Описание объекта исследования

Объектом исследования является Новосибирская область, расположенная в центральной части материка Евразия, почти в центре Российской Федерации на юго—востоке Западно—Сибирской низменности. Площадь области 178 тысяч кв. км. или 1% территории России. Протяжённость области с запада на восток642, а с севера на юг до 444 километра. На западе граничит с Омской, на севере с Томской, на востоке с Кемеровской областями, на юге с Алтайским краем, на юго—западе — с Казахстаном. Климат континентальный, средняя температура января достигает от −16 на юге, до −20 °C в северных районах. Средняя температура июля +18…+20 °C. Средняя годовая температура воздуха — 0,2 °C. Абсолютный максимум — +37 °C, минимум — −51 °C. Современные административные границы области существуют с 1944 года. Новосибирская область — субъект Российской Федерации, входит в состав Сибирского федерального округа. Население составляет около 2,686 миллиона человек.

Объекты генерации установленной электрической мощностью 3009,5 МВт. Основными объектами генерации являются Новосибирская ТЭЦ—2, Новосибирская ТЭЦ—3, Новосибирская ТЭЦ—4, Новосибирская ТЭЦ—5, Барбинская ТЭЦ ОАО «СИБЭКО» и Новосибирская ГЭС ОАО «РусГидро» В электроэнергетический комплекс области входит также 222 линий электропередачи класса напряжения 110—220кВ и 284 трансформаторных подстанции и распределительных устройства электростанций с суммарной мощностью трансформаторов 13886 МВА.

По отчетным данным, выработка электроэнергии электростанциями операционной зоны Новосибирского РДУ за 2013 год составила 13,16 млрд. кВт*ч, а электропотребление – 15,34 млрд. кВт*ч.

Графики нагрузки летнего и зимнего дней для территориальной энергосистемы Новосибирской области выглядят следующим образом.

Рисунок 11 — График нагрузки типового рабочего дня (зима)

Рисунок 12 — График нагрузки типового рабочего дня (зима)

Рисунок 13 — График нагрузки типового рабочего дня (лето)

Рисунок 14 — График нагрузки типового выходного дня (лето)

Изменение нагрузки в последние годы связано с изменением учёта а также кризисным состоянием. Основные показатели, характеризующие графики нагрузки приведены в таблице 2.

Динамика полезного отпуска по группам потребителей за 2009—2012 годы выглядит следующим образом

Таблица 2 — Динамика полезного отпуска по группам потребителей за 2009—2012 годы

Наименование отрасли					Изменение	Изменение	Изменение	Изменение
2012 к 2011	2012 к 2010	2011 к 2010	2010 к 2009
тыс. кВтч	тыс. кВтч	тыс. кВтч	тыс. кВтч	тыс. кВтч	%	тыс. кВтч	%	тыс. кВтч	%	тыс. кВтч	%
Промышленность	3 451 083	3 8104 75	3 761 588	3 814 155	52 568	1,40	3 681	0,10	—48 887	—1,30	359 392	10,41
Ж/д транспорт	1 478 061	1 492 752	1 536 331	1 546 658	10 327	0,70	53 906	3,60	43 579	2,90	14 691	0,99
Город. транспорт	92 013	95 795	97 557	99 512	1 955	2,00	3 717	3,90	1 762	1,80	3 782	4,11
Непромышленные потребители	2 017 940	2 207 067	2 337 667	2 486 033	148 366	6,30	278 966	12,60	130 600	5,90	189 127	9,37
Производ. сельхоз. потребит.	432 826	426 499	407 111	397 621	—9 490	—2,30	—28 878	—6,80	—19 388	—4,50	—6 327	—1,46
Население	2 914 131	3 088 143	3 088 324	3 194 471	106 147	3,40	106 328	3,40		0,00	174 012	5,97
Оптовые потребители	221 890	54 961			—	—	—54 961		—54 961		—166 929	—75,23
Собственные нужды	207 501	213 662	205 757	202 362	—3 395	—1,60	—11 300	—5,30	—7 905	—3,70	6 161	2,97
Сетевые компании	1 768 354	1 943 105	1 837 161	2 032 192	195 030	10,60	89 087	4,60	—105 944	—5,50	174 751	9,88
Полезный отпуск					501 508	3,80	440 544	3,30	—60 964	—0,50	748 660	5,95

На основании данных таблицы 2 построим график изменения полезного отпуска по группам потребителей за 2009—2012 годы.

