Registration Number
0825U002414, PhD dissertation
Status
Доктор філософії
Date
03-07-2025
popup.evolution
.
Title
Forecasting and Optimization of Operating Modes of Power Supply Systems with Distributed Generation
Author
Vadim V. Lyubartsev,
popup.head Yurii L. Saenko
popup.head Yurii A. Papaika
popup.opponent Mykhailo I. Kotsur
popup.opponent Petro D. Lezhnuk
popup.review Yevhenii V. Koshelenko
popup.review Ivan M. Lutsenko
popup.rada
Dnipro University of Technology
Description
Робота присвячена розробці методів прогнозування режимів роботи мережі з розподіленою генерацією. Розвиток відновлюваних джерел електроенергії (ВДЕ) зумовлений як здешевленням сонячних та вітрових електростанцій, так і загальносвітовим трендом на «зелену» енергію, що у сукупності з державною підтримкою та можливістю автономного використання дає поштовх до розвитку так званих мереж з розподіленою генерацією. Учасники таких мереж (просьюмери) не тільки споживають, а і генерують надлишок електроенергії в мережу, що змінює весь принцип централізованого електропостачання від великих енерговузлів до споживачів. Окремим фактором, який став актуальним для України є постійні удари по великих енергетичних об’єктах і саме розподілення генерації може частково зменшити негативні наслідки для енергосистеми.
Перший розділ присвячений методам оцінки ефективності моделей для прогнозування електричних навантажень, а також аналізу існуючих досліджень по темі дисертаційної роботи. Під час оцінки ефективності прогнозування одним із ключових показників є MAPE (Mean Average Percentage Error) — середнє абсолютне відсоткове значення похибки у %. Дослідження та публікації в області статистичних методів показують, що MAPE статистичних моделей перевищує 10%, у той час як у моделей машинного навчання та штучних нейронних мереж MAPE від 2% до 10%. Але налаштування штучних нейронних мереж є складнішим та вимагає попередньої підготовки та нормалізації даних для їх коректної роботи.
Більшість існуючих досліджень з прогнозування енергоспоживання зосереджені на прогнозуванні навантажень окремих споживачів або енерговузлів, або ж прогнозуванні генерації ВДЕ. Це підходить для великих учасників енергоринку, але зростання кількості просьюмерів (споживачів, які генерують власну енергію) призводить до створення розподілених мереж генерації. Окремі елементи таких мереж не взаємодіють один з одним і не беруть участі в регулюванні роботи мережі, що покладається на постачальників послуг або диспетчерські центри. Проте, просьюмери здатні впливати на загальний режим роботи мережі. Їх вплив можна опосередковано оцінити, враховуючи ключові зовнішні фактори, такі як метеорологічні дані.
У другому розділі досліджено, що впровадження ВДЕ в енергосистему має як позитивні, так і негативні наслідки. З одного боку, це дозволяє зменшити тривалість пікового навантаження на підстанції. Наприклад, згідно досліджень, при 15% інтеграції ВДЕ пікове навантаження в жовтні може скоротитися з 100 до 82 годин. З іншого боку, зростає рівень коливання навантаження. При 15% інтеграції він сягає 8,1%, а при 60% може досягати 29,4%. Ці та інші особливості розподілених мереж генерації слід враховувати при розробці методів прогнозування навантажень.
Прогнозування режимів роботи мереж з розподіленою генерацією (МРГ) відрізняється від прогнозування для традиційних електромереж. Це пов'язано з мінливістю генерації в МРГ, залежністю від погодних умов, часткою ВДЕ в енергосистемі та можливостями використання їх потенціалу.
Існуючі методи прогнозування генерації та споживання електроенергії не завжди підходять для МРГ. Наприклад, при використанні змодельованого графіка електричних навантажень промислового підприємства, прогнозування за середнім значенням дає значну похибку (MAPEcер. = 18,28%), тоді як статистичні методи (MAPEстат. = 4,97%) та нейронні мережі (MAPEНМ = 1,08%) значно точніші.
Registration Date
2025-06-19
popup.nrat_date
2025-06-19 / 2026-07-01
