авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Управление гибридными энергетическими системами с возобновляемыми источниками энергии

На правах рукописи

Май Нгок Тханг

УПРАВЛЕНИЕ ГИБРИДНЫМИ ЭНЕРГЕТИЧЕСКИМИ

СИСТЕМАМИ С ВОЗОБНОВЛЯЕМЫМИ ИСТОЧНИКАМИ

ЭНЕРГИИ

05.13.01 – Системный анализ, управление и обработка информации

(промышленность)

05.13.10 –Управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Волгоград – 2013

Работа выполнена на кафедре «Системы автоматизированного проектирования и поискового конструирования» в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Волгоградский государственный технический университет». (ФГБОУ ВПО «ВолгГТУ») доктор технических наук, профессор,

Научный руководитель Камаев Валерий Анатольевич.

кандидат технических наук, доцент

Научный консультант Щербаков Максим Владимирович.

Шевчук Валерий Петрович,

Официальные оппоненты:

доктор технических наук, профессор, филиал Национального исследовательского университета «Московский энергетический институт (ТУ)» в г. Волжском, главный научный сотрудник;

Скоробогатченко Дмитрий Анатольевич, доктор технических наук, доцент ФГБОУ ВПО «Волгоградский государственный архитектурно строительный университет».

Астраханский государственный

Ведущая организация университет.

Защита состоится 18 декабря 2013 в 10 часов на заседании диссертационного совета Д 212.028.04, созданного на базе Волгоградского государственного технического университета по адресу: 400005, г. Волгоград, пр. Ленина, 28, ауд. 209.

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.

Автореферат разослан 18 ноября 2013 г.

Ученый секретарь диссертационного совета Водопьянов Валентин Иванович.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования.

Повышение энергетической эффективности и необходимость ресурсосбережения являются актуальными проблемами в практически всех странах мира. Для решения этих проблем в последние годы разрабатывается новая энергетическая политика, основанная на использовании гибридных энергетических систем с возобновляемыми источниками энергии (HRES – Hybrid Renewable Energy System), в которых традиционные источники электроэнергии объединены с возобновляемыми (такими как солнечные панели, ветровые генераторы и другими). Подобные решения значительно влияют на социально-экономические факторы региона.

Данная концепция энергетического менеджмента способствует отчасти сокращению использования ископаемых источников энергии (нефти, газа), снижению стоимости электроэнергии и повышению эффективности энергетических систем за счет достижения баланса между потреблением и предложением электроэнергии. Это в свою очередь приводит к положительным эффектам в социально-экономической сфере (обеспечение снабжения электроэнергии в географически удаленных местах, снижение затрат на электроэнергию) и решает экологические проблемы (снижение выбросов углекислого газа).

Существующие на сегодня гибридные энергетические системы и алгоритмы управления ими недостаточно полно удовлетворяют требованиям эффективности по ряду причин. Во-первых, не учитывается стоимость электроэнергии, вырабатываемой различными поставщиками (источниками электроэнергии);

во-вторых, если электроэнергии, выработанной источниками возобновляемой энергии, недостаточно для потребителей, то используются внешние энергосети без учета тарифного плана электроэнергии и зачастую по невыгодной цене. Управление же энергетическими системами с возобновляемыми источниками энергии является сложной задачей, так как на функционирование системы влияют внешние воздействия (погодные условия) и внутренние факторы (тарифные планы, мощности нагрузки, состояния помещения). Качество решения данной проблемы зависит от имеющихся данных об энергетической системе (о потреблении и производстве электроэнергии) и от применяемых методов обработки информации и управления. В работах Ванга (Wang), Вичерта (Wichert), Родольфо (Rodolfo), Джереми (Jrmy) и других предлагаются отдельные решения по проектированию и управлению гибридными энергосистемами, однако в них не учитываются прогнозные значения факторов, что снижает эффективность применения подобных подходов.

Перспективным направлением исследований, способствующим повышению эффективности управления энергетическими системами с возобновляемыми источниками энергии, является разработка и внедрение систем автоматического управления энергопотоками на основе алгоритмов с прогнозирующими моделями потребления и производства электроэнергии.

Прогнозируя потребление и производство энергии, можно сформировать оптимальную стратегию переключения в системе между источниками электроэнергии, что приводит к минимизации затрат на электроэнергию.

