Организация машиностроительных производств при цикличных изменениях спроса на продукцию и стоимости энергоресурсов тема диссертации и автореферата по ВАК РФ 05.02.22, кандидат наук Александров Андрей Анатольевич

• Александров Андрей Анатольевич
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Александров Андрей Анатольевич

Введение

Глава 1. Производства продукции циклического спроса и проблемы их организации

1.1. Производства продукции сезонного спроса

1.2. Цикличность спроса в электроэнергетике

1.2.1. Причины и последствия цикличности спроса на электроэнергию

1.2.2. Управление спросом в электроэнергетике

1.2.3. Тарифная политика в электроэнергетике

1.3. Проблема оптимизации логистических и производственных затрат на предприятиях по выпуску циклической продукции

Глава 2. Организация производства продукции сезонного спроса на промышленных предприятиях

2.1. Выбор производственной программы предприятия с сезонным спросом

2.1.1. Проблематика выбора производственной программы для предприятий с сезонным спросом на продукцию

2.1.2. Специфика функционирования отраслей с государственной монополией

2.1.3. Формулировка общего подхода к выбору производственной программы

2.2. Разработка алгоритма выбора оптимальной мощности сезонного производства

2.3. Численное моделирование и определения оптимальной производственной программы

2.3.1. Определение оптимального объема производства при заданных условиях

Стр.

2.3.2. Анализ целесообразности вариации повышения объема

производства

2.4. Оценка эффективности стратегии управления основными

фондами предприятия

Глава 3. Организация энергоснабжения производственного комплекса

3.1. Система энергоснабжения современных машиностроительных предприятий и ее составляющие

3.1.1. Функционирование системы энергоснабжения

3.1.2. Использование возобновляемых источников энергии

3.1.3. Использование накопителей энергии

3.1.4. Экономико-технический анализ накопителей и возобновляемых источников энергии

3.2. Общая модель потребления электроэнергии

3.3. Оптимизация графика закупки объемов энергии при наличии накопителей

3.3.1. Постановка задачи оптимизация

3.3.2. Схема расчета стоимости и алгоритм оптимизации

3.3.3. Расчет и анализ модельного случая

3.4. Оптимизация графика закупки объемов энергии при использовании возобновляемых источников энергии

3.4.1. Постановка задачи оптимизации

3.4.2. Схема расчета стоимости и алгоритм оптимизации

3.4.3. Расчет и анализ модельного случая

Выводы и заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Организация машиностроительных производств при цикличных изменениях спроса на продукцию и стоимости энергоресурсов»

ВВЕДЕНИЕ

Актуальность темы. Цикличность спроса характерна для продукции многих отраслей, в том числе и для машиностроительных предприятий, если их продукция востребована сельскохозяйственной, строительной, нефтегазовой и другими сезонными отраслями. В случае предприятий электроэнергетики на сезонную цикличность накладывается суточная цикличность - спрос на электроэнергию существенно меняется, как в течение года, так и в течение суток. При этом существенно меняется и стоимость приобретения электроэнергии для предприятий-потребителей. Значительные сезонные колебание закупочной стоимости характерны также для цемента, сыпучих строительных материалов, теплоносителей, тяжелой технике и других ресурсов, которые могут быть востребованными машиностроительным предприятием для прямого или косвенного обеспечения производственного процесса.

Специфика организации производств продукции сезонного спроса, а также производств, потребляющих ресурсы с ярко выраженными колебаниями стоимости, заключается в необходимости составления годовых производственных программ и программ закупок материально-технических ресурсов с учетом факторов цикличности спроса и стоимости ресурсов.

Производственная программа должна позволять полностью удовлетворять сезонное повышение спроса при рациональной загрузке персонала и основных фондов предприятия. Этого можно достичь выбором определенного соотношения между максимально возможными объемами складирования готовой продукции и максимальной производственной мощностью устанавливаемого оборудования. Ситуация с формированием программы закупок аналогична - либо в «несезон» предприятие закупает ресурсы по сниженным ценам и использует их в течение всего периода, либо

работает в режиме «точно в срок» без складирования ресурсов, либо следует компромиссному решению, минимизируя затраты. Таким образом, актуальной становится разработка методов эффективной организации производств, работающих для сезонных отраслей, а также рационализации их систем снабжения материалами и энергоресурсами.

Область исследований диссертации соответствует пункту 2 паспорта специальности 05.02.22 - Разработка методов и средств эффективного привлечения и использования материально -технических ресурсов и инвестиций в организацию производственных процессов.

Цель работы - разработка методов организации машиностроительных производств, работающих в условиях периодических колебаний спроса на продукцию и цен на энергоресурсы, обеспечивающих минимизацию затрат при условии удовлетворения пикового спроса.

Задачи исследования:

1. Анализ специфики спроса на продукцию машиностроительных предприятий в системе сезонных отраслей, характера их энергопотребления и тарифной политики в электроэнергетике.

2. Разработка научно-методического подхода к организации производств продукции сезонного спроса в машиностроении и алгоритма его реализации.

3. Формирование системы организации энергоснабжения машиностроительного предприятия с использованием накопителей энергии и альтернативных источников.

4. Разработка подхода к оптимизации графика закупки электроэнергии при включении в систему энергоснабжения предприятия накопителей и установок возобновляемых источников энергии (ВИЭ).

Научная новизна:

- разработан метод определения объемов производственных мощностей и складов для предприятий по выпуску продукции ярко выраженного сезонного спроса, который основан на решении оптимизационной задачи определения программы выпуска продукции, позволяющий полностью удовлетворять пиковый спрос на продукцию при минимальных производственных затратах;

- предложена система организации энергоснабжения машиностроительного предприятия, в состав которой включены объекты ВИЭ, объекты накопления энергии, блок управления отбором энергии из внешней сети, а также алгоритмы управления отбором, обеспечивающие минимизацию затрат на энергоснабжение;

- разработаны методы определения объемов мощностей солнечных и аккумуляторных батарей, дающие возможность предприятию закупать электроэнергию по максимально выгодному графику и основанные на оптимизации суточных графиков закупки методами стохастического программирования по критерию минимума затрат.

Результаты, выносимые на защиту:

- метод определения оптимального объема производственных мощностей и складов при организации производств продукции сезонного спроса;

- система организации энергоснабжения машиностроительного предприятия с учетом суточных колебаний тарифа на электроэнергию;

- метод оптимизации графика закупки предприятием электроэнергии при использовании накопителей и генераторов на базе ВИЭ.

Достоверность результатов исследований вытекает из обоснованности используемых теоретических положений и экономико-математических методов

и подтверждается совпадением результатов моделирования с реальными производственными ситуациями и экспертными оценками.

Практическая ценность диссертационной работы состоит в создании методов определения необходимых объемов накопителей энергии и мощностей солнечных электростанций во внутренней системе энергоснабжения предприятия, которые позволяют минимизировать затраты на закупку электроэнергии из внешней сети и суммарные затраты на энергоснабжение предприятия в целом.

Реализация результатов работы. Результаты, касающиеся формулировки научно-методического подхода к организации производств продукции сезонного спроса, используются в учебном процессе кафедры промышленной логистики МГТУ им. Н. Э. Баумана. Разработанные методы и алгоритмы определения объемов мощностей солнечных и аккумуляторных батарей, дающих возможность предприятию закупать электроэнергии по максимально выгодному графику, используются в ПАО «РусГидро». Использование подтверждено справками.

Апробация работы. В ходе выполнения диссертационной работы результаты исследований докладывались на трех научных конференциях [1-3] и на заседаниях кафедры промышленной логистики МГТУ им. Н. Э. Баумана 2019-2021 годах.

Публикации. Основные результаты диссертации опубликованы в 5 научных работах, из которых 2 статьи [4,5] в журналах, рекомендованных ВАК РФ, и 3 статьи [1-3] в материалах научных конференций.

Структура и объём работы. Диссертация состоит из введения, трёх глав, основных результатов и выводов, списка литературы из 123 наименований. Работа изложена на 121 страницах машинного текста, содержит 3 9 рисунков и 9 таблиц.

Глава 1 посвящена анализу спроса на продукцию машиностроительных предприятий, выпускающих продукцию для сезонных отраслей, проблемам их организации и оптимизации производственных затрат, а также характеру их

энергопотребления и тарифной политики в электроэнергетике. Анализ выполнен по работам Ашимова А. А., Гасникова А. В., Данчёнок Л. А., Дунаева В. Ф., Захарова М. Н., Карпенко А. П, Омельченко И. Н., Родионова В. Г., Эбергардт А. Е. и других.

Глава 2 посвящена формулировке научно-методического подхода к организации производства машиностроительной продукции сезонного спроса, позволяющего минимизировать общие издержки предприятия.

Глава 3 посвящена системе организации энергоснабжения машиностроительного предприятия с включением объектов ВИЭ и накопления энергии, а также разработке подходов определения необходимых объемов мощностей солнечных и аккумуляторных батарей, дающих возможность реализовать оптимальный график закупки электроэнергии из внешней сети.

