Модели анализа и прогнозирования спроса на электроэнергию тема диссертации по экономике, полный текст автореферата
Автореферат
| Ученая степень | кандидат экономических наук |
| Автор | Сербиновская, Ала Александровна |
| Место защиты | Новочеркасск |
| Год | 2005 |
| Шифр ВАК РФ | 08.00.13 |
Диссертация
Автореферат диссертации по теме "Модели анализа и прогнозирования спроса на электроэнергию"
На правах рукописи
Сербиновская Ала Александровна
МОДЕЛИ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭЛЕКТРОЭНЕРГИЮ (на примере предприятий электроснабжения)
Спепиальность: 08.00.13 - Математические и инструментальные
методы экономики
Автореферат диссертации на соискание ученой степени кандидата экономических наук
Ростов-на-Дону - 2005
Диссертация выпонена в ГОУ ВПО Южно-Российском государственном техническом университете (Новочеркасский политехнический институт)
Научный руководитель - доктор технических наук,
профессор Надтока Иван Иванович
Официальные оппоненты
доктор экономических наук, профессор Ниворожкина Людмила Ивановна кандидат экономических наук, доцент Васильева Марина Евгеньевна
Ведущая организация
Воронежский государственный университет
Защита состоится 26 декабря 2005 г. в часов на заседании
диссертационного совета ДМ 212.209.03 в Ростовском государственном экономическом университете РИНХ по адресу: 344002, г. Ростов-на-Дону, ул.Б.Садовая, 69, РГЭУ РИНХ, ауд. 231.
С диссертацией можно ознакомиться в научной библиотеке Ростовского государственного университета РИНХ.
Автореферат разослан л24 ноября 2005 г.
Ученый секретарь ^^
диссертационного совета Е.Н. Тищенко
S4 ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы исследований. Интенсивное изменение экономических условий хозяйствования оказывает огромное влияние на развитие и функционирование электроэнергетического комплекса. В условиях общей нестабильности рынка и продожающихся реформ обостряется проблема анализа, прогнозирования и планирования деятельности и развития предприятия.
Переход к оптовому рынку электроэнергии обострил проблемы, связанные с точностью прогнозирования спроса на электроэнергию, ужесточив требования, предъявляемые к скорости формирования и точности прогнозов. Новые условия, связанные с введением жестких штрафных санкций, требуют от снабженческих организаций внедрения современных программно-аппаратных комплексов, осуществляющих сбор информации об электропотреблении и составление точных прогнозов с использованием моделей, гибко и адекватно реагирующих на изменение рыночных тенденций.
Актуальность исследований проявляется в применении полученных результатов для оперативного и тактического управления производством электроэнергии, позволяющих повысить эффективность ее производства и распределения и, как следствие, сдерживать рост цен (тарифов) на электроэнергию, добиваясь относительного их снижения. Знание тенденций и закономерностей спроса на электроэнергию позволяет выбрать тип воспроизводства, структуру территориального размещения производства электроэнергии, а также организовать эффективное управление во всей системе производства, распределения и сбыта электроэнергии.
Исходя из этого, целесообразно на базе критического подхода к зарубежным и отечественным исследованиям моделей анализа и прогнозирования временных рядов, систематизировать и обосновать эффективную модель прогнозирования спроса на электроэнергию с целью повышения точности планирования и эффективности предложения.
Степень разработанности проблемы. Проблемы разработки моделей и методов анализа и прогнозирования временных рядов, моделирования и расчета спроса, прогнозирования предложения электроэнергии с учетом особенностей региональной экономики рассматривались в трудах российских и зарубежных авторов: Д.В. Бэнн, Г.Я Вагин, И.Е. Васильев, В.И. Гордеев, Э.В. Денисенко, В.И. Доброжанов, А.Н. Комогоров, Б.И. Кудрин, Э.Г. Куренный, Ю.П. Лукашин, М. Меник, A.B. Праховник, С.Г. Тяглов, Е.Д. Фармер и др.
Сложность решаемых задач потребовала расширить круг анализируемых теоретических и методологических аспектов прогнозирования, опираясь на работы:
- по теории и практике принятия решений, экспертных оценок, информационных систем и систем с искусственным интелектом: Н.М. Абдикеев, P.A. Алиев, Л.Г. Евланов, Г.Н. Хубаев, М.М. Шахназаров и др.;
- по теории вероятности и статистическим методам: Б.В. Гнеденко, Г.В. Горелова, Г.М. Каялов, Б.С. Мешель, И.И. Надгока, Л.И. Ниворожкина, В.П. Степанов, и др.
- по теории и практике управл! нЙЯЪ^к^ШЖб&ШЛЯ предприятиями:
A.Ф. Дьяков, A.B. Коваленко, Ф.А. Кушнарев, Б.В. Папков, В.В. Платонов,
B.И. Свешников, Г.С. Федорченко, Ю.Н. Флаксерман, A.A. Чернухин и др.;
- исследования экономических циклов и выделение их общих закономерностей: А. Берне, Б. Бери, У. Митчел, и др.
Проведенный анализ показал, что: создана теоретическая база и накоплен опыт построения моделей прогнозирования спроса, разработаны методики анализа временных рядов; доказано, что применение неадекватных моделей прогнозирования спроса на электроэнергию существенно влияет на финансово-экономическое состояние предприятий энергоснабжения. Вместе с этим остается нерешенной проблема анализа и построения надежных прогнозов спроса на электроэнергию.
В диссертационной работе автор исходит из того, что предприятия энергоснабжения, во-первых, находятся в зависимости от поведения потребителей электроэнергии и результаты анализа этих зависимостей следует учитывать при анализе и прогнозировании спроса на электроэнергию. Во-вторых, предприятия энергоснабжения являются источниками ущерба окружающей среде, а также предприятиям, населению, объектам инфраструктуры, потребляющим электроэнергию. Аварии, нарушения функционирования предприятий энергоснабжения, ущерб, наносимый незапланированным ремонтом, выработкой излишних или недостаточных мощностей и связанные с ними негативные воздействия на эффективность деятельности предприятий, может и дожен быть сведен к экономически целесообразной минимальной границе, что актуализирует задачу прогнозирования спроса на электроэнергию.
Объект исследования - предприятия электроснабжения Южного федерального округа.
Предмет исследования - модели анализа и прогнозирования спроса на электроэнергию, предназначенные для применения на предприятиях электроснабжения.
Цель и задачи исследования. Целью диссертационного исследования является моделирование, анализ и прогнозирование спроса на электроэнергию. Для достижения поставленной цели необходимо решить следующие задачи:
- проанализировать состояние теории и практики моделирования временных рядов экономических показателей;
- проанализировать известные модели прогнозирования и выявить недостатки моделей анализа и прогнозирования временных рядов спроса на электроэнергию;
- выявить возможность адаптации и модификации известных моделей анализа и прогнозирования, предложить модель прогнозирования спроса на электроэнергию с учетом требований надежности прогнозных значений;
- выпонить классификацию графиков спроса на электроэнергию на основе анализа статистических данных;
- предложить архитектуру и реализовать комплекс программных средств, который позволяет производить выбор рациональных вариантов моделей прогнозирования.
Теоретико-методологической основой исследования явились труды основоположников теории принятия решений, теории вероятности, а также работы
современных отечественных и зарубежных авторов по проблемам прогнозирования, экономико-математического моделирования, повышения эффективности производства и другие публикации, относящиеся к предмету исследования.
При изучении и обработке материалов диссертации использовались методы статистического анализа, принятия решений, экспертной оценки, экономико-математического моделирования и др.
Информационно-эмпирической основой исследования послужила информационно-статистическая база, которую образуют: статистические данные ОАО Ростовэнерго и областных комитетов статистики; материалы, полученные в ходе исследования деятельности предприятий энергоснабжения Южного федерального округа; информация о предмете исследования, опубликованная в периодической печати и специализированных изданиях научной литературы.
При проведении диссертационного исследования автором использован отечественный и зарубежный опыт применения экономико-математического инструментария анализа и прогнозирования спроса на электроэнергию. Исследования проводились с применением программных инструментальных средств общего (Microsoft Excel 2000) и специального назначения (Statistica 5.5, MathCad 2001 Premium, программа анализа и прогноза временных рядов АС-Прогноз, разработанная автором в среде Borland Delphi 7.0).
Достоверность материалов и полученных результатов:
- обеспечена теоретическим обоснованием выдвинутых положений, репрезентативностью статистических выборок, корректным использованием современных и допоняющих друг друга экономико-математических, статистических и экономических методов исследования и объективно установленных с их помощью фактов и тенденций;
- подтверждается опубликованием и апробацией результатов и выводов в печати; непротиворечивостью приведенных в диссертации данных результатам других исследователей и современным теориям и методологиям моделирования, анализа и прогнозирования; проверкой моделей, рекомендаций и результатов при их практической апробации на предприятиях, входящих в состав электроэнергетической системы; позитивными экономическими эффектами, полученными в ходе внедрения результатов диссертационного исследования на предприятиях электроэнергетической системы и подтвержденными актом внедрения.
Диссертация содержит теоретическое обоснование нового подхода к анализу и прогнозированию спроса на электроэнергию, разработке моделей прогнозирования и анализа временных рядов спроса на электроэнергию, поэтому ее содержание соответствует паспорту научной специальности 08.00.13 пунктам 1.4. Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем ..., 1.9. Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов.
Научная новизна полученных результатов заключается в разработке теоретических, методических и практических аспектов анализа и прогнозирования спроса на электроэнергию, которые выражаются в следующих основных положениях:
- предложен авторский подход к анализу и прогнозированию спроса на
электроэнергию, который реализован при построении моделей анализа и прогнозирования спроса на электроэнергию, отличающихся от известных моделей математическим аппаратом, позволяющим проводить спектральный анализ потребления электроэнергии населением и предприятиями, расширить возможности анализа в части дифференциации и классификации условий потребления электроэнергии во времени и идентифицикации по категориям потребителей. Модели анализа и прогнозирования предназначены для использования предприятиями электроснабжения в условиях развития вертикальной и горизонтальной интеграции предприятий, ранее входивших в состав РАО ЕЭС;
- предложена классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной характеристики и соответствующим им периоду цикличности и процедура выделения классов временных рядов, позволяющая выпонять подбор параметров прогнозирования модифицированным методом индексов сезонности с учетом сезонных и циклических колебаний спроса на электроэнергию;
- предложена методика модификации модели индексов сезонности, в которой использованы модель индексов сезонности, аппарат спектрального анализа, а также численные методы, отличающаяся процедурами выделения локальных максимумов, формирования множества обобщаемых серий и массива весовых коэффициентов, допускающая учет множественной цикличности временных рядов, что позволяет повысить точность прогнозирования временных рядов спроса на электроэнергию;
- предложена система анализа и прогнозирования временных рядов спроса на электроэнергию, отличающаяся содержанием операций анализа, прогнозирования, принятия решений и последовательностью их выпонения, а именно: подбором методик, позволяющих расширить средства анализа и прогнозирования временных рядов спроса на электроэнергию, подходом к учету сезонных и циклических колебаний различной периодичности в совокупности с процедурами коррекции прогнозных значений методами экспертных оценок, использованием модифицированной модели индексов сезонности. Система позволяет формировать ситуационные планы предложения электроэнергии с учетом возможных вариантов поведения отдельных потребителей и их групп, а также общего дифференцированного по потребителям и интервалам времени прогноза спроса на электроэнергию, которые обеспечивают повышение эффективности предприятий энергоснабжения и электрических станций;
- разработано инструментальное средство для поддержки принятия решений в виде программной системы АС-Прогноз, отличающейся агоритмическим базисом и реализованной в среде Borland Delphi 7.0. Программная система позволяет проводить анализ и прогнозирование временных рядов спроса на электроэнергию, отличается агоритмом, предусматривающим включение в процесс принятия решений разработанных метода, моделей, классификации, процедур и методик. Система АС-Прогноз, предоставляет возможность использовать результаты прогнозования в среднесрочном и стратегическом планировании предложения электроэнергии предприятиями энергосетей и энергосистем. Программная система может быть использована автономно или интегрирована в автоматизированные системы поддержки и принятия решений.