Поэтому актуальной является задача управления энергопотоками в гибридной энергетической системе с возобновляемыми источниками энергии с использованием прогнозирующих моделей.

Цель и задачи работы Цель работы состоит в повышение эффективности управления гибридной энергетической системой с возобновляемыми источниками энергии за счет разработки метода управления электрическими потоками на основе прогнозирующих моделей. Для достижения поставленной цели необходимо решить следующие задачи.



1) Формализация гибридной энергетической системы с возобновляемыми источниками энергии с позиций социально-экономических аспектов, выявление характеристик, проблем и методов управления подобными системами.

2) Разработка моделей прогнозирования потребления и производства энергии в гибридных энергетических системах с возобновляемыми источниками энергии.

3) Разработка метода автоматического управления энергопотоками в гибридной энергетической системы с возобновляемыми источниками энергии на основе прогнозирующих моделей потребления и производства электроэнергии.

4) Обоснование эффективности предлагаемых подходов управления гибридной энергетической системой с возобновляемыми источниками энергии с использованием имитационного моделирования.

Объектом исследования является гибридная энергетическая система с возобновляемыми источниками энергии является управление гибридными Предметом исследования энергетическими системами с возобновляемыми источниками энергии.

Основные методы исследования. В диссертационной работе использованы методы системного анализа и обработки информации, теории автоматического управления, управления с прогнозирующими моделями, машинного обучения, математической статистики, оптимизации, проектирования автоматизированных систем.

Научная новизна работы. Разработан новый метод управления гибридной энергетической системой с возобновляемыми источниками энергии на основе прогнозирующих моделей, позволяющих повысить эффективность управления энергетическими потоками в системе и включающий в себя:

1) модель гибридной энергетической системы, отличающейся от известных тем, что наряду с характеристиками компонент энергосистемы учитывают и внешние погодные факторы;

2) новую сезонную авторгерессионную нейросетвую модель скользящего среднего прогнозирования потребления электроэнергии в гибридных энергосетях;

3) оригинальный метод формирования стратегии покупки электроэнергии, основанный на генетическом алгоритме, позволяющий оптимизировать процесс переключения между источниками электроэнергии в гибридной энергосистеме.

Практическая значимость работы. Диссертационные исследования выполнены в рамках актуального направления «Энергосбережение» по федеральному закону от 23.11.2009 N 261-ФЗ "Об энергосбережении и о повышении энергетической эффективности и о внесении изменений в отдельные законодательные акты Российской Федерации". Построена рациональная система управления энергетическими потоками в гибридной энергетической системе с использованием генетического алгоритма и моделей прогноза. Показано, что с использованием предложенного метода управления HRES, установленной на типовом объекте (многоэтажное здание) позволяет сократить затраты на электроэнергию до 13 %.

Апробация работы. Основные положения диссертации докладывались на смотре-конкурсе научных, конструкторских и технологических работ студентов ВолгГТУ (Волгоград, 2010), на пятой международной научно-практической конференции (Тольятти, 2011), на VIII всероссийской научно-практической конференции (Камышин, 2011), на XVI региональной конференции молодых исследователей Волгоградской области (Волгоград, 2011), на международной научной конференции молодых учёных в рамках программы "У.М.Н.И.К."(Астрахань,2011), на III международной научно-технической конференции в ФГАОУ ВПО "Южном федеральном университете" – ТРИС (Ростов, 2012), на международной научно-практической конференции «Инновационные информационные технологии» (Прага, Чехия, 2013), на XIV региональной конференции молодых исследователей Волгоградской области (Волгоград, 2009), на VI всероссийской научно-практической конференции (Камышин, 2009), на 3-ей всероссийской научной конференции «Нечёткие системы и мягкие вычисления (НСМВ-2009)»(Волгоград, 2009). По данной работе неоднократно получены дипломы конференций и конкурсов молодых ученых.





Публикации. По теме диссертации опубликовано 16 печатных работ, в том числе 4 публикаций в журналах, рекомендованных ВАК, 12 других публикаций. Получены 2 диплома и награды конкурсов работ молодых ученых, 1 удостоверение о повышении квалификации по программе «Энергосбережение и повышение энергетической эффективности в организациях и учреждениях бюджетной среды».

