Полный текст

Введение. Современные крупные офисные здания используют большое количество ресурсов, таких как тепло, холодная и горячая вода, а также электрическая энергия, которая является основным затрачиваемым энергоресурсом и используется на освещение, работу оргтехники, систем вентиляции и кондиционирования. Встроенные системы учета потребления электрической энергии таких зданий имеют достаточно простую структурную организацию, включающую в себя аналоговые и цифровые счетчики различных производителей, установленные на укрупненных группах потребителей [5]. Такая система учета не позволяет производить качественный анализ энергопотребления, а также производить мероприятия по его снижению [4]. Для повышения энергоэффективности офисных зданий необходимо внедрение системы автоматического учета энергоресурсов [1], способной работать с большим количеством производителей учетного оборудования, имеющей возможность ручного ввода данных и экспорта из смежных систем. Внедрение такой системы позволит производить более внутренний биллинг и качественный анализ потребления, которые способствуют оперативному принятию решений по оптимизации. Обладая большим объемом данных и результатов его анализа, предприятие может более точно прогнозировать расход электроэнергии [3]. 1. Обзор автоматических систем коммерческого учета энергопотребления. Рассмотрим упрощенную схему структурной организации типовой системы автоматического учета энергопотребления. Основой системы является сервер, позволяющий собирать, хранить и обрабатывать данные [30-31]. К данному серверу через маршрутизаторы посредством различных проводных и беспроводных технологий связи подключаются концентраторы, установленные на объектах и объединяющие в группы устройства сбора данных [6]. Также к серверу подключаются рабочие станции, представляющие из себя персональные компьютеры с установленным программным обеспечением используемой АСКУЭ. Для малых предприятий, использующих всего одну рабочую станцию, эта же станция может являться сервером [2]. Устройство учета Устройство учета Устройство учета Устройство учета Устройство учета Концентратор Концентратор Концентратор Сервер АСКУЭ GSM/GPRS PLC/Ethernet маршрутизатор Рабочая станция Рабочая станция Рабочая станция Рис. 1. Упрощенная схема структурной организации АСКУЭ Большинство существующих систем автоматического учета энергопотребления организовано согласно приведенной структуре [7]. Рассмотрим наиболее распространенные продукты, представленные на рынке, и сравним их, используя данные экспертных оценок. Просуммировав полученные от экспертов баллы, проведем ранжирование систем и выберем наиболее подходящую для реализации энергомониторинга офисного здания. Результаты сравнения представлены в табл. 1. Таблица 1 Сравнительный анализ систем АСКУЭ Параметры Наименование ГИС ТБН «Энерго» ЕАСДКиУ RDM Энерго-контроль I-ems Simatic 1С Каскад АСКУЭ Энергоучет Марсел Энергия Тип ПО 1 1 1 1 2 0 0 1 1 1 Необходимость стороннего ПО 2 2 2 2 1 1 0 2 2 1 Поддерживаемые производители 2 1 0 2 2 2 2 2 1 1 Стандарты связи 2 2 2 1 1 1 1 1 2 0 Учитываемые энергоресурсы 2 0 0 2 2 2 1 0 0 0 Учитываемые параметры 2 2 2 0 0 2 2 0 0 0 Ручной ввод 0 0 0 0 0 2 2 1 0 0 Многотарифный учет 0 2 0 0 2 0 0 2 0 0 Прогноз 0 0 0 0 0 1 1 1 0 0 Вывод данных в отчеты 2 2 2 2 2 1 2 2 2 1 Диагностика устройств учета 2 1 2 1 0 2 0 0 0 1 Удаленное управление 2 2 2 2 0 2 0 0 0 0 Фиксация действий персонала 2 1 1 1 1 0 1 0 0 0 Автоматический расчет 1 2 2 1 2 0 1 0 2 0 Система документооборота 1 0 0 0 1 0 2 1 0 0 Автоматическая рассылка 0 2 1 0 1 0 1 0 1 0 Открытость кода 0 0 0 2 0 0 0 1 0 1 Сумма баллов 21 20 17 17 17 16 16 14 11 6 Баллы в данной таблице расставлялись следующим образом: 2 балла - функция выполняется в полной мере, 1 балл - выполняется лишь часть функции и 0 баллов - если функция не выполняется совсем или выполняется незначительная ее часть. При выставлении баллов по типу программного обеспечения 2 балла выставлялись модульным и блочным ПО, поскольку именно эти типы являются наиболее прогрессивными на данный момент благодаря тому, что позволяют производить постепенную интеграцию, подбирать комплект необходимых функций для каждого конкретного предприятия и расширять функционал по мере необходимости [29]. Один балл ставился самостоятельным ПО, не требующим базового программного обеспечения для установки. И ноль баллов ставилось интегрируемым системам, требующим стороннего ПО для установки и работы. В результате сравнения систем автоматического учета с использованием метода «ранжирование» было выявлено, что наиболее функциональной системой на данный момент на рынке является ГИС ТБН «Энерго», однако и она, несмотря на большой функционал, не способна в полной мере удовлетворить потребности отдельных предприятий [28]. Так, система не позволяет производить ручной ввод данных, что исключает возможность постепенной интеграции. Система не способна организовать потарифный расчет, что не позволяет снизить затраты на электропотребление без изменения его