ГЛАВА 1. ПРОИЗВОДСТВА ПРОДУКЦИИ ЦИКЛИЧЕСКОГО СПРОСА И

ПРОБЛЕМЫ ИХ ОРГАНИЗАЦИИ

1.1. Производства продукции сезонного спроса

В Российской Федерации законодательно выделяется около 30 сезонных отраслей и видов деятельности. Эти отрасли отличаются жесткой сезонность, когда период активной деятельности сменяется периодом полного отсутствия деловой активности. Полный перечень отраслей и видов экономической деятельности, признаваемых сезонными из-за явного влияния на их деятельность природно-климатических условий, приведен в Постановлении Правительства Российской Федерации от 6 апреля 1999 г. N 382. Приведем некоторые отрасли из этого перечня:

• торфяная промышленность (болотно-подготовительные работы, добыча, сушка и уборка торфа, ремонт и обслуживание технологического оборудования в полевых условиях);

• растениеводство (механизированные работы в полевых условиях и заготовки сельскохозяйственной продукции и сырья);

• перерабатывающая промышленность;

• нефтедобывающая и газовая промышленность (обустройство месторождений и строительство объектов на болотистых местах и под водой в районах Крайнего Севера и приравненных к ним местностях);

• водное хозяйство (дноуглубительные и берегоукрепительные работы);

• геологоразведочные работы (полевые экспедиционные работы);

• промышленность нерудных строительных материалов (добыча песчано-гравийной смеси из русел рек);

• речной и морской транспорт (перевозки пассажиров и грузов, погрузочно -разгрузочные работы в районах с ограниченными сроками навигации);

• судостроительная промышленность (строительство и ремонт судов внутреннего водного транспорта в районах с ограниченными сроками навигации);

• отрасли экономики Крайнего Севера (Досрочный завоз продукции в районы Крайнего Севера и приравненные к ним местности);

• строительство и сопутствующие отрасли;

• передача тепловой энергии.

Законодательное выделение сезонных отраслей и видов деятельности необходима с целью формирования справедливой системы налогообложения сезонных предприятий [6,7] и правового регулирования труда сезонных рабочих [8,9]. Проблемы налогообложения сезонного предприятия связаны с тем, что в его работе есть период работы и период простоя. Доход сезонное предприятие получает только в активном периоде, но период простоя тем не менее является частью технологического процесса. Расходы предприятие несет в течение всего года, причем в период межсезонья часть затрат предприятия связана с подготовкой к рабочему периоду. Эти факты должны быть учтены при определение налоговых периодов, амортизационных отчислений и прибыли сезонного предприятия.

Как видно, в приведенном перечне сезонных отраслей отсутствуют машиностроительные отрасли, но представлены отрасли, которые широко используют продукцию машиностроительных отраслей. Это - прежде всего сельское хозяйство, строительство и теплоэнергетика. Машиностроительные предприятия, производящие машины и оборудование для этих отраслей, часто сталкиваются с ярко выраженном сезонным спросом на свою продукцию.

Почти все сельскохозяйственные работы носят сезонный характер и зависят от почвенно-климатических условий природного края. Наличие исправной и готовой к работе техники играет ключевую роль в выполнении поставленных перед аграрным сектором задач. Количество и качество сельскохозяйственных машин предопределяют результат работы

агрокомплексов. Своевременная предварительная обработка почвы, посевные мероприятия, сбор урожая и прочие этапы сельскохозяйственных работ не обходятся без технических средств и специальных машин.

Любой производитель аграрной продукции старается заблаговременно решить все вопросы, связанные с технической стороной своей деятельности. Отсюда следует зависимость операторов рынка сельхозтехники от сезонных колебаний спроса, в основном связанных с технологическим циклом растениеводческих агрокомплексов. То есть продажа сельхозтехники четко структурирована в соответствии с этапами проведения сельскохозяйственных работ. Производители активизируют маркетинговую деятельность в преддверии открытия сезона, систематизируя и увязывая предложения с календарным планом агротехнических мероприятий. На Рисунке 1.1 приведены гистограммы производства и отгрузки зерноуборочных комбайнов в России по месяцам за период 2014-2016 годы.

Пик продаж уборочной техники приходится на конец первого полугодия, и именно в период май-июнь, фермеры активно покупают специализированные машины и оборудование. В осенний период, как правило активизируются продажи техники для обработки почвы и предпосевных работ.

Конечно, существуют виды сельскохозяйственных машин, продажи которых в меньшей степени подвержены сезонным изменениям. Трактора, погрузочная и прочая специализированная техника, заложенная в бюджет потребителя, покупается по мере возникновения производственной необходимости. В этом случае спрос в основном определяется периодичностью финансовых поступлений. Однако, и этой продукции машиностроительных заводов присущ в определенной степени сезонный характер. На Рисунке 1.2 приведены гистограммы производства и отгрузки тракторов в России по месяцам за период 2014-2016 годы.

Из анализа гистограмм видно, что сезонное повышения спроса приходится на март-апрель, именно в эти месяцы спрос на трактора превышает среднегодовой спрос приблизительно на 30%.

Рисунок 1.1. Производство и отгрузки зерноуборочных комбайнов в России

Одной из важных сопутствующих строительству отраслей является цементная промышленность. Предприятия по производству цемента, основанного строительного материала, работают в условиях жесткой сезонности. Производство и сбыт цемента в осенне-зимний период года сокращается в 2-3 раза.

На Рисунке 1.3 приведен график процентного изменения объемов производства цемента по месяцам в течение года относительно среднего значения. График составлен по данным Росстата за период с 2008 по 2018 годы. Изменение объемов производства происходит из-за снижения спроса на цемент со стороны строительных компаний, так как бетонные работы нежелательно проводить при пониженных температурах.

Кроме этого, невозможно производить цемент впрок, что связанно с недопустимостью его длительного хранения. В связи с этим многие предприятия, производящие цемент, из-за равномерного распределения

налоговых платежей становятся убыточными. Предприятия лишаются внутренних источников накоплений и финансовых ресурсов для проведения неотложных работ по ремонту оборудования и подготовке производства к работе в период максимального спроса на цемент.

Рисунок 1.2. Производство и отгрузка тракторов в России

Таким образом, обычной практикой для производителей цемента становится стремление получить большую прибыль в период теплого периода путем сезонного повышения цен на свою продукцию. Производителям необходимо получить финансовые средства для ремонта и замены изношенных основных фондов предприятия, а также для развития инновационных проектов по внедрению нового технологического оборудования.

В этой связи предприятия цементной отрасли с приближением летнего сезона практически одновременно повышают цены на свою продукцию. Этот факт тоже может быть учтен менеджерами машиностроительных предприятий при планировании разного рода монтажных и ремонтных работ. Например, работ по монтажу нового машиностроительного оборудования в отапливаемых

цехах, предусматривающего формирования крупногабаритных бетонных фундаментов и оснований.

160 но 120 100 80 60 ¿0 20 0

Рисунок 1.3. Процентное изменение объемов производства цемента относительно среднего значения

Отрасли теплоэнергетики также являются крупными потребителями машиностроительной продукции. Замена изношенного оборудования, его упредительный ремонт и ремонт теплотрасс, естественно, происходят в период пониженного спрос на тепловую энергию. В этот же период и в его преддверии активизируются закупка запчастей, инструментов, ремонтного оборудования и различных агрегатов, являющихся продукцией машиностроительных производств. На Рисунке 1.4 приведены гистограммы суммарного расхода энергии на отопление и горячее водоснабжение за 2010, 2011 и 2012 годы в Гкал (левая шкала) и графики среднемесячной температуры в градусах Цельсия (правая шкала) за те же годы для типичного жилого объекта, расположенного в центре России. Гистограммы показывают, что оптимальный период проведения ремонтно-монтажных работ на теплотрассах длится с мая по сентябрь. Как правило, к этому периоду привязано повышение спроса на уже перечисленные виды продукции.

Следует отметить тот факт, что помимо сезонности спроса на материальные ресурсы существует сезонный спрос на трудовые ресурсы.

Причем в этом случае речь идет о кадрах высокой квалификации с соответствующей заработной платой. Поэтому задача оптимизации численности штатных сотрудников порой может оказаться более важной чем задача оптимизации использования материальных ресурсов.

