Методика прогнозирования нагрузки в электроэнергетических системах: алгоритм эффективного управления

АКТУАЛЬНОСТЬ исследования заключается в оперативном прогнозировании электрических нагрузок как для технических, так и для экономических аспектов работы энергосистемы. Своевременный анализ предстоящих нагрузок позволяет определить наиболее эффективный режим функционирования системы, что напрямую влияет на показатели всего электротехнического комплекса при работе на энергетическом рынке. ЦЕЛЬ. Повысить точность прогнозирования потребления электроэнергии в электротехническом комплексе сетевой компании, обеспечивающий меньшую погрешность по сравнению с действующими методами. МЕТОДЫ. Для достижения цели был применён итерационный метод: в среде Microsoft Excel организован последовательный перебор и проверка существующих способов прогнозирования. РЕЗУЛЬТАТЫ. Разработана методология прогнозирования энергопотребления электрохозяйством энергетической организации. Предельная ошибка предложенной методологии составила всего 2,53%. Был разработан пошаговый алгоритм вычисления планируемого объема электропотребления клиентами, обеспечивающий последовательное выполнение операций для формирования комплексного прогноза. ЗАКЛЮЧЕНИЕ. Важным элементом работы стал алгоритм расчета предполагаемого объема потребления электроэнергии абонентами. Данный алгоритм представляет собой детально проработанную последовательность действий, необходимых для реализации комбинированного метода прогнозирования, а также обеспечивает системный подход к оценке будущего потребления электроэнергии, достигая высокой степени детализации, что позволяет осуществлять расчеты без использования специализированного программного обеспечения, применяя только базовые инженерные методы вычислений.

1. Бончук И.А., Ерохин П.М. Оперативное прогнозирование потребления мощности в изолированных энергосистемах // Электричество. 2022. №. 1. С. 24-34.

2. Моттаева А.Б. Актуальные тренды и перспективы развития энергетики в России // Вестник Сургутского государственного университета. 2024. Т. 12. №. 4. С. 77-91.

3. Полуянович Н.К., Дубяго М.Н. Оценка воздействующих факторов и прогнозирование электропотребления в региональной энергосистеме с учетом режима ее эксплуатации // Известия Южного федерального университета. Технические науки. 2022. №. 2 (226). С. 31-46.

4. Солуянов Ю.И., Федотов А.И., Ахметшин А.Р. и др. Определение расчетных электрических нагрузок зарядной инфраструктуры для электромобилей, интегрированной в электрические установки жилых и общественных зданий // Известия высших учебных заведений. Проблемы энергетики. 2024. Т. 26. № 6. С. 94-107.

5. Kapp S., Choi J.K., Hong T. Predicting industrial building energy consumption with statistical and machine-learning models informed by physical system parameters // Renewable and Sustainable Energy Reviews. 2023. Т. 172. pp. 113.

6. Федотов А.И., Ахметшин А.Р., Федотов Е.А. и др. Суммирование электрических нагрузок жилых и общественных зданий жилого комплекса // Известия высших учебных заведений. Проблемы энергетики. 2025. Т. 27, № 2. С. 76-89.

7. Булатов Ю.Н. Крюков А.В., Суслов К.В. Исследование режимов работы изолированной системы электроснабжения с управляемыми установками распределенной генерации, накопителями электроэнергии и двигательной нагрузкой // Известия высших учебных заведений. Проблемы энергетики. 2021. Т. 23, № 5. С. 184-194.

8. Peng L., Wang L., Xia D., et al. Effective energy consumption forecasting using empirical wavelet transform and long short-term memory // Energy. 2022. Т. 238. pp. 121.

9. Ghazal T.M. Energy demand forecasting using fused machine learning approaches // Intelligent Automation & Soft Computing. 2022. Т. 31. №. 1. pp. 539-553.

10. Mounir N., Ouadi H., Jrhilifa I. Short-term electric load forecasting using an EMD-BI-LSTM approach for smart grid energy management system // Energy and Buildings. 2023. Т. 288. pp. 113-122.

11. Кокшаров В.А. Концептуальный подход к реализации стратегии эффективного использования энергетических ресурсов на промышленном предприятии // Инновации и инвестиции. 2021. №. 7. С. 60-64.

12. Ванин А.С., Иванов Т.Ю. Исследование задачи краткосрочного прогнозирования графика нагрузки электроэнергетической системы //Актуальные проблемы науки и техники. 2022. С. 353-354.

13. Гужов С.В. О прогнозировании спроса на электроэнергию энергосистемами регионов российской федерации с применением искусственных нейронных сетей // Известия Транссиба. 2020. №. 1 (41). С. 133-140.

14. Хомутов С.О., Серебряков Н.А. Создание нейросетевой математической модели краткосрочного прогнозирования электропотребления электротехнического комплекса участка районных электрических сетей 6-35 кВ // Инновационные транспортные системы и технологии. 2020. Т. 6. №. 1. С. 80-91.

15. Brito T.C., Brito M.A. Forecasting of energy consumption: Artificial intelligence methods // 2022 17th Iberian Conference on Information Systems and Technologies (CISTI). IEEE, 2022. pp. 1-4.

16. Батуева Д.Е. Прогноз энергопотребления в условиях изменяющегося климата // Нефтяная столица. 2020. С. 236-239.

17. Kim D.Y., Kim Y.H., Kim B.S. Changes in wind turbine power characteristics and annual energy production due to atmospheric stability, turbulence intensity, and wind shear // Energy. 2021. Т. 214. pp. 119.

18. Блохин А.В. Влияние временных и климатических факторов на потребление электроэнергии // Информационные технологии в науке и производстве. 2022. С. 42-50.

19. Русина А.Г. Прогнозирование суточного графика электропотребления рабочих дней с учетом метеофакторов для центральной энергосистемы Монголии // Известия высших учебных заведений. Проблемы энергетики. 2022. Т. 24. №. 2. С. 98-107.