CC BY
46
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
УДК 631.531.17-52:633(470.31)
В.Н. БРОВЦИН, д-р техн. наук; В.Н. СУДАЧЕНКО, канд. техн. наук
МЕТОДИКА РАСЧЕТА ЭЛЕКТРОПОТРЕБЛЕНИЯ ПРЕДПРИЯТИЯМИ МОЛОЧНОГО НАПРАВЛЕНИЯ РЕГИОНА
Приведена динамическая модель электропотребления на производство молока, представляющая все предприятия молочного направления региона (области, района) как единое целое с отражением в своих параметрах тенденции развития каждого предприятия и учитывающая климатические условия, в которых производилась продукция, что позволяет получить обоснованные прогнозы электрозатрат.
Сельскохозяйственные предприятия, даже находящиеся на территории одного региона (области, района), работают в существенно отличающихся климатических условиях (например, в Ленинградской области имеется 6 климатических зон и 7 зон, отличающихся почвенной структурой). Кроме того, предприятия имеют неодинаковые стартовые условия и находятся на разных уровнях становления и развития. Лежащие в основе лимитирования электроэнергии нормы (удельные расходы), как правило, не учитывают этих особенностей, что проявляется в нерациональном потреблении энергии и несогласованности с энергосбытовыми организациями по заявленным и действительным значениям энергозатрат. Последнее обстоятельство является весьма существенным, потому что влечет за собой финансовые издержки потребителя энергии на штрафные санкции и нарушение режимов работы генерирующих электроэнергию объектов.
Итак, решаемая проблема в свете сказанного - достижение экономически оправданной эффективности использования электроэнергии на предприятиях молочного направления при существующем уровне развития техники и технологий сельскохозяйственного назначения посредством обоснованных электрозатрат на производство.
На рис. 1 представлена параметрическая схема /-го сельхозпредприятия j-го района.
129
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Рис. 1. Параметрическая схема сельскохозяйственного предприятия для расчета параметров электропотребления
На рис. 1 использованы следующие обозначения: i - номер сельхозпредприятия; j - номер района;
к - номер текущего периода (месяц, квартал, год); пТ - номер предшествующего периода, пт = 1,2,3,...;
X .- вектор показателей производства (параметров состояния) i-го хозяйства j-го района
П - объем производства молока за отчетный период т (год, квартал, месяц), т/ед.времени;
r - удельный расход электроэнергии кВт.ч/т;
Е - расход электроэнергии на производство молока за отчетный период, кВт.ч;
Uj - вектор климатических параметров _/-го района:
Т - среднесуточная температура воздуха за отчетный (прогнозируемый) период, С;
дп - среднесуточное значение прямой солнечной радиации за отчетный (прогнозируемый) период, кВт/м2;
др - среднесуточное значение рассеянной солнечной радиации, за отчетный (прогнозируемый) период, кВт/м2;
о - сумма осадков за отчетный (прогнозируемый) период,
мм/м2.
Е(&) - вектор неконтролируемых (случайных) возмущений).
Для дальнейших рассуждений введем следующие обозначения:
xi- r, x2 Э,.; ui t, u2 qn-> u3 qp? u4 o,‘ • *.
130
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
Таким образом, имеем векторный процесс X(k) = \x1(k). x2(k)....,xm(k)]T, обусловленный векторами внешних воздействий U(k) = \ui(k), u2(k),...,un(k)]T и случайных возмущений Е(к) = \Z1(k),
Z2(k), • • • ,Zm(k)]T.
В принятых, согласно параметрической схеме обозначениях (см. рис. 1), математическое описание процесса формирования энергетической деятельности предприятия имеет вид:
m2
X(к) = £ AjX(к - j) + £ Ер, (к - j) + TV (к -1) + Е(к), (i)
j=1 j=0
где Aj\m*m], Bj\m*n], T\m*s] - матрицы, элементы которых подлежат определению; m - количество параметров состояния (энергетических показателей и объема производства молока); n - количество внешних воздействий (климатических факторов);
а а11 а а12 • • а/ 1m b1 b11 b1 b12 • • • b/' 1n
II п1 а21 а а22 • • <m > Е1 = b1 b21 b1 b22 • • Ы 2n
а1, m1 а1. • m2 • а mm b' m1 b\ • m2 • • b1 mn
^1 ^12 ••• t1s
^21 ^22 ••• ^ 2s _
t
m1
t
m2
t
ms
у - вектор, размерности s, составляется из описывающих детерминированный тренд функций.
E\E(k)] =0, E\S(k)oST(/)] = pSj
E(k) - последовательность независимых случайных величин размерности m с нулевым средним; p - ковариационная матрица вектора шумов; St j- символ Кронекера.
Идентификация и оценка параметров многомерных динамических процессов, описываемых векторным уравнением (1) в популярных легкодоступных для научных исследований пакета прикладных про-
131
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
грамм (ППП), таких, как STATISTICA®, STATGRAF®, EXCEL® и др., не предусмотрена. Тем не менее, использование этих высокоэффективных пакетов возможно после соответствующего преобразования выражения (1) и принятия некоторых допущений.
