Технічні науки/5.Энергетика

Харитонов Олександр Олександрович

Криворізький технічний університет, кафедра «Електропостачання та ресурсозбереження», Україна

Разработка статистической методики оптимального построения техноценозов в решении задач энергосбережения на примере

рудообогатительной фабрики ОАО "СевГОК”

                                                    

Ведение

* Техноценоз - энергетическая инфраструктура предприятия.

Основу энергосбережения в электроэнергетике составляет планомерная
реализация комплекса технических и технологических мер, которым должна
предшествовать  оптимизация       электропотребления     инфраструктуры

технологического комплекса (ТК) на системном уровне. Ее целью является упорядочение электропотребления объектами (ТК), экономия направленных на оплату за потребленную электроэнергию средств, полученная за счет организационных мероприятий, а также создание научно обоснованных предпосылок для проведения целенаправленных энергетических обследований с последующей реализацией технических и технологических мер по энергосбережению.

1. Этапы оптимизации электропотребления

Оптимизация электропотребления на системном уровне осуществляется в рамках связанной методики по этапам.

На этапе анализа электропотребления инфраструктуры по специально разработанным формам запроса осуществляется сбор данных обо всех потребителях электроэнергии. Рекомендуется собранные данные представлять в виде информационно-аналитического комплекса, который должен разрабатываться с использованием современного программного обеспечения.

На этапе статистического анализа и построения эмпирической модели процесса электропотребления осуществляется полномасштабная статистическая обработка данных по электропотреблению, которая включает в себя ранговый и кластерный анализ. Ранговый анализ позволяет упорядочить информацию, эффективно осуществлять прогнозирование электропотребления отдельными объектами и ТК в целом, выявлять в динамике и наглядно представлять объекты с аномальным электропотреблением. Кластерный анализ позволяет разбивать объекты по группам и осуществлять нормирование электропотребления объектов в каждой группе с подробным статистическим описанием норм.

В основе рангового анализа лежит техноценологический подход и теория безгранично делимых ранговых распределений. Получение ранговых распределений осуществляется по результатам аппроксимации отранжированных экспериментальных данных по электропотреблению объектов техноценоза.

Методика прогнозирования электропотребления инфраструктуры основывается на теории структурно-топологической динамики ранговых распределений. При этом отдельно рассматриваются процедуры прогнозирования объектов, относящихся к ноевым, пойнтер- и саранчовым кастам распределения.

Предыстория электропотребления инфраструктуры разбивается на ряд этапов с определением наиболее подходящей аппроксимационной формы и соответствующих параметров математической модели. При этом используется база данных по электропотреблению ТК, а полученные аппроксимационные многочлены сами становятся элементом аналитических модулей базы данных.

Прогнозная оценка электропотребления объекта в (t+l)-M году выглядит следующим образом:

, где n - количество этапов предыстории.

При необходимости может быть применено линейное или экспоненциальное сглаживание модели.

Общий прогноз электропотребления инфраструктуры в целом осуществляется на основе интерполяции основных параметров гиперболической формы рангового параметрического распределения.

Одной из важнейших аналитических процедур рангового анализа является интервальное оценивание распределения, которое осуществляется следующим образом:

 ранговое распределение разбивается на ряд интервалов с таким расчетом, чтобы, во-первых, в каждом интервале было не менее 10-12 точек, а, во-вторых, отклонения значений экспериментальных параметров от соответствующих теоретических значений, определяемых аппроксимационной кривой, были распределены внутри интервала по нормальному закону.

В результате анализа делается вывод в соответствии с выходом точки выборки за пределы доверительного интервала. Если точка входит в доверительный интервал, то в пределах гауссового разброса параметров можно судить, что данный объект потребляет электроэнергию нормально для своего интервала разбиения рангового распределения. Если точка находится ниже доверительного интервала, то это, как правило, свидетельствует о нарушении нормального технологического процесса электропотребления на данном объекте (частые отключения электроэнергии, неплатежи, избыточная экономия и т.п.). Если точка находится выше интервала, то на соответствующем объекте имеет место аномально большое потребление электроэнергии. Именно на эти объекты в первую очередь должно нацеливаться углубленное энергетическое обследование (энергоаудит).

Последовательная (на протяжении ряда лет) реализация данной методологии позволит каждый раз целенаправленно воздействовать на наиболее «слабые» объекты. При этом средства, нацеленные на проведение энергетических обследований, будут расходоваться наиболее эффективно, а общее электропотребление инфраструктуры будет постоянно снижаться.