тоа® 2,00

—■ | ■ -

:: I и III ■ л ы а н |11 ;:

Л«мс% м«рт Апм^» Мв* К«л» МГК1 Оггабе» Коябс* Дм(о»

Рисунок 1.4. Типовое распределение годового потребления тепловой энергии

Влияние сезонности ощущают на себе практически все компании нефтегазового сектора [10-15]. Для геологоразведочных компаний в России сезонность имеет ярко выраженный характер - основной период активной работы, связанной с геологоразведкой, приходится на октябрь-апрель, поскольку именно в это время можно обеспечить перемещение бригад и оборудования по пересеченной местности. При определении сезонности в сфере транспортировки углеводородов нужно учитывать каким образом будет осуществляться транспорт. Транспортировка может осуществляться посредством магистральных нефтепроводов или через водные пути транспорта нефти и газа, включая схемы вывоза по Северному морскому пути. При использовании водного транспорта нефти и газа имеются ограничительные условия, которые обусловлены влиянием сезонных колебаний: ледовый режим, ограничение грузоподъемности танкеров, сезонность транспортировки. Также важно учитывать сезонные колебания, связанные с балансом спроса и предложения внутри и за пределами страны на нефть и газ, с ремонтными работами на нефтеперерабатывающих заводах, которые проводятся, как

правило, в конце лета - начале осени, активностью в агропромышленном комплексе.

Для принятия управленческих решений и планировании необходимо составление прогноза на основе статистического анализа данных прошлых периодов о производстве продукции, сбыте, закупке ресурсов, затратах и прочих данных [16,17]. Для этого применяется корреляционный и регрессионный анализы [18-20]. Задачи планирования и прогнозирования на сезонных предприятиях могут быть решены на основе достаточно просто определяемых показателей сезонности.

Сезонность обусловливается не только сменой времен года и погодой, но и циклами деловой активности, временем суток и даже днями недели. Традиционно сезонность спроса на продукцию характеризуется коэффициентом сезонности или индексом сезонности. В общем случае индекс сезонности рассчитывается для каждого месяца и определяется как отношение спроса в рассматриваемом месяце к среднегодовому месячному спросу, который равен годовому спросу, деленному на 12.

При вычислении индекса сезонности необходимо предварительно проанализировать весь собранный статистический материал. По результатам анализа надо отбросить данные, явно выбивающиеся из общего тренда, так как они чаще всего обуславливаются событиями, носящими непредсказуемый и нерегулярный характер.

Индекс сезонности можно рассчитать двумя способами [21].

Первый способ применяется если наблюдается общая тенденция к росту или спаду спроса на продукцию предприятия. В этом случае коэффициент сезонности для каждого месяца вычисляется как среднее значение коэффициентов в этом месяце за рассматриваемый предшествующий период.

Второй способ применятся в случае обычной ситуации с изменением спроса на продукцию. Тогда коэффициент сезонности для каждого месяца вычисляется как отношение суммарного объема спроса в этом месяце за

рассматриваемый период лет к сумме среднегодовых месячных значений спроса за эти годы.

В рамках анализа ситуации с сезонностью спроса в промышленных отраслях был осуществлен широкий поиск анализ интернет-данных о характере изменения спроса на различные вида продукции. Этот анализ позволил составить Таблицу 1 перечня видов продукции ярко выраженного сезонного спроса, при котором пиковая потребность превышает среднегодовую потребность более чем на 30%.

Таблица 1.

Продукция ярко выраженного сезонного спроса

№ Вид продукции Месяцы повышенного спроса Коэффициент сезонности на пике спроса

1 Трактора Апрель - июнь 1,3

2 Зерноуборочные комбайны Май - август 1,5

3 Сеноуборочные и фуражные машины Июль - сентябрь 1,4

4 Снегоуборочные машины Ноябрь - январь 4

5 Газонокосилки Май - июль 3,5

6 Промышленное морозильное оборудование Июль - октябрь 2

7 Мойки высокого давления Март - май 2,2

8 Кондиционеры Май - июнь 2,5

Продолжение Таблицы 1.

№ Вид продукции Месяцы повышенного спроса Коэффициент сезонности на пике спроса

9 Водонагреватели Май - июль 2

10 Лазерные принтеры Сентябрь - октябрь 2

11 Цемент Май - октябрь 1,4

12 Песок, гравий Июнь - ноябрь 1,25

13 Минеральные удобрения Февраль - апрель 1,4

14 Природный газ Октябрь - март 1,3

15 Мазут Ноябрь - апрель 1,6

Как уже отмечалось, это прежде всего продукция машиностроительных предприятий, выпускающих сельскохозяйственную технику, а также продукция промышленных предприятий, производящих стройматериалы и минеральные удобрения. Высокие значения коэффициентов сезонности качественно отражают цикличность спроса на продукцию ряда производств и свидетельствуют о востребованности исследований в области их организации.

1.2. Цикличность спроса в электроэнергетике 1.2.1. Причины и последствия цикличности спроса на электроэнергию

Уровень энергопотребления зависит от большого количества факторов, таких как регион [22-24], сезон года, метеоусловия [25,26], количество и типы потребителей [27,28], экономическое положение [29] и многие другие. Задача прогнозирования энергопотребления является актуальной как для потребителей, так и для поставщиков электроэнергии, поскольку позволяет не только уменьшить операционные расходы на энергоснабжение, но и более равномерно распределить нагрузку на оборудование, уменьшив тем самым его износ и риск наступления отказов. По причине невозможности составления

полной математической модели энергопотребления, для прогноза уровня энергопотребления используют подход, основанный на анализе временных рядов энергопотребления [30].

При построении прогнозирующих моделей энергопотребления временной ряд энергопотребления раскладывается на три составляющие:

- Гармоническую (циклическую) Рн(^);

- Трендовую £т(£);

- Стохастическую (шумовую)

Тогда результирующий ряд может быть представлена виде суммы этих составляющих:

РЮ = РНЮ + РТЮ + Р5Ю

Выделение циклической составляющей является важным элементом анализа временных рядов энергопотребления. Зачастую выделяют три вида колебаний энергопотребления, различных по амплитуде и периоду колебаний [25-27,31]:

- Сезонные (годовые) колебания

- Недельные колебания

- Суточные колебания.

Годовые колебания вызваны, в первую очередь, изменение температуры в течение года, что приводит к необходимости работы систем отопления (зимой) и кондиционирования (летом). В силу климатических условий, максимум потребления в Российской Федерации приходится на декабрь и январь (см. Рисунок 1.5-а) - в период отопительного сезона; в других странах с отличными климатическими условиями, ситуация может меняться на противоположную, так как в зимний период не требуется дополнительного отопления, а в летний период - идет интенсивная работа систем охлаждения и кондиционирования (см. Рисунок 1.5-6). В таких регионах сезонные колебания представляют моногармонические колебания с периодом колебаний равным

календарному году, однако в также существуют регионы, в которых сезонные колебания носят более сложный характер (см. Рисунок 1.6), поскольку диапазон изменения годовых температур довольно высок. В таких случаях сезонные колебания могут принимать полигармонический характер с несколькими явно выраженными гармониками и минимумом потребления приходящемся на весну или осень.

Недельные колебания обусловлены распорядком рабочих и выходных дней - в течение рабочей недели уровень энергопотребления обеспечивается высоким за счет работы коммерческих и производственных предприятий, а на выходных происходить понижение потребления с минимумом в воскресенье (Рисунок 1.7), что обусловлено наличием потребителей с шестидневной рабочей неделей.

Суточные колебания энергопотребления обусловлены, в первую очередь, световым днем, а также распорядком рабочего дня на предприятиях и их режимом работы - количеством рабочих смен и пр. Наиболее характерным является график суточного потребления с двумя пиками (см. Рисунок 1.8-а:2,б:1,в,г), однако может принимать и другие формы, в зависимости от погодных условий (см. Рисунок 1.8-а:1) или количества рабочих смен (см. Рисунок 1.8-б:2). Также суточный график потребления склонен несколько видоизменяться в зависимости от сезона и дня недели, т. е. следует говорить о летнем и зимнем суточном графике потребления, графике потребления рабочего и выходного дня.

Оценку колебаний энергопотребления осуществляют по совокупности коэффициентов:

1. Коэффициент неравномерности Кн характеризует отношение минимума нагрузки за период. Различают:

Список литературы диссертационного исследования кандидат наук Александров Андрей Анатольевич, 2021 год

источников энергии

Для анализа стоимостных и технических характеристик была выбрана продукция компаний преимущественно Азиатско-Тихоокеанского Региона (АТР), как наиболее интенсивно развивающегося региона с одним из крупнейших рынков электрохимических накопителей энергии (более 30% мирового рынка [111-113]) и ВИЭ (более 70% на рынке фотовольтаики [114,115]). Для сбора данных использовались доступные данные из открытых источников [116,117].