Положения, результаты и рекомендации, выносимые на защиту:
- авторский подход к анализу и прогнозированию спроса на электроэнергию, отличающийся математическим аппаратом, реализованный при построении моделей анализа и прогнозирования спроса на электроэнергию, позволяющий расширить возможности анализа и повысить точность прогнозирования;
- классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной характеристики и соответствующим им периоду цикличности, отличающаяся критерием формирования классовых групп по величине локального максимума, позволяющая выбирать более эффективные методы прогнозирования;
- процедура выделения классов временных рядов, отличающаяся агоритмом обработки временных рядов спроса на электроэнергию, позволяющая выпонять подбор параметров прогнозирования модифицированным методом индексов сезонности с учетом сезонных и циклических колебаний спроса на электроэнергию;
- методика модификации модели индексов сезонности, отличающаяся процедурами выделения локальных максимумов, формирования множества обобщаемых серий и массива весовых коэффициентов, допускающая учет множественной цикличности временных рядов, что позволяет повысить точность прогнозирования временных рядов спроса на электроэнергию;
- система анализа и прогнозирования временных рядов спроса на электроэнергию, отличающаяся содержанием операций анализа, прогнозирования, принятия решений и последовательностью их выпонения, позволяющая осуществлять анализ и прогнозирование с учетом сезонных и циклических колебаний различной периодичности в совокупности с процедурами коррекции прогнозных значений методами экспертных оценок;
- инструментальное средство для реализации системы принятия решений в виде программной системы АС-Прогноз, отличающейся агоритмическим базисом, реализованной в среде Borland Delphi 7.0 и позволяющей проводить анализ и прогнозирование временных рядов в автоматическом и пошаговых режимах.
Теоретическая значимость работы состоит в развитии теории и методов анализа и прогнозирования временных рядов спроса на электроэнергию, применимых в электроэнергетической отрасли, и совершенствование механизмов экспертной оценки, корректирующих процедуры принятия решений на основе конвергенции статистических и эмпирических методов.
Практическую значимость работы определяют: модель прогнозирования спроса на электроэнергию, программная система анализа и прогноза временных рядов. Результаты диссертационной работы могут быть использованы на предприятиях электроснабжения, промышленных потребителях электроэнергии; в прикладных исследованиях по проблемам моделирования спроса на электроэнергию; в системе подготовки и повышения квалификации специалистов экономических служб предприятий электроэнергетической отрасли.
Внедрение и использование результатов исследования. Результаты исследования, выводы и рекомендации внедрены:
- в систему экономических отношений предприятия ОАО Энергосбыт
Ростовэнерго;
- в учебный процесс ГОУ ВПО Южно-Российского государственного технического университета (НПИ) в программу преподавания дисциплины Прогнозирование, оптимизация и регулирование в системах электроснабжения.
Использование результатов исследования подтверждено актами внедрения.
Апробация работы. Основные результаты и положения диссертационного исследования апробированы:
- на четырех международных, всероссийских и региональных конференциях в г. Новочеркасске (Компьютерные технологии в науке, производстве, социальных и экономических процессах, 2002, Теория, методы и средства измерений, контроля и диагностики, Методы и агоритмы прикладной математики в технике, медицине и экономике, 2003, Проблемы экономики, организации и управления реструктуризацией и развитием предприятий промышленности, сферы услуг и коммунального хозяйства, 2005 г.г.), г. Москве (Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии, 2004, 2005 г.), г. Ессентуки (Альтернативные естественновозобновляющиеся источники энергии и энергосберегающие технологии, экологическая безопасность регионов, 2005 г.);
- на предприятиях энергоснабжения ОАО Ростовэнерго.
Публикации. По теме диссертации автором лично и в соавторстве опубликовано 10 научных работ, общим объемом 3,46 п.л., из них автора 2,37 п.л.
Структура и объем работы. Диссертация состоит из введения, трех глав, включающих 9 параграфов, заключения, списка использованной литературы (147 источников) и приложений. Объем текста 142 страницы, включает 9 таблиц, 38 рисунков и 5 приложений.
ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснованы актуальность научной проблемы и темы диссертации, сформированы цель и основные задачи работы, определены предмет, объект и методологические основы исследования, выделены научная новизна и практическая значимость полученных результатов.
В главе 1 Состояние и проблемы развития теории, моделей и методов анализа и прогнозирования спроса на электроэнергию дан анализ теоретических оснований и проблем моделирования и прогнозирования спроса на электроэнергию, развития теоретических взглядов на проблему прогнозирования временных рядов спроса на электроэнергию с учетом сезонных и циклических колебаний, дифференциации потребителей. Сформулированы проблемы анализа и прогнозирования временных рядов спроса на электроэнергию, авторский подход к их решению с учетом имеющихся тенденций и существующих ограничений.
В диссертации обоснована необходимость использования при анализе и прогнозировании спроса на электроэнергию в энергосистеме:
- модели прогнозирования спроса на электроэнергию, выпоняющей функцию синтеза разнородной информации и системно отражающей многообразие воздействующих на спрос факторов;
- дифференциации и классификации условий потребления электроэнергии во времени и категориям потребителей;
- результатов классификации графиков спроса на электроэнергию в энергосистеме по признаку мультицикличности;
- учета искажения статистических данных в связи с изменениями организационной структуры предприятий энергоснабжения и влиянием различной продожительности високосных и невисокосных лет.
Прогнозирование спроса и планирование предложения электроэнергии осуществляется энергоснабжающими организациями (энергосистемами), а прогноз спроса - на предприятиях, являющихся потребителями электроэнергии. В энергоснабжающих организациях планирование имеет целью поддержание оптимальной загрузки мощностей электроэнергии с точки зрения обеспечения минимума расхода энергоресурсов, недопущения перегрузки генерирующих мощностей в периоды прохождения максимума нагрузки.
Особенностью производства электроэнергии является равенство произведенной и израсходованной в единицу времени энергии. Аккумулирование электроэнергии в значительных количествах практически невозможно, поэтому в электрических системах в любых режимах работы удовлетворяется уравнения баланса активных мощностей (1):
где Р^ - суммарная активная мощность, отдаваемая в сеть генераторами электростанций (рабочая мощность системы); Рн - наибольшая суммарная совместная активная нагрузка потребителей системы; Рс - суммарные потери активной мощности во всей системе, соответствующие максимальной нагрузке; Рсн - активная нагрузка собственных нужд электростанций при максимальной нагрузке.
Выпонение уравнения (1) соответствует минимуму потерь энергоресурсов и исключает аварийные ситуации, связанные с перегрузкой генерирующих мощностей.
Предложение электроэнергии потребителям осуществляется энергосистемой в соответствии со спросом, который учитывается в форме суточных, месячных и квартальных лимитов потребления, утвержденных вышестоящей организацией, на отклонение от которых энергонадзором, энергосистемами, или оптовым рынком электроэнергии накладываются существенные штрафы. Отклонение фактического спроса на электроэнергию от запланированного в разные периоды работы энергоснабжающего предприятия предлагается ограничить и установить допустимое среднеквадратическое отклонение от лимита, исходя из системы налагаемых штрафов, возможных убытков и динамики ряда в пределах 7%.
В этих условиях актуализируется задача создания методики прогнозирования спроса на электроэнергию, которая дожна учитывать многообразие факторов, влияющих на его динамику, дифференциацию потребителей и их групп, а также допускать корректировку с учетом мнений экспертов, в качестве которых выступают специалисты региональных отделов сбыта, представители крупных промышленных потребителей и т.д.
Автором предлагается новый подход к анализу и проведению прогнозирования временных рядов спроса на электроэнергию, который позволяет повысить точность прогнозирования и отличается тем, что в основу анализа процессов по-
ложена классификация временных рядов, позволяющая модифицировать метод индексов сезонности и применить его для обработки исследуемых рядов спроса на электроэнергию в энергосистеме с учетом мультицикличности и мулътисе-зонности.
Описанный подход способствует повышению эффективности функционирования энергоснабжающих предприятий на основе повышения точности прогнозирования спроса и обоснованности лимитов потребления электроэнергии, снижает экономические последствия неточности прогнозирования (убытки при закупке допонительного или избыточного объема электроэнергии, штрафы, ущербы, которые несет энергосистема).
В главе 2 Модели и процедура анализа и прогнозирования спроса на электроэнергию выпонен анализ спроса на электроэнергию, предложена модифицированная модель прогнозирования спроса на электроэнергию, предназначенная для использования в механизме диспетчерского управления и отделах сбыта на предприятиях энергоснабжения. Для использования в модифицированной модели разработаны процедуры, позволяющие учитывать трендовые, сезонные и циклические тенденции, результаты экспертных оценок, а также обеспечить прогнозирование спроса на электроэнергию.
Предложена классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной характеристики ряда, а также соответствующим им периодам цикличности, которая необходима для выбора более эффективных методов анализа и прогнозирования спроса на электроэнергию в условиях недостаточной статистической информации об изменяющихся тенденциях спроса, позволяет повысить точность прогнозирования спроса на электроэнергию, снижает вероятность допонительных убытков, способствует возникновению допонительных синергетических эффектов.
В диссертации обосновано, что критерием формирования классовых групп по величине локального максимума служит показатель, характеризующий отклонение точки локального максимума от средней величины значений его окрестности, вычисляемый по формуле (2)
где Ыг - номер гармоники; Б(ИГ) - значение спектральной плотности временного ряда в точке ; О - количество точек, слева или справа от точки локального максимума; Я - пороговый коэффициент соотношения локального максимума и точек окрестности.
Для перехода к исчислению периодов колебаний в месяцах используется формула (3)
где Nп - число расчетных периодов; Ыт - число точек в периоде.