Представим векторное уравнение (1) в виде, удобном для исследования линейных зависимостей в соответствующих блоках популярных пакетов прикладных программ STATISTICA®, STATGRAF®, EXCEL® и др., для чего запишем его в виде системы, состоящей из m скалярных уравнений:
*г (к) = zl (к - 1)Рг + £■(к'), /=1,2,...,m (2)
где вектор zi(k-1) имеет размерность ni и составлен из всех воздействий, действующих на объект: zi(k-1)=[x\(k-1),...,xm(k-1),...,
xi(k-mi),...,xm(k-mi),ui(k),...,un(k),..., ui(k-m2),.., Un(k-m2),w(k-1),...,
^s(k-1)]x, pi - n-мерный вектор (коэффициенты i-х строк матриц параметров уравнения (2), i = 1,2,...,m), соответствующий вектору неизвестных коэффициентов i-го уравнения; ni < m1+(m2+1)+s.
С учетом выражения (2) векторный процесс (1) может быть представлен в эквивалентном виде:
X(k) = Z (к - 1)P + Е(к), (3)
где P
Pi, p2..., Р'
- nn
мерный вектор; п0
m
г=1
т zi 0 0
1 II : О т Z 2 0
0 0 т z m
- m*no - матрица.
Существует три основных подхода к задаче оценивания параметров модели (3), а именно: метод максимального правдоподобия, Байесов метод и метод ограниченной информации (метод наименьших квадратов). В методе максимального правдоподобия и в Байесовом под-
132
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
ходе должно быть известно совместное распределение вероятностей входного сигнала U(k) и возмущения Е(£). Из этих двух методов Байесов подход выделяется тем, что в нем имеется возможность учитывать любую имеющуюся априорную информацию о параметрах. При оценивании методом наименьших квадратов должна быть известна только плотность вероятности возмущения Е. Кроме того, в случае систем со многими выходами оценки методом наименьших квадратов, в отличие от Байесовского подхода и метода максимального правдоподобия могут определяться для неизвестных в каждом уравнении (3) раздельно. Эта особенность имеет существенное значение с вычислительной точки зрения. Кроме того, оценки на основе метода ограниченной информации могут вычисляться в реальном масштабе времени, в отличие от оценок максимального правдоподобия и Байесовских оценок [1, 2]. Исходя из приведенных рассуждений, для построения, идентификации и оценки параметров обобщенной модели электрозатрат сельхозпредприятиями молочного направления региона (области, района) отдадим предпочтение методу наименьших квадратов, при котором оценку параметров векторного уравнения (3) можно производить раздельно для каждого из составляющих его скалярных уравнений вида (2).
Выражение (2) представляет собой линейное по параметрам уравнение, выражения для оценки параметров которого методом наименьших квадратов представлены ниже:
*
Рг
*
Р,-
N
Z Zi (k - 1)гг T(k - 1)
.k=1
N
N
Z Zi (k - 1)X (k)
k=1
-1 Z (хг(k) - z(k - 1)pi Xx(k) - z(k -1) pi)
N k=1
>
(4)
Оценивая последовательно параметры для каждого из процессов формирования энергетических показателей деятельности предприятий, описываемых уравнениями (4), получим численные значения
оценок параметров P = [pipi ] - «0-мерного вектора
133
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
m
(n0 = ^ nt ), составленного из коэффициентов матриц А]-,Б]],Т]- урав-
i=1
нения (1) и соответствующие оценки дисперсий остатков рь i =
При статистическом анализе одновременно обрабатывают данные нескольких выборок (вариантов), составляющих единый статистический набор данных, оформленный в виде специальной рабочей таблицы. Структура статистического набора данных и его последующий анализ определяются методикой эксперимента. В нашем случае вариантом является фактический набор данных по использованию энергоресурсов одним из сельскохозяйственных предприятий исследуемого региона (см. рис. 1).
В качестве экспериментального материала используются реальные затраты энергетических ресурсов на производство сельскохозяйственной продукции, представляемые предприятиями в органы Госэнергонадзора и аккредитованными юридическими лицами, осуществляющими энергетическое обследование потребителей ТЭР (энергоаудиторам). Необходимую для построения моделей климатическую информацию получаем с метеостанций, расположенных на территории объектов - производителей сельхозпродукции.
Параметры моделей корректируются по мере поступления новой информации. Работоспособность (точность предсказания) моделей осуществляется по результатам сравнения прогноза энергозатрат на производство продукции с их реальными, по мере поступления, значениями.
Исходная информация должна содержать два блока данных:
1 - энергетические и производственные данные деятельности предприятий региона;
2 - климатические условия, при которых производилась продукция.
Объем информации должен быть не менее, чем за последние 3-5 лет. Данные должны содержать усредненные значения с шагом усреднения 1 месяц и 3 месяца (квартал).