количества. Также система не обладает никаким функционалом по прогнозированию электропотребления и не способна осуществлять автоматическое уведомление заинтересованных лиц. Рассмотрев наиболее популярные АСКУЭ на рынке, можно заключить, что каждая из систем имеет ряд недостатков и подходит ограниченному количеству предприятий [27]. Компании-разработчики, хотя и стараются унифицировать свои системы и расширить функционал, пока не могут обеспечить всех потребностей большинства предприятий. Для решения этого вопроса система должна быть модульной, что не только сделает ее более доступной и позволит производить внедрение постепенно, но и даст возможность предприятиям подбирать необходимый функционал под конкретные нужды [8]. Наиболее удобным будет разделить функционал по категориям, таким как прогностический модуль, модуль учета, модуль удаленного управления, модуль документооборота, модуль контроля качества и т.д. По итогу модульная система должна быть способна формировать единое информационное пространство [9]. Помимо этого необходимы максимальное расширение доступных для считывания и управления устройств, а также реализация функционала по ручному внесению данных для конкретных устройств, что позволит предприятиям производить постепенную интеграцию АСКУЭ [10]. Система должна быть легко масштабируема и способна получать данные, как по проводным, так и по беспроводным технологиям без потери качества получаемых данных. Система должна давать возможности получать данные, автоматически их анализировать и выдавать прогнозы, а также оптимизировать потребление энергоресурсов [11]. Необходимо наличие модуля контроля качества потребляемых ресурсов, а также уведомлять о нештатных ситуациях, как оператора, так и определенный круг лиц предприятия не только по электронной почте, но и помощью СМС либо автоинфоратора [12]. Это позволит повысить надёжность системы и оперативность реагирования. При этом должен быть реализован функционал в области документооборота и контроля за действиями сотрудников [13]. Это значительно упростит движение документов как внутри, так и за пределами предприятия [14]. На данный момент рынок не располагает системой, отвечающей этим требованиям. 2. Статистический анализ данных электропотребления. В результате суточного мониторинга имеем данные о потреблении за сутки, собранные с интервалом в 30 минут. Полученные данные представим в виде ряда распределения и проранжируем, отсортировав по возрастанию для удобства расчетов (рис. 2). кВт×ч Рис. 2. График суточного электропотребления офисного здания Найдем показатели центра распределения, такие как простое среднее, мода и медиана [15]. Для начала найдем простое среднее арифметическое, для этого просуммируем значения и разделим на их количество: Далее найдем моду нашего ряда. В результате оценки получаем два значения, встречающиеся с одинаковой наибольшей частотой [26]. Исходя из полученных результатов, можно заключить, что ряд является мультимодальным и не подчиняется закону нормального распределения [16]. Медиана служит хорошей характеристикой при ассиметричном распределении данных, так как даже при наличии «выбросов» данных медиана более устойчива к воздействию отклоняющихся данных. Поскольку количество значений ряда является четным, необходимо взять два центральных значения проранжированного ряда и найти их среднее значение: (750,400 + 950,300)/2 = 850,35 кВт×ч. Также необходимо найти показатели вариации, такие как размах вариации, дисперсия, среднее линейное отклонение и т.д. [25]. Размах вариации находится как разность между максимальным и минимальным значениями ряда: R = xmax - xmin = 2872,800 - 167,300 = 2705,5 кВт×ч. Среднее линейное отклонение вычисляют для того, чтобы учесть различия всех единиц исследуемой совокупности: Следовательно, каждое значение ряда отличается от другого в среднем на 1109,88 кВт·ч. Дисперсия характеризует меру отклонения от среднего значения. Расчет будем производить методом моментов: В таком случае среднее квадратическое отклонение определяется как Из чего следует, что каждое значение ряда отличается от среднего значения 1319,3 кВт·ч в среднем на 1158,16 кВт·ч. Коэффициент вариации является мерой относительного разброса значений совокупности, показывая, какую долю среднего значения этой величины составляет ее средний разброс [24]: Поскольку v > 70 %, то совокупность приближается к грани неоднородности, а вариация сильная [23]. Коэффициент вариации значительно больше 33 %. Следовательно, рассмотренная совокупность неоднородна и средняя для нее недостаточна типична. Линейный коэффициент вариации или относительное линейное отклонение характеризует долю усредненного значения признака абсолютных отклонений от средней величины: Наиболее точным и распространенным показателем асимметрии является моментный коэффициент асимметрии: As = M3/s3, где M3 - центральный момент третьего порядка, s - среднеквадратическое отклонение, M3 = 187644929197,4/48 = 3909269358,28, Получившееся значение является положительным, что указывает на наличие правосторонней асимметрии [22]. Оценка существенности показателя асимметрии дается с помощью средней квадратической ошибки коэффициента асимметрии: Исходя из полученных результатов, можем сделать вывод, что в ряду наблюдается существенная асимметрия, поскольку полученное значение значительно больше 3. 