Разработка и сравнительный анализ математических моделей функционирования региональной энергосистемы Самарской области

Обложка

Цитировать

Полный текст

Аннотация

Системные исследования деятельности региональной энергосистемы с целью повышения эффективности управления энергетическим комплексом с учетом вклада используемых ресурсов принципиально невозможны без совершенствования математических моделей и методов их идентификации на основе статистических данных.
В статье приводятся результаты анализа известного математического описания функционирования региональной энергосистемы, на основе которого отмечаются существенные недостатки, негативно влияющие как на достоверность оценок основных показателей эффективности энергетического комплекса, так и на точность прогноза, сделанного на основе построенной модели.
В работе рассматриваются и систематизируются по трем основным группам как различные трехфакторные регрессионные модели, так и ковариационно-стационарные модели временных рядов на основе линейной и нелинейной регрессии. Описаны алгоритмы численных методов среднеквадратического оценивания параметров этих моделей на основе результатов наблюдений. Приведены результаты математического моделирования динамики выпуска продукции энергосистемы на основе статистических данных, публикуемых в ежегодной отчетности региональных министерств и энергетических компаний. Проведен статистический анализ полученных результатов. Сравнительный анализ разработанных математических моделей на основе оценки погрешности прогноза позволил выбрать из рассматриваемой совокупности моделей наиболее эффективную математическую модель с минимальной ошибкой прогноза на период времени от одного года до пяти лет.

Об авторах

Владимир Евгеньевич Зотеев

Самарский государственный технический университет

Email: zoteev.ve@samgtu.ru
ORCID iD: 0000-0001-7114-4894
SPIN-код: 8547-1223
Scopus Author ID: 16456013300
ResearcherId: D-8245-2014
http://www.mathnet.ru/person38585

доктор технических наук, доцент; профессор; каф. прикладной математики и информатики

Россия, 443100, Самара, ул. Молодогвардейская, 244

Ляйсан Акзамовна Сагитова

Самарский государственный технический университет

Email: l0410@mail.ru
ORCID iD: 0000-0002-0833-983X
SPIN-код: 5588-4106
https://www.mathnet.ru/person213377

старший преподаватель; каф. теплогазоснабжения и вентиляции

Россия, 443100, Самара, ул. Молодогвардейская, 244

Анна Александровна Гаврилова

Самарский государственный технический университет

Автор, ответственный за переписку.
Email: a.a.gavrilova@mail.ru
ORCID iD: 0000-0001-6598-6518
https://www.mathnet.ru/person41413

кандидат технических наук, доцент; доцент; каф. управления и системного анализ теплоэнергетических и социотехнических комплексов