Структура и содержание диссертационной работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, содержащего наименований, и приложений. Работа содержит 124 страниц машинописного текста, 42 рисунка, 8 таблиц, 2 приложения.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, дана общая характеристика работы, определяются цель и задачи исследования, формулируется научная новизна и практическая ценность полученных результатов, приведена структура работы, основные положения, выносимые на защиту.

В первой главе выявлена проблема энергетического сбережения современного общества, рассмотрены вопросы формирования энергетических политик с использованием возобновляемых источников энергии, дана формализация здания как социально-экономического объекта потребителя/производителя электроэнергии, дано понятие гибридной энергетической системы с возобновляемыми источниками энергии (далее по тексту HRES) и выполнена формализация HRES.

Глобальное потепление и значительное увеличение цен на традиционные источники энергии становятся критической проблемой многих стран. В последние годы в связи с необходимостью борьбы за лучшую экологию, повышением энергоэффективности экономического развития, мировым развитием технологии в области энергетики требуется создание новой энергетической политики, основанной на использовании энергосистем с возобновляемыми источниками энергии. В конце 2007 г. за принятыми поправками к Федеральному закону «Об электроэнергетике», заложившим рамочные основы развития возобновляемых источников энергии, последовал ряд конкретизирующих документов, в том числе и ИСО 50001 - Системы менеджмента потребления энергии. Более того, в области исследований и внедрений энергосистем с возобновляемыми источниками энергии получают государственную поддержку с целью повышения эффективности энергосистем.

Для разработки метода управления HRES необходимо формализовать здание как социально-экономический объект потребляющий и производящий электроэнергию. Формально здание можно представить следующим образом:

ЗД = {Ш, Д}, ВР, ПУ, С, ПОТР, ПРО (1) где пара {Ш, Д} – географическая широта и долгота расположения здания, ВР – временный интервал между двумя считываниями значений сенсоров С, ПУ – множество погодных условий в месте нахождения здания (температура воздуха Т, солнечная радиация СР), С – множество сенсоров, установленных на здании, ПОТР – множество объектов потребителей электроэнергии, ПРО – множество объектов производителей электроэнергии.

ПУ = T, СР (2) Отметим, что потребление электроэнергии здания зависит от потребляющей мощности электрических приборов П и их графика работы Г, а производство электроэнергии зависит от количества солнечных панелей NСП, номинальной мощностью солнечных панелей НМСП и погодных условий ПУ.

ПОТР = {Пi, Гi} (3) где: Пi – потребляющая мощность электрического прибора i;

Гi – график работы i – го электрического прибора.

ПРО = {NСП, НМСП, ПУ} (4) Рассмотрим особенности HRES. Под гибридной энергетической системой с возобновляемыми источниками энергии будем понимать энергосистему, которая объединяет множество традиционных и возобновляемых источников энергии в единую энергосистему. В рамках настоящего исследования HRES включает следующие компоненты: солнечные панели, аккумуляторные батареи, инверторы, контроллеры и переключатель.

HRES классифицируются по различным отличительным признакам: по источникам электроэнергии, по технологическим конфигурациям (на основе постоянного, переменного тока). По источникам электроэнергии энергетические системы разделяются на системы без возобновляемых источников электроэнергии, автономные, соединенные с сетью гибридные системы. По технологическим конфигурациям гибридные энергетические системы разделяются на: системы на основе шины постоянного тока (DC), переменного тока (AC) и смешанного (AC/DC). Дипак (Deepak, 2009) и Туркаи (Trkay, 2011) проводили испытания и показали, что соединенные с сетью системы имеют более высокую возможность адаптации, чем автономные системы. Результаты анализа типов HRES показывают, что соединенные с сетью гибридные системы, основаны на шине постоянного тока, с солнечными панелями (СП) и блоком аккумуляторных батарей (АКБ) является наиболее целесообразным решением, так как системы имеют высокую экономическую эффективность и надежность.

Математическая модель HRES представляется следующим образом:

HRES = ПОТР, ПРО, ВР, {str} (5) где: {str} – множество управляющих воздействий (стратегия закупки).

Цель разработки метода управления HRES заключается в минимизации функции затрат J., характеризуемой затратами на электроэнергию в течения дня:

J = in=1 k i ( p iпотр p iпроиpв ) + in=1 S i k i E макс (6) где: – тарифный план электроэнергии в промежутке времени [i;

i+1] ki (руб./кВт·ч);

p iпотр – потребление электроэнергии в промежутке времени [i;

i+1](кВт·ч);

– производство электроэнергии в промежутке времени [i;

i+1] (кВт·ч);

p iпроиpв Si – состояния заряда АКБ Si в промежутке времени [i;

i+1] (%);

– максимальная электроемкость АКБ (кВт·ч или А·ч);

E макс n – количество наблюдений в течение дня.