Традиционно, для аккумуляторных батарей в качестве технических характеристик указывают номинальное напряжение и (В) и емкость ц (А-ч), что удобно при анализе потребителей с фиксированным напряжением питания, которое совпадает с напряжением батареи. Однако, в масштабах предприятия удобнее оперировать с запасаемой энергией Еь, выраженной в Вт*ч:

Еь = иц

Тогда стоимость батарей, необходимых для хранения 1 кВт • ч, может быть посчитана как:

Сь

Сш= 7^*1000

Еь

Однако, разные технологии подразумевают различный срок службы аккумуляторных батарей, а также он может варьироваться для одного типа у различных производителей, ввиду различного качества продукции и маркетинговой политики. Обычно, срок службы выражают в количествах циклов «заряд-разряд», которые может вынести батарея до существенного снижения свои технических показателей. Поскольку, построение большого накопителя на базе аккумуляторных батарей требует большого количество затрат, то для сравнения стоимости различных типов батарей с различным сроком службы, удобнее перейти к оценке амортизационных затрат, выраженных на 1 цикл:

80 _

аЬс —

где аЬс - амортизационная стоимость батарей способных хранить 1 1 кВт • ч энергии в расчете на 1 цикл «заряд-разряд», руб.; Ь - срок службы батарей в циклах «заряд-разряд». Или из расчета на 1 сутки:

1000

аЬй — аЬс

365 '

где аьа - амортизационная стоимость батарей способных хранить 1 1 кВт • ч энергии в расчете на сутки, руб. При расчете суточной амортизации считается, что батарея подвергается примерно 1000 циклам «заряд-разряд» за год.

Аналогичная ситуация обстоит с солнечными панелями и ветрогенераторами: производитель указывает мощность Р (кВт) и номинальное напряжение и (В). Максимальный ток I (А), необходимый для оценки системы, может быть рассчитан по зависимости

Р

,—й-

Суточные амортизационные отчисления могут быть рассчитаны по линейной схеме:

Р

365ЬН

где - срок службы панели или ветрогенератора в годах.

Приведенные выше зависимости были использованы для расчета технико-экономических характеристик аккумуляторных батарей, солнечных панелей и ветрогенераторов. Полученные и исходные характеристики представлены в Таблицах 5.-7.

Анализ этих данных показывает, что использование солнечных панелей является наиболее целесообразным с точки зрения соотношения цены к вырабатываемой мощности.

Стоимостные и технические характеристики литий-ионных батарей [116]

№п/п Наименование Напряжение, В Емкость, А- ч Стоимость за батарею Циклов зарядки Емкость, Вт- ч Стоимость за кВт- ч, руб. Амортизационная стоимость за 1 кВт-ч/цикл, Амортизационная стоимость за 1кВтч/сутки,

LFP (LiFePO4) - Shenzhen Basen Technology Co., Ltd

1. LFR-105AH 3,20 105 38 3500 336 8482 2,42 6,64

2. LFP-120AH 3,20 120 36 2000 384 7031 3,52 9,63

3. LFR-120AH 3,20 120 52 3000 384 10156 3,39 9,28

4. LFR-200AH 3,20 200 65 3000 640 7617 2,54 6,96

5. LF-280AH 3,20 280 73 3500 896 6110 1,75 4,78

6. LFR-280AH 3,20 280 68 3500 896 5692 1,63 4,46

LTO (Li4Ti5O12) - Shenzhen Kokpower Investment And Development Co., Ltd.

7. LTO 66160A- 30AH 2,30 30 34 25000 69 36957 1,48 4,05

8. KOK-66160-LT40-2 2,30 40 52 25000 92 40625 1,63 4,45

Продолжение Таблицы 5.

№п/п Наименование Напряжение, В Емкость, А- ч Стоимость за батарею Циклов зарядки Емкость, Вт- ч Стоимость за кВт- ч, руб. Амортизационная стоимость за 1 кВт-ч/цикл, Амортизационная стоимость за 1кВтч/сутки,

9. KOK-66160-LT40-3 2,30 40 25 25000 92 20380 0,82 2,23

10. KOK-LTO-66160-30AH 2,30 30 25 25000 69 27174 1,09 2,98

11. KOK-6S1-13840 13,80 40 400 25000 552 54348 2,17 5,96

12. KOK-LTO-66260-55AH 2,40 55 55 25000 132 31250 1,25 3,42

LIP (LiPoly) - YJ Power Limited (Shenzhen)

13. 32600 3,70 5 2 500 18,5 8108 16,22 44,43

14. 18500 3,70 1,4 0,88 500 5,18 12741 25,48 69,82

15. 18650 3,70 3 1,8 500 11,1 12162 24,32 66,64

16. 13700 3,70 0,8 0,86 500 2,96 21791 43,58 119,40

17. 13600 3,70 0,9 0,56 500 3,33 12613 25,23 69,11

18. 13450 3,70 0,5 0,4 500 1,85 16216 32,43 88,86

Стоимостные и технические характеристики солнечных панелей [117]

№п/п Б

Производитель Наименование Напряжение, В Ток, А Максимальная мощность, кВт К.П.Д. Срок службы, лет Стоимость, руб. Амортизационная стоимость за 1кВт/сутк

1. Yixing JS Solar Co., Ltd. JS Half-Cut Mono 390M 41,11 9,49 0,390 19,39 25 6209 1,74

2. Wuxi Sunket New Energy SKT390M6-24/HC 41,10 9,49 0,390 19,38 25 6084 1,71

3. Technology Co., Ltd. SKT355M6-20/HC 33,50 9,37 0,355 19,00 25 5396 1,67

4. Changzhou Sunday Energy Co., Ltd. SDM-370 39,51 9,37 0,370 18,68 25 5565 1,65

5. Anhui Huicheng Energy Technology Co., Ltd. Poly-325W 37,45 8,68 0,325 17,25 25 3588 1,21

6. Sunlike Solar Co., Ltd. SL60M-270 32,66 8,42 0,270 16,50 25 3326 1,35

7. SR- M672430HLP 40,59 10,60 0,430 19,79 25 7671 1,96

8. Sunrise Energy Co., Ltd. SR- M672395HL 41,44 10,60 0,395 19,64 25 6320 1,75

9. Cell Solar Energy Co., Limited CSM390-144 41,12 10,60 0,390 19,38 25 4368 1,23

10. Luxen Solar Energy Co., Ltd. LNSU-430M 40,60 10,60 0,430 19,33 25 6330 1,61

Продолжение Таблицы 6.

№п/п Производитель Наименование Напряжение, В Ток, А Максимальная мощность, кВт К.П.Д. Срок службы, лет Стоимость, руб. Амортизационная стоимость за 1кВт/сутки

11. SpolarPV Technology Co., Ltd. SP380HM6-72 39,59 10,60 0,380 19,16 25 5077 1,46

12. Topsky Electronics Technology (HK) Co., Ltd. LR4-72HPH-435M 40,90 10,60 0,435 20,00 25 6334 1,60

13. JAM72S10-390/PR 40,55 10,60 0,390 19,40 25 5741 1,61

14. Runsol PV Co.,Ltd LR4-60HPB-370M 35,20 10,51 0,370 20,30 25 5654 1,67

15. Infinity New Energy Co., Ltd. INE-Mono-144HC 430166 40,30 10,67 0,430 19,70 25 5435 1,39

16. INE-Mono-144HC 390166 41,10 9,49 0,390 19,20 25 5086 1,43

17. Anhui Huasun Energy Co., Ltd HS- B120DS375 37,51 10,00 0,375 20,60 25 7050 2,06

18. AE Solar AE M6-72 370W 39,63 9,34 0,370 19,70 25 5535 1,64

19. Jiangsu Green Power New Energy Co., Ltd. GPNE- S120/FNH 355W 33,70 10,53 0,355 19,20 25 4913 1,52

20. Jiangsu Fortunes Solar Technology Co., Ltd FDS280-24P300 36,00 8,33 0,300 18,00 25 4920 1,80

Стоимостные и технические характеристики ветряных генераторов

[116,118,119]

№п/п Производитель Модель Напряжение, В Ток, А Номинальная мощность, кВт Стоимость, млн. руб. Срок службы, лет Амортизационная стоимость за 1кВт/сутки, руб.

1. Zonhan Windpower Co, Ltd Exmork 3 KW 48 62,5 3 0,185 10 16,89

2. Exmork 2.5 KW 48 52,1 2,5 0,116 10 12,706

3. Qingdao HenryD Wind Power Equipment Co., Ltd. FD3.2-3KW 300 6,7 2 0,098 15 8,9041

4. FD5.4-5KW 500 10,0 5 0,225 15 8,2192

5. FD8-10KW 500 20,0 10 0,525 15 9,589

6. FD23-50KW 500 100,0 50 3,750 15 13,699

7. Kapadia Enterprises Pvt Ltd. DEC2500 34500 72,5 2500 150,0 20 8,2192

8. DEC4500 34500 130,4 4500 225,0 20 6,8493

9. DF148 34500 110,1 3800 225,0 20 8,111

10. Sinovel Wind Group Co., Ltd. SL5000 34500 144,9 5000 318,3 20 8,721

11. SL1500 34500 43,5 1500 98,6 20 9,0088

12. SL2000 34500 58,0 2000 112,5 20 7,7055

3.2. Общая модель потребления электроэнергии

Важным компонентом решения оптимизационной задачи является математическое описание целевой функции, в данном случае - функции, описывающей кривую суточного потребления электроэнергии. В данной работе для предлагается использовать в качестве модели, описывающей кривую потребления кусочное представление кривой, построенное при помощи кривых Безье (см. Рисунок 3.6). Данный подход хорошо зарекомендовал себя для феноменологического описания характеристик процессов при численном моделировании, например кривой деформирования материала [120]. При таком представление, область определения разбивается на несколько интервалов, в данном случае - на четыре интервала:

t1-t2 - утренний рост уровня потребления; t2-t3 - дневной стазис;

- t3-t4 - вечерний пиковый рост уровня потребления;

- t3-t5 - ночной спад уровня потребления.