Первый блок информации может быть получен:
- по данным статистической отчетности;
- по выборкам из энергетических паспортов сельхозпредприятий;
- по данным энергоаудитора - юридического лица, осуществляющего энергетическое обследование потребителей ТЭР и имеющего
134
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
лицензию на производство этих работ, или аккредитованного Комитетом по ценовой и тарифной политике правительства субъекта Федерации.
Требования к исходной информации, должны соответствовать «Правилам проведения энергетических обследований организаций» на территории Российской Федерации и обязательных для исполнения юридическими лицами независимо от форм собственности.
Второй блок информации формируется:
- по данным метеостанций сельхозпредприятий;
- по данным районных или ближайших государственных метеостанций;
- по данным специализированных сайтов Интернет.
Исследования по влиянию погодных условий на затраты электроэнергии для производства сельхозпродукции, проведенные в ГНУ СЗНИИМЭСХ Россельхозакадемии, показали, что основным влияющим фактором является температура окружающей среды [3]. Из сказанного следует, что для прогноза потребления электрической энергии необходим прогноз температуры воздушной среды региона, где расположено сельхозпредприятие.
Климатические условия в Ленинградской области фиксируются большим количеством метеостанций. Если сельхозпредприятие не имеет собственной метеостанции, то для построения модели прогноза климатических условий можно использовать архивные и текущие данные ближайшей метеостанции. Прямое использование этих данных для хозяйств нецелесообразно из-за высокой стоимости климатической информации (4-5 руб. за одну точку). Другой путь - использовать архивные и текущие климатические данные специализированных сайтов Интернета, позволяющих использовать архивы погоды бесплатно.
В результате поиска в Интернете нами обнаружены два сайта: www.rp5.ru и www.gismeteo.ru. Эти сайты аккумулируют климатическую информацию практически со всех зарегестрированных метеостанций мира. Так, для Ленинградской области, имеются климатические архивы более, чем в 200 населенных пунктах с постоянным обновлением текущих климатических параметров.
Из сказанного следует, что для прогноза потребления электрической энергии необходим прогноз температуры воздушной среды региона, где расположено сельхозпредприятие.
135
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Следует отметить, что качественный прогноз температуры -сложная задача, приемлемое решение которой к настоящему времени отсутствует.
В ГНУ СЗНИИМЭСХ Россельхозакадемии предпринята попытка прогноза температуры окружающей среды, опираясь на независимый от Земных условий фактор - активность Солнечной радиации.
Солнечная активность измеряется числами Вольфа (см. Интернет по запросу - число Вольфа - Википедия). В работе были использованы среднемесячные значения чисел Вольфа (W) по версии NGDC -National Geophysical Data Ctnter (Национальный Центр Географических данных) за период с 01.01.1818 г. по 01.12.2010 г.
В связи с отсутствием в архивах погоды, представленных в Интернет, данных для районных метеостанций на длительный период, который должен быть не менее нескольких Солнечных циклов (9-13 лет), в качестве среднемесячных значений температуры использовали данные для г. Санкт-Петербурга (http://meteocenter.net/spb3.htm).С учетом вышесказанного ГНУ СЗНИИМЭСХ Россельхозакадемии рассчитаны прогнозы среднемесячных и среднеквартальных значений температуры на 2011 г. для г. Санкт-Петербурга
К сожалению, начальной датой для климатических параметров в архивах является 1 февраля 2005 г., причем, для очень небольшого количества населенных пунктов, как правило, районных центров. Понятно, что такого объема недостаточно для удовлетворительного прогноза погоды.
Возникшую проблему можно решить следующим образом. На сайте www.gismeteo.ru представлена также информация для некоторых мегаполисов более, чем за столетие до нашего времени. Например, для Санкт-Петербурга на сайте приведены регулярные среднемесячные значения температуры с 1818 г. и среднемесячные значения осадков с 1836 г.Чтобы обойти это затруднение, прогноз погодных условий в пунктах расположения хозяйств целесообразно провести по прогнозу погоды для Санкт-Петербурга. Для решения этой проблемы необходимо определить корреляцию между погодными условиями Санкт-Петербурга и этими пунктами на данных, представленных в Интернет.
Ниже, в табл. 1 представлены прогнозы температуры воздуха для населенных пунктов, где расположены предприятия молочного направления Ленинградской области на 2011 г., рассчитанные по дан-
136
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
ным прогноза для Санкт-Петербурга. Расчеты проведены по уравнению регрессии для среднемесячных значений температуры:
T
ср.мес.пункт
Ш0 + Ш1*Тср.мес.СПб
с последующим усреднением за каждый квартал.