Отметим, что в процессе функционирования HRES происходит покупка электроэнергии из сети для зарядки АКБ, либо продажа избыточной вырабатываемой электроэнергии в сеть. Следовательно, в формуле (6) необходимо учитывать управляющие воздействия str. Формулу (6) можно переписать следующим образом:

J = in=1 [ p iпотр p iпроиpв + S i E макс ] k i stri (7) Управляющие воздействия stri в моменте времени i определяется следующим образом:

- 1 при продаже электроэне ргии stri = 0 при использова нии собственно й электроэне ргии 1 при покупке электроэне ргии (8) Целью управления HRES является определение таких управляющих воздействий stri при условии, что состояние АКБ находится в диапазоне [30%,100%].

Во второй главе приведен обзор подходов управления гибридными энергетическими системами, выявлены преимущества и недостатки существующих подходов, показана эффективность управления с использованием модели прогнозирования потребления и производства электроэнергии, а также приведен обзор существующих методов прогнозирования потребления и производства электроэнергии, дана схема управления HRES.

Многие компании (Siemens, HOMER, Tendril, Opower, Vivint) разработали свою концепцию HRES с разными методами управления. В настоящее время существуют достаточно большое количество исследований в области управления HRES. Существующие подходы управления HRES можно разделить на 2 основные группы: управление в зависимости от текущих состояний HRES и управления по прогнозирующим моделям (Майков, 2010, Barley, 1996). В первой группе существуют три основных методов управления:

управление на основе правил (Wichert, Lawrance, 1999);

применение оптимальных алгоритмов управления (Rodolfo, 2005 и Juhari, 2007);

мультиагентные подходы (Jrmy, 2009 и Deconinck, 2008). Результаты проведения обзора показаны, что оптимизация процесса управления HRES на основе прогнозирующих моделей позволяет значительно уменьшать эксплуатационные расходы и повышать эффективность управления.

Для решения задачи прогнозирования потребления электроэнергии были рассмотрены следующие модели прогнозирования: наивная, простая средняя, нейросетевая модель на базе многослойной полно-связанной нейронной сети, регрессионная модель прогнозирования, авторегрессионная модель скользящего среднего (ARMA). Результаты анализа методов прогнозирования показали, что применение нейросетевой модели для прогнозирования потребления электроэнергии дает низкие ошибки по сравнению с другими методами.

В настоящее время многие страны переходят на использование тарифного плана электроэнергии по двум зонам (ночная, дневная зона) или по трем зонам суток (ночная, полупиковая, пиковая зона). Следовательно, разработка метода управления HRES на основе прогнозирующих моделей с учетом тарифного плана по разным зонам суток может повысить эффективность энергосистемы.

Схема системы управления HRES отображена на рисунке 1.

Входными данными является фактические данные о потреблении Рпотр, состояние здания ST (0 – не используется, 1 - используется), прогнозные значения W температуры и солнечной радиации, тарифный план электроэнергии К. Выходными данными является стратегия переключения str между источниками электроэнергии.

В третьей главе предложен метод управления HRES на основе прогнозирующих моделей, включающий в себя методы прогнозирования производства, потребления электроэнергии и метод формирования стратегии управления HRES.

Рисунок 1 – Схема системы управления HRES Прогнозирование производства электроэнергии в здании. Мощность, вырабатываемая электроэнергии солнечными панелями, зависит от температуры воздуха и солнечной радиации (Wang, 2006). Следовательно, вырабатываемую мощность электроэнергии Мпроиз можно определить через прогнозируемые данные о температуре TСП (оС) и солнечной радиации GСР (Вт):

G PСТ СР (1 + (TСП TСТ )) если GСР C = произв M (9) GСТ 0 GСР C если где: M произв – мощность, вырабатываемая СП (Вт);

PСТ – номинальная мощность СП в стандартных условиях (Standard Test Condition – STC), т. е. солнечная радиация 1000 Вт/м2, температура поверхности панелей – 25oС;

GСР – солнечная радиация (Вт/м2);

GСТ – солнечная радиация в стандартных условиях (1000 Вт/м2);

– температурный коэффициент (0С-1);

TСП – температура поверхности солнечной панели (0С);

TСТ – равна 25оС (температура – в стандартных условиях);

С – коэффициент производства энергии, который зависит от характеристики солнечной панели (Вт/м2).

