Остання редакція: 2024-10-08
Анотація
Запропоновано комплексний підхід для формування та реалізації заходів з обмеження електропостачання в умовах дефіциту генерованої потужності в енергосистемі України, що зумовлений військовими діями. Запропоновано програмну реалізацію модулів планування графіків погодинних відключень абонентів (ГПВ), реєстрації дій диспетчерів оператора системи розподілу (ОСР) щодо реалізації ГПВ, графічного відображення ГПВ для інформування населення, внутрішнього контролю за виконанням ГПВ на основі даних автоматизованої системи комерційного обліку електроенергії (АСКОЕ). Розроблено метод та програму оптимізації ГПВ, що забезпечує рівномірність обмеження електропостачання споживачів. Обсяг обмеження визначався співвідношенням прогнозованого електроспоживання та граничного навантаження, доведеного Національною енергокомпанією. Для пошуку оптимального розв’язку використано такі критерії: точність дотримання граничного навантаження має бути максимальною, тривалість відключень окремих абонентів має бути мінімальною, рівномірність часу відключень окремих абонентів має бути максимальною. Для уможливлення практичної реалізації оптимальних рішень було враховано низку обмежень, зокрема наявність споживачів критичної інфраструктури та необхідність підтримання їх резервного живлення, задану періодичність відключень для комунально-побутових споживачів, відмінність рівнів економічних наслідків припинення електропостачання для різних регіонів, поточний стан (поступове зменшення ресурсу) комутаційного обладнання підстанцій розподільних електромереж та ін. Для прогнозування навантаження споживачів застосовано ансамблевий метод Random Forest. Для визначення вагових коефіцієнтів складових цільової функції застосовано методи експертних оцінок та аналізу чутливості. Для пошуку оптимуму використано метод оптимізованого перебору варіантів зі зважуванням. Ефективність запропонованих методів та алгоритмів підтверджено під час промислової експлуатації комплексу програм.
Ключові слова
Посилання
[1] Task Force, “Ukrainian energy sector e valuation and damage assessment – I (as of August 24, 2022)”, 2022,
https://www.energycharter.org/fileadmin/DocumentsMedia/Occasional/20220829_UA_sectoral_evaluation_and_damage_assessment_final.pdf
[2] Task Force, “Ukrainian energy sector evaluation and damage assessment – II (as of September 24, 2022)”, 2022,
https://www.energycharter.org/fileadmin/DocumentsMedia/Occasional/2022_09_30_UA_sectoral_evaluation_and_damage_assessm ent_Version_II.pdf
[3] Task Force, “Ukrainian energy sector e valuation and damage assessment – III (as of October 24, 2022)”, 2022,
https://www.energycharter.org/fileadmin/DocumentsMedia/Occasional/2022_10_24_UA_sectoral_evaluation_and_damage_assessment_Version_III.pdf
[4] Task Force, “Ukrainian energy sector evaluation and damage assessment – IV (as of November 24, 2022)”, 2022,
https://www.energycharter.org/fileadmin/DocumentsMedia/Occasional/2022_11_24_UA_sectoral_evaluation_and_damage_assessment_Ver sion_IV.pdf
[5] Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. Time Series Analysis: Forecasting and Control. John Wiley & Sons. (2015)
[6] Breiman, L. Random Forests. Machine Learning 45, 5–32 (2001). https://doi.org/10.1023/A:1010933404324