Повышения эффективности функционирования электротехнического комплекса городских электропитающих систем тема диссертации и автореферата по ВАК РФ 05.09.03, кандидат технических наук Андреев, Дмитрий Евгеньевич

• Андреев, Дмитрий Евгеньевич
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Андреев, Дмитрий Евгеньевич

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1 АНАЛИЗ КОНСТРУТИВНЫХ СХЕМ ГОРОДСКИХ

ЭЕКТРОПИТАЮЩИХ СИСТЕМ, УСЛОВИЙ ИХ

ЭКСПЛУАТАЦИИ, МЕТОДОВ МОДЕЛИРОВАНИЯ И

ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ЭЛЕКТРОПОТРЕБЛЕНИЯ

1.1 Конструктивные схемы и условия их эксплуатации

1.2 Методы моделирования и прогнозирования динамики электропотребления

1.3 Математические модели и методы краткосрочного прогнозирования электрических нагрузок

1.4 Цели и задачи исследования

1.5 Выводы

2 РАЗРАБОТКА МЕТОДИК ПРОГНОЗИРОВАНИЯ ГРАФИКОВ

ЭЛЕКТРОПОТРЕБЛЕНИЯ И ЭЛЕКТРИЧЕСКИХ НАГРУЗОК,

ОПРЕДЕЛЕНИЕ ДИНАМИКИ ТОПОЛОГИИ УПРАВЛЕНИЯ

ЭЛЕКТРОПОТРЕБЛЕНИЕМ

2.1 Методика прогнозирования графиков электропотребления для эффективного управления объемами краткосрочной 41 реализации электроэнергии

2.2 Прогнозирование электрических нагрузок при наличии нечёткой информационной базы

2.3 Определение динамики топологии управления электропотреблением

2.4 Выводы

3 ОПРЕДЕЛЕНИЕ УСЛОВИЙ ФОРМИРОВАНИЯ УПРАВЛЯЮЩИХ

ВОЗДЕЙСТВИЙ В ЭЛЕКТРОТЕХНИЧЕСКОМ КОМПЛЕКСЕ

ГОРОДСКИХ ЭЛЕКТРПИГАЮЩИХ СИСТЕМ

3.1 Определение динамики функционирования объекта исследования

3.2 Моделирование режимов работы для определения точности

формирования управляющих воздействий

3.3 Определение требуемой точности формирования управляющих

воздействий. Разработка методики

3.4 Выводы

4 ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ

ЭЛЕКТРОТЕХНИЧЕСКОГО КОМПЛЕКСА ГОРОДСКИХ ЭЛЕКТРОПИТАЮЩИХ СИСТЕМ НА ОСНОВЕ 98 ПРОГНОЗИРОВАНИЯ УПРАВЛЕНЧЕСКИХ ВОЗДЕЙСТВИЙ С УЧЕТОМ ГРАФИКОВ НАГРУЗКИ

4.1 Прогнозирование эффективных управленческих воздействий

на основе суточных графиков нагрузок

4.2 Определение эффективной динамики топологии управления с учетом нагрузочных потерь и графиков нагрузки

4.3 Повышение эффективности режимов работы электропитающих систем при применении разработанной гибкой динамики

114

топологии управления

4.4 Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ II

Введение диссертации (часть автореферата) на тему «Повышения эффективности функционирования электротехнического комплекса городских электропитающих систем»

ВВЕДЕНИЕ

Актуальность работы. В энергетике России за последние 15 лет произошли большие изменения. Изменились формы собственности, энергетика стала сферой бизнеса, создан и развивается рынок электроэнергии и мощности /4/. Это необходимо учитывать при разработке моделей и методов расчета режимов электропитающих систем, создании гибкой динамики топологии управления ими.

Разработке математических моделей и методам расчета режимов работы электроэнергетических систем, теории и способов управления электроэнергетическими режимами посвящены труды многих ученых: Д.А. Арзамасцева, П.И. Бартоломея, В.А. Веникова, А.З. Гамма, О.Т. Гераскина, В.М. Горниггейна, Журавлева В.Г, Идельчика В.И., Крумма, В.З. Манусова, И.М. Марковича, Т.А. Филипповой, Е.В. Цветкова, A.M., Н.М. Merrill, B.W. Erickson, F.С. Schweppe, M.C.Caramanis.

Усовершенствование существующих и создание новых топологий систем, алгоритмов и программ с учетом современных требований развивают методологию и научный аппарат управления режимами электроэнергетических систем (ЭЭС).

Одной из главных задач управления ЭЭС является составление баланса электрической мощности и энергии. От балансов зависят технические, экономические и коммерческие решения по управлению ЭЭС. К достоверности балансов предъявляются очень высокие требования, так как это влияет на коммерческие результаты многих участников рынка. И на региональном и особенно на оптовом рынках сейчас большое внимание уделяется определению электропотребления и графиков нагрузки, которые являются основой составления энергетических балансов. В настоящее время в практике широкое использование нашли методы прогнозирования графиков нагрузки и электропотребления, что приводит к достаточно большим погрешностям прогнозов. Проблема повышения точности прогнозов является важной научной задачей для энергосистем. Если при

управлении технической деятельностью прогнозы графиков нагрузки (ГН) могут иметь погрешности 2-5%, то существующие положения на электроэнергетическом рынке требуют повышения достоверности прогнозов ГН и электропотребления, и на их основе разработка математических методов прогнозирования и создания гибкой топологии управления режимами работы электропитающих систем с использованием современных компьютерных технологий обработки информации является важной научной задачей.

Цель работы - повышение эффективности функционирования электротехнического комплекса городских электропитающих систем путем обоснования их рациональных режимных параметров и гибкой динамики топологии управления, учитывающих характеристики условий его работы на оптовом рынке электроэнергии и мощности.