Россия, 443100, Самара, ул. Молодогвардейская, 244

Список литературы

  1. Гаврилова А. А., Цапенко М. В. Синтез математических моделей региональной энергосистемы как многомерных производственных функций // Вестн. Сам. гос. техн. ун-та. Сер. Техн. науки, 2002. №14. С. 126–192.
  2. Колмыков Д. С., Гаврилова А. А. Модельный анализ эффективности функционирования региональных энергопроизводств / Труды Третьей Всероссийской научной конференции (29–31 мая 2006 г.). Часть 2: Моделирование и оптимизация динамических систем и систем с распределенными параметрами / Матем. моделирование и краев. задачи. Самара: СамГТУ, 2006. С. 93–96.
  3. Дилигенский Н. В., Гаврилова А. А., Салов А. Г., Гаврилов В. К. Модельный анализ эффективности совместного производства тепловой и электрической энергии региональной энергосистемой // Изв. высш. учебн. завед. Северо-Кавказск. регион. Техн. науки, 2008. №5. С. 37–40. EDN: JUPXNJ.
  4. Салов А. Г., Гаврилова А. А. Системный анализ и моделирование деятельности энергетических генерирующих предприятий с целью оценки эффективности их функционирования в условиях становления рыночных отношений // Вестн. Саратов. гос. техн. ун-та, 2008. Т. 1, №1. С. 86–91. EDN: JUIJHL.
  5. Салов А. Г., Гаврилова А. А., Иванова Д. В. Исследование экономических характеристик регионального промышленного комплекса методами статистического и модельного анализа // Научное обозрение, 2015. №15. С. 327–332. EDN: UXSICN.
  6. Салов А. Г., Гаврилова А. А., Князев П. А., Круглов В. А. Имитационное моделирование деятельности генерирующего комплекса на основе трехфакторной производственной функции // Градостроительство и архитектура, 2016. №3. С. 140–145. EDN: WWOJDJ. DOI: https://doi.org/10.17673/Vestnik.2016.03.23.
  7. Ivanova D. V., Salov A. G., Gavrilova A. A. Control algorithms development for manufacturing and economic systems activity // J. Phys.: Conf. Ser., 2018. vol. 1111, 012073. EDN: VZIFDX. DOI: https://doi.org/10.1088/1742-6596/1111/1/012073.
  8. Гаврилова А. А., Салов А. Г. Системная методология анализа и моделирования энергоэффективности генерирующих компаний. Самара: Научно-технический центр, 2021. 277 с. EDN: ZZZXNK.
  9. Абрамов А. П., Бессонов В. А., Никифоров Л. Т., Свириденко К. С. Исследование динамики макроэкономических показателей методом производственных функций. М.: ВЦ АН СССР, 1987. 62 с.
  10. Замков О. О., Толстопятенко А. В., Черемных Ю. Н. Математические методы в экономике. М.: МГУ, 1997. 368 с.
  11. Зотеев В. Е., Башкинова Е. В., Староквашева П. В. Математическое моделирование функционирования энергетической системы Самарской области / Перспективные информационные технологии (ПИТ 2020): Труды Международной научно-технической конференции. Самара: Сам. научн. центр РАН, 2020. С. 361–365. EDN: KVSGXT.
  12. Вучков И., Бояджиева Л., Солаков О. Прикладной линейный регрессионный анализ. М.: Финансы и статистика, 1987. 238 с.
  13. Draper N. R., Smith H. Applied Regression Analysis / Wiley Series in Probability and Statistics. New York: John Wiley and Sons, 1998. xvii+706 pp. DOI: https://doi.org/10.1002/9781118625590.
  14. Демиденко Е. З. Линейная и нелинейная регрессии. М.: Финансы и статистика, 1981. 302 с.
  15. Seber G. A. F., Lee A. J. Linear Regression Analysis / Wiley Series in Probability and Statistics. Hoboken, NJ: Wiley, 2003. xvi+557 pp.
  16. Box G. E. P., Jenkins G. M.; Reinsel G. C., Ljung G. M. Time Series Analysis. Forecasting and Control / Wiley Series in Probability and Statistics. Hoboken, NJ: John Wiley and Sons, 2016. 712 pp.
  17. Anderson T. W. The Statistical Analysis of Time Series / Wiley Classics Library. Chichester: John Wiley and Sons, 1994. xiv+704 pp.
  18. Kendall M. G., Stuart A. The Advanced Theory of Statistics. vol. 3: Design and Analysis, and Time-Series. London: Charles Griffin, 1976. x+585 pp.
  19. Otnes R. K., Enochson L. Applied Time Series Analysis. vol. 1: Basic Techniques. New York: John Wiley and Sons, 1978. xiv+449 pp.
  20. Kashyap R. L., Ramachandra Rao A. Dynamic Stochastic Models from Empirical Data / Mathematics in Science and Engineering. vol. 122. New York: Academic Press, 1976. xvi+334 pp. DOI: https://doi.org/10.1016/s0076-5392(08)x6016-3.
  21. Durbin J., Watson G. S Testing for serial correlation in least squares regression: I // Biometrika, 1950. vol. 37, no. 3/4. pp. 409–428. DOI: https://doi.org/10.2307/2332391.
  22. Грановский В. А., Сирая Т. Н. Методы обработки экспериментальных данных при измерениях. Л.: Энергоатомиздат, 1990. 288 с.
  23. Зотеев В. Е. Численный метод нелинейного оценивания на основе разностных уравнений // Вестн. Сам. гос. техн. ун-та. Сер. Физ.-мат. науки, 2018. Т. 22, №4. С. 669–701.EDN: YSDYZN. DOI: https://doi.org/10.14498/vsgtu1643.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Графики функций, описывающих динамику выпуска продукции энергопроизводств: точки — статистические данные выпуска продукции; сплошная линия — данные на основе моделей 4 и 5 (формулы (10) и (11)); штриховая линия — данные на основе моделей 6–9 (формулы (19)–(22))

Скачать (102KB)
3. Рис. 2. Относительная ошибка прогноза $\delta$ (%) и относительная предельная ошибка прогноза $\Delta$ (%) объемов производства в отраслях энергетики, рассчитанных по моделям 2 и 7

Скачать (240KB)

© Авторский коллектив; Самарский государственный технический университет (составление, дизайн, макет), 2024

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».