На каждом из участков кривая потребления описывается кривой Безье, имеющий следующий вид:

(t(p) = ti(l - v)3 + (U + 1ц)(1 - р)2р + (ti+1Ii2)(l - р)р2 + ti+1p3 { D(p) = Ci(l - р)3 + Ci(l - р)2р + Ci+i(l - р)р2 + Ci+ip3 '

где р Е [0; 1] - параметр.

Таким образом, кривая суточного потребления электроэнергии описывается следующими параметрами:

- t1 и С1 - время и величина ночного минимума потребления;

- t2 и С2 - время и величина дополуденного уровня потребления;

- t3 и Сз - время и величина предпикового уровня потребления;

- t4 и С4 - время и величина пикового уровень потребления;

- Iij - интенсивность изменения графика /-ого интервала в j-ой точки.

Рисунок 3.6. Общая модель потребления электроэнергии на основе кривых Безье

Данная модель может быть использована двумя способами:

- для генерации различных вариантов исходных данных графика суточного потребления при апробации алгоритмов оптимизации или стохастическом моделировании;

- для аппроксимации экспериментальных данных. Преимуществом данной модели является то, что все параметры обладают

четким физическим смыслом и размерностью.

3.3. Оптимизация графика закупки объемов энергии при наличии

накопителей 3.3.1. Постановка задачи оптимизация

Для предприятия известен график энергопотребления, который описывается периодической функцией D(t), с периодом T равным одним суткам, и график изменения тарифа в течение суток, описываемый функцией ce(t). Требуется определить суточный график закупки электроэнергии, при условии, что имеется возможность накопления электроэнергии в аккумуляторах. При этом считается, что затраты на покупку электроэнергии СР вычисляются как произведение объема закупленной электроэнергии на текущую стоимость согласно тарифу, а затраты на хранение электроэнергии Cs определяются только амортизационными отчислениями на приобретение накопителей, при условии, что его стоимость пропорциональна объему.

3.3.2. Схема расчета стоимости и алгоритм оптимизации

Согласно описанными в Разделе 1.2 ценовым категориям на электроэнергию, можно выделить 2 типа тарификации:

- с интервальной (зонной) тарификацией;

- с непрерывной (почасовой) тарификацией.

Характерные графики суточной стоимости приведены на Рисунке 1.10.

Суммарные затраты складываются из затрат на закупку

электроэнергии из энергосети и затраты на хранение электроэнергии в накопителях:

Cz = CP + Cs. (3.1)

Исходя из постановки задачи, затраты на хранение электроэнергии могут быть рассчитаны по следующей зависимости:

С5 = аЬйтах(ХЮ), (3.2)

1Е[0,Т]

где аьа - суточная амортизация накопителей в расчете на 1 кВт • ч, Х(1) - объем накопленной электроэнергии, вычисляемый как

Х&) = [ (Р(т) — 0(т))(1т, (3.3)

0

где Р(т) - количество приобретенной электроэнергии за единицу времени, кВт; Б(т) - количество потребленной электроэнергии за единицу времени, кВт.

Затраты на закупку электроэнергии за период (0, €) могут быть вычисленык

СР= [ Р(т)се(т)((т. (3.4)

0

Таким образом, необходимо решить следующую оптимизационную задачу:

Для функции потребления можно записать два условия:

1. равенство суммарной закупленной и потребленной электроэнергии за сутки (условие отсутствия внутреннего производства электроэнергии)

[ Р(£)М= [ 0^)(И. (3.5)

00

2. Значение функции не может принимать отрицательные значения, поскольку это означало бы продажу электроэнергии обратно в сеть

Р&) > 0 (3.6)

Соотношения (3.5) и (3.6) несложно выполнить, если определить функцию закупки P(t) через масштабирование функции f(t), область значений которой R(f) Е [0,у], где у - некоторая положительная константа, значение которой не столь важно. Функция закупки, в таком случае, может быть записана как:

Т

L D(r)dr

р(<)=гт,гл, *№• (3.7)

L f(T)dx

В такой формулировке задача сводится к отысканию функции f(t), определяющей характер графика закупки электроэнергии. Данная задача относится к классу некорректно поставленных и ее решение будет существенно зависеть от формы, в котором его будут искать [121,122]. В данном случае, решение, т. е. график закупки электроэнергии, будем искать в виде кусочно -постоянной функции, с тем же интервальным разбиением, что и тарифный график.

Поиск величин закупки электроэнергии на каждом из интервалов представляет собой задачу многокритериальной оптимизации. Для такого рода задач применяются стохастические методы оптимизации эволюционного типа, в частности, широкое распространение нашли методы построенные на основе генетических алгоритмов [61,62].

Основные элементы таких методов - это наследование, мутации, скрещивание и отбор. Основная же идея заключается в «выращивании» популяции «особей», представляющих собой набор параметров (в нашем случае - значений функции в узлах интерполяции), обеспечивающих наилучшее выполнение заданных условий. За выполнение условий отвечает фитнесс-функция, значение которой и минимизируется в процессе оптимизации. На каждой итерации алгоритма необходимо вычислить значения фитнесс-функции для каждого представителя популяции, после чего выбрать тех представителей, для которых фитнесс-функция приняла наименьшее

значение (этап отбора). После этого, путем наследования, мутации и скрещивания формируется новое поколение. Далее алгоритм повторяется, пока не будет достигнута сходимость. Блок схема алгоритма представлена на Рисунке 3.7.

Пошаговое описание алгоритма, используемого при решении данной задачи, включает в себя следующие пункты:

1. Генерируем случайным образом I поколение из М-особей

Т

1 _ Г 1 1 1 у

[] = [а]1' а}2> •••> а]п\ ,

где а^к - равномерно распределенная на интервале [0,1] случайная величина. Номер поколения 1 = 1.

2. Для каждого набора параметров а} вычисляется интерполяционная

функция /Д 0 = а\2,а\П).

3. Вычисляем функцию закупки электроэнергии согласно зависимости (3.7).

4. Вычисляем суммарные затраты при каждом из сгенерированных графиков закупки электроэнергии согласно зависимостям (3.1)-(3.4) и сортируем поколения по возрастанию суммарных затрат.

5. Из текущего поколения отбираются т1 первых представителей, для которых значение С2 оказалось наименьшим, по которым определяются среднее значение дк и среднеквадратичное отклонение ак:

тг

А = т1^а1к

N

т1

11=1

Рисунок 3.7. Блок схема алгоритма нахождения оптимального графика закупки

6. Из текущего поколения отбираются т2.т2 « т1 представителей, для которых значение оказалось наименьшим. На основе каждого из них генерируется представители нового поколения согласно правилу:

а1+1+т.2),к = а),к + С(1-.т2),к,

где б = а — 1)т2 — 1, а - нормально распределенная величина со средним укк и со среднеквадратичным отклонением &к

7. Далее повторяем шаги 2-6, пока не достигнем сходимости.

3.3.3. Расчет и анализ модельного случая

В данной работе используется модельный график энергопотребления, построенный на базе обобщенной модели энергопотребления, характерный для предприятия, работающего в одну смену. Параметры модели представлены в таблице 8, а сам модельный график - на Рисунке 3.8.

Таблица 8.

Параметры модельного графика энергопотребления

Интервал Время начала интервала ti, ч Потребление в начале интервала Ct, кВт Интенсивность в начале Интенсивность в конце интервала

1: t±-t2 1 25 9,0 3,0

2: t2 -13 10 175 3,0 1,5

3: h — U 13 150 1,5 4,0

4: U - (t± + Т) 17 200 2,0 9,0

В качестве анализа были исследованы три случая хранения: с использованием литий-полимерных (LIP), литий-титанатных (LTO) и литий-железо-фосфатных (LFP) аккумуляторов. Для анализа в качестве суточной амортизации abd были взяты значения типичные для аккумуляторов указанного

класса. Характерные усредненные параметры по типам аккумуляторов представлены в Таблице 9. Суточная амортизация рассчитывалась по линейной схеме исходя из ориентировочного соотношения 1 год ~ 1000 циклов перезарядки.

Рисунок 3.8. Модельный график потребления электроэнергии.

Таблица 9.

