Однако эти источники энергии также обладают своими недостатками, основными из которых являются малая мощность, непостоянство во времени в течение суток и года, непредсказуемость. В то же время по данным метеостатистики достоинства и недостатки таких возобновляемых источников энергии, как солнечная радиация и ветровой поток, удачно компенсируют друг друга:

Предметом исследования в данной работе является развитие метода синтеза САУ ФВЭУ на операционном уровне, предложенного в [4].

Рассматриваемые ФВЭУ включает следующие подсистемы (установки) (рисунок 2):

Рассматриваемым энергосистемам присущи различные по физической природе процессы:

На уровне компонентов ФВЭУ САУ осуществляет оптимальное управление по техническим критериям эффективности. Соответствующие технические решения известны и не являются предметом рассмотрения в данной работе.

Наибольший интерес представляет операционный уровень, на котором осуществляется оптимальное управление по экономическому или другому критерию эффективности.

В случае ФВЭУ данный подход неприемлем по многим причинам.

Во-первых, ФВЭУ, как правило, являются необслуживаемыми, следовательно, эксплуатационными затратами можно практически пренебречь.

Во-вторых, возобновляемые источники энергии (ВИЭ), потребляемой ФВЭУ, не имеют стоимости.

В-третьих, преобразователи возобновляемой энергии характеризуются сравнительно высокой стоимостью и низким КПД. Поэтому требованию экономического оптимума в этом случае лучше всего соответствует наиболее полное обеспечение потребителей за счет минимизации потерь энергии.

Следовательно система управления на этом уровне должна носить оптимальный характер. В качестве критерия оптимальности может быть принята уровень надежности электроснабжения: минимум усредненного по времени математического ожидания относительного недоотпуска энергии различным группам потребителей с учетом весовых коэффициентов этих групп [4].

В данной работе исследуется вариант САУ, при котором обеспечивается достижение цели управления с учетом критериев путем выбора наиболее рационального режима энергораспределения ФВЭУ:

- в условиях существующего или прогнозируемого дефицита энергии осуществляется распределение нагрузки с учетом приоритетов;

Выбор режима энергораспределения осуществляется на основе анализа информации о текущем состоянии ФВЭУ и будущем состоянии первичных энергоресурсов.

Таблица 1 – ВАРИАНТЫ УПРАВЛЕНИЯ ФВЭУ

Для рассматриваемой реализации САУ в работе [4] на основе имитационного алгоритма были получены конкретные рекомендации по выбору оптимального режима энергораспределения. При этом использовалась информация о текущем состоянии ФВЭУ и будущем состоянии первичных возобновляемых источников энергии.

Информация, характеризующая текущее состояние ФВЭУ:

• потребность в электроэнергии в разрезе выделенных групп нагрузок;
• выходная мощность ФЭУ;
• выходная мощность ВЭУ;
• резерв накопителя.

Информация, характеризующая будущее состояние энергоресурсов:

• краткосрочный прогноз мощности солнечного светового потока;
• краткосрочный прогноз мощности ветра.

Различные режимы функционирования ФВЭУ отличаются вариантами энергораспределения:

• если ФВЭУ работает с избытком вырабатываемой электроэнергии, то подключается потребители с наивысшим приоритетом и накопитель (если он разряжен);
• иначе: либо дефицит энергии компенсируется накопителем и удовлетворяются все группы нагрузок, либо ФВЭУ функционирует с недоотпуском энергии выбранным группам нагрузок, накопитель при этом может работать как на разряд, так и на заряд.

Изложенный выше подход позволил достичь поставленной в [4] цели, однако при этом за рамками исследования временно остались следующие задачи:

1. взвешенное обобщение экспертных оценок рациональности режимов энергораспределения;
2. автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ;
3. определение дифференцирующей мощности факторов относительно режимов энергораспределения и контролируемое снижение размерности модели;
4. определение силы влияния факторов на принятие решения о переключении ФВЭУ в различные режимы энергораспределения;
5. определение степени детерминированности режимов энергораспределения ФВЭУ;
6. определение фактической приоритетности нагрузок;
7. исследование сходства и различия состояний ФВЭУ и факторов.

Решение этих задач представляет определенный интерес, следовательно, и развитие методов, предложенных в [4], является актуальным.

Для решения сформулированных выше задач в данной работе предлагается применить методы синтеза адаптивных АСУ сложными объектами управления (СОУ), основанные на теории информации и методах распознавания образов, предложенные в работах [5, 6].

Таблица 2 – ВЫБОР РЕЖИМА ЭНЕРГОРАСПРЕДЕЛЕНИЯ ФВЭУ

Приведем краткое описание данного алгоритма, а затем рассмотрим пример его применения для решения задачи синтеза САУ ФВЭУ.

Основная идея предлагаемого алгоритма состоит в том, что применение обучающейся с учителем (экспертом) адаптивной модели позволяет выявить информационные зависимости между факторами и режимами энергораспределения, т.е. фактически конкретизировать абстрактную модель ФВЭУ и осуществить синтез САУ.

