Любарцев В. В. Прогнозування та оптимізація режимів роботи систем електропостачання з розподіленою генерацією

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0825U002414

Облікова картка дисертації

0825U002414.pdf

Здобувач

Спеціальність

  • 141 - Електроенергетика, електротехніка та електромеханіка

03-07-2025

Спеціалізована вчена рада

PhD 9310

Національний технічний університет "Дніпровська політехніка"

Анотація

Робота присвячена розробці методів прогнозування режимів роботи мережі з розподіленою генерацією. Розвиток відновлюваних джерел електроенергії (ВДЕ) зумовлений як здешевленням сонячних та вітрових електростанцій, так і загальносвітовим трендом на «зелену» енергію, що у сукупності з державною підтримкою та можливістю автономного використання дає поштовх до розвитку так званих мереж з розподіленою генерацією. Учасники таких мереж (просьюмери) не тільки споживають, а і генерують надлишок електроенергії в мережу, що змінює весь принцип централізованого електропостачання від великих енерговузлів до споживачів. Окремим фактором, який став актуальним для України є постійні удари по великих енергетичних об’єктах і саме розподілення генерації може частково зменшити негативні наслідки для енергосистеми. Перший розділ присвячений методам оцінки ефективності моделей для прогнозування електричних навантажень, а також аналізу існуючих досліджень по темі дисертаційної роботи. Під час оцінки ефективності прогнозування одним із ключових показників є MAPE (Mean Average Percentage Error) — середнє абсолютне відсоткове значення похибки у %. Дослідження та публікації в області статистичних методів показують, що MAPE статистичних моделей перевищує 10%, у той час як у моделей машинного навчання та штучних нейронних мереж MAPE від 2% до 10%. Але налаштування штучних нейронних мереж є складнішим та вимагає попередньої підготовки та нормалізації даних для їх коректної роботи. Більшість існуючих досліджень з прогнозування енергоспоживання зосереджені на прогнозуванні навантажень окремих споживачів або енерговузлів, або ж прогнозуванні генерації ВДЕ. Це підходить для великих учасників енергоринку, але зростання кількості просьюмерів (споживачів, які генерують власну енергію) призводить до створення розподілених мереж генерації. Окремі елементи таких мереж не взаємодіють один з одним і не беруть участі в регулюванні роботи мережі, що покладається на постачальників послуг або диспетчерські центри. Проте, просьюмери здатні впливати на загальний режим роботи мережі. Їх вплив можна опосередковано оцінити, враховуючи ключові зовнішні фактори, такі як метеорологічні дані. У другому розділі досліджено, що впровадження ВДЕ в енергосистему має як позитивні, так і негативні наслідки. З одного боку, це дозволяє зменшити тривалість пікового навантаження на підстанції. Наприклад, згідно досліджень, при 15% інтеграції ВДЕ пікове навантаження в жовтні може скоротитися з 100 до 82 годин. З іншого боку, зростає рівень коливання навантаження. При 15% інтеграції він сягає 8,1%, а при 60% може досягати 29,4%. Ці та інші особливості розподілених мереж генерації слід враховувати при розробці методів прогнозування навантажень. Прогнозування режимів роботи мереж з розподіленою генерацією (МРГ) відрізняється від прогнозування для традиційних електромереж. Це пов'язано з мінливістю генерації в МРГ, залежністю від погодних умов, часткою ВДЕ в енергосистемі та можливостями використання їх потенціалу. Існуючі методи прогнозування генерації та споживання електроенергії не завжди підходять для МРГ. Наприклад, при використанні змодельованого графіка електричних навантажень промислового підприємства, прогнозування за середнім значенням дає значну похибку (MAPEcер. = 18,28%), тоді як статистичні методи (MAPEстат. = 4,97%) та нейронні мережі (MAPEНМ = 1,08%) значно точніші.