Для достижения поставленной цели сформулированы и решены следующие задачи исследования:

1. Анализ методов расчета, моделирования, прогнозирования и способов управления режимов работы электропитающих систем и условий их эксплуатации.

2. Разработка математической модели формирования электропитающих систем, учитывающая топологию транзитных потоков мощности не связанных и несмежных участков сетей, сложнозамкнутую конфигурацию сети и требующая информативность исходных данных.

3. Разработка метода оперативного прогнозирования электропотребления, учитывающая ценологические свойства распределения состояния электроэнергетического объекта, и, математического моделирования нагрузок сетевых компаний на основе нейронных сетей.

4. Определение требуемой точности краткосрочного прогноза суточного графика нагрузки, и, разработка системы прогнозирования и управления динамикой топологии и формирования управляющих воздействий в

электросетевых компаниях на основе нейронных сетей с прямой передачей сигнала при почасовом прогнозировании изменения структуры управления.

5. Разработка декомпозиционного метода расчета режимных параметров электропитающих систем (непосредственный расчет с использованием топологии сетей ВН, CHI, СН2 и НН, расчет по укрупненным показателям), учитывающего уровень изменения гибкой динамики топологии и формирования управляющего воздействия в зависимости от условий их эксплуатации.

6. Обоснование рациональных режимных параметров и гибкой динамики топологии управления электропитающих систем, в комплексе учитывающих характеристики условий их эксплуатации на оптовом рынке электроэнергии и мощности, и, потери электроэнергии с декомпозицией по уровням напряжения.

7. Численное и экспериментальное исследование оперативного прогнозирования суточных графиков нагрузки, режимов работы электропитающих систем и гибкой динамики топологии управления ими, и, оценка нагрузочных потерь электроэнергии для определения эффективности их функционирования.

8. Моделирование режимов электропотребления подстанций 6-10 кВ на основе восстановления недостающей информации с корректировкой баланса по точкам поставки электроэнергии, формирование графиков нагрузки потерь мощности сети и годового расхода электроэнергии на период регулирования методами анализа временных рядов электропотребления.

Идея работы заключается в достижении требуемого уровня функционирования электропитающих систем на основе гибкой динамики топологии управления их режимами работы и эффективных условий реализации рациональных режимных параметров систем.

Объект исследования - электротехнический комплекс городских электропитающих систем.

Предмет исследования - электромагнитные и электромеханические процессы, протекающие в электропитающих системах, и, влияющие на их режимные параметры и потери электроэнергии.

Методы исследования, используемые в работе, основаны на совокупности теории электрических цепей, управления, вероятности и математической статистики, прогнозирования, регрессионного анализа, имитационного проведения вычислительных экспериментов, экспертного анализа, эксперимента с использованием современных компьютерных средств.

Автор защищает:

1. Математическую модель формирования электропитающих систем, учитывающую топологию транзитных потоков мощности, не связанных и несмежных участков сетей, сложнозамкнутую конфигурацию сети и требуемую информативность исходных данных.

2. Формализованную методику оперативного прогнозирования электропотребления, учитывающую ценологическое свойства распределения состояния электроэнергетического объекта, и, закономерности формирования нагрузок сетевых компаний на основе нейронных сетей.

3. Закономерности формирования управляющих воздействий в электропитающих системах для гибкого управления динамикой их топологии на основе нейронных сетей с прямой передачей сигнала при почасовом прогнозировании изменения структуры управления.

4. Декомпозиционный метод расчета рациональных режимных параметров электропитающих систем, в комплексе учитывающих характеристики условий их эксплуатации на оптовом рынке электроэнергии и мощности, и потери электроэнергии с декомпозицией по уровням напряжения путем учета в комплексе характеристик фактов, влияющих на формирование управляющих воздействий для повышения эффективности их функционирования.

5. Установлено, что наибольшую точность расчета рациональных режимных параметров электропитающих систем обеспечивают

интеллектуальные адаптивные системы, устанавливающие недостающие исходные данные в соответствии с их условиями эксплуатации.

Обоснованность и достоверность. Сформулированные в диссертации научные положения, выводы и рекомендации обоснованы приведенными теоретическими положениями, экспериментальными расчетами (по соответствию с практикой аналогичных исследований), расчетами для объекта исследования (по соответствию результатов расчета эмпирическому материалу), реальным опытом применения полученных результатов, апробацией результатов на конференциях и семинарах.

Научная новизна заключается в обосновании рациональных режимных параметров и гибкой динамики топологии управления электропитающими системами. Она представлена следующими результатами:

- определены зависимости для расчета рациональных режимных параметров электропитающих систем, в комплексе учитывающие характеристики условий их эксплуатации на оптовом рынке электроэнергии и мощности, и, потери электроэнергии с декомпозицией по уровням напряжения;

установлены закономерности формирования управляющих воздействий в электропитающих системах для гибкого управления динамикой их топологии на основе нейронных сетей с прямой передачей сигнала при почасовом прогнозировании изменения структуры управления;

определены зависимости для оперативного прогнозирования электропотребления, учитывающие ценологические свойства распределения состояния электроэнергетического объекта, и, закономерности формирования нагрузок сетевых компаний на основе нейронных сетей;

- разработан алгоритм формирования электропитающих систем, учитывающий топологию транзитных потоков мощности, несвязанных и несмежных участков сетей, сложнозамкнутую конфигурацию сети и требуемую информативность исходных данных;

- установлено, что наибольшую точность расчета рациональных режимных параметров электропитающих систем обеспечивают интеллектуальные адаптивные системы, устанавливающие недостающие исходные данные в соответствии с их условиями эксплуатации;

- установлены зависимости для определения требуемой точности формирования управляющих воздействий, учитывающие погрешность оценки потерь и расчет режимных параметров сети (коэффициента мощности головного участка, доли потребления промышленной нагрузки, номенклатуры и суммарной длины линий).