Шаг 1–й: разрабатываются описательные и классификационные шкал: формализующие факторы и режимы энергораспределения.

Шаг 2–й: формируется обучающая выборка, представляющая собой примеры того, какие режимы энергораспределения рекомендуются экспертами на основе информации об актуальном состоянии ФВЭУ и краткосрочного прогноза возобновляемых энергоресурсов.

Шаг 3–й (обучение): обучающая выборка обрабатывается в соответствии с математической моделью, обоснованной в работе [5]. В результате формируются обобщенные образы режимов энергораспределения ФВЭУ, а также определяется дифференцирующая мощность факторов и степень детерминированности режимов. Кроме того на этом шаге осуществляется подготовка данных для типологического анализа.

Шаг 4–й: факторы, не имеющие особой прогностической ценности, корректным способом удаляются из системы.

Шаг 5–й: если решающие правила построены (на шаге 3) и оптимизированы (на шаге 4), но качество их работы неизвестно, то пользоваться ими для принятия решений о выборе режима энергораспределения ФВЭУ преждевременно. Верификация решающих правил основана на использовании внутреннего критерия качества алгоритма распознавания и может быть выполнена в любой момент, например по требованию пользователя ФВЭУ или экспертов, но в обязательном порядке - после каждой адаптации.

Если результаты верификации конкретной модели ФВЭУ удовлетворяют разработчиков адаптивной САУ и заказчика, то САУ переводится из пилотного режима, при котором управляющие решения генерировались, но не исполнялись, в режим опытно–производственной эксплуатации, когда они реально начинают использоваться для управления.

Если же модель признана недостаточно адекватной, то необходимо расширять перечень факторов (так как значимые факторы могли быть упущены из анализа), увеличивать объем обучающей выборки, исключать артефакты, пересматривать экспертные оценки, переформировывать коллектив экспертов и предпринимать другие действия для улучшения качества модели (повторяя шаги 1 – 4).

Шаг 6–й. В подсистеме идентификации предусмотрен режим дозаписи распознаваемой выборки к обучающей, чтобы в последующем, когда станет известна степень адекватности управления, этой верифицированной (т.е. достоверной) информацией дополнить обучающую выборку и переформировать решающие правила (обучающая обратная связь). При адаптации могут быть легко изменены и описательные, и классификационные (оценочные) шкалы, что позволяет ввести новые режимы энергораспределения или факторы, а также учесть мнение пользователя ФВЭУ о наиболее рациональном выборе режима энергораспределения.

Необходимо отметить, что модель, предложенная в данной работе, имеет внутреннюю дифференциальную и интегральную валидность 100%. Это объясняется тем, что задача оказалась практически детерминистской. САУ будет принимать адекватные решения по выбору режима энергораспределения, если фактически встретившиеся сочетания факторов принадлежат генеральной совокупности, по отношению к которой обучающая выборка репрезентативна.

Инструментальная система [2] может быть применена не только для разработки модели ФВЭУ, но и для краткосрочного прогноза мощности первичных возобновляемых энергоресурсов.

При этом на основе обучающей выборки выявляются взаимосвязи между признаками (факторами) и классами распознавания, представленными в таблице 3.

Таблица 3 – ПРОГНОЗ ПЕРВИЧНЫХ ЭНЕРГОРЕСУРСОВ

Возможны различные варианты применения предлагаемого метода, отличающихся способом получения прогноза об ожидаемом состоянии возобновляемых энергоресурсов:

1. используются среднемесячные значения, полученные на основе статистической обработки метеоданных за ряд лет;
2. используется метеопрогноз, разрабатываемый метеослужбами;
3. задача краткосрочного прогнозирования мощности первичных энергоресурсов решается САУ.

Каждый из этих вариантов обладает своими достоинствами и недостатками (таблица 4).

Таблица 4 - СРАВНЕНИЕ ИСТОЧНИКОВ ИНФОРМАЦИИ
О БУДУЩЕМ СОСТОЯНИИ ПЕРВИЧНЫХ ЭНЕРГОРЕСУРСОВ

Учитывая данные таблицы 4, авторы предлагают остановится на третьем варианте. Соответственно, задачу выработки рационального управления предлагается решать в два этапа:

1. сначала разрабатывать краткосрочный прогноз мощности первичных энергоресурсов (методы аналогичны приведенным в [2]);
2. затем принимать решение о выборе наиболее рационального режима энергораспределения.

Не исключается и комбинированное использование всех возможных источников информации о будущем состоянии первичных энергоресурсов.

Необходимость разрабатывать метеопрогноз для управления ФВЭУ сразу превращает ее в сложную динамическую многопараметрическую слабодетерминированную систему, т.е. систему, представляющую интерес не только в практическом, но и в научном плане.