Характеристики рассматриваемых аккумуляторов

Тип батарей Емкость, Вт • ч Ресурс, циклов Стоимость за 1 ед., руб. Суточная амортизация на 1 кВт, руб.

ьто 92,0 26000 1500 1,718

ЬБР 826,0 3500 5400 5,117

ЫР 19,2 1000 109 15,518

Р, кВт

с , руб./кВт

240 -

180 -

120 -

60 г

0

3

\

\

\

6

4

2

0

0 6 12 18 г, ч.

Рисунок 3.9. Полученный график закупки для ЬТО аккумуляторов: 1 - график закупки электроэнергии; 2 - график стоимости электроэнергии; 3 - график потребления электроэнергии

8

Р, кВт

200

150

100

50

с , руб./кВт

0

- 8

- 6

- 4

■ 2

0

6

12

18

0 г, ч.

Рисунок 3.10. Полученный график закупки для ЬБР аккумуляторов: 1 - график закупки электроэнергии; 2 - график стоимости электроэнергии; 3 - график потребления электроэнергии

Р, кВт

200 -

150 -

100 -

50

с , руб./кВт

0

- 8

- 6

- 4

2

0

6

12

18

0 t, ч.

Рисунок 3.11. Полученные графики закупки для LIP аккумуляторов: 1 - график закупки электроэнергии; 2 - график стоимости электроэнергии; 3 - график потребления электроэнергии

Также путем итерационной оптимизации была определена экономическая эффективность использования аккумуляторов (Рисунок 3.12). Как видно из графика, использование LIP аккумуляторов нецелесообразно при текущей их стоимости и выбранном способе управления энергопотоками. Однако большая эффективность может быть получена за счет более детальной оптимизации графика закупки.

т %

Рисунок 3.12. Полученный график зависимости эффекта экономии средств на энергоснабжение от стоимости используемых накопителей энергии

3.4. Оптимизация графика закупки объемов энергии при использовании

возобновляемых источников энергии 3.4.1. Постановка задачи оптимизации

Постановка задачи оптимизации схожа с постановкой предыдущей задачи: для предприятия известен график энергопотребления, который описывается периодической функцией £(0, с периодом Т равным одним

суткам, и график изменения тарифа в течение суток, описываемый функцией се(^. Кроме того, известны удельные суточные расходы на солнечные панели,

т-) - РУб.

из расчета на кВт, характеризующиеся величиной аза, —.

кВт

Включение в сеть энергообеспечения предприятия солнечных панелей способно уменьшить уровень потребляемой энергии в дневной период, когда нагрузка максимальна или близка к таковой, и тем самым уменьшить затраты на закупку СР. Однако, приобретение солнечных панелей несет дополнительные операционных расходы С5е, которые состоят из амортизационных отчислений и текущих затрат на обслуживание панелей. Таким образом, требуется определить оптимальное количество солнечных панелей, при котором достигается минимум суммарных затрат на обеспечение энергоснабжения.

3.4.2. Схема расчета стоимости и алгоритм оптимизации

В данном случае суммарные затраты складываются из затрат на закупку электроэнергии из энергосети и затрат на эксплуатацию и амортизацию солнечных батарей С5е:

= СР + С5е. (3.8)

Затраты на закупку электроэнергии, так же как и в предыдущем случае, определяются согласно формуле (3.4). Затраты на эксплуатацию и амортизацию солнечных батарей прямо пропорциональны их количеству:

где Р5™ах - суммарная максимальная мощность находящихся в эксплуатации солнечных панелей, кВт.

Характерной особенностью ВИЭ является переменная величина генерируемой мощности в течение дня, поскольку принцип их работы основан на природных явлениях. В данной работе будем в качестве альтернативного

источника энергии будем использовать солнечные панели. Типовой график вырабатываемой солнечными панелями мощности представлен на Рисунке 3.13—а. В данной работе используется модельный график вырабатываемой мощности рип1t(t), для описания которого использовался подход, аналогичный описанию модели графика суточного энергопотребления на основе кривых Безье (см. Рисунок 3.13-6). При этом максимальный уровень генерации (масштаб графика) определяется суммарной максимальной мощностью солнечных панелей Р™* = Р, т. е.

Psolar(X) = РРипМ.

График закупки, в таком случае, формируется как разница между графиком потребляемой энергии и этим графиком, однако, при этом, не может быть опускаться ниже нуля (условие отсутствия «продажи» электроэнергии):

Р^ = {о,

Ра(Х), Pd(t) > 0

0, Ра(Х) < 0'

где Ра (1) = Б (£) — Р501аг (0 - разница между графиком потребляемой электроэнергии и графиком вырабатываемой мощности солнечными панелями. Таким образом задача сводится к отысканию значения величины (Р^ах) ,

при котором суммарные затраты достигают минимума:

Ро = а^тт( С^

р

Данная задача представляет собой задачу однопараметрической оптимизации, для решения которой может быть в результате итерационного уточнения, аналогично решению задачи, описанной в Главе 2:

ра+1) = р(о - s(í)-kií)i

(3.9)

Рисунок 3.13. Типовой график вырабатываемой мощности [123] (а) и модельный график вырабатываемой мощности используемый в данной работе

где Л« - коэффициент, характеризующий процесс приближения к минимуму, я(1) - коэффициент чувствительности суммарной стоимости к максимальной мощности солнечных панелей. Коэффициент чувствительности я(1) может быть посчитан согласно (2.7) как частная производная от суммарных затрат по максимальной мощности с применением разностной формулы:

5

(О =

ЗС

2

дк

^(р(°+Ар)-^(р(°-Ар)

к=к(ь) 2Др '

где Др - некоторое малое приращение максимальной мощности солнечных панелей. В таком случае итерационный процесс сводится к методу градиентного спуска. Коэффициент Л« выбирается из условий скорости и сходимости метода. Гарантированная сходимость может быть обеспечена при

р(0 _ р(*-1) Л(0 = р_р_

Полный алгоритм решения задачи представлены на блок-схеме на Рисунке 3.14.

3.4.3. Расчет и анализ модельного случая

На Рисунках 3.15 и 3.16 показаны различные варианты графика вырабатываемой мощности и графика закупки электроэнергии из общей сети в зависимости от суммарной максимальной мощности солнечных панелей. По графикам видно, что наибольшая экономия при использовании панелей получается за счет уменьшения потребления электроэнергии из сети в период утреннего пика, вечерний же пик приходиться на период заката, когда солнечная активность значительно снижается. Поэтому существенная экономия может быть достигнута только при крайне высокой максимальной мощности солнечных панелей, используемых в вечернее время. При этом энергоэффективность системы оказывается довольно низкой, несмотря на то что экономия суммарных затрат может достигать 60%.

Рисунок 3.14. Блок-схема алгоритма поиска оптимального количества солнечных панелей

Рисунок 3.15.Изменение графика вырабатываемой мощности солнечными панелями при различном значении их максимальной мощности Р: график потребления (1); график вырабатываемой мощности СП при р = 80 кВт (2), 160 кВт (3), 240 кВт (4)

Рисунок 3.16.Изменение графика закупки электроэнергии при различном значении их максимальной мощности р: график потребления (1); график закупки при Ртах = 80 кВт (5), 160 кВт (6), 240 кВт (7)

С этой точки зрения, целесообразным становиться совместное использование солнечных панелей и аккумулирующих устройств позволяющих покрыть и вечерний пик энергопотребления полностью. Другим вариантом управления энергозатратами может быть изменение режима работы, за счет этого можно добиться совмещения пиков энергопотребления с периодами высокой солнечной активности.

Суммарные затраты, определяемые по зависимости, при фиксированных эксплуатационных расходах, будут изменяться согласно графику на Рисунке 3.17.

Ст, тыс, руб.

■-

0 500 1000 1500 Р^, кВт

Рисунок 3.17. Зависимость суммарных затрат от максимальной мощности солнечных панелей

Далее, по аналогии с предыдущей задачей, можно определить экономический эффект экономии средств на электроснабжение от использования солнечных панелей. Зависимость экономического эффекта от

величины эксплуатационных расходов, включая амортизационные отчисления на содержание солнечных панелей, представлена на Рисунке 3.18.

щ % _

80 60 40 20

0 10 20 30 а^ рубДкВтсут.)

Рисунок 3.18. Экономический эффект от использования солнечных панелей в зависимости от величины эксплуатационных расходов

По графику на Рисунке 3.18 видно, что при актуальной стоимости на солнечные панели экономия может составлять порядка 60%. Однако, следует понимать, что внедрение системы альтернативной внутренней генерации, кроме непосредственных затрат на солнечные батареи, сопряжено с дополнительными расходами на их содержание, а также затратами на приобретение земли для их размещения. Считая, что накладные затраты составят двойную стоимость самой энергосистемы, то экономическая эффективность может достигать порядка 40%, что все еще довольно много. Такой уровень экономии позволяет окупить внедрение систем за короткий срок, порядка 6-8 лет, а при использовании дополнительных систем накопления энергии срок окупаемости может быть еще меньшим.

ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

1. Анализ специфики сезонного спроса и энергопотребления показал, что коэффициент сезонности для ряда машиностроительных производств превышает 1, 3 и оптимизация программ выпуска продукции наряду с оптимизацией систем энергоснабжения может существенно повысить эффективность и конкурентоспособность предприятий.

2. Введенные понятия базовой мощности сезонного предприятия и коэффициента её вариации позволили сформулировать задачу формирования производственной программ предприятия, минимизирующую суммарные издержки производства и хранения, как однопараметрическую оптимизационную задачу.

3. Разработанный алгоритм формирования оптимальной производственной программы предприятия при сезонном спросе, основанный на методе градиентного спуска к минимуму функции суммарных затрат, дает возможность определить производственную программу в виде линейной трехступенчатой функции и требуемые для её реализации производственные мощности.

4. Модельные расчеты на основе разработанного метода показали, что базовая мощность часто является оптимальной мощностью, но при больших затратах на хранение и малых затратах на содержание мощностей для реализации оптимальной программы производства требуются мощности, превосходящие базовую мощность более чем на 30%.

5. Предложенный вариант организации системы энергоснабжения производства, в которую входят объекты генерации энергии на базе ВИЭ, объекты накопления энергии, объекты традиционной генерации при форс-мажоре и блок управления закупкой энергии из внешней сети, обеспечивает надежное энергоснабжение и возможность минимизации затрат.

6. Разработанный подход к оптимизации графика закупки электроэнергии при наличии на производстве накопителей энергии, построенный на принципах решения некорректно поставленных задач, позволил получить оптимальный график закупки электроэнергии в легкореализуемом на практике виде и определить необходимый объём накопителей.

7. Модельные расчеты на основе разработанного подхода показали, что использование предприятием в качестве накопителей энергии литий-титанатных аккумуляторов (при их сегодняшней стоимости) позволяет достичь эффекта экономии порядка 35% по сравнению с ситуацией, когда накопителей нет.

8. Решение задачи оптимизации закупки электроэнергии при использовании солнечных батарей, в которой искомым параметром является суммарная мощность солнечных панелей, показало, что при невысокой стоимости эксплуатации панелей эффект экономии составляет более 20%, а при цене выше 30 рублей за кВт-ч в сутки эффект отрицательный.

СПИСОК ЛИТЕРАТУРЫ

1. Александров А. А. Формулировка общего подхода к управлению производственной программой сезонных производств // Материалы 4-ой Международной научно -технической конференции «Управление научно -техническими проектами». М.: МГТУ им. Н. Э. Баумана, 2020. С. 7-11.

2. Александров А. А., Захаров М. Н., Куц М. С. Оптимизация графика закупки электроэнергии производственной структурой при наличии накопителей // Чарновские чтения: Сборник трудов X Всероссийской научной конференции по организации производства. М.: НОЦ «Контроллинг и управленческие инновации» МГТУ им. Н. Э. Баумана, НП «Объединение контроллеров», 2021. С. 6-11.

3. Александров А. А. Минимизация затрат на закупку электроэнергии за счет возобновляемых источников энергии // Технические науки: проблемы и решения: сб. ст. по материалам ХЬУ Международной научно-практической конференции «Технические науки: проблемы и решения». М.: Интернаука, 2021. С. 14-20.

4. Александров А. А. Организация производства продукции сезонного спроса на промышленных предприятиях // Вестник МГТУ и. Н. Э. Баумана. Сер. Машиностроение. 2020. № 3. С. 47-61.

5. Александров А. А., Захаров М. Н., Куц М. С. Оптимизация энергоснабжения производственного комплекса с использованием возобновляемых источников энергии // Вестник МГТУ и. Н. Э. Баумана. Сер. Машиностроение. 2021. № 1. С. 85-102.

6. Медведева Т. М. Сезонное производство: правила налогообложения // Налог на прибыль: учет доходов и расходов. 2015. № 10. С. 1-7.

7. Шония Г. В. Понятие и правовое регулирование труда сезонных работников в России и за рубежом: сравнительный анализ // Актуальные проблемы российского права. 2016. № 8 (69). C.107-113.

8. Данилина-Пустошинская И. А. Институт сезонных работ в трудовом праве России: понятие, виды, субъекты // Труд и социальные отношения. 2010. № 7. C. 127-133.

9. Кулаков Г. К. Выделение сезонной компоненты и тренда во временных рядах продаж электронной техники // Экономика. Налоги. Право. 2011. № 3. С.173-179.

10. Дубровин А. Б. Построение системы внутреннего финансового контроля в нефтегазовой компании с учетом отраслевой специфики // Научно -технические ведомости СПбГПУ. Экономические науки. 2015. № 1 (211). С. 141-147. DOI: 10.5862/JE.211.15

11. Азарова А. И. Влияние факторов развития нефтяной отрасли на ценообразование нефти // Проблемы учета и финансов. 2012. № 1 (5). С.35-53.

12. Masseron J. Petroleum economics. 1990. 519 p.

13. Seasonality in the dynamics of the production of natural and associated petroleum gas in Russia: the spline analysis // Polythematic Online Sci. J. Kuban State Agrar. Univ. 2014. No. 102. P. 511-521.

14. Тугашова Л. Г., Затонский А. В. Моделирование и прогнозирование производства нефтепродуктов с учетом сезонности на основе авторегрессионных моделей //Известия Томского Политехнического Университета. Инжиниринг георесурсов. 2020. Т. 331. №. 5. С. 109-119.

15. Экономика предприятий нефтяной и газовой промышленности. / В. Ф. Дунаев [и др.]. М.: Нефть и газ, 2006. 350 с.

16. Подкорытова О. А., Соколов М. В. Анализ временных рядов. М.: ЮРАЙТ, 2017. 267 с.

17. Hamilton J. D. Time series analysis. Princeton university press, 2020. 816 p.

18. Ганичева А. В. Прикладная статистика. СТб.: Лань, 2017. 172 с.

19. Montgomery D. C., Peck E. A., Vining G. G. Introduction to linear regression analysis. John Wiley & Sons, 2021. 704 p.

20. Brook R. J., Arnold G. C. Applied regression analysis and experimental design. CRC Press, 2018. 256 p.

21. Певцова Т. А., Рябухина Е. А., Гущина О. А. Вычисление индекса сезонности // Инженерные технологии и системы. 2015. Т. 25, № 4. C. 1936.

22. McNeil M. A., K arali N., Letschert V. Forecasting Indonesi a's electricity load through 2030 and peak demand reductions from appliance and lighting efficiency // Energy Sustain. Dev. The Authors, 2019. Vol. 49. P. 65 -77.

23. Chowdhury J. I. et al. Reducing industrial energy demand in the UK: A review of energy efficiency technologies and energy saving potential in selected sectors // Renew. Sustain. Energy Rev. Elsevier Ltd, 2018. Vol. 94. P. 1153-1178.

24. Popov S. Comparison of Russian and Japanese patterns for energy use: implications for business and policy. 2012. URL: https://eneken.ieej.or.jp/data/4241.pdf (accessed: 16.04.2021)

25. Макоклюев Б. И. Структура и тенденции электропотребления энергосистем России // Энергия единой сети. 2012. № 4. C. 56-61.

26. Макоклюев Б. И. Особенности и тенденции энергопотребления электроэнергии в энергосистемах России // Энергия единой сети. 2017. T. 34, № 5. C. 64-74.

27. Электрическая часть станций и подстанций. 2-е изд. / А. А. Васильев [и др.]. М.: Энергоатомиздат, 1990. 576 с.

28. Daily Load Profiles for Residential, Commercial and Industrial Low Voltage Consumers/ J. A. Jardini [et al]. // IEEE Trans. Power Deliv. 2000. Vol. 15, No. 1. P. 375-380.

29. A comparative study of electric load curve changes in an urban low-voltage substation in spain during the economic crisis (2008-2013)/ P. M. Lara-Santillan [et al.] // Sci. World J. 2014. Vol. 2014. 14 p. DOI: 10.1155/2014/948361

30. Анушина Е. С. Прогнозирование временных рядов на основе интеллектуальных вычислительных технологий // Информатика и системы управления. 2009. № 1. C. 84-90.

31. Зубакин В. А., Ковшов Н. М. Методы и модели анализа волатильности потребления электроэнергии с учетом цикличности и стохастичности // Стратегии бизнеса. Реальная экономика, 2015. T. 15, № 7. C. 24-29.

32. Макоклюев Б. И., Кондиус А. В. Структура и тенденции энергоопотребления энергосистем (ЭС) сибирского региона // Электрические станции. 2009. № 11. C. 23-35.

33. Гидрометцентр России // Среднемесячные климатические данные для г. Новосибирска. URL: https://meteoinfo.ru/?option=com_content&view=article&id=1716 (дата обращения: 23.03.2021).

