах залізорудного підприємства доцільно використання для одержання прогнозу електроспоживання штучних нейронних мереж, які передбачають наявність суттєвих зв’язків між окремими факторами.

Постановка завдання. Таким чином, актуальним науково-практичним завданням є дослідження особливостей та механізму прогнозування електроспоживання залізорудних підприємств при використанні джерел розосередженої генерації у складі комплексу їх електропостачання.

Виклад основного матеріалу. У результаті аналізу можливості впровадження розосередженої генерації у складі енергетичних систем залізорудних підприємств було виявлено, що джерела розосередженої генерації впливають на розподільні мережі цих підприємств та перетворюють їх на активні елементи. Це призводить до необхідності внесення змін у прийнятті стратегії управління розподільними мережами підприємства та планування структури і режимів локальних енергетичних систем. У статті запропоновано використання штучних нейронних мереж для прогнозування електроспоживання електричної енергії, особливо при впровадженні джерел розосередженої генерації по комплексу електропостачання. За допомогою програми «Statistica» було побудовано графіки електроспоживання із загальної мережі ПАТ Полтавський ГОК з використанням нейронних мереж. Результат прогнозування у порівнянні з реальними даними має незначне відхилення, що є допустимим.

Висновки відповідно до статті. Для прогнозування, з достатнім рівнем ймовірності, електроенергоспоживання залізорудними підприємствами необхідно вирішити багатокритеріальну задачу з обов'язковим попереднім визначенням усіх факторів, що впливають та визначають рівні енергоспоживання конкретного підприємства. Застосування нейронних мереж у системах прогнозування електроенергетичних параметрів джерел розосередженої генерації дозволить забезпечити багатофакторне прогнозування, що дасть змогу покращити прогнозованість згенерованої електроенергії розосередженою генерацією в часі, в умовах залізорудних підприємств.

Біографії авторів

Сергій Миколайович Бойко, Харківського національного університету внутрішніх справ

кандидат технічних наук

Андрій Вікторович Некрасов, Кременчуцький національний університет імені Михайла Остроградського

кандидат технічних наук, доцент

Олексій Миколайович Городній, Чернігівський національний технологічний університет

кандидат технічних наук

Альона Сергіївна Хебда, Кременчуцький льотний коледж Харківського національного університету внутрішніх справ

спеціаліст І категорії

Артем Юрійович Дмитренко, Кременчуцький національний університет імені Михайла Остроградського

аспірант

Марина Олександрівна Ножнова, Кременчуцький льотний коледж Харківського національного університету внутрішніх справ

викладач

Посилання

Синчук О. Н., Бойко С. М. Нейронні мережі та управління процесом управління електропостачанням об’єктів від комбінованих електричних мереж. Технiчна електродінамiка. 2014. № 5. С. 53-55.

Головко В. А. Нейронные сети. Обучение, организация и применение. Книга 4. Москва: ИПРЖР, 2001. 256 с.

Клепіков В. Б., Махота К. В., Сергєєв C. A. Застосування методів нейронних мереж і генетичних алгоритмів у вирішенні завдань управління електроприводами. Електротехніка. 1999. № 5. С. 2-6.

Руденко О. Г., Бодянський Є. В. Основи теорії штучних нейронних мереж. Харків: ТЕЛЕТЕХ, 2002. 317 с.

Ліла В. Б. Алгоритм і програмна реалізація адаптивного методу навчання штучних нейронних мереж. Інженерний вісник Дона. 2012. Т. 19, № 1. С. 55-59.

Switch operation power losses of quasi-resonant pulse converter with parallel resonant circuit / Denisov Y., Gorodny A., Gordienko V., Yershov R., Stepenko S., Kostyrieva O., Prokhorova A. International Scientific Conference on Electronics and Nanotechnology (ELNANO): Thirty-Fourth Annual IEEE. 2016. P. 327-332.

Impact of Supply Voltage Change on the Energy Performance of Boost Quasi-Resonant Converter for Radioelectronic Equipment Power Supplies / Gorodniy O., Gordienko V., Stepenko S., Boyko S., Sereda O. Modern Electrical and Energy Systems (MEES). 2017. P. 232-235.

Buchholz B., Styczynski Z. Smart Grids Fundamentals and Technologies in Electricity Networks. Springer 2014. 396 р.

Shumilova G. P., Gotman N. E., Startceva T. B. Electrical load forecasting using an artificial intelligent methods. RNSPE, 10-14 September, 2001. Proceedings. Kazan: Kazan State Power Eng. University, 2001. Vol. I. P. 440-442.

Bayir R., Bay O. F. Kohonen Network based fault diagnosis and condition monitoring of serial wound starter motors. IJSIT Lecture Note of International Conferense on Intelligent Knowledge Systems. 2004. Vol. 1, № 1.

Charytoniuk W., Chen M. S. Short-term Forecasting in Power Systems Using a General Regression Neural Network. IEEE Trans. on Power Systems. 1995. Vol. 7, № 1.

Boiko S. The operative prognosis to the conditions of the electrical supply complex – electric consumption of mining companies. Авіація, промисловість, суспільство: збірник тез доповідей І Всеукраїнської науково-практичної конференції молодих вчених, курсантів та студентів (27 квітня 2018 р., м. Кременчук). Кременчук: ПП Щербатих О.В., 2018. С. 30.

##submission.downloads##

Як цитувати

Бойко, С. М., Некрасов, А. В., Городній, О. М., Хебда, А. С., Дмитренко, А. Ю., & Ножнова, М. О. (2020). ПРОГНОЗУВАННЯ ЕЛЕКТРОСПОЖИВАННЯ ЗАЛІЗОРУДНИХ ПІДПРИЄМСТВ ПРИ ВПРОВАДЖЕННІ ДО СИСТЕМИ ЇХ ЕЛЕКТРОПОСТАЧАННЯ РОЗОСЕРЕДЖЕНОЇ ГЕНЕРАЦІЇ. Технічні науки та технології, (3(17), 197–208. вилучено із http://tst.stu.cn.ua/article/view/199288