Рисунок 15 —Динамика полезного отпуска 2009—2012 гг. по группам потребителей

В 2010 году на увеличение потребления оказало влияниевосстановление экономики после кризиса (промышленность и непромышленные потребители). Снижение полезного отпуска в 2011 году по отношению к 2010 вызвано влиянием температурного фактора (средняя температура воздуха в 2011 году была на 2,14 °С выше, чем в 2010 году). Более всего увеличилось потребление группы Непромышленные потребители, на 5,9% за счет строительства и ввод в эксплуатацию новых объектов и Железнодорожный транспорт, за счет увеличения грузоперевозок и выхода на докризисные показатели.

Влияние на увеличение полезного отпуска в 2012 году по отношению к 2011 оказал температурный фактор. Низкая температура февраля, октября и аномально низкая декабря, а также аномально высокая температура июля значительно повлияли на увеличение полезного отпуска. А также в связи с високосностью 2012 года следует иметь в виду потребление дополнительного дня. В целом изменение полезного отпуска имеет положительную динамику.Значительное увеличение потребления в 2012 году произошло по группам:

— Непромышленные потребители на 148 366 тыс. кВтч (+6,3%) по причине строительства и ввода в эксплуатацию новых объектов;

— Население на 106 147 тыс. кВтч (+3,4%) по причине ввода нового жилья в эксплуатацию, что по статистическим данным составляет 103% к соответствующему периоду 2011 года, а также в связи с ростом энерговооруженности населения и установкой электрокотлов абонентами частного сектора;

— Промышленность на 52 568 тыс. кВтч (+1,4%) в связи с развитием промышленного производства области.

В 2012 году по отношению к 2010 наблюдается увеличение фактического полезного отпуска (13 332 459 тыс. кВтч) на 440 544 тыс. кВтч (+3,3%). Следует учитывать влияние на увеличение полезного отпуска дополнительного дня в связи с високосностью 2012 года.

Наибольший прирост потребления в 2012 году по сравнению с 2010 наблюдался по следующим группам потребителей:

—Непромышленные потребители на 278 966 тыс. кВтч (+12,6%) по причине строительства и ввода в эксплуатацию объектов социально—культурного назначения;

—Ж/д транспорт на 53 906 тыс. кВтч (+3,6%) за счет увеличения объема грузоперевозок;

—Население на 106 328 тыс. кВтч (+3,4%) по причине ввода в действие новых жилых домов, а также роста энерговооруженности населения. По статистическим данным (предварительным) за 2012 год на территории области сдано в эксплуатацию квартир общей площадью 1 550 тыс. м , что составляет 112,3% к соответствующему периоду 2010 года.

Теперь рассмотрим изменение доли участия каждой из групп в графике нагрузки системы.

Таблица 3 — Динамика электропотребления по группам в %

Наименование отрасли	доля потребления,%
Промышленность	32,53%	34,10%	33,50%	33,06%
Железнодорожный транспорт	13,93%	13,36%	13,68%	13,40%
Городской транспорт	0,87%	0,86%	0,87%	0,86%
Непромышленные потребители	19,02%	19,75%	20,82%	21,55%
Производственные сельскохозяйственные потребители	4,08%	3,82%	3,63%	3,45%
Население	27,47%	27,63%	27,50%	27,69%

Как видно из таблицы 3 за рассматриваемый период в структуре электропотребления не происходило значительных изменений.

2.2 Алгоритм проведения расчетов по оценке энергетического
эффекта

На сегодняшний день не существует единой методики для расчета энергетического эффекта.Сложность единой методики заключается в том, что не всегда очевидно какие показатели в какой мере оценивать. Основные показатели для энергосистемы:

·Электропотребление (с различной дискретностью от суток до года).

·Мощность (средние показатели, минимальные, максимальные значения).

·Характерные показатели графика нагрузки(плотность, пиковость и ЧЧИ).

·Коэффициент загрузки агрегатов и др.

В связи с этим была изучена литература и применяемые методы, которые можно разделить на две группы:

1.Статистический анализ

2.Факторный анализ

Статистический анализ – использование математического ряда электропотребления с различной дискретностью в период перевода времени и построение ряда без перевода времени, а так же дальнейшее их наложение.

В автоматизированных системах энергетики накоплены гро­мадные массивы данных. Имеются инструментарии расчетов, обла­дающие большими возможностями, что позволяет широко применять методы статистического анализа. Но при этом необходимо большое внимание уделять корректности их применения. Если статистический анализ проводится без достаточного обоснования методики, то и модели и прогнозы будут иметь большие погрешности.

Статистический анализ проводится по следующим вопросам:

·формирование выборки статистической информации из массива данных;

·приведение данных к однородным свойствам;

·группировка данных по структурным свойствам процесса;

·изучение динамики процесса;

·выбор периода ретроспекции;

·сглаживание информации — устранение скачков за период ретро­спекции;

·ввод дополнительной информации для повышения достоверно­сти и разработки статистической модели.

