Устройство прогнозирования и оптимизации для режима управления насосной станцией

Аннотация

Д.Е. Бабинович и Е.А. Шутов – Устройство прогнозирования и оптимизации для режима управления насосной станцией. Насосные агрегаты страны используют более 300 млрд. кВт*ч электроэнергии ежегодно, то есть более 20% от общего объема электроэнергии, вырабатываемой электрическими станциями страны (Лезнов, Экономия энергии в установках водоотлива, 1991 год). В соответствии с законом о требованиях энергоэффективности, потребители должны экономить энергию в своих компаниях. Компании по водоснабжению сталкиваются с проблемой низкой эффективности основного технологического оборудования, такого как насосные агрегаты, подающие воду в сеть, и насосные станции для сточных вод. Возможным решением этой проблемы может быть оптимизация потребления энергии путем выбора наиболее подходящей модели для контроля насосного агрегата. Обычно распространенным способом повышения энергоэффективности у насосов является использование частотного привода переменного тока преобразователя частоты (ПЧ), который обеспечивает значительное сокращение потребления электроэнергии. Однако этот подход не приводит к решению другой важной проблемы, то есть соответствия высокой тарифной ставки электрической энергии в течение 24-часового периода с диаграммой нагрузки насосного оборудования. Чтобы решить эту проблему, были проанализированы публикации о различных системах управления насосов с оптимизацией уровня энергопотребления и поддержанием необходимого уровня надежности водоснабжения. Такие решения могут включать, например, использования Оптимизатора операции передачи с устройствами прогнозирования и оптимизации, представленными в Блащике в 2012 году или внедрение насосной установки, в зависимости от уровня цен на электроэнергию (Он Чжан, Оптимальный размеры и эксплуатация насосных систем для достижения энергоэффективности и мощности смещение, 2011 г.)

Ключевые слова: энергосбережение, энергоэффективность, насосные станции, электроэнергия прогноз потребления, управление частотой нагрузки.

1. Введение

В соответствии с Федеральным законом № 442 от 01.05.2011 О функционировании розничных рынков электроэнергии ..., в зависимости от пиковой мощности в точке дифференциации баланса потребитель должен выбрать наиболее подходящий ценовой диапазон (ЦД). В настоящий момент потребители с максимальной потребляемой мощностью более 670 кВт сталкиваются с серьезной дилеммой. С 1 июля 2013 года стало возможным выбирать ЦД с часовым измерением энергии или ЦД с ежечасным измерением энергии и планированием. Кроме того, требования, установленные промышленному предприятию по поставке ЭЭ промышленному предприятию, не ограничиваются только отношениями экономического планирования двух сторон в отношении штрафов за любые варианты использования купленной электроэнергии. В соответствии с иерархическими этапами рынка ЭP гарантированная поставка компании должна соответствовать интересам сети и генерирующих компаний, требующих выравнивания нагрузки. Обычно эти требования также налагаются на конечного потребителя ЭP(электроэнергии). Для промышленного предприятия этот вопрос может быть разрешен только на уровне технологического процесса за счет внедрения энергоэффективных технологических потоков с адаптационной функцией и применением прогнозирующего устройства.

Выбор метода прогнозирования зависит от нескольких факторов: электрической диаграммы нагрузки объекта, наличия устойчивых циклов в работе технологического оборудования, наличия большого количества факторов, влияющих на потребление электроэнергии. Реализация прогнозирования в объектах водоснабжения была хорошо проанализирована и обсуждена в следующих литературных источниках.[1-3]

В связи с тем, что компании водоснабжения потребляют значительное количество электроэнергии в регионе, максимальная цена на электроэнергию соотносится с графиком водопотребления. Чтобы нарушить эту корреляцию, блок управления оптимизацией и прогнозированием должен быть введен в машину управления для насосной установки. В связи с этим расходы на электроэнергию будут сокращаться в часы пиковой нагрузки.

В документе управления прогнозом и оптимизацией есть следующая основная задача: снизить затраты на потребление ЭР с учетом соотношения цен на ЭР в течение 24 часов и при формировании графика работы насосных агрегатов.