Достоверность научных положений, выводов и рекомендаций диссертационной работы обеспечены физически обоснованными допущениями, адекватностью результатов теоретических и экспериментальных исследований, расхождение между которыми составляет 10,5%.

Практическое значение. Разработаны методика расчета рациональных режимных параметров электропитающих систем и алгоритм гибкого управления динамикой их топологии на основе нейронных сетей с прямой передачей сигнала при почасовом прогнозировании изменения структуры управления, информационно-программное обеспечение их реализации, учитывающее в комплексе характеристики условий их эксплуатации на рынке электроэнергии и мощности, и, погрешности электроэнергии с декомпозицией по уровням напряжения.

Реализация результатов работы.

1. Результаты работы используются в ООО «ПромЭнергоСбыт» при формировании рациональных режимов работы и управляющих воздействий в электропитающих системах, в комплексе учитывающих характеристики условий их эксплуатации на оптовом рынке, и, потери электроэнергии с декомпозицией по уровням напряжения.

2. Разработанный комплекс программных средств, предназначенный для расчета параметров установившихся режимов электропитающих систем внедрен в учебный процесс в курсах: «Переходные

процессы в СЭС», «Электропитающие сети и системы», в комплексном курсовом проекте по дисциплине «Электроснабжение» на кафедре «Электроснабжение промышленных предприятий ГОУ ВБПО «Российский химико-технологический университет им. Д.И. Менделеева».

Апробация результатов работы. Результаты диссертационной работы докладывались автором и обсуждались: на кафедре "Электроснабжение промышленных предприятий" национального исследовательского университета «Московский энергетический институт» в 2009-2011 гг., на научно-технических конференциях студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» Московского энергетического института (технического университета) в 2011 и в 2012 гг., V-VII научно-технической конференции молодых учёных и аспирантов НИ РХТУ им. Д.И. Менделеева (Новомосковск, 2006-11 г.), XXIX сессии Всероссийского семинара «Кибернетика энергетических систем» в ЮРГТУ (НПИ) (Новочеркасск, 2010г.). Результаты диссертационной работы были представлены в конкурсе «Энергетика молодых» в 2012 г.

Основные результаты диссертационной работы опубликованы в 6 печатных работах, из них 2 в изданиях, рекомендованных ВАК.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы. Основная часть содержит 131 страницу машинописного текста, 81 рисунок, 20 таблиц. Список использованной литературы включает 127 наименований работ отечественных и зарубежных авторов на 12 страницах.

1 АНАЛИЗ КОНСГРУТИВНЫХ СХЕМ ГОРОДСКИХ ЭЕКТРОПИТАЮЩИХ СИСТЕМ, УСЛОВИЙ ИХ ЭКСПЛУАТАЦИИ, МЕТОДОВ МОДЕЛИРОВАНИЯ И ПРОГНОЗИРОВАНИЯ ДИНАМИКИ ЭЛЕКТРОПОТРЕБЛЕНИЯ

1.1 Конструктивные схемы и условия их эксплуатации

Объединенная энергосистема (ОЭС) образует отдельную синхронную зону, точки раздела которой по транзитам 220 кВ с ОЭС Сибири устанавливаются оперативно в зависимости от складывающегося баланса обоих энергообъединений (рис. 1.1.1).

ЕХ РОССИИ Выработка .сто = 10Ш-(и

ТХ - 691008.6 ГХ .1М4'8.-АЭС = 1":888.0 1р<4л«жк« = 1<Ж<069.? (чш = -Ш0М .<8.8 _--

ох града

Выработка

кко ' ^Ч'М."

тх =

гх = 4-65.5

АХ «4М9.9 ПотрЛии» = :5459".5 Салкл© =-1189.:

-ОХ СЕЙО>0}АПЛЛА Выработка

к »г. « 105850.4 ; ТХ«551.<9.9

гэс = 1:048.:

АХ = .<366:„< Потр»бл..о. • 4:554.1

с »лыю =].<;«..< /

--- - 4.1

ОХ востока

Выработка ■ого = <1841.9

тх «:1\<5.8

ГХ • 10Ш.1 АХ «0.0 П©тр*бл#ШП* = <•>?: 1.4 Салюо = 1.<:».5

ОХ ЦЕНТРА

Выработка «с«го = 139:80.5

ТХ « 15+105.8 ГХ - .<480.1 АХ =81 <94.9 пспр,б.1»«о» = ::.<«■ Сатио» 15604.:

ОХ СИБИРИ

Выработка к»го - 11-41)4.:

тх «нош.: гх - г:9.< о

АХ - 0.(1 Потроб.1«« = :04966..< Сии»« •«:.!

/О X СРЕДНП1ВОЛП1 Выработка

•«•«■о.поп.о > т х - г9.<о.: ГХ •19?«.?

ах - ^

Потр«бл#ие = 108005.0 V С алио»-1:66.0 у

КИТАЙ

МОНГОЛИЯ

Рис. 1.1.1. Фактический баланс электроэнергии по ЕЭС России

Расчетная модель оптового рынка электроэнергии включает в себя: узлов - 8038; ветвей - 12475; сечений - 757; агрегатов (режимных генерирующих единиц) - 1061; электростанций -591; энергоблоков - 2339.

Число часов использования установленной мощности электростанций в целом по ЕЭС России составляет 4702 часа. Динамика потребления электроэнергии и мощности по ЕЭС России представлена на рисунках 1.1.2 и 1.1.3.

Год

Рис. 1.1.2. Динамика потребления электроэнергии в России

месяпы гола

Рис. 1.1.3. Динамика потребления электроэнергии в России помесячно

Рис. 1.1.4. Динамика электропотребления и промышленного производства

Несовпадение прогнозного (по данным Росстата /69/) значения электропотребления (рис. 1.1.4) приводит к тому, что временные ряды параметров электропотребления являются нестационарными. Вследствие этого не могут использоваться при проведении прогноза модели, использующие аппроксимацию временных рядов на длительную перспективу.