Формирование выборки статистической информации из массива данных. Точность прогноза зависит от базы наблюдений. Задача решается подбором при анализе видов данных за прошедшие периоды. Процедура подбора оптимального периода ретроспекции формализована и в ряде случаев может осуществляться с использова­нием стандартных вычислительных пакетов. В общем случае она осу­ществляется под контролем человека в диалоговом режиме. Для каж­дого объекта требуется выполнять индивидуальное исследование.. Оптимальная длина рядап_опт определяется сравнением стати­стических оценок для моделей прогнозирования, например, для раз­личных периодов ретроспекции по минимуму стандартного откло­нения прогнозов различных моделей от фактических данных для совокупностейn_om_₁, п_от_₂, n_опт_₃,..

Оценка статистических моделей. Любая модель есть упрощение реального процесса. Выбор модели — это компромисс между ее точно­стью и сложностью. Часто сложность ограничивается принципиаль­ными положениями (незнанием процесса, невозможностью его моде­лирования, отсутствием информации, недостаточными возможностями математики, отсутствием программных средств расчета и пр.) и боль­шое значение имеет тот факт, что простота модели определяет ее по­нимание пользователем.

Организация расчетов по статистическому анализу и подбору статистических моделей. Приведенное выше показывает, что без спе­циального инструментария статистический анализ в практике приме­нять чрезвычайно трудно. В расчетах часто используются доступные инструментарии — стандартный пакет Excel. Однако сочетать формальные математические методы с разнооб­разными эвристическими можно только при активном участии пользо­вателя. Бесспорно, автоматизация расчетов играет существенную роль в использовании статистических моделей. В настоящее время именно от­сутствие инструментария тормозит использование статистических ме­тодов прогнозирования

Формирование математического ряда электропотребления с различной дискретностью в период перевода времени

Формирование математического ряда электропотребления с различной дискретностью в период без перевода времени

Экстраполяция математического ряда электропотребления в период перевода и без перевода времени.

Оценка эффектов от перевода времени

Подбор математической модели для периода без перевода времени.

Подбор математической модели для периода с переводом времени.

Формирование выводов на основе полученных результатов

Рисунок 16 – Алгоритм проведения расчетов энергетического эффекта с помощью статистического анализа

Факторный анализ – выделение элементов из общего ряда электропотребления, которые обладают наибольшей значимостью от перевода времени и определение факторов.

Факторный анализ в учебной литературе трактуется как раздел многомерного статистического анализа, объединяющий методы оценки размерности множества наблюдаемых переменных посредством исследования структуры ковариационных или корреляционных матриц. Данный вид анализа позволяет исследователю решить две основные задачи: описать предмет измерения компактно и в то же время всесторонне. С помощью факторного анализа возможно выявление факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными.

Таким образом, можно выделить две цели факторного анализа:

1.определение взаимосвязей между переменными, их классификация, т.е. «Объективная R—классификация»;

2.сокращение числа переменных.

Факторный анализ – методика комплексного и системного изучения и измерения воздействия факторов на величину результативного показателя. Существуют следующие типы факторного анализа:

1.Детерминированный (функциональный) – результативный показатель представлен в виде произведения, частного или алгебраической суммы факторов.

2.Стохастический (корреляционный) – связь между результативным и факторными показателями является неполной или вероятностной.

3.Прямой (дедуктивный) – от общего к частному.

4.Обратный (индуктивный) – от частного к общему.

5.Одноступенчатый и многоступенчатый.

6.Статический и динамический.

7.Ретроспективный и перспективный.

Также факторный анализ может быть разведочным – он осуществляется при исследовании скрытой факторной структуры без предположения о числе факторов и их нагрузках и конфирматорным, предназначенным для проверки гипотез о числе факторов и их нагрузках. Практическое выполнение факторного анализа начинается с проверки его условий.

Обязательные условия факторного анализа:

·Все признаки должны быть количественными

·Число признаков должно быть в два раза больше числа переменных

·Выборка должна быть однородна

·Исходные переменны должны быть распределены симметрично

·Факторный анализ осуществляется по коррелирующим переменным

Формирование ряда данных электропотребления с устойчивым трендом (Э)

Разложение Э на ряды по отдельным группам потребителей ( )

Формирование рядов с устойчивым трендом

Определение процессов потребления по каждой группе

Анализ факторов влияющих на

Формирование выборки (О), где О— осветительная нагрузка

Построение аналитической зависимости (О)

Оценка эффектов от перевода времени

Рисунок 17 – Алгоритм проведения расчетов энергетического эффекта с помощью факторного анализа