امروز برابر است با :9 فروردین 1403

پیش بینی بار

مقدمه:


دراقتصاد الكتريسيته ، شركت هاي توليد كنده ي برق موظفند ، مصرف كننده هاي خود را با قابليت اطمينان زياد ، با كيفيتي بالا و قيمت مناسب با توجه به محدوديت هايي از جمله حفظ محيط زيست ، قرارداد با ديگر شركا در سيستم هاي به هم پيوسته و با در نظر گرفتن قيودي نظير توان و نوع نيروگاه هاي موجود ، ميزان ذخيره ي سوخت مورد نياز نيروگاه هاي حرارتي ، ميزان آب موجود در مخزن ها براي استفاده ي نيروگاه هاي آبي ، و غيره تغذيه نمايد . براي نيل به اين اهداف بايد از طرفي ، تجهيزات مورد نظر نيروگاه ها و شبكه هاي انتقال و توزيع ، به نحو بهينه مورد استفاده و بهره برداري قرار گيرند (حد اقل سرمايه گزاري دراز مدت ) و از طرفي ديگر ، انرژي هاي اوليه ي موجود براي توليد برق (انواع سوخت ها ، آب ، … ) به طرز بهينه، مورد مصرف واقع شوند(حداقل مخارج بهره برداري)، برنامه ريزي و بهره برداري بهينه در سيستم هاي قدرت از نقطه نظر زماني درچند مرحله به شرح زير انجام مي پذيرد:

برنامه ريزي دراز مدت (5-30 سال): در برنامه ريزي دراز مدت ،با در نظر گرفتن توان و تركيب و طول عمر نيروگاه هاي موجود، توانايي هاي شبكه هاتي انتقال و توزيع ، قرارداد هاي دراز مدت براي تبادل انرژي الكتريكي با شركا در سيستم به هم پيوسته، در مورد نوع و اندازه و محل احداث نيروگاه هاي جديد ، نحوه ى گسترش شبكه ، بستن ويا تجديد نظر در قرارداد ها تصميم گيري مي شود.


برنامه ريزي ميان مدت (تا يك سال): در برنامه ريزي ميان مدت با در نظر گرفتن توان و تركيب نيروگاه هاي موجود ، ميزان ذخيره ي سوخت ، ميزان آب ذخيره در مخزن ها ، قرارداد با شركا ، در مورد نحوه و زمان بكارگيري نيروگاه هاي حرارتي و آبي ، تهيه ي سوخت ، ميزان تبادل انرژي الكتريكي با شركا ، زمانبندي بهينه براي بازرسي و تعميرات نيروگاه ها و شبكه ، تصميم گيري مي شود.


برنامه ريزي كوتاه مدت (يك روز تا يك هفته ) : در برنامه ريزي كوتاه مدت ، با در نظر گرفتن قيود موجود و محدوديت ها و با استفاده ي حداكثر از انرژي و توان خريداري شده از شركا ، در مورد در مدار قرار گرفتن بهينه ي نيروگاه هاي خودي ، به منظور كاستن هزينه ي سوخت تصميم گيري مي شود .


برنامه ريزي لحظه اي (چند دقيقه تا چند ساعت ) : در برنامه ريزي لحظه اي ، توزيع اقتصادي بار در بين نيروگاه هاي موجود در مدار و نيز كنترل توان – فركانس مد نظر مي باشد.


اطلاعات لازم براي انجام برنامه ريزي مرحله اي بهينه در سيستم هاي قدرت ، توسط پيش بيني ميزان مصرف بار الكتريكي در زمان بندي هاي قيد شده در فوق ، در دسترس قرار مي گيرد


مصرف بار الكتريكي به صورت پيچيده و غير خطي تابعي از پارامترهاي متعددي از جمله شرايط آب و هوايي ( درجه حرارت ، مقدار رطوبت ، روشنايي هوا ، سرعت باد ) مي باشد . در ضمن ، هر روز هفته ، منحني بار خاص خود را دارد . منحني هاي مصرف بار در روزهاي تعطيل و غير تعطيل نيز از يكديگر متمايز مي باشند . در فصول مختلف سال نيز ، با توجه به عوامل مختص هر فصل ، نظير طول روز ، منحني مصرف بار تغيير مي كند. در طول زمان نيز با توجه به رشد جمعيت و رشد اقتصادي جامعه ، ميزان ميانگين مصرف بار ، به مرور افزايش يا بالعكس بر اثر بهينه شدن ابزار الكتريكي و يا اقدامات صرفه جويانه مصرف كنندگان عمده ي برق ، كاهش مي يابد . تغيير عادات مصرف كنندگان ، بر اثر مديريت بار از سوي توليد كنندگان انرژي الكتريكي و يا تغيير ساخت اقتصادي ( كشاورزي ، صنعتي ، خانه داري ، تجاري و …)محل تغذيه و يا در كوتاه مدت عواملي به مانند برنامه هاي تلويزيوني ، نيز بر ساختمان اقتصادي بار موثر مي باشند . در مدل سازي ، براي پيش بيني منحني مصرف ، بايد تمامي اين عوامل بيان كننده ي منحني بار در نظر گرفته شوند . اضافه بر آن از اين مدل ها ، انتظار مي رود كه با خطاي كم ، منحني بار را ، پيش بيني نمايند .


پيش بيني بار كوتاه مدت ( Short Tterm Load Forecasting ) در طراحي و بهره برداري سيستم هاي قدرت نقش اساسي ايفا مي كند . به طوري كه يكي از نيازهاي مهم براي برنامه ريزي هايي همچون وورد و خروج واحدهاي نيروگاهي ( Unit Commitment ) ، تخصيص سوخت ( Fuel Allocation ) ، توزيع اقتصادي بار ( Economic Lload Dispatch ) ، برنامه ي زمان بندي تعميرات و نگهداري ( Maintenance Scheduling ) و … مي باشد .


به طور كلي روش هاي پيش بيني بار كوتاه مدت به دو دسته تقسيم مي شوند :



  • الف – روش سنتي

  • ب – روش مدرن

از جمله روش هاي سنتي مي توان به سري هاي زماني و تحليل گرهاي رگرسيوني اشاره نمود . در سال هغاي اخير كاربرد روش هاي مدرن هوش مصنوعي نظير شبكه هاي عصبي و سيستم هاي خبره ي فازي به منظور پيش بيني بار بسيار مورد توجه قرار گرفته اند .دليل مهم استفاده از شبكه هاي عصبي در پيش بيني بار كوتاه مدت ، توانايي آنها در يادگيري روابط پيچيده بين ورودي ها و خروجي هاي آن مي باشد .


البته پيش بيني بار به كمك شبكه هاي عصبي به تنهايي نمي تواند عملكرد خوبي را براي روزهاي تعطيل و روزهايي با تغييرات شديد آب و هوايي داشته باشد . زيرا منحني هاي بار چنين روزهايي كاملا با روزهاي عادي متفاوت است . بنا بر اين براي پيش بيني بار روزهايي با شرايط مذكور ، سيستم فازي پيشنهاد مي 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


 

اشتراک گذاری