Либерализация рынка электроэнергии в России привела к повсеместному росту потерь электроэнергии, несмотря на существенный прогресс в части технического состояния систем учета электроэнергии. При этом увеличиваются обе составляющие отчетных потерь: техническая (технологическая) и коммерческая. Их соотношение и динамика отличаются не только в разных сетевых компаниях, но и внутри самих компаний. Общим является тенденция их увеличения (рис. 1.1.5) /87/.

год

Рис. 1.1.5. Динамика потерь энергии в сетях РФ

Относительные потери электроэнергии при ее передаче и распределении в электрических сетях можно считать удовлетворительными, если они не превышают 4-5%. В то же время в России относительные потери электроэнергии (рис. 1.1.6) в 2-2,5 раза превышают уровень потерь в промышленно развитых странах. При этом, в электросетевых организациях их величина достигает 20% от отпуска электроэнергии в сеть, в ряде регионов - 30-40% /95/, а зачастую значительно выше. За последние годы абсолютные потери электроэнергии в сетях выросли на 37,6%, а относительные - на 18,8% при увеличении отпуска электроэнергии в сеть лишь на 7,2% /54/.

Высокое напряжение

4,8

4.]

Среднее 1 напряжение

4.5

4,1

Ншкое напряжешь

Рис. 1.1.6. Потери электроэнергии в сетях РФ

Структурный анализ потерь электроэнергии отражает их динамику: по классам напряжения; по видам составляющих потерь; по видам оборудования; по типам потребителей электроэнергии и их процентному содержанию в электропотреблении; по зависимости от отпуска электроэнергии в сеть; по загрузке элементов сети; по зависимости от пропуска электроэнергии через элемент, участок сети (отдельно для каждого вида потерь); по качеству информационных потоков; по временным интервалам (рис. 1.1.7, 1.1.8).

УСЛОВНО' постоянные (остальное)

Рис. 1.1.7. Структура потерь электроэнергии в сетях РФ (по элементам)

Муниципальные предприятия 14,74 %

Р ас п ред елитель н ые сетевые компании (РСК) 60,43 %

Рис. 1.1.8. Доля фактических потерь электроэнергии в РФ (по структурным единицам)

О 14 0 13 Конечная цена

0 12 0 1? ив тч. топливо 0.12

1 Он в т.ч. передача

0,12 0,10 0,08 0,06 -I 0,05

0'09 0.08 0.08

0.07

0,04 0,02 -0,00

|и,ио

0.0506

Заключение диссертации по теме «Электротехнические комплексы и системы», Андреев, Дмитрий Евгеньевич

Основные результаты и выводы заключаются в следующем:

1. Разработана математическая модель и алгоритм формирования электропитающих систем, учитывающая топологию транзитных потоков мощности, не связанных и несмежных участков сетей, смежнозамкнутую конфигурацию сети и требуемую информативность исходных данных.

2. Определены рациональные режимные параметры электропитающих систем, учитывающие в комплексе характеристики условий их эксплуатации на оптовом рыке электроэнергии и мощности, и, потери электроэнергии с декомпозицией по уровням напряжения на основе исследования математической модели формирования их топологии.

3. Установлено, что наибольшую точность расчета рациональных режимных параметров электропитающих систем обеспечивают интеллектуальные адаптивные системы, устанавливающие недостающие исходные данные в соответствии с их условиями эксплуатации.

4. Получены зависимости для оперативного прогнозирования электропотребления, учитывающие ценологические свойства распределения состояния электроэнергетического объекта, и, закономерности формирования нагрузок сетевых компаний не основе нейронных сетей.

5. Проведено моделирование режимов электропотребления подстанций 6-10 кВ на основе восстановления недостающей информации с корректировкой баланса по точкам поставки электроэнергии, формирования графиков потерь мощности сети годового расхода электроэнергии на период регулирования и временных рядов электропотребления.

6. Установлены закономерности формирования управляющих воздействий в электропитающих системах для гибкого управления динамикой их топологии на основе нейронных сетей с прямой передачей сигнала при почасовом прогнозировании изменения структуры управления.

7. Установлены зависимости для определения требуемой точности формирования управляющих воздействий, учитывающие погрешность оценки потерь и расчет режимных параметров сети (коэффициента мощности головного участка, доли потребления промышленной нагрузки, номенклатуры и суммарной длины линий).

8. Определена требуемая точность краткосрочного прогноза суточного графика нагрузки на основе построения нейросетевого алгоритма.

9. Получены зависимости для прогнозирования годового электропотребления периода регулирования на основе адаптивных методов расчета составляющих потерь электроэнергии (нагрузочные, технические, технологические) и установленных условий формирования управляющих воздействий в течение базового года и периода регулирования.

10. Определены условия реализации алгоритма оценки электропотребления и динамики топологии управления на основе нейронных сетей, численного эксперимента и экспериментальных исследований по формированию технических потерь, которые показали, что расхождение между теоретическими и экспериментальными исследованиями не превысило 10,5%, и, подтвердили устойчивость гибкой динамики топологии управления, в результате которой достигнуто повышение эффективности режимов работы электропитающих систем до 30%.

ЗАКЛЮЧЕНИЕ

Диссертация представляет собой законченную научно-квалификационную работу, в которой поставлена и решена задача обоснования рациональных режимов работы электропитающих систем и гибкой динамики топологии управления ими на основе оперативного прогнозирования суточных графиков нагрузки, обеспечивающих повышение эффективности их функционирования за счет снижения потерь электрической энергии.

Список литературы диссертационного исследования кандидат технических наук Андреев, Дмитрий Евгеньевич, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Автоматизация диспетчерского управления в электроэнергетике. Под общей ред. Ю.Н.Руденко и В.А.Семенова. - М.: Издательство МЭИ. 2000.