Автором обосновано, что предельные значения показателя принадлежности пика к классам, определены с учетом влияния соответствующей цикличности на динамику ряда, что подтверждено результатами моделирования и вычислитель-
ными экспериментами.
Изучаемые ряды спроса на электроэнергию характеризуются наборами локальных максимумов, отражающих состав сезонных и циклических компонент, с точки зрения их периодичности и степени влияния на динамику ряда. На рис. 1 представлены нормированные амплитудно-частотные характеристики временных рядов спроса на электроэнергию, отражающие их сезонные и циклические колебания.
Согласно предложенной классификации, изучаемые временные ряды сгруппированы в три класса с учетом динамики изменения их амплитудно-частотных характеристик, а именно:
- монопериодичные, имеющие только один выраженный период сезонности или цикличности, соответствующий единственному пику амплитудно-частотной характеристики;
- мультипериодичные, имеющие несколько выраженных периодов, соответствующих большим или средним пикам амплитудно-частотной характеристики;
- непериодические, имеющие только малые пики амплитудно-частотной характеристики.
При разработке процедуры обосновано, что:
- для проведения классификации достаточно использовать результаты спектрального разложения в ряд Фурье и аначиз амплитудно-частотной характеристики временного ряда;
- в качестве критерия изменения принадлежности ряда к классу следует использовать соотношение амплитуды глобального и локальных выделенных максимумов и частоту их возникновения.
суммарное потреОпеже ШШ Ц><М71рИЯТИЯ МОЦНОСТЫО>750 Квт
Си) ротдетияыодностыо'гаи Ш Ж агеэчодррожныйт ран<"порт
1__| городской транспорт ОТ Н?промышп*ыв потребит эти
(ЯГЪС! л птгжЧкт япи Ш1 Нкшвмие
ьвгопоыив пт дога рн птяш ьм тт ре Лит ли
ШОВ хозяйств енные ну еды
Рисунок 1 - Тенденции динамики изменения амплитудно-частотных
характеристик временных рядов спроса на электроэнергию в энергосистеме ОАО Ростовэнерго за период 1998-2004 гг
Разработанная и включенная в общую модель анализа и прогнозирования
спроса на электроэнергию процедура классификации временных рядов представлена на рис. 2. Процедура реализована в программной системе АС-Прогноз.1
Проведенные исследования временных рядов спроса на электроэнергию показали необходимость модификации существующих моделей анализа и прогнозирования спроса в целях более эффективного учета влияния циклических колебаний.
Предложено модифицировать модель индексов сезонности путем использования классического аппарата метода индексов сезонности в совокупности с процедурами спектрального анализа, что позволяет произвести адаптацию классической модели индексов сезонности и строить прогнозы с учетом мультисе-зонного и мультицикличного характера спроса на электроэнергию.
Рисунок 2 - Процедура классификации временных рядов
Методика модификации модели представлена на рис. 3 с использованием
следующих обозначений: Р - множество периодов цикличности, упорядоченное по убыванию значений выделенных локальных максимумов амплитудно-частотной характеристики, задающее массив обобщаемых серий;
1 Программная система анализа и прогноза временных рядов АС-Прогноз разработана автором и зарегистрирована в отраслевом фонде агоритмов и программ.
Нг=0 + \,...,Кп-Ыт-0 - номер гармоники; I - момент времени; Р, - период цикличности данных временного ряда 1-й серии данных; IV(Р^!) - временной ряд, полученный при заданном периоде цикличности путем восстановления с использованием классической модели индексов сезонности; Г. - весовой коэффициент влияния ' -й серии данных.
Процесс нахождения решения концентрируется вокруг итеративно выпоняемых операций идентификации условий и цели, носящей характер определения количественных отношений. Для подбора коэффициентов X, предлагается использовать метод покоординатного спуска, который сводит задачу поиска наименьшего значения функции нескольких переменных к многократному решению одномерных задач оптимизации.
Для изучаемого временного ряда строится спектральное разложение в ряд Фурье
Проводится поиск локальных максимумов амплитудно-частотной характеристики, для чего точки полученной кривой проверяются на соответствие критерию выделения локальных максимумов по величине, в результате чего формируется подмножество значений амплитудно-частотной характеристики ряда, удовлетворяющих критерию, и соответствующих им гармоник (периодов цикличности). По окончании формирования подмножества производится его упорядочивание по убыванию значений локальных максимумов. Для выявления локальных максимумов амплятуно-частотной характеристики и выделения периодов цикличности, задающих массив обобщаемых серий, применяется следующее правило: Чг-\ Х(М ) "г*
еР', 5(/>2)
/\.иг-о 11 Р1.Ыг+\
е Р',иначе
Для исчисления цикличности временного ряда в месяцах значения гармоник, входящих в подмножество р* преобразуются по формуле: ^ \Nn-N
На основаняв классической модели индексов сезонности формируется массив обобщаемых серий У(Р,,0, полученных при прогнозировании временного ряда с учетом периода сезонности Р: , определяемого ординатой 1-го локального максимума, вошел -шего в подмножество Р , где г = 1, - , О - глубина адаптации (количество обобщаемых серий).
Расчет весовых коэффициентов К, осуществляется по правилу:
к _(хД есди^еР'.Ив
' [О, иначе
где х! находятся при помощи функции (И*û (О - -Х-, ЩР,^))2 пил
Результирующие значения прогноза и восстановления временного ряда рассчитываются по формуле: щр1 О
Рисунок 3 - Методика модификации модели индексов сезонности
В табл. 1 показаны результаты сравнительного анализа точности прогнозирования временных рядов спроса на электроэнергию, построенного с использованием классического и модифицированного методов индексов сезонности, погрешность которого рассчитана по формуле (4):
НП Ят О
I (^.(о-Еич/у))2
< X егфактл))2)
Таблица 1 - Результаты сравнительного анализа прогнозирования методами _индексов сезонности_
Категория Ошибка прогнозирования, %
Классический, для периода 12 мес. Модифицированный
Промышленность (> 750кВт) 1,913 1,079
Промышленность (IV (/) <750кВт) 1,370 0,996
Железнодорожный транспорт 2,958 1,346
Городской транспорт 2,887 2,210
Непромышленное потребление 3,098 1,621
Сельскохозяйственные потребители 4,821 0,926
Населенные пункты 1,195 0,927
Население без налога 4,300 2,408
Оптовые потребители 0,608 0,269
Суммарный спрос 0,748 0,598
Обосновано, что модифицированная модель индексов сезонности в отличие от классической позволяет снизить среднеквадратичную погрешность прогноза временных рядов спроса на электроэнергию минимум на 20% и отличается большей точностью в предсказании максимальных пиковых нагрузок.
Для решения задач анализа и прогнозирования разработана система прогнозирования с использованием методов: спектрального анализа; Сааренда; главных компонент; экспертных оценок; модифицированного метода индексов сезонности. Система предусматривает создание и попонение базы статистических данных для прогнозируемых показателей, обработку временного ряда показателей с выделением тренда, сезонных и циклических составляющих.
Автором обосновано, что основой системы эффективного анализа и прогнозирования спроса на электроэнергию служит математический аппарат, базирующийся на конвергенции взаимодопоняющих подходов, методов и моделей, учитывающих воздействие различных факторов, влияющих на спрос на электроэнергию.
Предложенный автором агоритм регламентирует необходимую последовательность взаимосвязанных операций, которая состоит из выявления проблемы, конструирования решения проблемы и реализации этого решения. Процесс решения представляет собой конструирование, оценку и отбор альтернатив по критериям частоты и амплитуды колебаний с учетом отношений между пре-
дельными значениями приращений этих величин.
Предлагаемая автором система расширяет возможности анализа и повышает точность прогнозирования спроса на электроэнергию за счет следующих процедур:
- процедура фильтрации и группировки статистических данных, отличающаяся реструктуризацией и степенью обобщения данных о спросе на электроэнергию;
- процедура анализа, отличающаяся совокупностью и последовательностью операций анализа и методикой формирования рекомендаций и аналитических отчетов;
- процедура прогнозирования, отличающаяся методикой составления прогноза спроса на электроэнергию на основе модифицированного метода индексов сезонности. Модификация состоит в анализе амплитудно-частотной характеристики временного ряда по величине локального максимума и соответствующей ему периодичности, введении параметра глубины адаптации расчетной модели, определяющего число обобщаемых серий анализируемых рядов спроса на электроэнергию с учетом изменчивости периодичности исследуемых процессов;
- процедура составления ситуационных планов предложения электроэнергии, отличающаяся учетом специфики решаемой задачи и гибким аппаратом формирования базовой траектории развития процесса на прогнозируемом интервале времени. Автором обоснована необходимость учета в процедуре анализа факторов, не имеющих предыстории, но являющихся следствием событий, вероятность наступления которых на рассматриваемом периоде высока. Использование в процессе управления и принятия решений разработанной автором процедуры ситуационных планов предложения электроэнергии позволяет более четко представить последствия ряда вероятных событий, а, следовательно, применить более адекватную политику развития предприятия и избежать экономических потерь;
- процедура формирования статистических отчетов, отличающаяся возможностью структурирования информации согласно требуемым критериям и поставленным задачам анализа спроса на электроэнергию.
Предлагаемый агоритм включает обработку данных, производящуюся в следующей последовательности:
- Шаг 1. Существующие статистические данные структурируются и обобщаются в соответствие с принципами необходимости и достаточности информации;
- Шаг 2. Проводится классификация временных рядов по частоте и амплитуде локальных максимумов амплитудно-частотной характеристики, на основании результатов которой определяется значение параметра глубины адаптации;
- Шаг 3. Анализируется динамика временного ряда и делается предположение о точности его прогнозирования;
- Шаг 4. С помощью методов Сааренда, главных компонент, классического и модифицированного индексов сезонности строятся прогнозы временного ряда спроса на электроэнергию.
Суть метода состоит в представлении колебаний спроса на электроэнергию функцией нескольких временных градаций, в форме многомерной векторной функции. При таком
представлении аргументами ее значений являются номер месяца и года. Значения временных рядов спроса и предложения электроэнергии представляются в виде двумерного массива У], где / - номер года, J - номер месяца в году. В виду того, что количество дней в месяцах разное, в данных присутствует некоторая неравномерность, с целью уменьшения которой выпонено приведение этих данных к средней продожительности месяца, равной 30,42 суткам для обычного и 30,5 суткам для високосного года.
Основной формулой преобразования Сааренда является (5):
= + (5)
где 2[/,/] - доля, которую потребление J -го месяца (/ + 1)-го года составляет к потреблению за 12 предыдущих ему месяцев.
Суммы компонент строк массива близки к единице, что является следствием сезонной периодичности спроса на электроэнергию. Таким образом, зная спрос за 12 предшествующие месяцев и коэффициенты доли электропотребления по месяцам, можно восстановить любое значение исходного ряда, а также осуществить расчет прогнозных значений.