Возникает вопрос об определении значения периода времени, на который оправдано разрабатывать прогноз. Очень длительный период прогнозирования вряд ли целесообразен, так как, во-первых, долгосрочные прогнозы позволяют предсказывать лишь усредненные показатели и обладают крайне низкой достоверностью для высокочастотных компонент процессов, и, во-вторых, такие прогнозы фактически не могут быть применены на практике из-за ограниченности ресурсов энергонакопителя. Таким образом, целесообразно ориентироваться на краткосрочные прогнозы.

В соответствии с приведенным выше алгоритмом и основываясь на результатах работы [4] рассмотрим пример синтеза САУ ФВЭУ.

Шаг 1: сконструируем классификационные и описательные шкалы (таблицы 5 и 6):

Таблица 5 – КЛАССИФИКАЦИОННАЯ ШКАЛА
(РЕЖИМЫ ЭНЕРГОРАСПРЕДЕЛЕНИЯ)

Таблица 6 – ОПИСАТЕЛЬНЫЕ ШКАЛЫ (ФАКТОРЫ)

Таблица 7 – ОБУЧАЮЩАЯ ВЫБОРКА

Таблица 8 – МАТРИЦА ИНФОРМАТИВНОСТЕЙ

Кратко рассмотрим как в предлагаемой технологии решаются другие задачи, сформулированные в начале работы.

Дифференцирующей мощностью фактора называется среднее количество полезной информации, которое САУ получает для выбора режима, если установлено, что данный фактор действует (таблица 10).

Итак, факторы имеют различную дифференцирующую мощность, которая может быть установлена. Из этого следует по крайней мере два важных вывода.

Во-первых, нет необходимости перед построением модели ФВЭУ пытаться решить задачу выбора наиболее существенных факторов (как это обычно предлагается в факторном анализе). Можно исследовать все факторы, о которых есть систематическая информация.

Во-вторых, незначимые факторы всегда можно удалить из модели ФВЭУ без ущерба для ее эффективности и адекватности, тем самым сократив эксплуатационные расходы на сбор и обработку информации САУ.

Таблица 10 – ДИФФЕРЕНЦИРУЮЩАЯ МОЩНОСТЬ ФАКТОРОВ

Каждый режим может быть охарактеризован единственной последовательностью факторов, в которой они ранжированы в порядке убывания количества информации в пользу выбора данного режима. Такая последовательность называется информационным портретом режима ФВЭУ [2].

Аналогично, каждый фактор может быть охарактеризован единственной последовательностью режимов, в которой они ранжированы в порядке убывания количества информации в пользу их выбора, содержащейся в данном факторе [2].

Информационные портреты режимов и факторов могут быть представлены в графическом виде.

Таблица 11 – ДЕТЕРМИНИРОВАННСТЬ РЕЖИМОВ ФВЭУ

Слабодетерминированные режимы, как правило, являются сходными сразу с несколькими сильнодетерминированными. В инструментальной системе реализована режим, обеспечивающий удаление из модели тех классов, которые сводятся к суперпозиции некоторого минимального количества слабо коррелирующих друг с другом классов.

1) формирование кластеров и конструктов режимов ФВЭУ и факторов;

2) содержательное сравнение режимов ФВЭУ и факторов.

Кластеры формируются инструментальной системой, на основе сравнения профилей режимов и факторов, представленных в таблице 7. Конструкт представляет собой систему наиболее сильно отличающихся кластеров (со спектром промежуточных кластеров). На рисунке 3 приведена семантическая сеть, построенная по результатам кластерно-конструктивного анализа режимов энергораспределения ФВЭУ.

Содержательное сравнение режимов (факторов) друг с другом представляет собой информационные портреты двух режимов, в которых факторы соединены друг с другом линиями, цвет и толщина которых соответствуют знаку и величине их вклада в сходство или различие данных двух режимов (факторов). Графическое отображение этой информации называется когнитивной диаграммой [2] (рисунок 4).

Выводы:

1. КПД автономных комбинированных фотоветроэлектроэнергетических установок существенно повышается при использовании систем автоматического управления;
2. системы автоматического управления ФВЭУ имеют два уровня: уровень компонент системы и операционный уровень;
3. технические проблемы управления ФВЭУ на уровне компонент решаются разработчиками этих компонент;
4. операционный уровень САУ обеспечивает выбор наиболее эффективного режима энергораспределения ФВЭУ в зависимости от состояния ФВЭУ и краткосрочного прогноза мощности первичных возобновляемых энергоресурсов;
5. применение предложенной в данной работе технологии обеспечивает эффективный синтез операционного уровня САУ ФВЭУ, а также позволяет поставить и решить целый комплекс взаимосвязанных задач, представляющих научный и практический интерес:

• взвешенное обобщение экспертных оценок рациональности режимов энергораспределения;
• автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ;
• определение дифференцирующей мощности факторов относительно режимов энергораспределения и контролируемое снижение размерности модели;
• определение силы влияния факторов на принятие решения о переключении ФВЭУ в различные режимы энергораспределения;
• определение степени детерминированности режимов энергораспределения ФВЭУ;
• определение фактической приоритетности нагрузок;
• исследование сходства и различия состояний ФВЭУ и факторов.