2. Главная рубрика

Как указано выше, в отношении насосов водопровода, обычным решением для оптимизации технологического процесса является использование частотного преобразователя переменного тока в насосной установке с векторным или адаптивным управлением [4]. Используя пример подъема технической воды, можно оценить технические и экономические аспекты такого подхода. Объектом исследования является насосная установка Grundfos NB 80-200 / 211 45 кВт с двигателем MJ225-2-55F [5] и оснащенная частотным преобразователем.

Эта насосная установка является частью технологического оборудования 3-й подъемной насосной станции и обеспечивает необходимым давлением техническую воду (7 атм) при ее переходе от места прямого подъема (насосной фильтрации) к потребителю.

Контроль потока и давления производится на основе считывания счетчиков, установленных на входе и выходе станции. Ежедневный график расхода воды на обслуживание и стоимость электроэнергии для cтанции с пиковой нагрузкой представлен на рисунке 1.

Рисунок 1 – Диаграмма дневного графика расхода воды на обслуживание и стоимость электроэнергии для cтанции с пиковой нагрузкой.

Из этого графика можно увидеть четкое сравнение между ценой на электроэнергию и энергопотребление насосного агрегата. В связи с тем, что 3-я подъемная насосная станция, согласно условиям правил розничного рынка, получает электрическую энергию с использованием биномиального тарифа (диапазон цен 6); такое сравнение между ценой и потреблением ЭР приводит к росту расценок кВтч. В случае такой платежной системы, каждый час дня, имеет установленную стоимость потребленного ЭP (рис.2). Этот фактор в значительной степени способствует увеличению затрат на производство и транспортировку воды.

Но если можно настроить работу оборудования в рамках технологии производства, тогда будет возможность перенести максимальную нагрузку на часы минимальной стоимости для ЭP. Для компаний, занимающихся водоснабжением, такая ситуация возможна при работе с резервуаром для хранения или когда всю продукцию можно сократить до резервуара с учетом разницы давления. Целевая функция оптимизации предприятия – это минимальная стоимость приобретения ЭP при сохранении технологической эффективности производства.

В целях учета совместного воздействия на эффективность использования энергии, уровней оптимизации технологического процесса и производственного процесса, была создана эффективная модель компьютерной программой MATLAB, представленной на рисунке 2.

Изучаемая модель насосной станции работает соответственно инструкциям по оборудованию, включенными в настоящий технологический процесс с точностью до 5%.

Рисунок 2 – Модель 3-й подъемной насосной станции.

Наивысший иерархический уровень сравнения – система SCADA (контроль и сбор данных) (например, TRACE MODE) была добавлена в классический алгоритм векторного управления . Функционально система SCADA запоминает показания счетчиков на входе и выходе 3-й подъемной насосной станции и выполняет работу по подготовке исторических данных для процедуры прогноза. Технологические процессы потребления ЭР (ООО Томскводоканал) подчиняются циклическим, функциональным и случайным тенденциям, из которых наиболее предсказуемыми являются круговые зависимости (обычно ежедневные):

• Циклические зависимости составляют 70-80% всех вариантов использования от процесса потребления ЭР; например, одним из наиболее значимых циклических факторов является время суток, день недели и продолжительность дневного света;
• Согласованные шаблоны функционального аспекта: их доля составляет около 10-15% от общего количества вариантов использования. В эту группу входят варианты использования, которые можно объяснить известными и относительно прогнозируемыми факторами производства: такими как температура воздуха, объем производства и т. д.;
• Случайные тенденции: их вклад в общий процесс мал, но амплитуда отклонения может быть вполне значительна. Поэтому для случайных тенденций следует определить вероятностные характеристики соответствующих явлений [5].

Выбранные временные рамки, основанные на принципе типичного дня недели и сезона, входят в блок Predictor модели MATLAB. Для получения прогнозируемых значений используется метод нейронных сетей; это мощный инструмент для создания точных прогнозов с небольшим горизонтом прогнозирования. Соответствующая модель прогнозирования потребления ЭР за каждый час дня с точностью 0,55% была создана с использованием трехслойной нейронной сети на основе многослойной схемы восприятия. Была рассчитана точность для среднесрочного прогноза основанного на методе среднего значения от горизонтального прогноза.