Основной формулой метода главных компонент является (6):
= {/'Г, (6)
где Р - матрица главных компонент, 1Р-матрица данных, (У-1 - матрица, обратная к матрице собственных векторов корреляционной матрицы, полученной по V. Матрица IV в случае годового прогноза по месячным графикам имеет вид (я х 12), где п - количество лет, участвующих в прогнозе, 12 - число месяцев в году.
При помощи метода главных компонент графики №(() можно отобразить в пространстве двух первых главных компонент /[ и матрицы Т*1 и провести анализ тенденций изменения компонент /, и /2, соответствующих изучаемому периоду, что позволяет выбрать положение образа графика №(1) на требуемый период упреждения.
- Шаг 5. Проводится анализ результатов, полученных на шагах 1-4, и делается вывод о необходимости коррекции методами экспертной оценки (шаг 6), проведения экспертного обсуждения (шаг 7) или окончании процесса анализа и прогнозирования (шаг 8);
- Шаг 6. С помощью схем, принятых в системах обобщения оценок экспертов, производится обобщение прогнозов, полученных на шаге 5;
- Шаг 7. Создается экспертная комиссия, проводятся туры голосования, до достижения согласованности экспертов путем использования методов экспертной оценки, оценивается деятельность экспертов, осуществляется построение ситуационных планов развития процесса;
- Шаг 8. Формируются аналитические отчеты и рекомендации.
Схема потоков информации, циркулирующих в системе, и этапов их обработки представлена на рис. 4.
Предложенная система анализа прогнозирования временных рядов положена в основу функционирования разработанной программной системы АС-Прогноз.
В главе 3 Исследование эффекта применения моделей и процедур разработаны комплексная программа совершенствования диспетчерского управления и повышения эффективности функционирования отдела сбыта предприятий энергоснабжения на основе хозяйственной апробации моделей прогнозирования спроса на электроэнергию в энергосистеме и обоснована их эффективность. По-
казано, что внедрение новых моделей, процедур, программных средств и механизма управления позволило получить экономический эффект, складывающийся из отдельных составляющих (7):
Э = ЭТар + ЭшД + ЭРес + ЭРем + ЭА + ЭУ, (7)
где Эш Эг - экономия за счет снижения или исключения штрафных санкций, накладываемых экологическими службами энергонадзора за нарушения эколого-технических ограничений, руб; ЭРес - экономия за счет более рационального использования производственных ресурсов при плановом производстве, руб;
Уромнь шштта данных
Првшшвинв ту,м <им#пм
Првтщрт лимсммппм мюмриют. рвсчип еявррмвпировянтп ямгтМ р
Рисунок 4 - Схема потоков информации системы анализа и прогнозирования временных рядов и этапов их обработки
ЭРем - экономия за счет снижения стоимости ремонта, вследствие исключения сложных поломок и экстренного выведения из ремонта в моменты пиковых нагрузок, руб; Э, - экономия за счет исключения расходов на ликвидацию аварий и выплаты компенсаций, руб; Эу - экономия, возникающая за счет сокращения ущерба от остановки системы во время поломок и других видов ущерба, руб; ЭТар - экономия, полученная за счет установки более выгодных дифференцированных ценовых тарифов, руб, рассчитываемая по формуле (8)
Этщ=1Г3-Тг-фФ-Тг+1Гп-Тп), (8)
где Wi - заявленный объем покупаемой электроэнергии, Вт; ТР - рыночный тариф на заявленный объем электроэнергии, руб/кВт*ч; объем фактически покупаемой энергии по рыночному тарифу, кВт*ч; Тп - тарцф, предложенный продавцом, руб/кВт*ч; - объем электроэнергии, купленной по тарифу про-
давца, кВт*ч.
Величина договорного тарифа существенно изменяется в зависимости от ошибки прогнозирования. Неверно предсказанный спрос на электроэнергию, превышающий возможности генерирующих систем или выходящий за рамки планируемого производства, сопровождается большими суммарными экономическими потерями вследствие повышения вероятности аварий и сбоев. На рис. 5 показан характер зависимости цены на электроэнергию и экономических потерь от ошибки прогнозирования.
Цвнаэ*
кВт, руб
Базовый
Экономическил попри, руб
1 - фактическое значение спроса на электроэнергию не выходит за пределы возможностей энергосистемы,
2 - фактическое значение спроса на электроэнергию выходит за пределы возможностей энергосистемы)
О Ошибка прогиом, % Ошибм прогнем, %
Рисунок 5 - Характер зависимостей цены на электроэнергию и экономических потерь от ошибки прогнозирования
Согласованный сторонами тариф не может быть ниже, чем (9)
т _Л + Д2+Дз . л
1Г ~ ~ л.
^^Лаир./
где = IV к) - суммарная стоимость электроэнергии, купленной опе-
ратором оптового рынка электроэнергии у производителей в течение расчетного периода, руб; Т к - тариф, согласованный производителем к и оператором на
расчетный период, руб/кВт*ч; - количество энергии, купленной у к-го производителя оператором за расчетный период, кВт*ч; т - количество производителей, заключивших договор с оператором оптового рынка электроэнергии; Я2 - расходы по содержанию оператора оптового рынка электроэнергии в тече-
ние расчетного периода, руб; /?3 = - сумма абонентской платы РАО
ЕЭС России в течение расчетного периода, руб; АРЛ0 - размер абонентской платы РАО ЕЭС России на расчетный период, утвержденный ФЭК,
руб/кВт*ч; ^ГйР' ~^гао - суммарное количество электро-
энергии, проданное оператором оптового рынка электроэнергии потребителям по всем договорам в течение расчетного периода, кВт*ч; Ь№ГА0 - потери электроэнергии в сетях РАО ЕЭС России, кВт*ч; А1УЛ0 - потери электроэнергии в сетях АО-энерго, кВт*ч; п - количество потребителей, заключивших договор с оператором оптового рынка электроэнергии; Ащ - размер абонентской платы
АО-энерго, по сетям которого осуществляется энергоснабжение потребителя у
в течение расчетного периода, руб/кВт*ч.
Экономия, получаемая за счет снижения издержек по топливу, определяется следующей формулой (10):
Д уКг' '{Цп + ЦтрХ аПот1 ^Ут'гШп+Цтр',) аПот
= Ы
где т - число видов используемого топлива; Уп и Уп - плановый и фактический расход топлива за расчетный период соответственно, т; 0НГ и (}НТ -средневзвешенная низшая теплота сгорания используемого в расчетном периоде вида топлива по плану и фактически кДж/кг; ЦГ1 и Цт> - запланированная и фактическая средневзвешенная цена топлива, руб/т; ЦТр1 и ЦГр. - запланированная и фактическая стоимость транспортировки топлива, руб; аПот1 и аПот1 - планируемые и фактические потери топлива при перевозке, погрузочно-разгрузочных работах и хранении.
Остальные составляющие общего экономического эффекта рассчитываются в зависимости от ситуаций и их последствий известными способами.
Автором разработано и внедрено инструментальное средство для поддержки принятия решений в виде программной системы анализа и прогноза временных рядов АС-Прогноз, включающее в свой состав программные модули, реализующие математические агоритмы, а также агоритмы организации интерфейса, поддержки профилей работы с системой и межмодульного взаимодействия, экспорта графических и текстовых данных.
Программная система отличается расширенными возможностями в области сравнительного анализа временных рядов по методам и категориям данных, а также:
- возможностью производить прогнозирование, анализ и другие операции над временными рядами спроса на электроэнергию в автоматическом и пошаговых режимах с визуализацией результатов в рамках выбранного режима;
- возможностью структурирования отчетов: по категориям, для анализа результатов работы различных методов и выявления наиболее эффективного; по методам обработки, для анализа эффективности прогнозирования спроса на электроэнергию данным методом различных временных рядов и выявления наиболее предсказуемого временного ряда;
- возможностью создания профилей работы с системой, соответствующих выбранным подходам к анализу данных, а именно: сохранения и загрузки из файла настроек используемых методов, отчетности, путей размещения файлов и т.д.;
- принципами организации межмодульного взаимодействия на базе компонент, как входящими в комплект поставки использованной среды разработки, так и разработанными автором для решения специализированных задач.
Обобщенная структурная схема разработанной программной системы анализа и прогноза временных рядов АС-Прогноз представлена на рис. 6.
Процесс функционирования системы анализа и прогноза АС-Прогноз схематично представлен на рис. 7.
Рисунок 6 - Обобщенная структурная схема программной системы АС-Прогноз
Базовые процессы функционирования системы АС-Прогноз, представленные на рис. 7 сокращенно, раскрываются в табл. 2.
Таблица 2 - Описание процессов ( >ункционирования системы
№на схеме Наименование модуля инициатора Наименование модуля-испонителя Убавление/Данные
1 Организация и ведение диалога с пользователем МатОасе Результат выбора пользователем пункта меню загрузки входных данных
2 Планировщик задач Ориопз-Егтшптет Передача управления модулю работы с общими настройками системы
3 Планировщик задач МатГМе Передача управления модулю ввода данных
4 Организация и зедение диалога с пользователем МашОа(е Результат выбора пользователем пункта меню Помощь
5 Планировщик задач Не1рАя Передача управления модулю справочной системы
7 Планировщик задач МаиЖКЖ Передача управления модулю метода главных компонент
8 Организация и ведение диалога с пользователем МатОаге Результат выбора пользователем п> нкта меню про глазирования методом Сааревда, указание рядов для обработки
9 Планировщик задач МатБаагепс! 11ередача управления модулю метода Сааренда
30 Подсистема экспертных оценок SEOKategonya-8е1ей Передача управления моду.ю задания начальных условий и обновления прогноза
31 Подсистема экспертных оценок БЕОЕхрегЙеЬЛ Передача управления модулю формирования экспертной комиссии
32-35 Подсистема экспертных оценок МатвЕО Передача управления модулям проведения опроса; модулю оценки согласованности: обобщения мнений экспертов; модулю оценки работы экспертов и экспертной комиссии
36-37 Подсистема экспертных оценок МашБЕОЯероП Передача управления и массива данных для создания файла отчета по результатам работы экспертной системы
38-40 Организация и ведение диалога с пользователем МашОа1е Результаты выбора пользователем пунктов меню подсистемы анализ, указатель на обрабатываемый РЯД
41 Планировщик задач Копга^Зрекв- Передача управления модулю спектрального анализа
42 Планировщик задач АпПтагтс Передача управления модулю оценки динамики ряда
43 Планировщик задач БрексОа^с Передача управления модулю выделения и оценки локальных максимумов
44 Планировщик задач МайвЕО Передача управления модулю составления стуа -ционных планов
45 Планировщик задач ВОЯесоттепё Передача управления модулю формулирования и выдачи рекомендаций
46 Подсистема анализа Уаге, Ал1?ероП Передача управления модулю вывода результатов
На рис. 8 показана форма представления результатов прогнозирования категории Суммарный спрос модифицированным методом индексов сезонности, выпоненного с использованием программной системы АС-Прогноз и отражающая основные принципы организации пользовательского интерфейса.