Таблица 1
Среднеквартальные значения температуры воздушной среды
Год № 1,4,7,16, 17,18 Гатчина 2 3, 1 1,12,13 6 8, 10 9 5, 14, 15 Средняя по
квартала Любань Волосово Всеволожск Выборг Сланцы Ломоносов хозяйствам
1 -4.6 -4.6 -4.5 -3.1 -5.0 -3.0 -4.5 -4.4
2007 2 11.2 11.2 11.4 11.2 10.2 10.6 10.3 10.9
3 14.9 14.9 14.5 16.7 15.8 15.8 14.0 14.9
4 1.0 1.0 0.7 2.5 2.2 2.8 2.4 1.5
1 -1.7 -1.9 -1.9 -0.5 -1.6 -0.2 -1.7 -1.6
2008 2 9.9 10.1 9.9 11.0 10.0 10.1 10.3 10.0
3 13.4 14.1 13.1 15.0 14.0 14.7 15.3 13.9
4 2.2 2.7 2.0 3.7 3.2 3.8 3.5 2.7
1 -4.5 -3.8 -4.7 -2.7 -4.4 -1.9 -3.5 -4.1
2009 2 9.6 10.2 9.4 10.5 9.4 10.0 9.8 9.7
3 15.2 15.1 14.1 16.3 15.8 16.1 15.8 15.2
4 -0.9 -0.5 -1.1 0.6 -0.8 0.7 0.5 -0.5
1 -9.5 -9.1 -9.5 -7.6 -7.0 -7.3 -8.3 -8.8
2010 2 10.2 11.6 10.5 11.9 10.3 10.8 10.5 10.5
3 16.8 17.6 16.6 18.8 18.0 18.1 18.0 17.3
4 -2.4 -2.4 -2.5 -0.8 -2.1 -0.6 -0.9 -2.0
1 -8.2 -8.4 -7.7 -5.9 -5.9 -4.7 -7.7 -7.5
2011 2 10.0 10.1 8.4 10.7 10.7 10.1 8.4 9.5
3 15.6 14.7 15.2 17.5 17.5 17.0 15.2 15.8
4 2.8 2.5 3.3 1.9 1.9 1.5 3.3 2.8
При построении ОДМ предполагается выполнение 4 последовательных этапов:
1 Выбор ППП для построения ОДМ процессов затрат электроэнергии предприятиями молочного направления региона (области, района).
2 Представление исходные данных для построения ОДМ процессов затрат электроэнергии предприятиями региона (области, района) в форме таблицы, используемого ППП.
3 Построение ОДМ расхода электроэнергии, посредством модуля регрессионного анализа выбранного ППП.
137
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
4 Расчет удельных расходов и лимитов потребления электроэнергии на производство молока для предприятий молочного направления региона (области, района).
В качестве экспериментального материала, применяемого в работе, для конкретных примеров используются электрозатраты на производство молока предприятиями молочного направления Ленинградской области и климатическая информация районов области, где они расположены (см. табл. 1).
1 - й этап - Выбор структуры ОДМ в виде модели, описываемой системой стохастических разностных уравнений, обусловлен достаточно хорошо разработанными методами их идентификации, реализованных в мощных, эффективных и доступных IIIIII (EXCEL®, STATISTICA®, STATGRAF®, MATLAB® и др.).
Из перечисленных IIIIII наиболее целесообразно остановится на программном комплекса EXCEL, входящем в комплект офисных программ операционной системы WINDOWS. Специально разработанные эффективные процедуры обновления и обмена данными через INTERNET в комплексе EXCEL дают возможность проводить идентификацию параметров моделей и получать результаты решений в реальном масштабе времени.
2- й этап - Представление исходных данных.
В таблице исходных данных для построения ОДМ должны быть представлены все возможные регрессоры по параметрам состояния модели (удельным расходам электроэнергии - r(k) и лимитам потребления E(k)). Ниже представлен фрагмент таблицы исходных данных и регрессоров для построения ОДМ затрат электроэнергии предприятиями молочного направления Ленинградской области на производство молока (табл. 2).
3- й этап - Устроение ОДМ расхода электроэнергии
!ри построении модели, хозяйства молочного направления региона (области, района) рассматривали как единый статистический комплекс данных, оформленный в виде специальной рабочей таблицы. Вариантом статистического комплекса является фактический набор данных одного сельскохозяйственного предприятия исследуемого региона (области, района) по использованию электроэнергии и климатических условий не менее чем за 3-5 лет, в поквартальной структуре времени.