1.Реализация рангового анализа

Проведена в пакете прикладного программного обеспечения MathCAD.

В данном проекте реализовано следующее:

1) Первичная обработка статистической информации по основным ТК техноценоза ОАО "СевГОК".

2) Аппроксимация ранговых распределений.

В совокупности представленные расчетные программы реализуют методологию оптимального управления электропотреблением инфраструктурных объектов ОАО "СевГОК" связанных с производством концентрата и окатышей.

1) Первичная обработка статистической информации по техноценозу.

Создается электронная база данных, которая представляет собой неупорядоченную совокупность значений электропотребления объектов техноценоза. Рекомендуется базу данных создавать в виде двух файлов Microsoft Excel. В первом файле данные могут быть представлены в любом удобном для исследователя виде с необходимыми пояснениями и комментариями. Во втором файле должны содержаться только числовые значения параметров, выстроенные последовательно друг за другом в ячейках электронной таблицы без каких-либо текстовых записей (этот файл должен состоять только из цифр).

Программными средствами, осуществляется импорт данных из файла «data.xls» в тело программы Mathcad и задается начало отсчета.

Для получения табулированного рангового параметрического распределения имеющиеся неупорядоченные фактические данные (W) ранжируются. Ранжирование располагает данные в порядке уменьшения значений исследуемого параметра.

 

Получение табулированного рангового распределения

 

 

 

 

W=

 

 

0

1

2

3

4

5

6

0

3.985·104

5.032·104

5.659·104

5.04·104

5.555·104

4.783·104

5.513·104

1

3.167·103

3.733·103

3.271·103

6.298·103

6.03·103

4.64·103

5.688·103

2

1.372·103

1.951·103

1.862·103

1.912·103

1.772·103

1.527·103

1.733·103

3

432.5

1.217·103

1.075·103

1.042·103

891.3

737

1.024·103

4

3.886·103

6.442·103

7.147·103

1.414·103

4.302·103

4.272·103

5.314·103

5

1.266·104

1.201·104

4.12·103

1.324·104

7.1·103

9.26·103

8.122·103

6

3.284·103

3.284·103

4.312·103

2.054·104

1.436·104

1.658·104

3.789·104

7

2.976·103

3.336·103

2.654·103

2.228·103

2.302·103

2.344·103

2.36·103

На рис. 1 представлено 3D ранговое параметрическое распределение.

Трехмерная ранговая поверхность основного техноценоза ОАО "СевГОК",

 

 

  

 

 

 

 

 

 

 

 

 

 где: абсцисса — ранг объекта; ордината - временной интервал (номер месяца); аппликата - электропотребление, т·кВт·ч.

 

Определение рангов для объектов техноценоза ОАО мСевГОКм

Матрица рангов техноценоза необходима для оценки динамики движения объектов по ранговой поверхности параметрического распределения. Программа для ее определения:                               

                                                              


Коэффициент конкордации, определенный для совокупности ранговых параметрических распределений, характеризует степень взаимосвязанности техноценоза. Он показывает согласованность перемещения объектов по ранговой поверхности при переходе от одного временного интервала к последующему.

Для автоматизации оценки результатов вычислений используется специальная подпрограмма. Функция RESULT возвращает значение «yes», если коэффициент конкордации значим, «по», если он не значим, и «error», если в вычислениях была допущена ошибка.

 

Для совокупности данных, коэффициент конкордации значим, что свидетельствует о взаимосвязанности исследуемого техноценоза (по параметру электропотребления). Данный вывод позволяет использовать созданную базу данных для интервального оценивания, нормирования и прогно-зирования электропотребления объектов техноценоза.

2) Аппроксимация ранговых распределений

С точки зрения последующей статистической обработки данных, большое значение имеет аппроксимация эмпирических ранговых распределений. Задача заключается в подборе аналитической зависимости, наилучшим образом описывающей совокупность точек. Мы задаем в качестве стандартной двухпараметрическую гиперболическую форму. Аппроксимация может осуществляться различными методами, каждый из которых обладает как достоинствами, так и недостатками. Учитывая высокую скорость расчетов в среде Mathcad-2001, в данной программе аппроксимация будет осуществляться сразу несколькими методами. После этого автоматически будет выбираться наиболее корректный вариант.

Аппроксимация рангового распределения проводится после первичной обработки статистической информации по техноценозу.

С целью выбора наиболее эффективного метода аппроксимации полученные выше результаты статистически сравниваются. Для этого оценивается истинная ошибка.

