پیش بینی بار

0
4196

مقدمه:


دراقتصاد الکتریسیته ، شرکت های تولید کنده ی برق موظفند ، مصرف کننده های خود را با قابلیت اطمینان زیاد ، با کیفیتی بالا و قیمت مناسب با توجه به محدودیت هایی از جمله حفظ محیط زیست ، قرارداد با دیگر شرکا در سیستم های به هم پیوسته و با در نظر گرفتن قیودی نظیر توان و نوع نیروگاه های موجود ، میزان ذخیره ی سوخت مورد نیاز نیروگاه های حرارتی ، میزان آب موجود در مخزن ها برای استفاده ی نیروگاه های آبی ، و غیره تغذیه نماید . برای نیل به این اهداف باید از طرفی ، تجهیزات مورد نظر نیروگاه ها و شبکه های انتقال و توزیع ، به نحو بهینه مورد استفاده و بهره برداری قرار گیرند (حد اقل سرمایه گزاری دراز مدت ) و از طرفی دیگر ، انرژی های اولیه ی موجود برای تولید برق (انواع سوخت ها ، آب ، … ) به طرز بهینه، مورد مصرف واقع شوند(حداقل مخارج بهره برداری)، برنامه ریزی و بهره برداری بهینه در سیستم های قدرت از نقطه نظر زمانی درچند مرحله به شرح زیر انجام می پذیرد:

برنامه ریزی دراز مدت (۵-۳۰ سال): در برنامه ریزی دراز مدت ،با در نظر گرفتن توان و ترکیب و طول عمر نیروگاه های موجود، توانایی های شبکه هاتی انتقال و توزیع ، قرارداد های دراز مدت برای تبادل انرژی الکتریکی با شرکا در سیستم به هم پیوسته، در مورد نوع و اندازه و محل احداث نیروگاه های جدید ، نحوه ى گسترش شبکه ، بستن ویا تجدید نظر در قرارداد ها تصمیم گیری می شود.


برنامه ریزی میان مدت (تا یک سال): در برنامه ریزی میان مدت با در نظر گرفتن توان و ترکیب نیروگاه های موجود ، میزان ذخیره ی سوخت ، میزان آب ذخیره در مخزن ها ، قرارداد با شرکا ، در مورد نحوه و زمان بکارگیری نیروگاه های حرارتی و آبی ، تهیه ی سوخت ، میزان تبادل انرژی الکتریکی با شرکا ، زمانبندی بهینه برای بازرسی و تعمیرات نیروگاه ها و شبکه ، تصمیم گیری می شود.


برنامه ریزی کوتاه مدت (یک روز تا یک هفته ) : در برنامه ریزی کوتاه مدت ، با در نظر گرفتن قیود موجود و محدودیت ها و با استفاده ی حداکثر از انرژی و توان خریداری شده از شرکا ، در مورد در مدار قرار گرفتن بهینه ی نیروگاه های خودی ، به منظور کاستن هزینه ی سوخت تصمیم گیری می شود .


برنامه ریزی لحظه ای (چند دقیقه تا چند ساعت ) : در برنامه ریزی لحظه ای ، توزیع اقتصادی بار در بین نیروگاه های موجود در مدار و نیز کنترل توان – فرکانس مد نظر می باشد.


اطلاعات لازم برای انجام برنامه ریزی مرحله ای بهینه در سیستم های قدرت ، توسط پیش بینی میزان مصرف بار الکتریکی در زمان بندی های قید شده در فوق ، در دسترس قرار می گیرد


مصرف بار الکتریکی به صورت پیچیده و غیر خطی تابعی از پارامترهای متعددی از جمله شرایط آب و هوایی ( درجه حرارت ، مقدار رطوبت ، روشنایی هوا ، سرعت باد ) می باشد . در ضمن ، هر روز هفته ، منحنی بار خاص خود را دارد . منحنی های مصرف بار در روزهای تعطیل و غیر تعطیل نیز از یکدیگر متمایز می باشند . در فصول مختلف سال نیز ، با توجه به عوامل مختص هر فصل ، نظیر طول روز ، منحنی مصرف بار تغییر می کند. در طول زمان نیز با توجه به رشد جمعیت و رشد اقتصادی جامعه ، میزان میانگین مصرف بار ، به مرور افزایش یا بالعکس بر اثر بهینه شدن ابزار الکتریکی و یا اقدامات صرفه جویانه مصرف کنندگان عمده ی برق ، کاهش می یابد . تغییر عادات مصرف کنندگان ، بر اثر مدیریت بار از سوی تولید کنندگان انرژی الکتریکی و یا تغییر ساخت اقتصادی ( کشاورزی ، صنعتی ، خانه داری ، تجاری و …)محل تغذیه و یا در کوتاه مدت عواملی به مانند برنامه های تلویزیونی ، نیز بر ساختمان اقتصادی بار موثر می باشند . در مدل سازی ، برای پیش بینی منحنی مصرف ، باید تمامی این عوامل بیان کننده ی منحنی بار در نظر گرفته شوند . اضافه بر آن از این مدل ها ، انتظار می رود که با خطای کم ، منحنی بار را ، پیش بینی نمایند .


پیش بینی بار کوتاه مدت ( Short Tterm Load Forecasting ) در طراحی و بهره برداری سیستم های قدرت نقش اساسی ایفا می کند . به طوری که یکی از نیازهای مهم برای برنامه ریزی هایی همچون وورد و خروج واحدهای نیروگاهی ( Unit Commitment ) ، تخصیص سوخت ( Fuel Allocation ) ، توزیع اقتصادی بار ( Economic Lload Dispatch ) ، برنامه ی زمان بندی تعمیرات و نگهداری ( Maintenance Scheduling ) و … می باشد .


به طور کلی روش های پیش بینی بار کوتاه مدت به دو دسته تقسیم می شوند :



  • الف – روش سنتی

  • ب – روش مدرن

از جمله روش های سنتی می توان به سری های زمانی و تحلیل گرهای رگرسیونی اشاره نمود . در سال هغای اخیر کاربرد روش های مدرن هوش مصنوعی نظیر شبکه های عصبی و سیستم های خبره ی فازی به منظور پیش بینی بار بسیار مورد توجه قرار گرفته اند .دلیل مهم استفاده از شبکه های عصبی در پیش بینی بار کوتاه مدت ، توانایی آنها در یادگیری روابط پیچیده بین ورودی ها و خروجی های آن می باشد .


البته پیش بینی بار به کمک شبکه های عصبی به تنهایی نمی تواند عملکرد خوبی را برای روزهای تعطیل و روزهایی با تغییرات شدید آب و هوایی داشته باشد . زیرا منحنی های بار چنین روزهایی کاملا با روزهای عادی متفاوت است . بنا بر این برای پیش بینی بار روزهایی با شرایط مذکور ، سیستم فازی پیشنهاد می شود.


برگرفته از پاین نامه پیش بینی بار کوتاه مدت با استفاذه از سیستم های هوشمنذ شبکه های عصبی و فازی جهت کاربرد در بازار برق – الهویردی رضائی آغ اوغلان


www.re1704.blogfa.com


 

دیدگاه خود را بیان کنید

لطفا پیام خود را وارد نمایید
لطفا نام خود را در این قسمت وارد نمایید

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.