138
Таблица 2
Энергетические показатели деятельности предприятий молочного направления Ленинградской
области (среднеквартальные значения)
№ предприятия Год № квартала Исходные данные Поквартальные регрессоры r(k) Поквартальные регрессоры E(k)
r(k) E(k) Т0О r(k-l) r(k-2) r(k-3) r(k-4) E(k-1) E(k-2) E(k-3) E(k-4)
Хозяйство №1 2007 1 333.8 87870 -4.6 345.1 237.0 265.3 333.8 91244 79525 82176 81870
2 261.3 82176 11.2 333.8 345.1 237.0 265.3 87870 91244 79525 82176
3 229.0 79525 14.9 261.3 333.8 345.1 237.0 82176 87870 91244 79525
4 325.1 91244 1.0 229.0 261.3 333.8 345.1 79525 82176 87870 91244
2008 1 328.1 98890 -1.7 325.1 229.0 261.3 333.8 91244 79525 82176 87870
2 247.8 89276 9.9 328.1 325.1 229.0 261.3 98890 91244 79525 82176
3 221.0 71921 13.4 247.8 328.1 325.1 229.0 89276 98890 91244 79525
4 301.6 100467 2.2 221.0 247.8 328.1 325.1 71921 89276 98890 91244
2009 1 311.7 110335 -4.5 301.6 221.0 247.8 328.1 100467 71921 89276 98890
2 231.5 87848 9.6 311.7 301.6 221.0 247.8 110335 100467 71921 89276
3 212.9 80251 15.2 231.5 311.7 301.6 221.0 87848 110335 100467 71921
4 301.3 101193 -0.9 212.9 231.5 311.7 301.6 80251 87848 110335 100467
2010 1 301.0 120522 -9.52 301.3 212.9 231.5 311.7 101193 80251 87848 110335
2 217.1 93411 10.16 301.0 301.3 212.9 231.5 120522 101193 80251 87848
3 196.9 71710 16.80 217.1 301.0 301.3 212.9 93411 120522 101193 80251
4 295.9 101671 -2.43 196.9 217.1 301.0 301.3 71710 93411 120522 101193
Хозяйство №18 2007 1 396.5 291813 -4.5 446.1 174.9 311.7 395.2 320279 111259 230005 296411
2 298.5 222431 11.4 396.5 446.1 174.9 311.7 291813 320279 111259 230005
3 165.7 119902 14.5 298.5 396.5 446.1 174.9 222431 291813 320279 111259
4 431.7 332669 0.7 165.7 298.5 396.5 446.1 119902 222431 291813 320279
2008 1 378.7 292070 -1.9 431.7 165.7 298.5 396.5 332669 119902 222431 291813
2 276.7 210941 9.9 378.7 431.7 165.7 298.5 292070 332669 119902 222431
3 159.0 119766 13.1 276.7 378.7 431.7 165.7 210941 292070 332669 119902
4 414.0 316632 2.0 159.0 276.7 378.7 431.7 119766 210941 292070 332669
2009 1 361.7 290610 -4.7 414.0 159.0 276.7 378.7 316632 119766 210941 292070
2 258.7 201235 9.4 361.7 414.0 159.0 276.7 290610 316632 119766 210941
3 160.9 122102 14.1 258.7 361.7 414.0 159.0 201235 290610 316632 119766
4 389.4 310055 -1.1 160.9 258.7 361.7 414.0 122102 201235 290610 316632
2010 1 360.5 287304 -9.54 389.4 160.9 258.7 361.7 310055 122102 201235 290610
2 260.5 204594 10.50 360.5 389.4 160.9 258.7 287304 310055 122102 201235
3 164.2 124894 16.55 260.5 360.5 389.4 160.9 204594 287304 310055 122102
4 386.9 306858 -2.54 164.2 260.5 360.5 389.4 124894 204594 287304 310055
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемш. 2012. Вып. 83.
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Как было отмечено при кратком анализе методов идентификации параметров динамических систем, для построения, идентификации и оценки параметров обобщенной модели электрозатрат сельхозпредприятиями молочного направления региона (области, района) отдали предпочтение методу наименьших квадратов, который реализуется в процедурах регрессионного анализа. В IIIIII EXCEL эта процедура реализована в блоке анализа данных в программе «Регрессия».
Регрессионный анализ исходных данных с целью построения модели проводят за два шага:
1- й шаг - построение модели с полным набором регрессоров;
2- й шаг - исключение из исходного набора тех регрессоров, коэффициенты при которых незначимы при принятом уровне значимости и построение модели при новом наборе регрессоров.