В заключении диссертации изложены основные положения, выводы и рекомендации, явившиеся результатом проведенного исследования.
ч1л>д.*ф|'Ц.-ровл]нмый метод -декюь лезимнио-Х. пупыиц^кпичмоо Х
Рисунок 8 - Представление результатов прогнозирования категории Суммарный спрос модифицированным методом индексов сезонности, выпоненного с использованием программной системы АС-Прогноз
По теме диссертации опубликованы следующие работы
1. Сербиновская A.A. Модель прогноза временных рядов спроса на электроэнергию // Проблемы экономики и организации производственных и социальных систем : Межгос. сб. науч. тр./Юж.-Рос. гос. техн. ун-т (НПИ), Новочеркасск: ЮРГТУ (НПИ), 2005. - Вып. 10. - с. 25-28 (0,25 п.л.).
2. Надтока И.И., Мальцева (Сербиновская) A.A., Сухомлинова O.A. Сравнительный анализ методов выделения трендов в циклических временных рядах электропотребления II Теория, методы и средства измерений, контроля и диагностики: Материалы III Междунар. науч.-практ. конф., г. Новочеркасск, 20 сентября 2002г.: В 4 ч./ Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ООО НПО "ТЕМП", 2002. - Ч.З. - С. 40-44 (0,31 п. л., лично автора 0,1 п.л.).
3. Надгока И.И., Сухомлинова O.A., Мальцева (Сербиновская) A.A. Прогноз электропотребления в энергосистеме с учетом разделения потребителей на группы // Компьютерные технологии в науке, производстве, социальных и экономических процессах: Материалы Ш Междунар. науч.-практ. конф., г.Новочеркасск, 15 ноября 2002 г.: В 4 ч./ Юж.-Рос. гос. техн. ун-т (НПИ).- Новочеркасск : ООО НПО "ТЕМП", 2002. - Ч.З. - С. 3641 (0,36 п.л., лично автора 0,1 пл.).
4. Надтока И.И., Сухомлинова O.A., Мальцева (Сербиновская) A.A. Анализ зависимости электропотребления в энергосистеме от температуры воздуха // Методы и агоритмы прикладной математики в технике, медицине и экономике: Материалы III Междунар. науч.-практ. конф., г. Новочеркасск, 17 января 2003 г.: В 3 ч./ Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ООО НПО "ТЕМП", 2003. - 4.1. - С. 9-13 (0,31 п. л., лично автора 0,1 п.л.).
5. Надтока И.И., Мальцева (Сербиновская) A.A., Сухомлинова O.A. Догосрочный прогноз электропотребления по группам потребителей в энергосистеме // Методы и агоритмы прикладной математики в технике, медицине и экономике: Материалы III Междунар. науч.-практ. конф., г. Новочеркасск, 17 января 2003 г.: В 3 ч./ Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск : ООО НПО "ТЕМП", 2003 . - 4.1. - С. 13-18 (0,36 п.л., лично автора 0,1 п.л.).
6. Седов A.B., Демура A.B., Надгока И.И., Сербиновская АА., Сухомлинова O.A. Общие подходы построения комплексов оперативного, краткосрочного и догосрочного прогнозирования электропотребления в энергосистеме //Альтернативные есгественнонозоб-новляющиеся источники энергии и энергосберегающие технологии, экологическая безопасность регионов: Выездная сессия Секции энергетики, отделения энергетики, машиностроения и процессов управления РАН: Материалы сессии, Ессентуки, 12-15 апреля 2005 г.: В 2-х ч. 42 / Шахты: изд-во ЮРГУЭС, 2005. - С. 191-192 (0,06 п.л., лично автора 0,02 пл.).
7. Надтока И.И., Сербиновская A.A., Сухомлинова O.A. Анализ и экономико-математическое моделирование цикличности энергопотребления // Проблемы экономики, организации и управления реструктуризацией и развитием предприятий промышленности, сферы услуг и коммунального хозяйства: материалы IV Междунар. науч.-пракг. конф., г. Новочеркасск, 30 марта 2005 г./ Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск : ООО НПО "ТЕМП", 2005. - С. 29-33 (0,31 п. л., лично автора ОД пл.).
8. Система анализа и прогноза временных рядов АС-ПРОГНОЗ: Свидетельство об отраслевой регистрации программ для ЭВМ № 4795 / Сербиновская A.A., Надтока И.И., Юж.-Рос. гос. техн. ун-т (НПИ). - Per. 17.05.2005. - М : Государственный координационный центр информационных технологий.
9. Сербиновская A.A. Модели анализа и прогноза спроса на электроэнергию: Препринт. - Новочеркасск: ДО МАОП, 2005. - 20 с. (1,25 пл.).
10. Сербиновская A.A. Анализ временных рядов спроса на электроэнергию // Проблемы экономики и организации производственных и социальных систем: Межгос. сб. науч. тр.ЛОж.-Рос. гос. техн. ун-т (НПИ), Новочеркасск : ЮРГТУ (НПИ), 2005. -Вып. 10. - с. 21-24 (0,25 пл.).
245 1 t
РНБ Русский фонд
2006-4 25754
Сербиновская Ала Александровна
МОДЕЛИ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭЛЕКТРОЭНЕРГИЮ
Автореферат
Подписано в печать 22.11.2005. Формат 60x84 '/к. Бумага офсетная. Ризография. Печ. л. 1,5. Уч.-изд. л. 1,5. Тщ>аж 120 экз. Заказ 1488.
Типография ЮРГГУ (НПИ) 346428, г. Новочеркасск, ул. Просвещения, 132 Тел., факс (863-52) 5-53-03 E-mail: typo graphv@novoch.ru
Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Сербиновская, Ала Александровна
ВВЕДЕНИЕ.
1 СОСТОЯНИЕ И ПРОБЛЕМЫ РАЗВИТИЯ ТЕОРИИ, МОДЕЛЕЙ И МЕТОДОВ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭЛЕКТРОЭНЕРГИЮ.
1.1 Состояние теории моделирования и прогнозирования временных рядов спроса на электроэнергию.;.
1.2 Анализ опыта и специфики объекта исследования.
1.3 Проблемы анализа и прогнозирования и пути их решения.
2 МОДЕЛИ И ПРОЦЕДУРА АНАЛИЗА И ПРОГНОЗИРОВАНИЯ СПРОСА НА ЭЛЕКТРОЭНЕРГИЮ.
2.1 Классификация временных рядов спроса на электроэнергию.
2.2 Модель анализа и прогнозирования спроса на электроэнергию.
2.3 Разработка системы анализа и прогнозирования.
3 ИССЛЕДОВАНИЕ ЭФФЕКТА ПРИМЕНЕНИЯ МОДЕЛЕЙ И ПРОЦЕДУР.
3.1 Агоритмический базис системы анализа и прогноза временных рядов АС-Прогноз.
3.2 Исследование точности и возможностей системы АС-Прогноз.
3.3 Эффективность применения системы АС-Прогноз в решении задач анализа и прогнозирования спроса на электроэнергию.
Диссертация: введение по экономике, на тему "Модели анализа и прогнозирования спроса на электроэнергию"
Интенсивное изменение экономических условий хозяйствования оказывает огромное влияние на развитие и функционирование электроэнергетического комплекса. В условиях общей нестабильности рынка и продожающихся реформ обостряется проблема анализа, прогнозирования, планирования деятельности и развития предприятия.
Переход к оптовому рынку электроэнергии обострил проблемы, связанные с точностью прогнозирования спроса на электроэнергию, ужесточив требования, предъявляемые к скорости составления и надежности прогнозов. Новые условия, связанные с введением жестких штрафных санкций, требуют от снабженческих организаций внедрения современных программно-аппаратных комплексов, осуществляющих сбор информации об электропотреблении и составление точных прогнозов с использованием моделей, гибко и адекватно реагирующих на изменение тенденций.1
Актуальность исследований проявляется в применении полученных результатов для оперативного и тактического управления производством электроэнергии, позволяющих повысить эффективность ее производства и распределения и, как следствие, сдерживать рост цен (тарифов) на ' электроэнергию, добиваться относительного снижения тарифов. Знание тенденций и закономерностей спроса на электроэнергию позволяет выбрать тип воспроизводства, структуру территориального размещения производства электроэнергии, а также организовать эффективное
1 Постановление Правительства Российской Федерации от 24.10.2003 № 643 О правилах оптового рынка электрической энергии (мощности) переходного периода, Постановление правительства РФ от 02.04.2002 №226 О ценообразовании в отношении энергетической и тепловой энергии. управление во всей вертикально ориентированной системе производства, распределения и сбыта электроэнергии.
Рыночные отношения между производителями и потребителями энергоресурсов по-новому ставят вопросы энергоснабжения, нормирования и повышения эффективности использования энергоресурсов. Важной задачей исследований является постановка и решение проблем электроснабжения во взаимосвязи с энергосистемой, а именно прогнозирование и управление спросом на электроэнергию по прогнозу спроса и анализ предложения электроэнергии.
Контроль, прогнозирование и управление производством электроэнергии важны с точки зрения соблюдения установленных предельных значений для мощности потребителей и количества использованной электроэнергии. Несоблюдение этих норм потребителями оборачивается значительными денежными штрафами и санкциями энергоснабжающей организации, а в энергосистеме может привести к ухудшению качества электроэнергии, перерасходу топлива на электростанциях и т. п.
Анализ отечественных и зарубежных публикаций показал, что существующие модели и методы прогнозирования недостаточно точно учитывают существующие тенденции, в связи с исключением из рассмотрения наиболее важных в современных условиях параметров.
Известны математические модели для краткосрочного и догосрочного прогнозирования, учитывающие ряд ключевых параметров, но обладающие недостаточной точностью. В сложившихся жестких экономических условиях вопросы расширения средств анализа временных рядов и усовершенствования прогнозных моделей с целью снижения ошибки прогнозирования, рассмотренные в диссертации, являются актуальными.
Целью диссертационного исследования является моделирование, анализ и прогнозирование спроса на электроэнергию. Для достижения поставленной цели необходимо решить следующие задачи:
- проанализировать состояние теории и практики моделирования временных рядов экономических показателей;
- проанализировать известные модели прогнозирования и выявить недостатки моделей анализа и прогнозирования временных рядов спроса на электроэнергию;
- выявить возможности адаптации и модификации известных моделей анализа и прогнозирования, предложить модель прогнозирования спроса на электроэнергию с учетом требований надежности прогнозных значений;
- выпонить классификацию графиков спроса на электроэнергию, исходя из анализа статистических данных;
- предложить архитектуру и реализовать комплекс программных средств, который позволит производить выбор рациональных вариантов прогнозных моделей.
Рассмотренные в диссертации задачи решаются на основе использования методов экспертной оценки, теории принятия решений, теории вероятностей и математической статистики.