2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. М.: Финансы и статистика, 1985. 487 с.

3. Амосов Н.М. Нейрокомпьютеры и интеллектуальные работы. / Киев: Наукова думка, 1991. — 365 с.

4. Андреев Д.Е. Перспективная оценка электропотребления химического многономенклатурного предприятия. // научный журнал «Приволжский научный вестник». №12(16). 2012. - С. 13-20.

5. Андреев Д.Е. Разработка методики определения потерь в питающих сетях в условиях неполноты информации // Материалы IX Международной научно-практической конференции «Стратегические вопросы мировой науки - 2013» Том 29. Технические науки.: Изд-во «Наука и студия». - С. 44-51.

6. Андреев Д.Е., Исаев A.C. Проблемы оценки потерь электроэнергии в сетях низкого напряжения. // XIV научно-техническая конференция молодых ученых, аспирантов, студентов. Тез. докл. 4.2. Новомосковск, (ФГБОУ ВПО РХТУ им. Д.И. Менделеева. Новомосковский институт (филиал)), 2012 , С. 130-131.

7. Андреев Д.Е., Исаев A.C., Лобзов И.А. Сравнительный анализ методов оценки потерь в сетях 6-10 кВ. // X научно-техническая конференция молодых ученых, аспирантов, студентов. Тезисы докладов / ГОУ ВПО РХТУ им. Д.И. Менделеева, Новомосковский институт (филиал). Новомосковск, 2008. - С. 82-84.

8. Андрукович П.Ф., Веселая Г.Н., Козырев В.П., Терехин А.Т. Статистический анализ экспертных оценок // Многомерный статистический анализ в социально-экономических исследованиях. М.: Наука, 1974. С. 168-188.

9. Арутюнян Р.В., Богданов В.И., Большое JI.A. Прогноз электропотребления: анализ временных рядов, геостатистика, искусственные нейронные сети./ ИБРАЭ №99-05. - М., 1999.-45с.

Ю.Бебко В.Г., Меженный С .Я., Стафийчук В.Г. Методика расчета расхода электроэнергии на ее транспорт в сельских электрических сетях напряжением 6 - 110 кВ. Электрические станции, 1983, №5.

11 .Беркульцев М.В., Дьячук А.К., Оркин С.Д. Применение генетического алгоритма к построению минимально допустимой обучающей выборки для нейросетевой системы принятия решений // Известия РАН. Теория и системы управления. - № 5. - 1999,- С. 172176.

12.Болыиов JI.A., Каневский Е.А., Савельева Е.А. Прогнозирование электропотребления: современные подходы и пример исследования. // Известия РАН: энергетика. - №6.- 204. - с.74-92.

13. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974, вып.1. 406 е.; вып.2. 200 с.

И.Бэнн Д.В., Фармер Е.Д . Сравнительные модели прогнозирования электрической нагрузки: Пер. с англ. - М.: Энергоатомиздат, 1987. -200 с.

15.Вадзинский Р.Н. Статистические вычисления в среде Excel. Библиотека пользователя. - СПб.: Питер, 2008. - 608с.

16. Воропаев Л.Г., Коневский М.Б., Мясников В.А., Демура A.B., Исаев К.Н., Надтока И.И., Седов A.B. Программное обеспечение краткосрочного прогнозирования электрической нагрузки энергосистемы // Изв. вузов. Электромеханика. - 1996. - № 3-4. - С. 119-120.

17.Воропай Н.И., Новицкий H.H., Сеннова Е.В.. Методы управления физико-техническими системами энергетики в новых условиях. / Новосибирск: Наука, сибирская издательская фирма РАН, 1995. -335с.

18. Воротницкий В.Э., Железко Ю.С., Казанцев В.Н. Потери электроэнергии в электрических сетях энергосистем. М.: Энергоатомиздат, 1983.

19. Воротницкий В.Э., Заслонов С.В., Калинкина М.А. Методы расчета потерь электроэнергии в электрических сетях 0,38 кВ. // "Вестник ВНИИЭ-2003", М.-"Издательство НЦ ЭНАС", 2003, с.73-78.

20. Воротницкий В.Э., Калинкина М.А.. Расчет, нормирование и снижение потерь электроэнергии в электрических сетях. / Учебно-методическое пособие. - М.: ИПКгосслужбы, 2000.

21. Воротницкий В.Э., Рыбакова В.И. Комплекс программ расчета и анализа потерь мощности и электроэнергии в замкнутых электрических сетях на основе их эквивалентирования. В сб.: Повышение экономичности работы электрических сетей и качества электроэнергии. М.: ВНИИЭ, 1986.

22. Годовой отчет ОАО «ТЭК» по результатам работы за 2011 год. Утвержден Общим собранием акционеров ОАО «ТЭК» от 07.05.2012.

23. Гордеев В.И. Регулирование максимума нагрузки промышленных электрических сетей. - М.: Энергоатомиздат, 1986. - 184 с.

24. Гордиенко Е.К., Лукьяница A.A. Искусственные нейронные сети. 1. Основные определения и модели // Техническая кибернетика. 1994. №5.

25. Демура A.B. Краткосрочное прогнозирование суточных графиков нагрузки на основе искусственных нейронных сетей Изв. вузов. Электромеханика. - 1998. - № 2-3. - С. 69-71.

26. Дьяконов В.П MathCad 8/2000: специальный справочник. - СПб: Питер, 2001.-592с.

27. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Издательский дом «Вильяме». 2007. 912 с. (2.2.3)

28. Едемский С.H. Прогнозирование электропотребления нагрузки на основе моделей с самоорганизацией. Изв. вузов. Энергетика. - 1990. -№2.-С. 17-22.