Полученные после выполнения первого шага результаты регрессионного анализа исходные данные представили в табл. 3 (для удельных расходов электроэнергии) и в табл. 4 (для лимитов потребления)
Таблица 3
Результаты регрессионного анализа исходных данных для зависимой переменной r(k) при полном наборе регрессоров
Статистика для параметров модели удельных расходов r(k)
Множественный R 0.989
R-квадрат 0.986
Нормированный R-квадрат 0.984
Стандартная ошибка 11.257
Наблюдения 288
df 55 MS F Значимость F
Регрессия 9 17015658.765 1890628.752 14919.840 0.000
Остаток 279 35354.631 126.719
Итого 288 17051013.395
Коэфф. Станд. ошибка t-статистика P-Значение
r(k-1) 0.06379 0.02687 2.374 0.018
r(k-2) -0.00767 0.02771 -0.277 0.782
r(k-3) 0.06848 0.02616 2.618 0.009
r(k-4) 0.85750 0.02650 32.362 1.915
E(k-1) -0.00003 0.00003 -0.920 0.358
E(k-2) 0.00001 0.00003 0.154 0.877
E(k-3) -0.00002 0.00003 -0.681 0.496
E(k-4) 0.00005 0.00003 1.556 0.121
T(k) -0.51708 0.14565 -3.550 0.014
140
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
Таблица 4
Результаты регрессионного анализа исходных данных для зависимой переменной E(k) при полном наборе регрессоров
Статистика для параметров модели электропотребления Ek)
Множественный R 0.989
R-квадрат 0.988
Нормированный R-квадрат 0.985
Стандартная ошибка 11449.867
Наблюдения 288
Дисперсионный анализ
df SS MS F Значимость F
Регрессия 9 1.1126E+13 1.23623E+12 9429.685215 0.000
Остаток 279 36576749885 131099462
Итого 288 1.11626E+13
Коэфф. Станд.ошибка t-статистика P-Значение
r(k-1) -71.829 27.334 -2.628 0.009
r(k-2) 60.380 28.180 2.143 0.033
r(k-3) -52.808 26.609 -1.985 0.048
r(k-4) 85.385 26.951 3.168 0.002
E(k-1) 0.122 0.035 3.482 0.001
E(k-2) -0.095 0.034 -2.787 0.006
E(k-3) 0.110 0.034 3.249 0.011
E(k-4) 0.820 0.034 23.997 0.012
T(k) -178.638 48.142 -3.711 0.029
Из табл. 3 и табл. 4 следует, что обе модели по критерию Фишера адекватны исходным данным при уровне значимости, существенно превышающем принятый для сельского хозяйства (р < 0.05). Из табл. 3, 4 также видно, что модель для зависимой переменной r(k) можно существенно упростить, исключив незначимые коэффициенты (2-й шаг): r(k-3), E(k-1), E(k-2) и E(k-3). Для этого необходимо из табл. 3 исключить соответствующие этим регрессорам столбцы и заново провести регрессионный анализ с новым набором независимых переменных.
Результаты нового анализа исходных данных для зависимой переменной r(k) представлены в табл. 5.
141
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Таблица 5
Результаты регрессионного анализа исходных данных для зависимой переменной r(k) после удалении незначимых коэффициентов
Статистика для параметров модели удельных расходов r(k)
Множественный R 0.988
R-квадрат 0.986
Нормированный R-квадрат 0.984
Стандартная ошибка 11.232
Наблюдения 288
df 55 MS F Значимость F
Регрессия 5 17015311.83 3403062.367 26975.477 0.000
Остаток 283 35701.56202 126.154
Итого 288 17051013.4
Коэфф. Станд. ошибка t-статистика P-Значение
r(k-1) 0.041 0.010 4.262 0.012
r(k-3) 0.052 0.010 4.994 0.021
r(k-4) 0.887 0.015 59.335 0.011
E(k-4) 6.370E-06 2.453E-06 2.597 0.032
Tk) -0.549 0.118 0.025
После подстановки численных значений коэффициентов для r(k) из табл. 5 и для E(k) из табл. 4, полученных в результате регрессионного анализа исходных данных (см. табл. 2), получили ОДМ расхода электроэнергии для хозяйств молочного направления Ленинградской области:
r(k) 0,041 0 r(k -1) + 0 0 * r(k - 2) + 0,052 0 * r(k - 3) +
E(k) - 71,829 0,122 E(k -1) 60,380 - 0,095 E(k - 2) - 52,828 0,110 E(k - 3)
(5)
0,887 0,637e - 5 r(k - 4) - 0,549 £ (k)
81,197 0,820 E(k - 4) + -178,638 T (k) + (k)
где Qr и Qe - нормальные случайные процессы с стандартными ошибками 11,257 кВт.ч/т для r(k) и 11450 кВт.ч для E(k), соответственно.
Используя ОДМ можно рассчитать прогноз энергозатрат как для каждого предприятия в отдельности, так и для области с учетом климатических условий.
4-й этап - Формирование дифференцированных по региону (области, району) удельных расходов и лимитов потребления электроэнергии сельхозпредприятиями.
Для расчета прогнозов удельных расходов и лимитов потребления электроэнергии на производство молока с целью заключения дого-
142
ISSN 0131-5226. Сборник научных трудов.
_________ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83._______
воров с энергосбытовыми компаниями посредством ОДМ (5) используются исходные данные энергетической деятельности предприятий и сопутствующие климатические условия (см. табл. 2). Для удобства расчетов в ППП «EXCEL» и представления в виде отчетного материала эти данные необходимо представить в виде таблицы. Расчеты электрозатрат с применением ОДМ проводятся по правилам использования формул в ППП «EXCEL». Например, для хозяйства молочного направления Ленинградской области №1 таблица исходных данных и результатов расчета с использованием ОДМ имеет вид, представленный в табл. 6.