Производство электроэнергии определяется на основе вырабатываемой мощности в моменте времени i по формуле:

= Mi t произ произв Рi (10) где t – временный интервал управления.

Прогнозирование потребления электроэнергии в здании. В этой процедуре предлагается сезонная авторгерессионная нейросетвая модель скользящего среднего (SeasonalAutoRegressive Moving Average, SARMA). В работе (Камаев, 2010) показано, что на потребление электроэнергии в момент времени t наибольшее влияние оказывает потребление электроэнергии в аналогичного типа зданий в этот же момент времени 1, 2, 3 и 4 недели назад. Следовательно, входными сигналами нейронной сети в момент t являются потребления электроэнергии в моменты времени t-n17, t-n27, t-n37, t-n47 (n – количество точек наблюдений в день), среднеквадратичное отклонение MSE на предыдущий день. Структура нейросетевой модели прогнозирования потребления электроэнергии показана на рисунке 2.

Рисунок 2 – Структура предлагаемой модели прогнозирования потребления электроэнергии Качество прогнозирования определяется классическими оценками определения точности модели: средняя абсолютная ошибка (MAE), среднеквадратичное отклонение (MSE).

Формирование стратегии управления HRES. В этой процедуре выполняется формировании стратегии управления (переключения между источниками электроэнергии) на основе прогнозируемых данных о потреблении и производстве электроэнергии. Стратегия управления представляет собой множество управляющих воздействий, принимающих значения: 1 при покупке электроэнергии из сети, -1 при продаже электроэнергии в сеть, 0 при использовании собственной электроэнергии.

В рамках диссертации предлагается метод формирования стратегии управления на основе правил с применением алгоритма оптимизации. Цель метода формирования стратегии управления заключается в минимизации целевой функции J. Процесс формирования стратегии управления HRES проводится на основе пятнадцатиминутных данных (соответственно 96 точек наблюдений в день) или на основе часовых данных (24 точки наблюдений). В качестве алгоритма оптимизации используется генетический алгоритм, так как его применение имеет большое преимущество при определении точки глобального минимума функции J, так как количество возможных решений велико (324 или 396) для вычисления другими методами.

В генетическом алгоритме стратегия управления HRES закодирована в виде вектора генов, где каждый ген представляет собой в виде числа - (продажа электроэнергии), 0 (использование собственной электроэнергии), (покупка электроэнергии). В данном случае предполагается, что генотип имеет длину 24 (для часового управления) или 96 (для пятнадцатиминутного управления). Для формирования оптимальной стратегии переключения между источниками электроэнергии предлагается следующий генетический алгоритм:

1) Задание целевой функции J для особей популяции;

2) Создание начальной популяции;

3) Если количество поколений i100, совершаются Размножение (скрещивание);

Мутирование;

Вычисление значений целевой функции для всех особей;

Формирование нового поколения.

4) Определение наилучшей особи.

В процессе определения оптимальной стратегии управления необходимо соблюдать множество правил (ограниченные условия). Множество правил cформулировано следующим образом:

покупка электроэнергии из сети для заряда АКБ не должна проводиться в пиковой зоне;

состояние заряда АКБ (State Of Charge - SOC) Si должна находиться в диапазоне [30%;

100%], так как оставление АКБ в состоянии глубокого разряда (Si30%) приводит к существенному снижению ёмкости АКБ;

изменение состояния заряда АКБ не должно превышать 10% в час;

электроэнергия, хранимая в АКБ, используется для потребления в пиковой зоне.

В четвертой главе описаны методика проведения и результаты экспериментов, оценка экономической эффективности применения метода управления HRES.

Методика проведения экспериментов. Для реализации метода оптимального управления HRES предлагается следующая методика проведения экспериментов.

4.1. Сбор и предварительный анализ данных. На этом этапе выполняются структуризация данных для выполнения анализа производства и потребления электроэнергии по сезонам, месяцам, неделям и отдельным дням недели;

исключение аномалий, восстановление пропусков в данных, кодирование категориальных переменных и нормализация.

