УДК 681.311

 

НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИИ В ОПТИМИЗАЦИИ ЭНЕРГОСИСТЕМ

 

Савченко Н.А. доцент, к.т.н.

 

(Украина, Краматорск, Донбасская государственная машиностроительная академия)

 

Энергетика является одной из основных и наиболее важных отраслей в любой стране. Главной проблемой в энергетической отрасли является энергосбережение, которое достигается в основном оптимизацией энергетических систем. Проблемы повышения надежности и эффективности функционирования энергетических систем, уменьшение потерь электроэнергии являются основными проблемами, стоящими перед современной энергетикой.

Оптимизация энергетических систем включает в себя оптимизацию развития энергосистем и оптимизацию управления режимами функционирования энергосистем. С развитием вычислительной техники стало возможным более эффективное моделирование энергетических систем, исследование их режимов функционирования и выбор оптимального варианта управления энергосистемой. Результаты оптимизации структуры и параметров электрических сетей показали значительные резервы экономии непроизводственных потерь электрической энергии до 20 % от общего объема передаваемой электроэнергии. Разработанные до настоящего времени модели и методы оптимизации не полностью отражают реальные условия функционирования электрических сетей, и не учитывают проблемы рынка электроэнергии, которые в данный момент негативно влияют на развитие и функционирование электроэнергетики Украины. Поэтому при создании модели, приближенной к реальным условиям функционирования энергосистемы сводится к задаче планирования и управления режимами, в которой некоторые параметры целевой функции и ограничений являются случайными величинами [1].

Оптимизация развития энергетической системы заключается в выборе оптимального варианта развития системы, удовлетворяющему критерию экономической оптимальности. Критерии оптимизации развития энергетический систем основан на минимизации затрат, связанных с развитием системы.Многие вопросы функционирования энергосистем можно решать с помощью системного подхода.

Системный подход в поиске оптимальных способов управления должен удовлетворять следующим требованиям:

– решения должны предусматривать возможности сведения алгоритмов управления воедино на стыках между подсистемами. Такой подход позволяет быстро наращивать систему управления и совершенствовать следующую ступень иерархии;

– решения не должны зависеть от развития самой системы управления, т. е. способы управления должны быть инвариантными по отношению к развитию системы управления, а также по отношению к конкретным частным случаям, например, к развитию подсистемы. Так, необходимо предусматривать максимальную типизацию аппаратов. С точки зрения системного подхода к подготовке алгоритмов более сложным случаем будет управление при неполной информации, т. к. при этом необходимо предусматривать алгоритмы восстановления исходной информации. Управление же при полной информации требует более простых алгоритмов.

Общим критерием оптимальности управления может служить суммарный ущерб, обусловленный недоотпуском электроэнергии и ухудшением параметров режима в аварийном и послеаварийном режимах. Наряду с общими критериями оптимальности управления возможно применение частных критериев, относящихся к отдельным этапам развития аварии в энергосистеме.

Для оптимального управления переходными процессами энергосистемы необходимо определение управляющих воздействий. Для определения оптимальных управляющих воздействий в энергосистеме зададим их в общем виде уравнения состояния энергосистемы: dX/dt=f(X, U)+X, где Х=Х(х1, х2,..., хn, t)- вектор параметров режима; U=U(u1, u2,..., un, t)-вектор управляющих воздействий (вектор управлений); Х - возмущение.

В установившемся предаварийном режиме возмущения (Х) и управляющие воздействия (U) принимаются равным нулю, т. е. f(X)=0.

Начиная с момента t=0, на систему действуют возмущения. Задача поиска оптимального управления состоит в том, чтобы отыскать такое U, при котором система из положения Xо перешла бы в положение Хуст (в допустимый по условиям эксплуатации установившийся послеаварийный режим), причем во время переходного процесса системы рассматриваемый показатель качества имел бы экстремальное значение.

На данном этапе развития вычислительной техники и программного обеспечения появилась возможность создавать модели и методы оперативного управления режимами функционирования электроэнергетических систем. Применение этих моделей и методов позволяет уменьшить фактические потери мощности в энергетических системах и, следовательно, увеличить эффективность функционирования энергетических систем. Наиболее перспективным и развиваемым на данный момент является нейросетевой подход для осуществления оптимизации энергосистем. В настоящее время широкое распространение получили искусственные обучаемые нейронные сети. С их помощью эффективно решаются неформализованные задачи классификации и прогнозирования в различных проблемных областях. Обучаясь на некоторой таблице данных, нейросеть формирует навык предсказания или классификации и в дальнейшем может решать задачи с высокой точностью.

Существуют различные технические реализации нейронных сетей, в том числе нейроимитаторы, то есть компьютерные модели нейронных сетей. Нейроимитаторы являются гибкими средствами для изучения сетей и работы с ними. С неироимитаторами можно выполнять различные операции - обучать, определять наиболее и наименее значимые связи, контрастировать, то есть удалять наименее значимые связи и т. д.

Применение нейронных сетей в электроэнергетике позволяет оптимизировать процесс производства и распределения электроэнергии, управлять безопасностью и режимами функционирования энергосистем.

Ниже представлен перечень основных задач, решаемых нейрокомпьютерами в современных энергетических системах:

– предсказание нагрузки;

– прогнозирование температуры окружающей среды с целью прогнозирования нагрузки;

– управление потоками электроэнергии в сетях;

– обеспечение максимальной мощности;

– регулирование напряжения;

– диагностика энергосистем с целью определения неисправностей;

– оптимизация размещения датчиков для контроля безопасности энергосистем;

– мониторинг безопасности энергосистем;

– обеспечение защиты трансформаторов;

– обеспечение устойчивости, оценка динамического состояния и диагностика генераторов;

– управление турбогенераторами;

– управление сетью генераторов;

– управление мощными переключательными системами.

Перечень задач применения нейрокомпьютеров в системах управления энергетическими системами постоянно растет.Ранее некоторые из этих задач решались статистическими и численными методами, использовалось моделирование и методика оперативного управления режимами функционирования электроэнергетических систем. Но развитие технологии нейросетей позволило расширить круг решаемых задач по оценке состояния энергосистемы.

Упрощенная прогностическая модель представлена ниже.

Рисунок 1 – Упрощенная прогностическая модель энергосистемы.

Таким образом, применение нейросетевых технологий для оптимального управления энергосистемами является перспективной тематикой, требующей дальнейшего развития и внедрения.

 

Список литературы

 

1. Савченко Н. А., Субботин О. В. Методы оптимизации энергетических систем // Вестник ДГМА. Вып. 2(4)/ ДГМА Краматорск, 2006. C.190 - 196.