34. Chuan L., Ukil A. Modeling and Validation of Electrical Load Profiling in Residential Buildings in Singapore // IEEE Trans. Power Syst. 2015. Vol. 30, No. 5. P. 2800-2809.

35. Шклярский Я. Э., Пирог С. Влияние графика нагрузки на потери в электрической сети предприятия // Записки Горного института. 2016. T. 222. C. 858-863.

36. Overgeneration from solar energy in Сalifornia. A field guide to the duck chart/ P. Denholm [et al.]. 2015. No. NREL/TP-6A20-65023. 46 p. DOI: 10.2172/1226167

37. Twite A. Forget the Duck Curve. Renewables Integration in the Midwest Is a Whole Other Animal // Greentech Media. 2018. URL: https://www.greentechmedia.com/articles/read/renewables-integration-in-the-midwest-is-a-whole-other-animal (accessed: 03.01.2021).

38. Дзюба А. П., Соловьева И. А. Управление спросом на электропотребление в концепции «УМНЫЙ ГОРОД» // Управленец. 2020. T. 11, № 2. C. 53-66.

39. Дзюба А. П., Соловьева И. А. Управление спросом на электропотребление в России // Стратегические решения и риск-менеджмент. 2018. № 1 (106). C. 72-79.

40. Гительман Л. Д., Ратников Б. Е., Кожевников М. В. Управление спросом на электроэнергию: адаптация зарубежного опыта в России // Стратегические решения и риск-менеджмент. Реальная экономика. 2013. № 1 (76). C.84-89.

41. Wohlfarth K., Worrell E., Eichhammer W. Energy efficiency and demand response - two sides of the same coin? // Energy Policy. 2020. Vol. 137. DOI: 10.1016/j.enpol.2019.111070.

42. Chen S., Liu C. C. From demand response to transactive energy: state of the art // J. Mod. Power Syst. Clean Energy. 2017. Vol. 5, No. 1. P. 10-19.

43. McPherson M., Stoll B. Demand response for variable renewable energy integration: A proposed approach and its impacts // Energy. 2020. Vol. 197. C. 117205. DOI: 10.1016/j.energy.2020.117205.

44. Паниковская Т. Ю. Возможности снижения платежей потребителей в условиях оптового рынка электроэнергии // Промышленная энергетика. Закрытое акционерное общество" Научно-техническая фирма" Энергопрогресс", 2011. № 11. C. 10-13.

45. PJM Learning Center: How energy use varies with the seasons. URL: https://learn.pjm.com/three-priorities/keeping-the-lights-on/how-energy-use-varies.aspx (accessed: 16.03.2021).

46. Jiao R. et al. Short-term non-residential load forecasting based on multiple sequences LSTM recurrent neural network // IEEE Access. IEEE, 2018. Vol. 6, No. October 2018. P. 59438-59448.

47. Распределенная энергетика в России: потенциал развития / А. Хохлов [и др.]. 2018. 87 с. (режим доступа) https//energy. Sk. ru/ downloads/documents/ SEneC/Research/SK0LK0V0\_EneC\_DER-3. 0

\ 2018.

48. Чаусов И. С., Холкин Д. В., Бурдин И. А. Архитектура Интернета энергии (IDEA) // Энергоэксперт. Вся электротехника. 2019. № 4. C. 28-31.

49. Report: ENTSO-E. Ten Year Network Development Plan 2018: Main Report // ENTSO-E 2025, 2030, 2040 Network Development Plan 2018. 2018. 30 p. URL: https://tyndp.entsoe.eu/tyndp2018/scenario-report/ (accessed: 16.03.2021)

50. Borlase S. Smart grids: infrastructure, technology, and solutions. CRC press, 2017. 608 p.

51. Алексеев О. И. Совершенствование методологии тарифного регулирования в нефтегазовых отраслях: Дис. ... канд. экон. наук. М., 2005. 140 c.

52. Пигу А. С. Экономическая теория благосостояния. М.: Прогресс, 1985. 454 c.

53. Неруш Ю. М., Неруш А. Ю. Логистика. М.: ЮРАЙТ, 2019. 559 с.

54. Неруш Ю. М., Саркисов С. В. Транспортная логистика. М.: ЮРАЙТ, 2019. 351 с.

55. Аникин Б. А. Высший менеджмент для руководителя. М.: ИНФРА-М. 2001. 144 с.

56. Вагнер Г. Основы исследования операций. В 3 -х томах. М.: Мир, 1973. 335 с.

57. Колобов А. А., Омельченко И. Н. Основы промышленной логистики. М.: Изд-во МГТУ им. Н. Э. Баумана. 1998. 116 с.

58. Wilson R H. A scientific routine for stock control // Harv. Bus. Rev. 1934. Vol. 13. P. 116-128.

59. Бигель Дж. Управление производством. Количественный подход. М.: 1973. 304 с.

60. Хедли Д., Уайтин Т. Анализ систем управления запасами. М.: Наука, 1969. 513 с.

61. Рейзлин В. И. Численные методы оптимизации: учебное пособие. Томск: Изд-во Томского политехнического университета, 2011. 105 с.

62. Карпенко А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой. М.: Изд-во МГТУ им. Н. Э. Баумана, 2014. 448 с.

63. Гасников А. В. Современные численные методы оптимизации. Метод универсального градиентного спуска. М.: МФТИ, 2018. 272 с.

64. Пантелеев А. В., Метлицкая Д. В., Алешина Е. А. Методы глобальной оптимизации: метаэвристические стратегии и алгоритмы .М.: Вузовская книга. 2013. 244 с.

65. Саркисов А. С. Финансовая математика и методы принятия решений в нефтегазовой промышленности. М.: Нефть и газ, 2002. 274 с.

66. Dantzig G. B. Origins of the simplex method // A history of scientific computing. 1990. P. 141-151.

67. Dantzig G. B. et al. The generalized simplex method for minimizing a linear form under linear inequality restraints // Pacific J. Math. 1955. Vol. 5, No. 2. P. 183-195.

68. Nash J. C. The (Dantzig) simplex method for linear programming // Comput. Sci. & Eng. IEEE, 2000. Vol. 2, No. 1. P. 29-31.

69. Стонякин Ф. С. Адаптивные градиентные методы для некоторых классов задач негладкой оптимизации // Труды МФТИ. 2020. T. 12, № 1 (45). С. 112-136.

70. Жильцов А. В., Намм Р. В. Метод множителей Лагранжа в задаче конечномерного выпуклого программирования // Дальневосточный математический журнал. 2015. T. 15, № 1. C. 53-60.

71. Университет InSales // Как стимулировать продажи в несезон. 2016. URL: https://www.insales.ru/blogs/university/kak-stimulirovat-prodazhi-v-nesezon (дата обращения: 19.04.2021)

72. Сафицкая Г. В. Комплексный анализ хозяйственной деятельности. 7-е изд. М.: ИНФРА-М, 2016. 608 с.

73. Маленко О. И. Повышение эффективности работы предприятия в период сезонного спада спроса на услуги // Сборник научных статей кафеды

финансового менеджмента и аудита университеа ИТМО. СПб.: Инфо-да, 2016. C. 127-131.

74. Захаров М. Н. Контроль и минимизация затрат предприятия в системе логистики. М.: Экзамен, 2006. 158 с.

75. Макконнелл К. Р., Брю С. Л. Экономикс: Принципы, проблемы и политика. М.: Инфра-М. 2018. 1056 с.

76. Методы тарифного регулирования в нефтегазовых отраслях. / О. И. Алексеев [и др.]. М.: Нефть и газ, 2005. 85 с.

77. Пиндайк Р. С., Рубенфельд Д. Л. Микроэкономика. М.: Дело, 2001. 807 с.

78. Фишер С., Дорнбуш Р., Шмалензи Р. Экономика. Дело, 1995. 829 с.

79. Швыряев . М. Оценка экономической эффективности тарифного регулирования отраслей естественных монополий. Дис. ... канд. экон. наук. М., 2003. 127 с.

80. Гальперин В. М., Игнатьев С. М., Моргунов В. И. Микроэкономика: В 3-х т. СПб.: Экономическая школа. ГУ ВШЭ, 2008. T. 2. 512 с.

81. Карпов К. А. Технологическое прогнозирование развития производств нефтегазохимического комплекса. СПб.: Лань, 2017. 492 с.

82. Захаров М. Н., Омельченко И. Н., Саркисов А. С. Ситуации инженерно-экономического анализа. М.: Издательство МГТУ им. Н. Э. Баумана, 2014. 430 с.

83. Васильева Е. О. Рациональное управление запасами на предприятии с постоянно изменяющимися условиями конструкторской документации // International scientific review of the technical sciences, mathematics and computer science - Collection of scientific articles IX International correspondence scientific specialized conference. Boston: Problems of science, 2019. C. 66-73.