4.2. Построение и настройка модели прогнозирования потребления и производства электроэнергии. На данном этапе осуществляется выбор типа модели, составление плана экспериментов испытания модели, параметрическая оптимизация модели, также выполняется построение и настройка многопараметрической модели прогнозирования потребления электроэнергии на основе предлагаемой модели и модели производства электроэнергии на основе прогнозирующих данных о погодных условиях.

4.3. Оценка результатов прогнозирования. На этом этапе выполняются:

оценка качества прогнозирования классическими оценками определения точности модели: средняя абсолютная ошибка (MAE), среднеквадратичное отклонение (MSE).

4.4. Разработка метода управления на основе прогнозирующих данных. На этом этапе выполняются следующие процедуры: выбор алгоритма оптимального управления (в данной диссертации – генетический алгоритм), оценка качества формирования стратегии управления определяется процентом сокращения затрат на электроэнергию по формуле:

J0 J f= 100% (11) J где: J0 – затраты без применения метода управления HRES;

J – затраты с применением метода управления HRES.

Затраты без применения метода управления определяется по формуле:

J 0 = in=1 ( piпотр piпроиpв Si E макс ) ki (12) При испытании метода управления были проведены два типа экспериментов:

эксперименты на модельной гибридной энергетической системе этажа офисного здания в среде моделирования PV-SOL в 2011г.

эксперименты на основе фактических пятнадцатиминутных данных о погодных условиях, потреблении и производстве электроэнергии, полученных от системы сбора информации, установленной в офисном здании EcoScada в городе Гиль (Бельгия) в течение двух лет (май 2011 – декабрь 2012);

Эксперимент на имитационной модели HRES этажа офисного здания.

Модель HRES этажа офисного здания реализуется в среде моделирования PV SOL. Входными данными модели являются географическая широта и долгота здания {Ш, Д}, погодные условия ПУ, потребляющая мощность электрических приборов П, график работы электрических приборов Г, количества солнечных панелей NСП и вырабатываемой мощности солнечной панели ВМСП (в испытании используются СП с вырабатываемой мощностью 200 Вт).

Выходными данными – профиль потребления и производства электроэнергии здания, стратегия управления HRES.

Испытание гибридной энергетической системы проводилось в течение произвольно выбранного дня 15.9.2011г. Значения модельных и прогнозируемых данных о потреблении электроэнергии для проведения испытания показаны на рисунке 3.

Рисунок 3 – Потребление электроэнергии этажа офисного здания (данные имитационного моделирования и прогнозные значения) Для определения оптимальной конфигурации HRES было проведено более 60 испытаний с разными конфигурациями системы (разными количествами установленных солнечных панелей и АКБ). Оценка экономической эффективности проектированной гибридной энергетической системы определяется по формуле:

J J E= (13) C где: С – стоимость разработанной HRES.

На рисунке 4 изображена поверхность коэффициентов экономической эффективности (ось Z) в зависимости от числа установленных солнечных панелей (ось Х) и максимальной емкости АКБ (ось Y). На поверхности определена точка, характеризующая оптимальную конфигурацию системы:

количество солнечных панелей - 110, максимальная емкость АКБ – 458 А.ч, номинальное напряжение АКБ – 24 В.

Рисунок 4 – Поверхность коэффициентов экономической эффективности с разными конфигурациями системы Значения модельных и прогнозируемых данных о производстве электроэнергии в точке экономической эффективности показаны на рисунке 5.

Рисунок 5 – Производство электроэнергии этажа офисного здания (данные имитационного моделирования и прогнозные значения) Эксперимент на основе фактических пятнадцатиминутных данных о погодных условиях в реальном здании в городе Гиль.

Испытание гибридной энергетической системы проводилось в течение произвольно выбранного дня 28.12.2011. Профиль потребления и производства электроэнергии здания в 28.12.2011 показан на рисунке 6.

Рисунок 6 –Потребление и производство электроэнергии здания в 28.12. Графики погодного условия, фактических и прогнозируемых данных о потреблении, производства электроэнергии в офисном здании в декабре 2011г показаны на рисунке 7.

Оценка экономической эффективности. Качество управления HRES оценивается согласно (7) до и после применения метода управления на основе правил и генетического алгоритма. Таблица 1 содержит информацию о результатах испытаний.