Часть, называемая функцией оптимизации, минимизирует целевую функцию. Режим работы насосного агрегата изменяется таким образом, чтобы обеспечить минимальные затраты на приобретение ЭP при обеспечении продуктивности процесса подачи воды для cтанции с пиковой нагрузкой с технической водой [6]

При использовании резервуара для воды и удобного устройства, режим изменения потребления ЭР происходит в течение часов минимальной и максимальной нагрузки на диаграмме нагрузки:

• в часы минимальной нагрузки энергосистемы, резервуар заполняется и в связи с этим расход ЭP увеличивается для насосной установки в сравнение со стандартной схемой управления насосного агрегата с ПЧ;
• в часы пиковой нагрузки энергосистемы, насосная установка потребляет минимально ЭP.

Рисунок 3 – Нагрузочные диаграммы в случае классического ПЧ и при внедрение блока оптимизации и прогнозирования.

На рис 4. показан график потребления ЭП для встроенного устройства оптимизации и прогнозирования, 3-й подъемной насосной станции и тарифа в час для 6-го диапазона.

Как видно из графика, в часы пикового значения ЭР и значения пиковой мощности (8.00) нагрузка изменяется с использованием единицы оптимизации , а потребитель платит гораздо меньше за электричество, потребляемое за заданные интервалы времени, чем когда-либо прежде.

Например, ранее стоимость ЭP составляла 21,67 руб. В случае классического способа управления насосной установкой с ПЧ в течение 8,00 часов; и для всей кривой нагрузки цена покупки электроэнергии составляла 158 рублей и 540 рублей за мощность сети. При внедрении ПЧ с оптимизацией и прогнозированием стоимость ЭP за 8,00 часов составляла 8,52 рубля (снижение стоимости на 61%), стоимость покупки электроэнергии составила 62,32 рубля (снижение стоимости на 60,6%), стоимость сети мощность составила 323,12 руб. (снижение затрат на 40%). [6]

Рисунок 4 – Ежедневная диаграмма потребления ЭР и тарифная диаграмма.

Результаты оптимизации в зависимости от метода управления насосом приведены в таблице 1:

В этом случае, принимая во внимание экономическое планирование, платежный заказ на ЭP с гарантированной компанией по поставке и прогнозное устройство, которое дает возможность отрасли снизить затраты на покупку ЭP на 26% даже при росте потребления электроэнергии.

3. Заключение

Согласно результатам исследования, можно сделать следующие выводы: управление прогнозами и оптимизацией вместе с традиционными системами подчиненного управления устанавливает новый порядок взаимоотношений между изменением тарифной ставки и режима работы насосного агрегата; на данном этапе развития розничного рынка наблюдается увеличение стоимости ЭP для разного использования, и в то же время происходит значительное увеличение затрат на электроэнергию. Прогноз в этом случае является не только элементом планирования потребления ЭП для передачи данных в гарантированную компанию по поставке, но и как важный фактор контроля технологического процесса.

Список использованной литературы

1. Mordecai Feldman, Aspects of Energy Efficiency in Water Supply, Proceedings of the 5th IWA Water Loss Loss Reduction Specialist Conference 26-30 April Cape Town South Africa pp. 85-89, 2009.
2. Simon Bunn, P.E. Khos Ghaderi, Cary Hillebrand, Utilizing Energy and Demand Forecasting as a Tool to Develop Energy Procurement Strategies Presented at the American Water, Works Association, DSS section conference in Phoenix, AZ in September 2006.
3. Ionescu Gheorghe – Constantin, GLIGOR Emil, Dan Florin, Ionescu George–Lucian, Electric energy consumption forecast within the waste water treatment plant Oradea, Journal of applied engineering sciences vol. 1(14) issue 4_2011.
4. Leznov B.S., Methodology to evaluate the effectiveness of the controlled drive in the water and sewer pump stations, Mashinostroenie: Moskow, 2011.
5. Mallat S. A theory for multiresolutional signal decomposition: the wavelet representation, Pattern Analysis and Machine Intelligence, N7, pp. 674- 693, 1989.
6. Pricing for legal entities, Tomskenergosbit Web Site, [Электронный ресурс]. – Режим доступа: http://ensb.tomsk..., свободный.