3. Оценка влияния факторов на электропотребление. В результате проведения статистического анализа данных удалось выяснить, что данные электропотребления не подчиняются закону нормального распределения, следовательно, нет возможности произвести качественную оценку и построить точный прогноз электропотребления [17]. Для более качественного анализа были выделены основные факторы, влияющие на электропотребление. Организация имеет нерегулируемое центральное отопление, системы индивидуального кондиционирования, а также центрального и индивидуального освещения [18]. В связи с этим нами были выбраны следующие основные факторы: средняя температура воздуха на улице, средняя продолжительность светового дня, отопительный период, а также среднее количество человек, работающих в день, в течение месяца [19]. По итогам мониторинга, длящегося в течение года, получили следующие данные, представленные в табл. 2. Таблица 2 Данные, полученные в результате мониторинга Параметр Январь Февраль Март Апрель Май Июнь Июль Август Сентябрь Октябрь Ноябрь Декабрь Электропотребление, кВт×ч 186808 160339 141634 97250 56985 35941 22192 43904 58684 122035 173193 211063 Отопительный период, дни 31 29 31 28 0 0 0 0 5 31 30 31 Персонал, чел 425,1 427,5 426,8 427,2 427 425 422 424 418,3 421,2 423,5 427 Средняя температура воздуха, ͦ С -12,92 -6,84 -2,24 -6,23 13,09 16 18,3 20,5 11,4 -1,2 -9,15 -12,71 Средняя продолжительность светового дня, ч 7,16 9,2 11,47 14,2 16,41 18,03 17,24 15,2 12,52 10,21 8 6,36 Для оценки влияния каждого фактора на электропотребление построим уравнение множественной регрессии, поскольку 4 фактора. Линейное уравнение множественной регрессии имеет следующий вид: Y = β0 + β1X1 + β2X2 + ... + βmXm + ε, где β0 - свободный член, βn - значения коэффициентов влияния каждого конкретного фактора на конечный результат, Xn - количественное значение фактора. В результате получаем уравнение регрессии: Y = -1341024,7002 + 110,5904X1 + 3638,9134X2 - - 2518,0966X3 - 7304,7214X4. Для оценки качества получившегося уравнения произведем расчеты для каждого месяца, вычислим отклонение в процентах. Результаты расчета представлены в табл. 3. Таблица 3 Результаты расчетов Месяц Фактическое электропотребление, кВт·ч Расчетное электропотребление, кВт·ч Отклонение, кВт·ч Отклонение, % Январь 186808 189573,69 2729,69 1,46 Февраль 160339 167838,34 7499,24 4,67 Март 141634 137347,22 4286,77 3,02 Апрель 97250 97200,84 49,15 0,05 Май 56985 59958,95 2973,95 5,21 Июнь 35941 33519,82 2421,17 6,73 Июль 22192 22582,19 390,19 1,76 Август 43904 39211,83 4682,16 7,79 Сентябрь 58684 61524,31 2840,31 4,84 Октябрь 122035 123554,43 1519,44 1,24 Ноябрь 173193 167975,65 5217,35 3,01 Декабрь 211063 201766,60 9296,39 4,40 Данные фактического и расчетного электропотребления также представлены в виде графика на рис. 3. кВт×ч Фактическое электропотребление, кВт×ч Расчетное электропотребление, кВт×ч Рис. 3. График фактического и расчетного электропотребления В результате оценки видно, что отклонение расчетного электропотребления от фактического в пиковых значениях не превышает 7,8 %, а среднее отклонение равно 3,68 %, что является хорошим показателем точности модели. Благодаря высокой точности модели, зная значения коэффициентов, можно построить достаточно точный прогноз [20]. Выводы. Электропотребление представляет собой специфическую функцию, не подчиняющуюся законам нормального распределения и обладающую значительной асимметрией, что свидетельствует о невозможности применения стандартных статистических методов для оценки и прогнозирования электропотребления. Электропотребление зависит от многих факторов, учесть влияние которых позволяет уравнение множественной регрессии. Благодаря полученному уравнению мы можем строить прогноз с точностью 3,68 %. Современный рынок предлагает значительное количество систем автоматического учета энергоресурсов. Существующие системы обладают большим функционалом не только в области учета, но и в области оценки качества потребляемого ресурса, SCADA-систем, а также в области электронного документооборота и прогнозирования [21]. На сегодняшний день рынок хотя и располагает перспективными системами учета, однако не способен удовлетворить все индивидуальные потребности предприятия.

Об авторах

А. В Кычкин

Пермский национальный исследовательский политехнический университет

Email: aleksey.kychkin@gmail.com

К. А Борковец

Пермский национальный исследовательский политехнический университет

Email: borkovezkirill@mail.ru

Н. А Ежова

ОАО «Межрегиональная распределительная сетевая компания Урала»

Email: ezhova@beres.permenergo.ru

Список литературы

Статистика

Просмотры

Аннотация - 27

PDF (Russian) - 15

Ссылки

• Ссылки не определены.