Таблица 1–Параметры построенной гибридной энергетической системы Имитационная Офисное здание (г. Офисное здание (г. модель этажа Экспериментальный объект Гиль, Бельгия) Гиль, Бельгия) офисного здания Тип данных фактические фактические модельные по правилам + генетический Алгоритм по правилам генетический алгоритм алгоритм Затраты без применения 16257 16257 метода (руб.) Затраты с применением 15248 14928 метода (руб.) Сокращение затрат (%) 6,21 8,17 13, В результате проведения испытаний на основе фактических данных и модели HRES разными методами показывается эффективность предложенного метода с применением генетическим алгоритмом. Созданная модель гибридной энергетической системы этажа офисного здания может использоваться для исследования и реализации реальной гибридной энергетической системой в будущее время.

а) Погодные условия б) Потребление электроэнергии в) Производство электроэнергии Рисунок 7 – Состояние HRES офисного здания (г. Гиль, Бельгия) в декабре 2011г В заключении обобщаются основные теоретические и практические результаты, полученные в диссертационной работе, выделяются возможные направления дальнейших исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ 1) Разработан уникальный метод управления электрическими потоками в гибридных энергетических системах с возобновляемыми источниками энергии, на основе прогнозирующих моделей, способствующий решению социально экономических проблем, в частности снижения затрат на потребление электроэнергии.

2) Предложена формализация системы управления гибридной энергетической системой с возобновляемыми источниками энергии, отличающаяся от известных тем, что наряду с характеристиками компонент энергосистемы учитываются и внешние погодные факторы.

3) Предложена классификация проблем управления гибридными энергетическими системами с возобновляемыми источниками энергии, на основе которой сделан вывод о необходимости использования управления с прогнозирующими моделями.

4) Предложена сезонная авторгерессионная нейросетвая модель скользящего среднего для прогнозирования потребления электроэнергии в гибридных интеллектуальных системах.

5) Предложенный метод управления гибридной энергетической системой на основе прогнозирующих моделей показал эффективность за счет экономии затрат на электроэнергию (для типового офисного здания), которая может достигать 13% по сравнению с существующей системой.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ 1. Мультиагентный метод управления энергопотоками в гибридной энергосистеме с возобновляемыми источниками энергии / Май Нгок Тханг, Камаев В.А., Щербаков М.В., Чинь Тхэ Хунг // Прикаспийский журнал:

управление и высокие технологии. - 2013. - № 2. - C. 30-41.

2. Обзор подходов к идентификации видов деятельности человека в задачах оптимизации потребления электроэнергии / Май Нгок Тханг, Камаев В.А., Щербаков М.В., Тюков А.П. // Известия ВолгГТУ. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». Вып. 14 : межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2012. - № (97). - C. 97-101.

3. Май Н.Т., Ха В.М., Камаев В.А. и др. Моделирование и оптимизация управления интеллектуальной гибридной энергосистемой с источниками возобновляемой энергии // Управление большими системам - 2013. - №46 - (в печати).

4. Управление гибридной энергосистемой на основе правил/ Май Нгок Тханг, Камаев В.А., Тхай Куанг Винь, М. В. Щербаков, Ха Ван Муон // Известия ВолгГТУ. Серия «Актуальные проблемы управления, вычислительной техники и информатики в технических системах». (принята к печати) 5. Май Нгок Тханг. Алгоритм распознавания жеста для управления умным домом / Май Нгок Тханг, Кизим А.В. // Тезисы докладов юбилейного смотра конкурса научных, конструкторских и технологических работ студентов ВолгГТУ, Волгоград, 11-14 мая 2010 г. / ВолгГТУ, Совет СНТО. - Волгоград, 2010. - C. 191.

6. Май Нгок Тханг. Гибридная интеллектуальная система прогнозирования энергопотребления / Май Нгок Тханг // Наука и творчество: взгляд молодых профессионалов : сб. ст. пятой междунар. науч.-практ. конф., 12-13 мая 2011 г. / ФГБОУ ВПО "Поволжский гос. ун-т сервиса". - Тольятти, 2011. - Ч. II. - C. 17-22.

7. Май Нгок Тханг. Применение гибридной интеллектуальной системы в прогнозировании энергопотребления / Май Нгок Тханг // Инновационные технологии в управлении, образовании, промышленности "АСТИНТЕХ – 2011" : матер.

междунар. науч. конф. молодых учёных в рамках программы "У.М.Н.И.К.".