Таблица 6
Исходные данные и результаты прогноза потребления электроэнергии хозяйством молочного направления №1 Ленинградской области
Год № Хозяйство №1 T(k)
квартала r(k) E(k) T(k)
1 333.8 87870 -4.6
2007 2 265.3 82176 11.2
3 229.0 79525 14.9
4 325.1 91244 1.0
1 328.1 98890 -1.7
2008 2 247.8 89276 9.9
3 221.0 71921 13.4
4 301.6 100467 2.2
i 311.7 110335 -4.5
2009 2 231.5 87848 9.6
3 212.9 80251 15.2
4 305.3 101193 -0.9
1 301.0 120522 -9.52
2010 2 214.1 93411 10.16
3 196.9 71710 16.80
4 295.9 101671 -2.43
1 297.7 121442 -8.2
2011 2 210.9 92382 10.0
3 190.4 70662 15.6
4 287.5 105790 2.8
143
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Для визуального представления и для удобства анализа результаты энергетической деятельности каждого предприятия целесообразно изобразить графически. В качестве примера на рис. 2 представлен прогноз поквартальных расходов электроэнергии на производство молока для хозяйства № 1.
20
0
1 '0
се
О.
О
0
о
Н
-10
б
в
144
ISSN 0131-5226. Сборник научных трудов.
__________ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.________
Рис. 2. Процессы среднемесячного за квартал расхода элетро-энергии хозяйства молочного направления №1 Ленинградской области
а - процесс изменения температуры воздушной среды в зоне расположения хозяйства:
T(k) - температура; пр_Т(к) - прогноз температуры; se - станд. ошибка прогноза
б - процессы изменения удельных расходов эл.энергии на производство молока:
г(к)_х - уд. расход хозяйства; пр_г(к)_х - прогноз уд. расхода хозяйства; г(к)_р - уд. расход по региону; пр_г(к)_р - прогноз уд. расхода по региону; se - станд. ошибка прогноза
в - процессы изменения потребления эл.энергии на производство молока:
Е(к)_х - расход хозяйства; пр_Е(к)_х - прогноз расхода хозяйства; Е(к)_р - расход по региону; пр_г(к)_р - прогноз расхода по региону; se - станд. ошибка прогноза
Примечание. Ошибка прогноза электропотребления на 2011 г. для хозяйства №1 (и для всех других хозяйств молочного направления Ленинградской области) соответствует ошибке ОДМ, оценка параметров которой была осуществлена на совокупности исходных данных для предприятий Ленинградской области: для r(k) - 11,3 кВт.ч/т, для E(k) - 11450 кВт.ч.
145
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
Как следует из рис. 2 удельные расходы электроэнергии для хозяйства №1 более высокие, чем среднеобластные, что может быть обусловлено различными причинами, включая стартовые и климатические условия, которые могут существенно отличаться от среднеобластных.
Результаты расчета электрозатрат для хозяйств молочного направления Ленинградской области, на основе энергетической деятельности которых построена ОДМ, представлены в табл. 7 (для удельных расходов) и в табл. 8 (для лимитов потребления).
Таблица 7
Прогноз удельных затрат электроэнергии на производство молока в хозяйствах молочного направления Ленинградской области, кВт.ч/т
Год Квартал Сельхозпредприятия Среднее по области
1 2 3 4 5 6 7 N
2007 1 333.8 190.8 145.9 454.5 224.5 375.0 333.8 396.5 301.7
2 261.3 159.4 105.3 266.0 162.3 269.2 217.8 298.5 198.2
3 229.0 132.4 89.6 231.5 154.7 237.9 217.1 165.7 165.5
4 325.1 159.8 136.9 341.0 173.0 419.9 293.9 431.7 274.8
2008 1 328.1 178.1 140.7 424.4 219.9 352.5 330.9 378.7 290.9
2 247.8 147.6 105.2 255.1 164.0 268.2 215.3 276.7 190.9
3 221.0 141.3 88.1 219.4 143.4 234.1 202.7 159.0 163.1
4 301.6 165.3 126.3 321.1 161.4 399.8 293.8 414.0 264.2
2009 1 311.7 165.1 136.5 388.5 217.0 337.6 325.3 361.7 276.9
2 231.5 158.0 101.0 248.1 171.6 275.6 211.9 258.7 189.3
3 212.9 149.1 90.4 197.8 132.1 234.2 194.2 160.9 160.8
4 301.3 159.0 119.1 301.1 168.4 366.7 297.8 389.4 261.6
2010 1 301.0 166.1 136.5 379.0 213.8 329.8 323.1 360.5 279.2
2 217.1 152.4 103.2 245.2 175.6 251.7 212.4 260.5 187.5
3 196.9 142.8 89.4 178.0 135.8 211.8 198.4 164.2 153.2
4 295.9 156.9 114.9 318.2 162.2 344.8 292.9 386.9 261.8
2011 1 297.7 173.7 144.8 366.3 215.1 323.3 319.7 354.1 276.2
2 210.9 148.3 103.2 236.1 170.6 241.8 205.6 249.5 182.6
3 190.4 135.9 86.3 176.9 130.6 205.0 189.8 166.1 149.8
4 287.5 161.0 122.3 309.4 168.0 330.9 289.8 371.0 257.1
146
ISSN 0131-5226. Сборник научных трудов.
