RU151431U1

RU151431U1 - Автоматизированная система контроля и управления электропотреблением предприятий

Info

Publication number: RU151431U1
Application number: RU2014112917/08U
Authority: RU
Inventors: Александр Анатольевич Комяков; Антон Витальевич Пономарев
Priority date: 2014-04-02
Filing date: 2014-04-02
Publication date: 2015-04-10

Abstract

Автоматизированная система контроля и управления электропотреблением предприятий, содержащая блоки ввода данных о расходе электрической энергии, о составе и режимах работы электрооборудования, об объеме производственной деятельности, блок расчета плановых значений расхода электрической энергии, блок анализа электропотребления, блок принятия решений о применении управляющих воздействий на объект, отличающаяся тем, что в систему дополнительно введены блоки ввода данных о температуре воздуха и о продолжительности светового дня, которые соединены своими входами с объектом управления, а выходом - с дополнительно введенным блоком формирования нейросетевой модели процесса электропотребления, на вход которого также подается информация с блоков ввода данных о расходе электрической энергии, о составе и режимах работы электрооборудования, об объеме производственной деятельности, а выход которого соединен с блоком расчета плановых значений расхода электрической энергии.

Description

Полезная модель относится к системам учета, контроля, планирования и управления процессом электропотребления предприятий. Система предназначена для учета и оперативного планирования расхода электрической энергии на предприятиях в условиях изменяющихся производственных и климатических факторов и контроля эффективности использования электрической энергии по интегральному показателю с возможностью применения управляющих воздействий на объект управления.

Известна автоматизированная система учета, планирования и контроля эффективности на предприятии [1], которая решает задачу создания системы учета, контроля и удельного нормирования энергоресурсов на предприятии с возможностью оперативного управления эффективностью процессов производства продукции. Разновидностью ее является автоматизированная система постоянно действующего аудита энергоэффективности [2], которая представляет собой автоматизированную систему учета и управления энергопотреблением предприятия с возможностью динамического расчета потерь и задания контрольных показателей энергоэффективности для процессов, участков и оборудования, формирования текущего базового энергопотребления, выявления мест значительного энергопотребления и энергетических параметров, используемых для постоянного аудита энергоэффективности предприятия.

Недостатком этих систем является то, что контроль и планирование электропотребления осуществляется за счет мониторинга удельных норм расхода энергоресурсов в расчете на единицу производственной деятельности, при этом влияние климатических факторов не учитывается. Кроме того, в описании к патентам [1], [2] не указано, каким способом решается задача планирования электропотребления.

Наиболее близким техническим решением является система управлением потреблением промышленных предприятий [3], которая позволяет учитывать влияние качества выпускаемой продукции и основных технологических параметров на расход энергоресурсов. Однако эта система также не учитывает влияние климатических факторов. Кроме того, задача планирования энергопотребления в данной системе решается методами линейного регрессионного анализа, что не позволяет получить достаточно высокую точность планирования при наличии большого количества влияющих факторов, зависимости которых от расхода энергоресурсов являются нелинейными. Так, обоснование необходимости применения нелинейных моделей и учета влияния климатических факторов при управлении процессами электропотребления приведено в ряде работ в международных научных изданиях [4-6].

Технический результат от использования заявленной полезной модели заключается в повышении точности определения планового значения расхода электрической энергии за счет применения математического аппарата искусственных нейронных сетей и учета влияния климатических факторов, и, как следствие, в повышении эффективности контроля и управления электропотреблением предприятий.

Сравнение заявленной полезной модели с описанными выше показывает, что в автоматизированных системах управления процессами энергопотребления предприятий метод искусственных нейронных сетей с дополнительным учетом влияния климатических факторов ранее не использовался.

Предлагаемая автоматизированная система контроля и управления электропотреблением предприятий представляет собой устройство, реализованное в виде промышленного компьютера, размещенного на объекте управления. Структурная схема предлагаемой автоматизированной системы представлена на фиг. 1. Система функционирует следующим образом. От объекта управления 1 поступает информация о фактических значениях расхода электрической энергии, например, по данным автоматизированных систем учета электрической энергии (блок 2), температуры воздуха (блок 3), составе и режимах работы электрооборудования (блок 4), продолжительности светового дня (блок 5), объеме производственной деятельности предприятия (блок 6). В блоке 7 происходит формирование нейросетевой модели процесса электропотребления. На основе разработанной нейросетевой модели осуществляется расчет плановых значений расхода электрической энергии в блоке 8. В блоке 9 производится анализ электропотребления на основе данных о фактическом расходе электрической энергии, получаемом с блока 1, и плановом его значении, получаемом с блока 8. По результатам анализа формируются отчетные формы об эффективности использования электрической энергии (блок 10). При необходимости применяются управляющие воздействия на объект управления (блок 11), например, отключение части неэффективно используемого электрооборудования, увеличение производительности и т.п.

В сравнении с известными схемами в предлагаемую автоматизированную систему контроля и управления электропотреблением предприятий дополнительно введены блок ввода данных о температуре воздуха, который представляет собой базу данных о суточных значениях температуры воздуха, блок ввода данных о продолжительности светового дня, который представляет собой базу данных о суточной продолжительности светового дня для рассматриваемого региона, и блок формирования нейросетевой модели процесса электропотребления, который представляет собой программу для электронно-вычислительных машин, осуществляющую следующие операции: формирование выборки исходных данных, разделение выборки на обучающую и тестовую, обучение нейронной сети методом обратного распространения ошибки, тестирование нейросетевой модели.

Библиографический список

1. Пат. на полезную модель 110199 РФ. МПК G06Q 10/00, G06Q 20/00. Автоматизированная система учета, планирования и контроля эффективности на предприятии / А.Н. Беляев, В.В. Валиков, А.В. Валиков, В.Н. Червяков (РФ) - № 2011128303/08: Заявлено 08.07.2011; Опубл. 10.11.2011. Бюл. №31.

2. Пат. на полезную модель 123192 РФ. МПК G06Q 10/00, G06Q 20/00. Автоматизированная система постоянно действующего аудита энергоэффективности / А.Н. Беляев, В.В. Валиков, А.В. Валиков, В.Н. Червяков (РФ) - №2012117862/08; Заявлено 27.04.2012; Опубл. 20.12.2012. Бюл. №35.

3. Пат. на изобретение 2503015 РФ. МПК . Система управления электропотреблением промышленных предприятий и производств / Ю.Н. Варавин, А.Ю. Шахов, О.А. Трифанова, А.Н. Дергунов, И.И. Мельников, С.В. Первунин, В.М. Куркин, С.Е. Шибаев (РФ) - №2012109175/28; Заявлено 11.03.2012; Опубл. 27.12.2013. Бюл. №36.

4. P. Bunnoon, K. Chalermyanont, С. Limsakul. Mid-Term Load Forecasting: Level Suitably of Wavelet and Neural Network based on Factor Selection. Energy Procedia, Vol. 14, 2012. P. 438-444.

5. A. Badri, Z. Ameli, A.Motie Birjandi. Application of Artificial Neural Networks and Fuzzy logic Methods for Short Term Load Forecasting. Energy Procedia, Vol. 14, 2012. P. 1883-1888.

6. S. Munkhjargal, V. Manusov. Artificial neural network based short-term load forecasting. Science and Technology, 2004. KORUS 2004. Vol. 1. P. 262-264.