МЕЖДУНАРОДНАЯ НАУЧНО-ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ
АКТУАЛЬНЫЕ ПРОБЛЕМЫ ЦИФРОВИЗАЦИИ ЭЛЕКТРОМЕХАНИЧЕСКИХ И
ЭЛЕКТРОТЕХНОЛОГИЧЕСКИХ СИСТЕМ
244
где,
n
- число частных критериев;
q
f
- ранжированное значение
q
– го частного
критерия для одного из рассматриваемых вариантов.
При использовании аддитивного способа свертки необходимо нормализовать
частные критерии, если они имеют различную размерность. В результате такой
операции все частные критерии приобретают единую размерность. Существует ряд
методов нормирования. Наиболее часто для частных критериев используют
относительное нормирование:
max
/
q
q
q
f
f
f
.
Практика использования аддитивного
способа свертки показала, что в
некоторых случаях предпочтительнее использовать мультипликативный способ,
так как в этом случае результаты не зависят от способа нормализации. При
применении аддитивного способа оптимальное решение зависит от числа
рассматриваемых вариантов и способа нормализации. В тех случаях, когда
значение частного критерия в одном из вариантов
решений обращается в ноль,
приходится переходить к аддитивному способу свертки. Иначе вариант решения с
нулевым значением частного критерия окажется заведомо самым лучшим (при
минимизации частных критериев) или самым худшим (при максимизации частных
критериев) [7,8].
Приведенный подход к построению математической модели позволяет
определять оптимальное решение при планировании и проведении ЭО
электроэнергетических объектов, при учете множества факторов и ограничений.
Развитие
и
совершенствование
теории
и
практики
решения
многокритериальных задач в электроэнергетике показывает, что одновременный
учет множества критериев позволяет принимать более эффективные решения по
сравнению с методами, учитывающими отдельные критерии.
В ходе обследования предприятий, организаций и учреждений всех секторов
экономики по генерации, передаче и потреблению электрической энергии должен
проводиться анализ: отчетных данных по балансам и потерям энергии на
предприятиях,
распределительных сетях, используемых электротехнологиях;
результатов расчетов технических и коммерческих потерь энергии, программного
обеспечения этих расчетов; систем цифрового коммерческого и технического учета
энергии; режимов генераторных установок, электросетей и качества энергии;
технического состояния основного оборудования станций и энергетических сетей;
мероприятий по снижению потерь и повышению качества энергии,
эффективности
энергопотребления и т.д.
Одним из перспективных способов решения этих проблем является создание
цифровых измерительных и компьютерных комплексов, работающих на основе
многокритериального подхода. Необходимость автоматизации процессов расчетов,
принятия и планирования решений, предопределена возможностью возложить на
компьютер роль консультанта и тем самым рационально распределить функции
между экспертами - энергоаудиторами (ЛПР) и компьютером.
Математическая
модель решения подобных задач должна предоставлять собой симбиоз методов
обработки знаний, цифровых данных и математических методов, т.е.экспертную
систему (ЭкС). Структура подобной модели соответствует структуре (ЭкС)
поддержки принятия решений [9,10].
Задача оптимизации процесса сводится к разработке такого плана проведения
ЭО и энергосберегающих мероприятий, в результате которого максимально
реализуются возможности повышения энергоэффективности
при минимальных
затратах, в том числе и на проведение энергетических обследований.
МЕЖДУНАРОДНАЯ НАУЧНО-ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ
АКТУАЛЬНЫЕ ПРОБЛЕМЫ ЦИФРОВИЗАЦИИ ЭЛЕКТРОМЕХАНИЧЕСКИХ И
ЭЛЕКТРОТЕХНОЛОГИЧЕСКИХ СИСТЕМ
245
В результате решения задачи оптимизации, как задачи принятия решения,
определяется максимально возможный коэффициент энергоэффективности и
формируется оптимальный план проведения ЭО и обработки его результатов
При разработке оптимального плана проведения ЭО одной из задач является
снижение до минимума числа контрольных измерений, проводимых для проверки
данных о потерях и расходах в различных видах оборудования и сравнения их с
данными энергетических паспортов. Минимизация
числа энергетических
измерений является одним из критериев оптимизации плана проведения ЭО.
Имеющуюся информацию об электрических потерях в объектах можно
представить в виде формирующейся таблицы наблюдений (табл.1), где y
1
, y
2
,…,y
m
-
показатели потерь электроэнергии объектами организации; x
1
, x
2
,…,x
n
- факторы,
определяющие потери в объектах.
Между факторами и показателем потерь существует некоторая регулярная
зависимость, которая априори неизвестна:
1
2
(x , x ..., x ).
n
Y
f
Предполагается, что регулярные данные вычисляются зависимостью с
заданной точностью
1
2
(x , x ..., x )
y
.
n
f
или их
можно получить в виде
измерений.
Необходимо найти оптимальное разбиение множества данных на регулярные
и нерегулярные данные по критерию максимизации числа регулярных данных
(минимизации нерегулярных данных) для заданного класса зависимостей. Такая
задача, являясь частью общей многокритериальной, может быть решена
известными методами математического программирования.
Таблица 1
Наблюдения по объектам энергопотребления
№
объекта
показатели и факторы
y
1
y
2
…
y
m
x
1
x
2
…
x
n
1
y
1
1
y
2
1
…
y
m
1
x
1
1
x
2
1
…
x
n
1
2
y
1
2
y
2
2
…
y
m
2
x
1
2
x
2
2
…
x
n
2
…
…
…
…
…
…
…
…
…
N
y
1
N
y
2
N
…
y
m
N
x
1
N
x
2
N
…
x
n
N