ГНУ СЗНИИМЭСХРоссельхозакадемии. 2012. Вып. 83.
Таблица 8
Прогноз потребления электроэнергии на производство молока в хозяйствах молочного направления Ленинградской области, кВт.ч
Год Квартал Сельхозпредприятия Среднее по области
1 2 3 4 5 6 7 N
2007 1 333.8 190.8 145.9 454.5 224.5 375.0 333.8 396.5 301.7
2 261.3 159.4 105.3 266.0 162.3 269.2 217.8 298.5 198.2
3 229.0 132.4 89.6 231.5 154.7 237.9 217.1 165.7 165.5
4 325.1 159.8 136.9 341.0 173.0 419.9 293.9 431.7 274.8
2008 1 328.1 178.1 140.7 424.4 219.9 352.5 330.9 378.7 290.9
2 247.8 147.6 105.2 255.1 164.0 268.2 215.3 276.7 190.9
3 221.0 141.3 88.1 219.4 143.4 234.1 202.7 159.0 163.1
4 301.6 165.3 126.3 321.1 161.4 399.8 293.8 414.0 264.2
2009 1 311.7 165.1 136.5 388.5 217.0 337.6 325.3 361.7 276.9
2 231.5 158.0 101.0 248.1 171.6 275.6 211.9 258.7 189.3
3 212.9 149.1 90.4 197.8 132.1 234.2 194.2 160.9 160.8
4 301.3 159.0 119.1 301.1 168.4 366.7 297.8 389.4 261.6
2010 1 301.0 166.1 136.5 379.0 213.8 329.8 323.1 360.5 279.2
2 217.1 152.4 103.2 245.2 175.6 251.7 212.4 260.5 187.5
3 196.9 142.8 89.4 178.0 135.8 211.8 198.4 164.2 153.2
4 295.9 156.9 114.9 318.2 162.2 344.8 292.9 386.9 261.8
2011 1 297.7 173.7 144.8 366.3 215.1 323.3 319.7 354.1 276.2
2 210.9 148.3 103.2 236.1 170.6 241.8 205.6 249.5 182.6
3 190.4 135.9 86.3 176.9 130.6 205.0 189.8 166.1 149.8
4 287.5 161.0 122.3 309.4 168.0 330.9 289.8 371.0 257.1
Прогнозы удельных расходов и лимитов потребления электроэнергии на производство молока, представленные в табл. 7 и 8 являются объективными и могут быть использованы для составления заявок на электропотребление с энергосбытовыми организациями.
ЗАКЛЮЧЕНИЕ
Методика формирования дифференцированных по региону (области, району) удельных расходов и лимитов потребления электроэнергии сельхозпредприятиями молочного направления позволяет:
- рассчитать прогнозы затрат электроэнергии с точностью, обусловленной особенностями сельскохозяйственного производства, что позволяет гармонизировать противоречивые интересы энергосбытовых организаций и сельскохозяйственных потребителей и, следовательно, уменьшить оплату электроэнергии на 15-20% за счет исключения штрафных санкций при несоответствии заявленных затрат элек-
147
Технологии и технические средства механизированного производства продукции растениеводства и животноводства.
троэнергии с действительными и нарушения режимов работы генерирующих электроэнергию объектов;
- определить перечень хозяйств, в которых в первую очередь необходимо провести энергоаудит;
- провести объективный сравнительный анализ электроэффективности предприятий с целью оптимального управления ограниченными средствами Господдержки на энергосберегающие мероприятия.
СПИСОК ЛИТЕРАТУРЫ
1 Кашьяп Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным / Р.Л. Кашьяп, А.Р. Рао. -М.: Наука, 1983. - 384 с.
2 Бокс Дж., Дженкинс Г.. Анализ временных рядов. Выпуск 1 / Дж. Бокс, Г. Дженкинс. - M.: Мир, 1974. - 407 с.
3 Бровцин В.Н., Судаченко В.Н., Мишанов А.П. Методология
почасового прогнозирования расхода электроэнергии на производство продукции / В.Н. Бровцин, В.Н. Судаченко, А.П. Мишанов // Технология и технические средства механизированного производства продукции растениеводства и животноводства: Сб. науч. тр. /
ГНУ СЗНИИМЭСХ Россельхозакадемии. - Вып. 80. - C. 216-233. -ISSN 0131-5226.
V.N. BROVTSYN, DSc (Engineering);
V.N. SUDACHENKO, Cand Sc (Engineering)
REGIONAL-LEVEL ESTIMATION TECHNIQUE OF ELECTRICITY CONSUMPTION ON DAIRY FARMS
The paper presents a dynamic model of electricity consumption in milk production. The model shows all the dairy farms in the region (district) as an integral whole and reflects in its parameters the development tendency of each farm and also the climatic conditions of production that allows receiving the feasible forecast of electrical inputs.
148