Методы, используемые для аппроксимация:

1. Метод наименьших модулей

2. Линейный метод найменьших квадратов

3. Метод наименьших квадратов

Анализ показал, что в данном случае есть основания признать более корректным метод наименьших квадратов (значение переменной МНК существенно меньше МНМ).

Метод наименьших квадратов

Метод наименьших квадратов нашел к настоящему времени наибольшее применение среди исследователей, занимающихся объектами техноценологического типа. Суть метода заключается в отыскании параметров аналитической зависимости, которые минимизируют сумму квадратов отклонений эмпирических значений (реально полученных в ходе рангового анализа техноценоза) от значений, рассчитанных по аппроксимационной зависимости.

                                                                                

 

Рис.2 Ранговое параметрическое распределение техноценоза:

абсцисса -ранг объекта; ордината - электропотребление, т∙кВт∙ч; точки -

эмпирические данные; сплошная линия - аппроксимационная кривая, полученная методом наименьших квадратов

Выводы

Приведенная методика и разработанное программное обеспечение позволяет соответствующим службам ОАО "СевГОК" проводить самостоятельные исследования в области энергосбережения и выдавать ТЗ связанные с оптимизацией электропотребления.

Оптимизация электропотребления на системном уровне осуществляется:

-  первый этап (анализ электропотребления инфраструктуры по специально
разработанным формам запроса): сбор данных обо всех потребителях электроэнергии. Это позволяет получить развернутую картину электропотребления (с историей на глубину 5-6 лет и более), выявить объекты, которые обеспечиваются электроэнергией с нарушением существующих организационно-технических требований, подготовить электронную базу данных для дальнейшего многофакторного анализа. Рекомендуется собранные данные представлять в виде информационно-аналитического комплекса, который должен разрабатываться с использо-ванием современного программного обеспечения.

-  второй этап (статистический анализ и построение эмпирической модели
процесса электропотребления): осуществляется полномасштабная статистическая обработка данных по электропотреблению, которая включает в себя ранговый и кластерный анализ.

Ранговый анализ позволяет упорядочить информацию, эффективно осуществлять прогнозирование электропотребления отдельными объектами и технологическими комплексами в целом, выявлять в динамике и наглядно представлять объекты с аномальным электропотреблением.

Кластерный анализ позволяет разбивать объекты по группам и осуществлять нормирование электропотребления объектов в каждой группе с подробным статистическим описанием норм.

Использование разработанного программного обеспечения рангового анализа для техноценоза основных цехов комбината позволит оптимально и наиболее эффективно расходовать средства направленные на проведение энергетических исследований. Последовательная реализация разработанной методологии с учетом представленных  мероприятий по общему снижению электропотребления РОФ позволит снизить общее электропотребление данного подразделения.

Литература

1. Гнатюк В.И. Моделирование и оптимизация в электроснабжении войск. – Выпуск 4. Ценологические исследования. – М.: Центр системных исследований, 1997. – 216 с.

2. Гнатюк В.И., Лагуткин О.Е. Ранговый анализ техноценозов. – Калининград: БНЦ РАЕН – КВИ ФПС РФ, 2000. – 86 с.

3. Гнатюк В.И. Техника, техносфера, энергосбережение. – Калининград: Сервер Baltnet, 2000.

4. Гнатюк В.И., Северин А.Е. Ранговый анализ и энергосбережение. – Калининград: ЗНЦ НТ РАЕН – КВИ ФПС РФ, 2003. – 120 с.

5. Гнатюк В.И. Закон оптимального построения техноценозов. – Выпуск 29. Ценологические исследования. – М.: Изд-во ТГУ – Центр системных исследований, 2005. – 384 с.

6. Гнатюк В.И. Закон оптимального построения техноценозов. – Компьютерная версия, перераб. и доп. – М.: Изд-во ТГУ – Центр системных исследований, 2005 – 2007.

7. Кудрин Б.И., Жилин Б.В. и др. Ценологическое определение параметров электропотребления многономенклатурных производств. – Тула: Приокск. кн. изд-во, 1994. – 122 с.

8. Кудрин Б.И. Электроснабжение промышленных предприятий. – М.: Энергоатомиздат, 1995. – 416 с.

9. Прокопчик В.В. Повышение качества электроснабжения и эффективности работы электрооборудования предприятий с непрерывными технологическими процессами. – Гомель: ГГТУ, 2002. – 283 с.