Научная новизна полученных результатов заключается в разработке теоретических, методических и практических аспектов анализа и прогнозирования спроса на электроэнергию, которые выражаются в следующих основных положениях: предложен авторский подход к анализу и прогнозированию спроса на электроэнергию, который реализован при построении моделей анализа и прогнозирования спроса на электроэнергию, отличающихся от известных моделей математическим аппаратом, позволяющим проводить спектральный анализ потребления электроэнергии населением и предприятиями, расширить возможности анализа в части дифференциации и классификации условий потребления электроэнергии во времени и идентифицировать по категориям потребителей. Модели анализа и прогнозирования предназначены для использования предприятиями электроснабжения в условиях развития вертикальной и горизонтальной интеграции предприятий, ранее входивших в состав РАО ЕЭС; предложена классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной характеристики и соответствующим им периоду цикличности и процедура выделения классов временных рядов, позволяющая выпонять подбор оптимальных параметров прогнозирования модифицированным методом индексов сезонности с учетом множественных сезонных и циклических колебаний спроса на электроэнергию; предложена методика модификации модели индексов сезонности, в которой использованы классическая модель индексов сезонности, аппарат спектрального анализа, а также численные методы, отличающаяся процедурами выделения локальных максимумов, формирования множества обобщаемых серий и массива весовых коэффициентов, допускающая учет множественной цикличности временных рядов, что позволяет повысить точность прогнозирования временных рядов спроса на электроэнергию;
- предложена система анализа и прогнозирования временных рядов спроса на электроэнергию, отличающаяся содержанием операций анализа, прогнозирования, принятия решений и последовательностью их выпонения, а именно: подбором методик, позволяющим расширить средства анализа и прогнозирования временных рядов электропотребления, подходом к учету сезонных и циклических колебаний различной периодичности в совокупности с процедурами коррекции прогнозных значений методами экспертных оценок и включающим методику модификации модели индексов сезонности. Система позволяет формировать ситуационные планы предложения электроэнергии с учетом возможных вариантов поведения отдельных потребителей и их групп, а также общего дифференцированного по потребителям и интервалам времени прогноза спроса на электроэнергию, которые обеспечивают повышение эффективности предприятий энергоснабжения и электрических станций;
- разработано инструментальное средство для реализации системы принятия решений в виде программной системы АС-Прогноз, реализованной в среде Borland Delphi 7.0. Программная система позволяет проводить анализ и прогнозирование временных рядов спроса на электроэнергию, отличается агоритмом, предусматривающим включение в процесс принятия решений разработанных метода, моделей, классификации, процедур и методик. Система АС-Прогноз, предоставляет возможность использовать результаты прогнозов в среднесрочном и стратегическом планировании предложения электроэнергии предприятиями энергосетей и энергосистем. Программная система может быть использована автономно или интегрирована в автоматизированные системы поддержки и принятия решений.
Основные положения, выносимые на защиту:
- авторский подход к анализу и прогнозированию спроса на электроэнергию, отличающийся математическим аппаратом, реализованный при построении моделей анализа и прогнозирования спроса на электроэнергию, позволяющий расширить возможности анализа и повысить точность прогнозирования;
- классификация временных рядов спроса на электроэнергию по величине и частоте локальных максимумов амплитудно-частотной I характеристики и соответствующим им периоду цикличности, отличающаяся критерием формирования классовых групп по величине локального максимума, позволяющая выбирать более эффективные методы прогнозирования;
- процедура выделения классов временных рядов, отличающаяся агоритмом обработки временных рядов спроса на электроэнергию, позволяющая выпонять подбор параметров прогнозирования модифицированным методом индексов сезонности с учетом сезонных и циклических колебаний спроса на электроэнергию;
- методика модификации модели индексов сезонности, отличающаяся процедурами выделения локальных максимумов, формирования множества обобщаемых серий и массива весовых коэффициентов, допускающая учет множественной цикличности временных рядов, что позволяет повысить точность прогнозирования временных рядов спроса на электроэнергию;
- система анализа и прогнозирования временных рядов спроса на электроэнергию, отличающаяся содержанием операций анализа, прогнозирования, принятия решений и последовательностью их выпонения, позволяющая осуществлять анализ и прогнозирование с учетом сезонных и циклических колебаний различной периодичности в совокупности с процедурами коррекции прогнозных значений методами экспертных оценок;
- инструментальное средство для реализации системы принятия решений в виде программной системы АС-Прогноз, отличающейся агоритмическим базисом, реализованной в среде Borland Delphi 7.0 и позволяющей проводить анализ и прогнозирование временных рядов в автоматическом и пошаговых режимах.
Полученные в диссертационной работе результаты исследований позволяют:
- научно-обоснованно выбирать варианты анализа и прогноза временных рядов спроса на электроэнергию;
- уменьшить затраты на прогнозирование и снизить сроки составления прогнозов;
- при помощи разработанной программной системы конструировать и реализовывать эффективные варианты анализа и прогноза временных рядов, позволяющие повысить надежность прогнозов.
Диссертационная работа выпонена в рамках научного направления Рациональное использование топливно-энергетических ресурсов и повышение эффективности работы электроэнергетических систем.
Предложенные математические модели и агоритмы использованы в процессе анализа и прогнозирования временных рядов спроса на электроэнергию в ОАО Энергосбыт Ростовэнерго.
Программная реализация агоритмов входит в состав программной системы анализа и прогноза временных рядов АС-Прогноз.
Основные результаты работы докладывались и обсуждались на на четырех международных, всероссийских и региональных конференциях в г. Новочеркасске (Компьютерные технологии в науке, производстве, социальных и экономических процессах, 2002, Теория, методы и средства измерений, контроля и диагностики, Методы и агоритмы прикладной математики в технике, медицине и экономике, 2003, Проблемы экономики, организации и у правления реструктуризацией и развитием предприятий промышленности, сферы услуг и коммунального хозяйства, 2005 г.г.), специализированном научно-техническом семинаре Современные методы и программные средства анализа и планирования электропотребления, балансов мощности и электроэнергии (Москва 2004 г.), выездной сессии секции энергетики отделения энергетики, машиностроения и процессов управления РАН (Ессентуки, 2005 г.), на ежегодных научно-практических конференциях ЮРГТУ (НПИ), в период с 2002-2005 гг.
Основные материалы диссертации отражены в 10 печатных работах.
Диссертация: заключение по теме "Математические и инструментальные методы экономики", Сербиновская, Ала Александровна
Основные выводы и практические результаты заключаются в следующем:
- предложена классификация временных рядов по величине и частоте локальных максимумов их амплитудно-частотной характеристики. Для поддержки процедуры классификации сформулирован критерий формирования классовых групп и определены его предельные значения;
- получена новая модель прогнозирования временных рядов, заключающаяся в модификации математической модели индексов сезонности на основании классической методики определения индексов сезонности в совокупности с процедурами спектрального анализа и предложенной классификацией, позволяющая учитывать мультицикличный и мультисезонный характер временных рядов.
- сформулирована и решена задача разработки системы комплексного анализа и прогнозирования временных рядов.
Разработанный агоритм базируется на конвергенции взаимодопоняющих подходов, как существовавших ранее, так и разработанных автором для решения поставленной задачи. Задача прогнозирования влияния случайных факторов представлена в виде учета последствий наступления вероятных событий и решена при помощи коррекции на основании мнений экспертов и процедуры составления ситуационных планов развития предложения электроэнергии.
- разработана программная система анализа и прогноза временных рядов АС-Прогноз, позволяющая проводить анализ, конструировать прогнозы и ситуационные планы изменения спроса на электроэнергию, обеспечивающая сокращение временных затрат на создание прогноза.
Разработанная программная система включает три подсистемы:
- Анализ, позволяющая снизить временные затраты на анализ, планирование и обработку исследуемых временных рядов, осуществляемых с целью получения аналитической информации, позволяющей осуществить выбор наиболее оптимальной модели прогнозирования;
- Прогноз, позволяющая строить прогнозы временных рядов с учетом их специфики и присущих им тенденций;
- Экспертная оценка, обеспечивающая возможность построения ситуационных планов развития предложения электроэнергии с учетов последствий наступления вероятных событий, а также прогнозирование и коррекцию значений временных рядов спроса на электроэнергию.
Достоверность научных положений и адекватность математических моделей проверялись экспериментально на реальных временных рядах спроса на электроэнергию, полученных с помощью серийных, сертифицированных и прошедших проверку технических и коммерческих автоматизированных систем учета энергоресурсов и систем телемеханики промышленных предприятий.
Перечисленные новые результаты исследований обеспечили возможность:
- на стадии анализа временных рядов оценивать наличие множественной сезонности и цикличности данных;
- принимать обоснованные решения о выборе наиболее эффективных методов прогнозирования;
- проводить качественный и эффективный анализ и прогнозирование временных рядов спроса на электроэнергию;
- получать оценку эффективности различных методов прогнозирования для выделенного ряда либо осуществлять поиск наиболее предсказуемого ряда при фиксированных параметрах модели, создавать базу знаний и шаблонов;
- проводить активные эксперименты с моделями прогнозирования, анализируя при этом большое число факторов;
- проводить экспертные исследования;
- расширить для персонала отделов сбыта электроэнергии, диспетчерского управления и аналитических центров возможности работы с обрабатываемой информацией за счет интеграции необходимых функциональных операций в рамках одной системы.
ЗАКЛЮЧЕНИЕ
В диссертационной работе проведен анализ существующих на текущий момент методик анализа и прогнозирования временных рядов спроса на электроэнергию. Рассмотрены факторы, определяющие структуру и динамику спроса на электроэнергию и используемые на практике для построения адекватных моделей анализа и прогнозирования временных рядов спроса и предложения электроэнергии.
Сформулированы задачи, решение которых необходимо для создания системы анализа и прогнозирования временных рядов спроса на электроэнергию. Описаны проблемы учета изменений спроса на электроэнергию в условиях развития и реформации предприятий энергосистемы.
Диссертация: библиография по экономике, кандидат экономических наук , Сербиновская, Ала Александровна, Новочеркасск
1. Сыроватко A.A., Зубенко Ю.Д., Калашников H.H., Матвеев И.А. Системный анализ производственно-экономических циклов / Материалы Первой международной конференции Циклы. Часть первая. Ставрополь: Изд-во СевКавГТУ, 1999. - С. 214-217.
2. Васильева М.Е. Экономико-математические методы оптимизации ключевых параметров конфигурации тепловых сетей: автореф. дис. на соиск. уч. степ. канд. эк. наук / Васильева Марина Евгеньевна. Ч Кисловодск, 1999. Ч 23 с.
3. Волобринский С.Д., Каялов Г.М., Клейн П.Н., Мешель Б.С. Электрические нагрузки промышленных предприятий. JL: Энергия, 1971.-264 с.
4. Каялов Г.М. Основы анализа нагрузок и расчета электрических сетей промышленных предприятий. Электричество, 1951, N4.-С. 28-37.
5. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования. Рига: Зинатне, 1990. - 184 с.
6. Гнеденко Б.В. Курс теории вероятностей. Ч М.: Наука, 1969. 400 с.