29. Железко Ю.С. Расчет, анализ и нормирование потерь электроэнергии в электрических сетях. - M.: НУ ЭНАС, 2002. - 280с.

30. Жилин Б.В., Исаев A.C., Андреев Д.Е. Краткосорчное прогнозирование электропотребления сетевой компании // Известия ТулГУ. Технические науки. Вып. 12. Тула: Изд-во ТулГУ, 2012. Ч. 2. -С. 319-325.

31.Жичкин C.B. Прогнозирование электропотребления в дискретных технологических состояниях // Сб. научи, тр. Новомосковск: Издательский центр РХТУ им. Д.И.Менделеева, 2000. С. 156-159.

32. Жук В.В., Натансон Г.И. Тригонометрические ряды Фурье и элементы теории аппроксимации. — JL: Изд-во Ленингр. ун-та, 1983. — С. 188.

33. Забелло Е.П. Возможный алгоритм оперативного прогноза электрических нагрузок // Изв. ВУЗов. Энергетика. - 1990. - №1. - С. 36-39.

34. Ивановский Р.И. Компьютерные технологии в науке и образовании. Практика применения систем Mathcad. M.: Высшая школа. 2003. -432с.

35. Ивановский Р.И. Компьютерные технологии в науке: Практика применения систем MathCAD 7.0 Pro, MathCAD 8.0 Pro и MathCAD 2000 Pro.СПб.: Изд-во СПбГТУ. 2001. - 200с.

36. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. - М.: Радио и связь, 1987. -120 с.

37. Инструкция по организации в Министерстве энергетики Российской Федерации работы по расчету и обоснованию нормативов технологических потерь электроэнергии при ее передаче по

электрическим сетям. Утверждено приказом Минэнерго России от 30 декабря 2008 года №326/ 2008. - 119с.

38. Исаев A.C. Определение технических потерь в распределительных сетях. // Научн. конф. проф.-преп. состава и сотрудников: тез. докл./НИ РХТУ.- Новомосковск, 2004. - С. 150.

39. Исаев A.C., Андреев Д.Е. Опыт использования комплекса РТП-3 для расчета потерь для сетевой компании // Известия ТулГУ. Технические науки. Вып. 12. Тула: Изд-во ТулГУ, 2012. Ч. 2.-С. 314-319.

40. Исаев A.C., Лобзов И.А. Проблемы оценки технических потерь в питающих сетях. // Электрификация металлургических предприятий Сибири. Вып. 13. Под ред. проф. Б.И. Кудрина. М.: Издательский дом МЭИ, 2007. - С. 206-209.

41. Кендалл М.Дж. Временные ряды. М.: Финансы и статистика, 1981. 199 с.

42. Кендалл М.Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. 763 с.

43. Кудрин Б.И., Жилин Б.В., Лагуткин O.E., Ошурков М.Г. Ценологическое определение па-раметров электропотребления многономенклатурных производств. Тула: Приокское книжное издательство, 1994. 122 с.

44. Кудрин Б.И., Кудряшев С.А., Фуфаев В.В., Якимов А.Е. Канонизация и управление видовой структуры ценоза. // М.: Наука, 1989. -С.69-75.

45. Кудрин Б.И. Введение в технетику / Томск: Томск, гос. Ун-т, 1993. -552с.

46. Лепорский В.Д., Куссуль М.Э., Иваницкая Т.В. Моделирование нейронного классификатора для решения задач прогноза в электроэнергетике. // Техническая электродинамика. Энергетические системы и установки. - №4. - 1995. - с.61-65.

47. Лукашкин Ю.П. Адаптивные методы краткосрочного прогнозирования. -М.: Статистика, 1979 - 186с.

48. Макаров Е.Г. Инженерные расчеты в MathCad: учеб. курс/ Е.Г. Макаров. - СПб.: Питер, 2005. - 448 с.

49. Матюнина Ю.В. Прогнозирование электропотребления промышленных предприятий в условиях структурных изменений производства. Дисс. канд. техн. наук/ М. 1992. - 153с.

50. Меламед A.M. Моделирование динамики изменений потребления электроэнергии энергосистем при неполной информации.// Электричество. - 1977, №9. - с.66-69.

51. Меламед М.А. Современные методы анализа и прогнозирования режимов электропотребления в электроэнергетических системах // Итоги науки и техники. Серия Энергетические системы и их автоматизация. - 1988,- Т.4. - С.4-111.

52. Методические вопросы исследования надежности больших систем энергетики. Вып.51: Сб.науч.тр.- Сыктывкар: Изд-во Коми НЦ УрО РАН, 2000,- С.268-273.

53. Методические указания по расчету электрических нагрузок в сетях 0,38-110 кВ сельскохозяйственного назначения. Ноябрь. - М.: Всесоюзный государственный проектно-изыскательский и научно-исследовательский институт "Сельэнергопроект", 1985.

54. Методы и средства расчета, анализа и снижения потерь электрической энергии при ее передаче по электрическим сетям / Воротницкий В.Э., Заслонов C.B., Калинкина М.А.и др. - М. : НЦ ЭНАС, 2006. - 167 с.

55. Методы управления физико-техническими системами энергетики в новых условиях / Н.И.Воропай. Н.Н.Новицкий. Е.В.Сеннова и др. -Новосибирск: Наука. 1995.

56. Миронюк Н.Е., Бредгауэр А.И. Метрологические задачи в условиях оптового рынка электроэнергии // Энергонадзор и энергобезопасность. 2006. № 2. С. 47-48.

57. Мтошюн Ю.1., Моюн Б.1., Ротштейн О.П. Soft Computing: щентифшащя закономерностей неч1ткими базами знань. Монограф1я. - Вшниця: УНГОЕРСУМ-Вшниця, 2002. - 145с.