Направление : Биотехнология. Информационные технологии (Астрахань, 17-19 мая 2011 г.) / Астраханский гос. ун-т [и др.]. - Астрахань, 2011. - C. 160-164.

8. Май Нгок Тханг. Интеллектуальная система управления гибридными энергосистемами с возобновляемыми источниками энергии / Май Нгок Тханг, Нгуен Тхань Вьет, Камаев В.А. // XVI региональная конференция молодых исследователей Волгоградской области, Волгоград, 8-11 ноября 2011 г. : тез. докл. / ВолгГТУ [и др.]. Волгоград, 2012. - C. 199-201.

9. Май Нгок Тханг. Гибридная интеллектуальная энергосистема / Май Нгок Тханг, Чинь Тхэ Хунг // Инновационные технологии в обучении и производстве :

матер. VIII всерос. науч.-практ. конф., г. Камышин, 23-25 нояб. 2011 г. В 3 т. Т. 3 / КТИ (филиал) ВолгГТУ. - Волгоград, 2012. - C. 25-27.

10. Май Нгок Тханг. Методика построения агента гибридной интеллектуальной энергосистемы / Май Нгок Тханг, Чинь Тхэ Хунг // Инновационные технологии в обучении и производстве : матер. VIII всерос. науч.-практ. конф., г. Камышин, 23- нояб. 2011 г. В 3 т. Т. 3 / КТИ (филиал) ВолгГТУ. - Волгоград, 2012. - C. 28-29.

11. Май Нгок Тханг. Методика построения гибридной интеллектуальной системы для прогнозирования энергопотребления / Май Нгок Тханг // Инновационные технологии в управлении, образовании, промышленности "АСТИНТЕХ – 2011" : матер. междунар. науч. конф. молодых учёных в рамках программы "У.М.Н.И.К.". Направление : Биотехнология. Информационные технологии (Астрахань, 17-19 мая 2011 г.) / Астраханский гос. ун-т [и др.]. Астрахань, 2011. - C. 164-167.

12. Методы автоматического прогнозирования в гибридных интеллектуальных системах управления энергосбережением / Шербаков М.В., Камаев В.А., Щербакова Н.Л., Май Нгок Тханг // Технологии разработки информационных систем ТРИС- : матер. III междунар. науч.-техн. конф., 9 сент. 2012 г. / ФГАОУ ВПО "Южный федеральный ун-т". - Ростов н/Д, 2012. - Т. 1. - C. 70-74.

13. Май Нгок Тханг. Система автоматического прогнозирования электропотребления в реальном времени / Май Нгок Тханг, Чинь Тхэ Хунг // Инновационные технологии в обучении и производстве : матер. VIII всерос. науч. практ. конф., г. Камышин, 23-25 нояб. 2011 г. В 3 т. Т. 3 / КТИ (филиал) ВолгГТУ. Волгоград, 2012. - C. 30-31.

14. Май Нгок Тханг. Оптимизация управления энергопотоками в гибридной энергосистеме с возобновляемыми источниками энергии / Май Нгок Тханг // Инновационные информационные технологии : матер. междунар. науч.-практ. конф., г. Прага, Чехия, 22-26 апр. 2013 г. В 4 т. Т. 4 / МИЭМ НИУ ВШЭ [и др.]. - М., 2013. C. 156-160.

15.. Автоматизация управления гибридной энергосистемы генетическим алгоритмом [Электронный ресурс] : доклад / Май Н.Т., Камаев В.А., Тхай К.В., Щербаков М.В., Ха В.М. // Научные исследования и их практическое применение.

Современное состояние и пути развития ’2013 : докл. на междунар. науч.-практ.

Интернет-конф. (3 – 15 окт. 2013 г.) / Проект SWorld. – С. 1-10. – Режим доступа :

http://www.sworld.com.ua/index.php/ru/technical-sciences-313/informatics-computer science-and-automation-313/19375-313-0114.

16. Автоматизация управления гибридной энергосистемы генетическим алгоритмом / Май Нгок Тханг, Камаев В.А., Тхай К.В., Щербаков М.В., Ха В.М. // Сборник науч. тр. SWorld : матер. междунар. науч.-практ. конф. «Научные исследования и их практическое применение. Современное состояние и пути развития ‘2013» (1-12 окт. 2013 г.). - 2013. - Вып. 3, т. 5. - C. 3-9.



 

Похожие работы:





 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.