Регрессионный анализ

Статья опубликована в Сборнике научных статей Международной научной конференции ICIT 2014 «Информационно-коммуникационные технологии в науке, производстве и образовании» (Саратов) 2014 г.

Автор:

Игорь Николаевич Фомин – генеральный директор компании «EnergoKB Group» (г. Москва), известный популяризатор методик автоматизации бизнес-процессов предприятий топливно-энергетического комплекса.


 

Главным методом достижения энергоэффективности тепловых электростанций является подбор оптимального режима эксплуатации энергогенерирующего оборудования. Особенности управления режимами крупных ТЭС и технологические задачи производства электроэнергии включают различные этапы: выбор состава основного работающего оборудования, распределения нагрузки между агрегатами станций, построение энергетических характеристик станций, работа агрегатов собственных нужд [1].

 

Каждый из этих технологических факторов можно определять по данным в АСУ ТП ТЭС, которые собираются в темпе процесса [2], и формируют некие учётные или расчётные показатели. Эти показатели собираться в соответствующие базы данных (иногда именуемые «продукционными базами знаний») в информационных системах и могут оказывать прямое влияние на экономические показатели, определяющие финансовый план генерирующей компании (ГК) и её поведение на оптовом рынке электроэнергии и мощности (ОРЭМ). Рациональную стратегию поведения можно определить как сценарий, по которому действует оперативный персонал ГК, подбирающий различные ТЭПы, для определения технико-экономического режима работы генерирующего оборудования.

 

Сценарии - это способ анализа сложной среды, в которой присутствует множество значимых, к тому же влияющих друг на друга тенденций и событий [3]. Сценарий действий оперативного персонала это сложная формальная конструкция, в которой могут сочетаться различные модели, учётные и расчётные показатели, ранее определённые сценарные условия.

 

Сценарные условия - это  важные заранее рассчитанные ТЭПы, которые несут за собой набор управленческих решений при наступлении той или иной технической или экономической ситуации. Задача формирования конечного числа сценарных условий делает необходимой разработку математического описания производственных ситуаций в классе графовых и логико-лингвистических моделей, допускающих работу в зависимости от качественного типа.

 

Поскольку такого рода модели формируют продукционные базы или банки знаний, их можно представить в виде совокупности конечных множеств целей G, множеств факторов решаемой задачи F и множеств правил или сценариев R в виде

rm: ЕСЛИ fi И fj…И fnТО fk

где rm- имя правила или сценария во множестве ранее определённых правил, fi,  fj…, fn- условия выполнения правил,fk- следствие выполнения правил или сценариев. База правил R и множество целей G образуют базу знаний [4].

 

Сформированная таким образом база правил даёт возможность сформировать некую матрицу сценарных условий (МСУ) с набором заранее определённых сценарных ситуаций и действий оперативного персонала. Формирование МСУ возможно, поскольку можно составить конечный список F= {fi,fj…, fn} элементарных условий так, что условие выполнимости каждого правила rm из R состоит в одновременном выполнении некоторой совокупности условий {fi,fj…, fn} [5].

 

Чтобы заранее разработать МСУ и действий по ним для технического и экономического персонала ГК можно применять метод подбора уравнения регрессии, как специальную процедуру регрессионного анализа, которая может быть автоматизирована. Для этого может быть использовано уравнение регрессии, функция которого позволяет без специальных измерений определить любую среднюю величину (у) одного признака, если меняется величина (х) другого признака.

 

По этим данным строится график — линия регрессии, по которой можно определить среднее число сценарных ситуаций при заданных значениях финансовых или технологических отклонений. Определяя количество сценарных ситуаций и вероятность их наступления при процедурах исполнения производственного и финансового плана, производится коррекция уравнения регрессии, при необходимости уточняются границы доверительного коридора для линии регрессии при заданном уровне доверительной вероятности. Описание зависимости между переменными помогает установить наличие возможной причинной связи, и с помощью уравнения регрессии можно предсказывать значения зависимой переменной по значениям влияющих факторов [2].

 

Финансовое планирование ГК осуществляется исходя из плановых финансовых показателей и сформировавшейся на ОРЭМ системе договорных обязательств. При производственном планировании учётные показатели готовности оборудования, состава топлива и уровня загрузки генерирующих агрегатов оказывают влияния на обязательства ГК на ОРЭМ и план маржинальной прибыли.

 

Производственное и финансовое планирование осуществляется многоитерационным способам с применением «банков знаний» и сценарных условий, определённых эвристическими методами или методами регрессионного анализа. Обрабатываемые учётные и расчётные ТЭП должны использоваться в информационных системах для финансового планирования, для производственного планирования, а также для подбора режима и состава оборудования на каждый час работы генерирующей станции.

 

Литература

  1. 1. Веников В.А. Оптимизация режимов электростанций и энергосистем / В.А. Веников, В.Г. Журавлев, Т.А. Филиппова. – М.: Энергоиздат, с.1980. – 464;
  2. 2. Ефремов И.А., Таран А.С., Филиппова Т.А. Принципы повышения эффективности управления режимами работы электроэнергетических систем // Доклады Томского государственного университета систем управления и радиоэлектроники. 2012. № 1-1. с.199-203;
  3. 3. Aaker D. A., Strategic market management / М.: Wiley, 2005
  4. 4. Долинина О.Н.,  Классификация ошибок в базах знаний экспертных систем / О.Н. Долинина // Вестник СГТУ. СГТУ. – 2010. №4 (50), вып.2. – с.125-130.
Компания "ОргЦентр"© 2009-2017г. Все права защищены
Копирование материалов сайта возможно только с ссылкой на источник
Энергосбытам Электросетям Генераторам Потребителям
Консалтинговое агентство "EnergoKB Group"

Яндекс.Метрика