58. Михайлов М.Ю. Применение искусственных нейронных сетей для краткосрочного прогнозирования нагрузки. / Новосибирск, 1995. - С. 82-86.

59.Мызин А.П. Методы и модели прогнозирования для развития электроэнергетических систем в условиях неопределенности и многокритериальное™. Дисс. докт. техн. наук / Новосибирск, 1994. -307с.

60. Новгородцев А.Б. Расчет электрических цепей в MATLAB. Учебный курс. - СПб.: Питер, 2004. - 250с.

61. Новиков С.С. Методика оперативного планирования и управления электропотреблением крупнотоннажных электросталеплавильных печей при работе на оптовом рынке электроэнергии: автореф. дис. ... канд. техн. наук: 05.09.03. - М, 2008.

62. Новиков С.С., Макаренко И.Г. Ценообразование в условиях новой модели оптового рынка электроэнергии // Электрика. 2007. № 9. С. 814.

63. Отчет о функционировании ЕЭС России в 2011 году. С официального сайта ОАО «СО ЕЭС» www.so-ups.ru.

64. Официальный сайт ОАО «АТС», http://www.atsenergo.ru/

65. Официальный сайт ОАО «МРСК Центра и Приволжья». http://www.tulenergo.ru/

66. Официальный сайт ОАО «СО ЕЭС», http://www.so-ups.ru

67. Официальный сайт ОАО «ТГЭС». http://www.tesk-tula.ru/

68. Официальный сайт ОАО «ТЭК», http://www.tesk-tula.ru/

69. Официальный сайт Федеральной службы государственной статистики, http://www.gks.ru

70. Официальный сайт ОАО «ФСК ЕЭС», http://www.fsk-ees.ru/.

71. Официальный сайт экспертной группы «Стратегия 2020». http://strategy2020.rian.ru

72. Охорзин В.А. Прикладная математика в системе MATHCAD. Учебное пособие. 3-е изд. - СПб.: Лань, 2009. - 352с.

73. Очков В.Ф. MathCad7 Pro для студентов и инженеров. - М.: КомпьютерПресс 1998. - 384с.

74. Ошурков М.Г., Жичкин C.B. Прогнозирование суточных параметров электропотребления химических предприятий // Электроснабжение, электросбережение и электроремонт: Тез. докл. РХТУ им. Д.И. Менделеева, Новомосковский ин-т. Новомосковск, 2000. С. 114-116.

75. Подкур М.Л., Подкур П.Н., Смоленцев Н.К. Программирование в среде Borland С++ Builder с математическими библиотеками Matlab. -M.: Изд-во ДМК, 2006. - 497с.

76. Постановление Правительства РФ от 31.08.2006 №529 «О совершенствовании порядка функционирования оптового рынка электрической энергии (мощности)»

77. Постановление Правительства Российской Федерации №1172 от 27.12.2010.

78. Приймак М.В. Побудова прогнозних графив енергонавантажень на ochobî перюдичного лшшного випадкового процесу // Техшчна електродинамша. - 2000. - № 3. - С. 50-52.

79. Реформирование компании. Реформирование электроэнергетики. Предпосылки реформирования электроэнергетики. Официальный сайт http://www.rao-ees./ru.

80. Руководящие материалы по проектированию электроснабжения сельского хозяйства./ Методические указания по расчету электрических нагрузок в сетях 0,38-110 кВ сельскохозяйственного

назначения. Ноябрь. - М.: Всесоюзный го-сударственный проектно-изыскательский и научно-исследовательский инсти-тут "Сельэнергопроект", 1985.

81. Рыжова Е. Энергетические деривативы и управление рисками на свободных рынках электроэнергии и мощности // ЭнергоРынок. 2004. № 6. С. 37-42.

82. Савина Н.В. Системный анализ потерь электроэнергии в электрических распределительных сетях. Новосибирск: Наука, 2008. -228с.

83. Свириденко О. Риск-менеджмент в электроэнергетике // Энергорынок. 2007. № 4 (41). С. 20-21.

84. Себер Дж. Линейный регрессионный анализ. М.: Мир, 1980. 456 с.

85. Смоляк С.А. Устойчивые методы оценивания. / М.: Статистика. 1980.

86. Стрижов В. В. Методы индуктивного порождения регрессионных моделей. М.: ВЦ РАН. 2008. 55 с.

87. Струнилин П.В. Причины высоких цен на электроэнергию и меры по их снижению. // Энергетическая стратегия развития России на период до 2030 года. Распоряжение Правительства РФ №1234-р от 28.08.2003.

88. Тимченко В.Ф. Колебания нагрузки и обменной мощности энергосистем / Под ред. В.А. Веникова. - М.: Энергия, 1975. - 208 с.

89. Шульгинов Н.Г. Методика прогнозирования графиков электропотребления для технологий краткосрочного планирования. // ОАО «СО-ЦЦУ ЕЭС». 2007.

90. Шумилова Г.П., Готман Н.Э., Старцева Т.Б. Краткосрочное прогнозирование электрических нагрузок с использованием искусственных нейронных сетей // Электричество. 1999.№10.

91. Шумилова Г.П., Готман Н.Э., Старцева Т.Б. Модели прогнозирования нагрузок ЭЭС на основе аппарата искусственных нейронных сетей // Шумилова Г.П., Готман Н.Э., Старцева Т.Б.

Модель суточного прогнозирования нагрузок ЭЭС с использованием Солон-Пресс, 2006. - 88с.

92. Черных И.В. Моделирование электротехнических устройств в MATLAB, SimPowerSystem и Simulink . Учебный курс. - СПб.: Питер, 2008.-288с.

93. Четыркин Е.М. Статистические методы прогнозирования. - М.: Статистика, 1977. - 200с.

94. Чучуева И.А. Модель экстраполяции по максимуму подобия (ЭМП) для временных рядов цен и объемов на рынке на сутки вперед ОРЭМ (Оптовом рынке электроэнергии и мощности) // Наука и образование. 2010. №1.