7. Гнеденко Б.В., Мишель Б.С. Об оценке эффективности уточнения расчетов электрических нагрузок промышленных сетей. Ч Электричество, 1959, N11.- С.70-72.
8. Куренный Э.Г. Моделирование графиков электрической нагрузки квантованием времени. Изв. вузов Сер. Электромеханика, 1969, N2.-С. 204-210.
9. Куренный Э.Г., Дмитриева E.H. и др. Прогнозирование электрических нагрузок. Изв. АН СССР. Энергетика и транспорт, 1988,1. N2.-С. 89-100.
10. Белан A.B., Гордеев В.И. Прогнозирование электро потребления на основе многофакторного регрессионного и корреляционного анализов. // Проблемы энергосбережения, 1991, вып.7. К.: Наукова думка, 1991. С. 54-59.
11. Белан A.B., Гордеев В.И., Демура A.B., Надтока И.И. Пути и результаты совершенствования методов прогнозирования электропотребления. // Промышленная энергетика, 1993, N 9. С. 23-26.
12. Гордеев В.И., Васильев И.Е., Щуцкий В.И. Управление электропотреблением и его прогнозирование. Ростов-на-Дону: Изд. РГУ, 1991.- 104с.
13. Каждан А.Э. Метод моделирования графиков процессов // Сборник научн. трудов Новочеркасского политехнического института "Автоматизация проектирования сложных систем. Новочеркасск: Изд. НПИ, 1982.-С. 11-20.
14. Каждан А.Э., Каждан Э.М. Метод расчета электрических нагрузок с применением кратчайших функций. /Проектирование и эксплуатация систем электроснабжения промышленных предприятий. Матер, научн-техн. конф. М.: Знание, 1984. С. 33-37.
15. Каждан А.Э., Черепов В.А. Моделирование графиков потерь напряжения в промышленных электрических сетях на основе теоретико-группового представления для одного класса случайных процессов. Изв. вузов СССР Электромеханика, 1976, N8. - С.901-911.
16. Каждан А.Э. Элементы бинетики и теории подмен. /В кн.: Ковалев И.Н. Макроэкономика. Ч Ростов-на-Дону: Изд. Ростовск. пед. унта, 1995.-308 с.
17. Комогоров А.Н. Интерполирование и экстраполирование стационарных случайных последовательностей. Изв. АН СССР. Сер. Математическая. 1941. Т.5, №3. С. 3-14.
18. Пугачев B.C. Теория вероятностей и математическая статистика. М.: Наука, 1979. - 496 с.
19. Богданов В.А., Денисенко Э.В. Сопоставление моделей оперативного прогноза узловых нагрузок /Изв.АН СССР. Сер. Энергетика и транспорт, 1982, N3. С. 3-10.
20. Жежеленко И.В., Саенко Ю.Л., Степанов В.П. Методы вероятностного моделирования в расчетах характеристик электрических нагрузок потребителей. Ч М.:Энергоатомиздат, 1990. 128 с.
21. Шидловский А.К., Вагин Г.Я., Куренный Э.Г. Расчеты электрических нагрузок систем электроснабжения промышленных предприятий. М.: Энергоатомиздат, 1992. - 224 с.
22. Доброжанов В.И. Краткосрочное прогнозирование электрических нагрузок промышленных предприятий. Ч Изв. вузов. Энергетика, 1987, N1. С. 8-12.
23. Доброжанов В.И. Управление суточным электропотреблением промышленного предприятия при лимитных ограничениях. Изв. вузов СССР. Сер. Электромеханика, 1988, N 9. - С. 66-69.
24. Праховник A.B. Управление электропотреблением (концепция, методы и средства). Изв. АН СССР Энергетика и транспорт, 1990, N1.-С. 5-16.
25. Жуков С.А. Комплекс технических средств "Энергия" и устройство сбора данных Е 443 для построения автоматизированной системы контроля и учета энергопотребления. Промышленная энергетика, 1991, N2.-С. 15-18.
26. Каханович B.C. Формирование единой системы автоматизированного учета, контроля и управления энергопотреблением (ЕСАУКУЭ). Изв. вузов СССР, Энергетика, 1986, N 5. - С. 12-19.
27. Соскин Э.А., Киреева Э.А. Автоматизация управленияпромышленным энергоснабжением. Ч М: Энергоатомиздат, 1990. Ч 384 с.
28. Горелова Г.В. Теория вероятностей и математическая статистика. В примерах и задачах с применением Excel. Ч Р-н-Д.: Феникс, 2005.-480 с.
29. Ниворожкина Л.И., Чернова Т.В. Теория статистики. Ч Р-н-Д.: Феникс, 2005. 220 с.
30. Дуброва Т.А. Статистические методы прогнозирования. Ч М.: ЮНИТИ-ДАНА, 2003. 206 с.
31. Кудрин Б. И., Жилин Б.В., Лагуткин O.E., Ошурков М.Г. Ценологическое определение параметров электропотребления многономенклатурных производств. Тула: Приокское книжное издательство, 1994. 122 с.
32. Тейл. Г. Экономические прогнозы и принятие решений. -М.: Прогресс. 1970.
33. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрии. М.: ЮНИТИ, 1998.
34. Бокс Дж.} Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974.
35. Льюис К. Д. Методы прогнозирования экономических показателей. Ч М.: Финансы и статистика, 1986.
36. Кильдишев Г.С., Френкель A.A. Анализ временных рядов и прогнозирование. М.: Статистика, 1973.
37. Лукашин Ю.П. Адаптивные методы прогнозирования экономических показателей. Ч М.: Статистика, 1979.
38. Жигалов И. Применение статистических методов в прогнозировании рынка черных металов// Национальная металургия, март-апрель, 2003. С. 65-70.
39. Большев Л.Н., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1965.
40. Джонстон Дж. Эконометрические методы. М.: Статистика,
41. Брилииджер Д. Временные ряды. Обработка данных и теория. -М.: Мир, 1980.
42. Соколов Ю.Н. Общая теория цикла. Единая теория поля. Ч Ставрополь: Изд-во СевКавГТУ, 1999. 55 с.
43. Мазуркин П.М. Распределение реальных циклов // Материалы Второй международной конференции Циклы. Часть первая. Ставрополь: Изд-во СевКавГТУ, 2000. Ч С. 51-55.
44. Яковец Ю.В. Предвидение будущего: парадигма цикличности. М.: Ассоциация Прогнозы и циклы. Серия Новое в прогнозировании: теория, методы, опыт, 1992.
45. Кибиткин А.И., Коник Р.В. Сезонные колебания: необходимость учета и способы расчета. Электронный документ. www.mstu.edu.ru.
46. Бэнн Д.В., Фармер Е.Д. Сравнительные модели прогнозирования электрической нагрузки.-М.: Энергоатомиздат, 1987. Ч 200 с.
47. Костина Н. И., Алексеев A.A. Финансовое прогнозирование в экономических системах. М.: ЮНИТИ-ДАНА, 2002. Ч 285 с.
48. Яблонский А.И. Стохастические модели научной деятельности. В кн.: Системные исследования: Ежегодник, 1975. - М.: Наука, 1976.-С. 5-42.
49. Яблонский А.И. Математические модели в исследовании науки. М.: Наука, 1986. - 352 с.
50. Чавкин A.M., Воднев H.H. Композиционный метод статистического прогнозирования. // Энергетическое строительство, 1993, N3.-C. 48-53.
51. Четыркин Е.М. Статистические методы прогнозирования.
52. М.: Статистика, 1977. 200 с.
53. Чуев Ю.В., Михайлов Ю.Б., Кузьмин В.И. Прогнозирование количественных характеристик процессов. М: Советское радио, 1975. Ч 400 с.
54. Беляев JI.C., Крумм JI.A. Применимость вероятностных методов в энергетических расчетах. // Изв. АН СССР Энергетика и транспорт, 1983, №2. С. 3-11.
55. Левин М.С., Лещинская Т.Б. Методы теории решений в задачах оптимизации систем электроснабжения. Ч М.: ВИПКэнерго, 1989.- 130 с.
56. Тутубалин В.Н. Границы применимости (Вероятностно-статистические методы и их возможности). М.: Знание, 1977. - 64 с.
57. Тутубалин В.Н. Теория вероятностей и случайных процессов. Учебное пособие. М.: Изд. МГУ, 1992. - 400 с.
58. Ивахненко А.Г. Догосрочное прогнозирование и управление сложными системами. Ч Киев: Техника, 1975. Ч 312 с.
59. Кендэл М. Временные ряды.-М.: Финансы и статистика, 1981.- 199 с.
60. Березин С.А. Нечеткие множества в экономико-математических моделях. // Математический инструментарий в экономических исследованиях: Межвуз. сб. научн. тр. /Под ред. Г. М. Мкртчяна; Новосиб. ун-т. Новосибирск, 1990. - с. 63-87.
61. Борисов H.A., Алексеев A.B. Обработка нечеткой информации в системах принятия решений.-М.: Радио и связь, 1989. -304 с.
62. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. Ч М.: Наука, 1981. Ч 208 с.
63. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин.-М.: Наука, 1970.384 с.
64. Барцев С.И., Охонин В.А. Адаптивные сети обработки информации. Красноярск: Институт физики СО АН СССР, 1986.
65. Дулесов В.А. Прогнозирование электропотребления предприятий на основе искусственных нейронных сетей: автореф. на соиск. степ. канд. техн. наук. Ч Красноярск, 2002.
66. Вороновский Г.К. Генетические агоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Ч X.: Основа, 1997. Ч 112 с.
67. Демура A.B. Использование искусственной нейронной сети в качестве многомерной модели при планировании электропотребления предприятий. Известия вузов Северо-Кавказский регион. Сер. Технические науки, 1996, №3. Ч с. 102-108.
68. Weigend A.S., Gershenfield N. A. (Editor) Time series prediction: Forecasting the future and understanding the past. Ч Boston: AddisonЧWesley, 1994.
69. Манусов B.3., Корнев M.C., Оптимизация и обучение искусственной нейронной сети для прогнозирования электропотребления в системе. // Нейроинформатика, Ч. 1, 2003.
70. Даникина Е.Б., Кундыков Е.Б., Пак И.Т. О методах коррекции догосрочного нейропрогноза временных рядов. // Нейроинформатика, Ч. 1, 2003.
71. Медянцев Д.В., Фирсов A.B., Замятин Н.В. Нейросетевая система прогнозирования энергопотребления. // Нейроинформатика, Ч. 1 -2003.
72. Weigend A.S., Huberman В.А., Rumelhart D.F. Prediction the future: A connectionist approach // Intern. J. of Neural Systems, 1990, vol. 1. -P. 193-209.
73. Carling A. Introducing Neural Networks. Ч Wilmslow, UK: Sigma Press, 1992.
74. Царегородовцев В. Г., Погребная H.A. Нейросетевые методы обработки информации в задачах прогноза климатических характеристик и лесорастительных свойств ландшафтных зон.//Методы нейроинформатики. КГТУ, Красноярск, 1998. 205 с.
75. Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки в принятии плановых решений. Ч М.: Экономика, 1976.
76. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1980.
77. Чернявский В.О. Эффективность экономических решений. Ч М.:Экономика, 1965.
78. Алиев P.A., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интелектом. Ч М.: Радио и связь, 1990.-264 с.
79. Алиев P.A., Церковный Л.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации.-М.: Энергоатомиздат, 1991. Ч241 с.
80. Макаров И.М., Виноградская Т.М., Рубчинский A.A., Соколов В.Б. Теория выбора и принятия решений. Ч М.: Наука, 1982. 328 с.
81. Атлас Б.И., Курдиновский О.Ю. Методические вопросы использования экспертных оценок для составления догосрочных прогнозов. // Математические и информационные проблемы прогнозирования и управления наукой Киев: Институт кибернетики АН УССР, 1971.
82. Добров Г.М., Ершов Ю.В., Левин Е. И., Смирнов Л.П. Экспертные оценки в научно-техническом прогнозировании. Киев: Наукова думка, 1974.
83. Кравченко Т.К. Процесс принятия плановых решений. Ч М.:Экономика, 1974.
84. Лопухин М.М., Паттерн. Метод планирования и прогнозирования научных работ. Ч М.: Сов. радио, 1971.85. . Беклешев В.К., Завлин П.Н. Нормирование труда в НИИ и КБ. М.:Экономика, 1973.
85. Бешелев С.Д., Карпова И.В. Выбор перспективной техники с помощью метода экспертных оценок. // Экономико и математические методы 1972, т. VIII, вып 1.
86. Райхман Э.П., Азгальдов Г.Г. Экспертные методы в оценке качества товаров. М.:Экономика, 1974.
87. Дьяков А.Ф., Платонов В.В. Единая электроэнергетическая система России в период рыночных преобразований. М.: Изд-во МЭИ, 2003.- 152 с.
88. Почебут Д.В. Анализ, моделирование и прогнозирование бытового электропотребления в региональной энергосистеме: автореферат дис. на соиск. к.т.н. Новочеркасск, 2001.
89. Кушнарев Ф.А., Морхов А.Ю., Надтока И.И. Прогнозирование электропотребления на основе нечетких множеств. Ч Изв. вузов Электромеханика, 1994, N6. Ч С. 74.
90. Кушнарев Ф.А., Надтока И.И., Подгорный Д.Э. Прогнозирование в энергосистеме в условиях неопределенности. Изв. вузов Электромеханика, 1996, N3-4. - С.23-29.
91. Копытов Ю.В., Чуланов Б.А. Экономия электроэнергии в промышленности. Справочник. М.: Энергоатомиздат, 1982. - 112 с.
92. Регионы России. Социально-экономические показатели 2003 // Стат. сб. М.: Гос. ком. РФ по стат. - 895 с.
93. Седов А. В., Надтока И. И. Системы контроля, распознавания и прогнозирования электропотребления: модели, методы, агоритмы и средства. Ростов н/Д.: Изд-во РГУ, 2002. Ч 320 с.
94. Смирнов С. Система опережающих факторов для России. // Российская экономика, 2001. с. 23-42.
95. Тяглов С.Г., Кузнецов Н.Г. Региональная экономика для студентов ВУЗов. Р-н-Д: Феникс, 2003.
96. Губанов В.А. Непараметрическое выделение динамическихсезонных циклов: Препринт WP2/2002/01. М.: ГУ ВШЭ, 2002. - 33 с.
97. Губанов В.А., Ковальджи А.К. Выделение сезонных колебаний на основе вариационных принципов // Экономика и математические методы. 2001. Т.37. №1.
98. Куницына H.H. Виды циклов в экономической динамике // Сб. науч. трудов. Серия "Экономика", вып. 5 Ч Ставрополь, СевероКавказский государственный технический университет. 2002. 129 с.
99. Burns A., Mitchell W. Measuring Business Cycles. N.Y. National of Economic Research, 1946.
100. Kitchin J. Cycles and Trends in Economic Factors / Review of Economic Statistics, Jannuary, 1923 preliminary Vol. V.
101. Berry B.J.L. Long-wave Rhythms in Economic Development and Political Behaviour. Baltimore & London 1991.
102. Вентцель E.C. Тория вероятностей. Ч M.: Наука, 1969. 576с.
103. Вентцель Е.С., Овчаров JI.A. Теория случайных процессов и ее инженерные приложения. М.: Наука, 1991. - 384 с.
104. Сарвате Д.В., Пресли М.Б. Взаимно-корреляционные свойства псевдослучайных и родственных последовательностей. ТИИЭР, 1980, т. 68,N5.-С. 59-90.
105. Грибанов Ю.И., Мальков B.JI. Спектральный анализ случайных процессов. М.: Энергия, 1974. Ч 240с.
106. Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифроваяобработка сигналов. М.: Радио и связь, 1985. 312 с.
107. Дженкинс Г., Ватте Д. Спектральный анализ и его приложения.-М.: Мир, 1971.-316 с.
108. Сербиновская A.A. Модели анализа и прогноза спроса на электроэнергию: препринт. Новочеркасск: ДО МАОП, 2005. - 22 с.
109. Чернавский Д.С., Пирогов Г.Г. и др. Динамика экономической структуры общества // Известия вузов. Прикладная нелинейная динамика. 1996. Т. 4. №3.
110. Каждан А.Э. О NP- поноте задач электроснабжения промышленных предприятий // Изв. вузов Электромеханика. 1993, №6 -с. 18-20.
111. Лисочкина Т.В., Косматов Э.М., Ирешова А. Экономико-математические методы и модели принятия решений в энергетике. -Л.:Изд-во Лен. Ун-та, 1991.-224 с.
112. Надтока И.И. Развитие теории и методов моделирования и прогнозирования электропотребления на основе данных средств автоматизации учета и телеизмерений: дис. на соиск. докт. техн. наук / Надтока Иван Иванович. Ч Новочеркасск, 1999. Ч 395 с.
113. Демура A.B., Кушнарев Ф.А., Надтока И.И., Седов A.B. Прогнозирование электропотребления в энергосистеме Ростовэнерго. -Изв. вузов России. Сер. Электромеханика, 1994, N 4-5. С. 102-110.
114. Белан А. В., Демура A.B., Исаев К.Н., Морхов А.Ю., Надтока
115. И.И., Седов A.B. Анализ и прогнозирование электрической нагрузки в энергосистеме. // Улучшение экологии и повышение надежности энергетики Ростовской области. Ростов-на-Дону: Изд. СКНЦ ВШ, 1995. -С. 90-100.
116. Меламед A.M., Тимченко В.Ф., Сааренд К.А. Моделирование динамики изменения потребления электроэнергии энергосистем при непоной информации. Электричество, 1977, №4. Ч 6669 с.
117. Тимченко В.Ф. Колебания нагрузки и обменной мощности энергосистем. М: Энергия, 1975. - 60-65с.
118. Иберла К. Факторный анализ. М.: Статистика, 1980. Ч 398с.
119. Меник М. Основы прикладной статистики. М: Энергоатомиздат, 1983. 416 с.
120. Евланов JI. Г. Теория и практика принятия решений. Ч М.: Экономика, 1984. 176 с.
121. Башлыков A.A., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике. Изд-во МЭИ, 1994. Ч 216 с.
122. Меламед A.M., Скрипко O.A. Применение принципов экспертных систем для прогнозирования электропотребления // Электричество, 1994, № 1. С. 26-31.
123. Бабец Ю.Н., Киселица Е.П. Методика управления рисками с использованием ситуационного анализа положения предприятия на рынке // Проблемы и перспективы управления экономикой и маркетингом в организации. №1, 2001.
124. Киселица Е.П. Предпосыки и сущность формирования маркетинговых технологий как эффективного способа решения сбытовых проблем // Проблемы и перспективы управления экономикой имаркетингом в организации, №3. 2003.
125. Барыкин Е.Е., Воропаева Ю.А., Косматов Э.М., Ногин В.Д.
126. Принятие решений о величине среднего тарифа на электроэнергию в условиях неоднозначности исходной информации. Электрические станции, 1994, N 12. - С.2-7.
127. Владимиров В.А., Воробьев Ю.Л., Малинецкий Г.Г. Управление риском. Риск, устойчивое развитие, синергетика. М.: Наука, 2000.
128. Ермольев Ю.М., Ястремский А.И. Стохастические модели и методы в экономическом планировании. Ч М.: Наука, 1979. Ч 256 с.
129. Ульяницкая Н.М. Локальный уровень управления развитием производства. Ростов н/Д: СКИАПП, 1999. - 360 с.
130. Кушнарев Ф. А. Менеджмент энергетических предприятий. М.: Издательство МЭИ, 2002. - 224 с.
131. Кардаш В.А. Введение в стохастическую оптимизацию. Стохастическое программирование. Кн. 1 и 2. Новочеркасск: Изд. НГТУ, 1995, 1996.
132. Шураков В.В., Дайибегов Д.М., Мизрохи C.B., Ясеновский C.B. Автоматизированное рабочее место для статистической обработки данных. М.: Финансы и статистика, 1990.
133. Хубаев Г.Н. Статистические методы планирования экстремальных экспериментов с информационными системами // Вопросыстатистики. 1999, №6.
134. Малииецкий Г.Г., Курдюмов С.П. Нелинейная динамика и проблемы прогноза // Вестник Российской академии наук, т. 71, № 3, 2001. -С. 210-232.
135. Лурье A.JI. Экономический анализ моделей планирования социалистического хозяйства. М.:1973.
136. Макаров A.A., Мелентьев JI.A. Методы исследования и оптимизации энергетического хозяйства. Новосибирск, 1973.
137. Джуха В.М., Усенко JI.H., Киреев В.Д. Оценочная деятельность в экономике. Ч Ростов: МарТ, 2003. Ч 304 с.
138. Папков Б.В. Электроэнергетический рынок и тарифы. -Н. Новгород, 2002. 252 с.
139. Кушнарев Х Ф.А., Свешников В.И., Коваленко A.B., Федорченко Г.С. Организация энергетического производства. М.: Энергоатомиздат, 2001. - 288 с.
140. Кушнарев Ф.А., Свешников В.И. Энергетика России. Результаты реформирования/Юж.-Рос. гос. тех. ун-т. Новочеркасск: ЮРГТУ, 2005.- 196 с.
141. Чернухин A.A., Флаксерман Ю.Н. Экономика энергетики СССР. -М.:Энергоатомиздат, 1985.-416 с.
Похожие диссертации
- Развитие системы прогнозирования спроса на грузовые перевозки железнодорожным транспортом
- Маркетинговый анализ и прогнозирование уровня, динамики и структуры оптовых цен на строительные материалы
- Методология статистического анализа и прогнозирования развития промышленности Российской Федерации
- Статистический анализ и прогнозирование развития рынка электроэнергии Российской Федерации
- Разработка моделей социально-ориентированных многоставочных тарифов на электроэнергию для населения