95. Шишкин А.Н. О состоянии и перспективах развития электроэнергетики Российской федерации // Официальный министерства энергетики РФ. http://minenergo.gov.ru

96. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. Винница: Издательство винницкого государственного технического университета, 2001. - 198 с.

97. Шумилова Г.П., Готман Н.Э., Старцева 'Т.Б. Модель суточного прогнозирования нагрузок ЭЭС с использованием нечетких нейронных сетей //Известия РАН. Энергетика.- 2001.- № 4.-С.52-59.

98. Элти Дж., Кумбс М. Экспертные системы: Концепции и примеры. М.: Финансы и статистика, 1987. 191 с.

99. Энергетическая стратегия развития России на период до 2030 года. Распоряжение Правительства РФ №1715-р от 13.11.2009.

100. Энергетическая стратегия развития России на период до 2030 года. Распоряжение Правительства РФ №1234-р от 28.08.2003.

101. Artzner Р., Delbaen F., Eber J.-M., Heath D. Coherent Measures of Risk. // Mathematical Finance. 1999. Vol.9. No.3. P. 203-228.

102. Baklrzls A.G., Theocharis J.B., Kiartzis S.J., Satsios K.J. Short term load forecasting using fuzzy neural networks // Trans. PAS. 1995. V. 10. №3.

103. Bollerslev T. Generalized Autoregressive Conditional Heteroskedasticity //Journal of Econometrics, No. 31, 1986; pp. 307-327.

104. Box G.E.P., Jenkins G.M., Reinsel G.C. Time Series Analysis Forecasting and Control, 3rd ed. Englewood Cliffs, NJ; Prentice-Hall, 1994.

105. Chow T.W.S., Leung C.T. Neural network based short-term load forecasting using weather com-pensation // IEEE Trans. PAS. 1996. V.l 1. №4.

106. Charytoniuk W., Chen M.S. Very short-term load forecasting using artificial neural networks //IEEE Trans. PAS. 2000. V.l5. №1.

107. Charytoniuk W., Chen M.S., Olinda Van P. Nonparametric regression based short-term load fore-casting // IEEE Trans. PAS. 1998. V. 13. №3.

108. Contreras J., Espinola R., Nogales F, J., Conejo A. J. ARIMA Models to Predict Next-Day Electricity Prices//IEEE Trans. Power Systems, August 2003, vol. 18, No. 3, pp. 1014-1020.

109. Douglas A.P., Breipohl A.M., Lee F.N., Adapa R. The impact of temperature forecast uncertainty on bayesian load forecasting // IEEE Trans. PAS. 1998. V. 13. №4.

110. Infield D.G., Hill D.C. Optimal smoothing for trend removal in short term electricity demand forecasting // IEEE Trans. PAS. 1998. V.13. №3.

111. Hippert H.S.. Pedreira C.E.. Souza R.C. Neural networks for short-term load forecasting: a rewiew and evaluation // IEEE Trans. PAS. 2001. V.l6. №1.

112. Hobbs B.F.. Jitprapaikulsani S.. Konda S. h ^p. Analysis of the value for unit commitment of improved load forecasting // IEEE Trans. PAS. 1999. V.14. №4.

113. Huang S.R. Short-term load forecasting using threshold autoregressive models // IEE Proc.-Gener. Trans. Distrib. 1997. V.144. №5.

114. Jang J.S.R. ANFIS: Adaptive-Network-Based Fuzzy Inference System. IEEE Trans. Systems & Cybernetics. - 1993. - Vol.23.

115. Kim K.H., Youn H.S., Kang Y.C. Short-term load forecasting for special days in anomalous loadconditions using neural networks and fuzzy inference method // IEEE Trans. PAS. 2000. V.15.№2.

116. Lee R.Y., Park J.H. Sport-term load forecasting using an artificial neural network // IEEE Trans.PAS. 1992. V.7. №1.

117. Makridakis S.G., Wheelwright S.C., McGee V.E. Forecasting: Methods and applications (2nd ed.). New York: Wiley, 1983.

118. Mbamalu G.A.N., El-Hawary M.E. Load forecasting suboptimal seasonal autoregressive model sand iteratively reweighed least squares estimation // IEEE Trans. PAS. 1993. V.8. №1.

119. Meldorf M., Kilter J., Pajo R. Comprehensive Modelling of Load // CIGRE Regonal Meeting, June 18-20, 2007, Tallinn, Estonia. - 2007. -P.145-150.

120. Nicolaisen J. D., Richter C. W„ Jr. Sheble G. B. Signal Analysis for Competitive Electric Generation Companies // Proc. of the Conference on Electric Utility Deregulation and Restructuring and Power Technologies, City University, London, UK; April 4-7, 2000.

121. Ranaweera D.K.. Karady G.G.. Fanner R.G. Economic impact analysis of load forecasting // IEEE Trans. PAS. 1997. V.12. №3.

122. Rummelhart D.E., Hinton G.E., Williams R.J. Learning Internal Representation by Back-Propagation Errors Nature. - 1986. - 323. - D. 533-536.

123. Sadownik R., Barbora E.P. Short-term forecasting of industrial electricity consumption in Brazil// J.Forecast. 1999. V.18.

124. Steinhaus Stefan. Comparison of mathematical programs for data analysis. Munchen (www.steinhaus-net.de), 2004. - 67s.

125. The art of forecasting demand // Global Energy Business. 2002. V.4. №2.

126. Yang H.T., Huang C.M. A new short-term load forecasting approach using self-organizing fuzzy ARMAX models // Trans. PAS. 1998. V. 13. №1.

127. Yu Z. A temperature match based optimization method for daily load prediction considering DLCeffect // IEEE Trans. PAS. 1996. V.l 1. №2.