Читати повністю

Публікації

Sayenko, Y., Pawelek, R., Baranenko, T., & Liubartsev, V. (2025). The Impact of Meteorological Data on the Accuracy of Solar Electricity Generation Forecasting Using Neural Networks. Energies, 18(9), 2309.

Sayenko, Y., Sychenko, V., & Liubartsev, V. (2019, April). Development of Methods for Optimizing Reactive Power Modes Based on Neural Network Technologies. In 2019 IEEE 6th International Conference on Energy Smart Systems (ESS) (pp. 98-103). IEEE.

Sayenko, Y., Baranenko, T., & Liubartsev, V. (2020, September). Forecasting of electricity generation by solar panels using neural networks with incomplete initial data. In гш (pp. 140-143). IEEE.

Sayenko, Y., Pawełek, R., & Liubartsev, V. (2021). Wind power forecasting based on meteorological data using neural networks. Przeglad Elektrotechniczny, 97(11).

Саєнко, Ю. Л., Любарцев, В.В. (2015). Аналіз методів прогнозування реактивних навантажень промислових підприємств. Вісник Приазовського державного технічного університету. Серія: Технічні науки, 2 (30), 129-137.

Саєнко, Ю. Л., Любарцев, В.В. (2016). Застосування нейронних мереж при оптимізації режиму реактивної потужності розгалужених електричних мережах. Електрифікація транспорту, (12), 53-58.

Саєнко Ю.Л., Любарцев В.В. (2024) Прогнозування режимів роботи мереж з розподіленою генерацією за допомогою штучних нейронних мереж. Підвищення рівня ефективності енергоспоживання в електротехнічних пристроях і системах: зб. матеріалів Х Міжнар. наук.-техн. інтернет-конф., 19–21 верес. 2024 р., м. Луцьк / Луцький нац. техн. ун-т. – Луцьк: ЛНТУ, 2024. – с. 84–88.

Саєнко Ю.Л., Любарцев В.В., Любарцева Ю.І. (2024) Дослідження впливу ступені інтеграції ВДЕ на режими роботи мереж з розподіленою генерацією. Університетська наука - 2024 : тези доп. Міжнар. науково-техн. конф. (Дніпро, 23-24 травня 2024 р) : в 3 т. Т. 1: факультети: Навчально-науковий інститут сучасних технологій, машинобудування та зварювання, транспортний, інформаційних технологій / ДВНЗ «ПДТУ». – Дніпро: ДВНЗ «ПДТУ», 2024. – с.61 – 63.

Саєнко Ю.Л., Любарцев В.В., Любарцева Ю.І. (2023). Аналіз впливу метеорологічних даних на якість прогнозування генерації електроенергії сонячними панелями. Університетська наука - 2023 : тези доп. Міжнар. науково-техн. конф. (Дніпро, 25-26 травня 2023 р) : в 3 т. Т. 1: факультети: Навчально-науковий інститут сучасних технологій, машинобудування та зварювання, транспортний, інформаційних технологій / ДВНЗ «ПДТУ». – Дніпро: ДВНЗ «ПДТУ», 2023. – с. 56-58.

Ю.Л. Саєнко., Любарцев В.В. (2020) «Прогнозування генерації електроенергії сонячними панелями за допомогою нейронних мереж при неповних вихідних даних» Університетська наука - 2020 : тези доп. Міжнар. науково-техн. конф. (Маріуполь, 20–21травня 2020 р.) : в 4 т. Т. 1: факультети: металургійний, енергетичний / ДВНЗ«ПДТУ». – Маріуполь: ПДТУ, 2020. С.236-238.

Ю.Л. Саєнко., Любарцев В.В. (2020) «Використання нейронних мереж з неповними вихідними даними для прогнозування виробництва електроенергії за допомогою поновлювальних джерел» Підвищення рівня ефективності енергоспоживання в електротехнічних пристроях і системах: збірник матеріалів VIІI Міжнародної науково-технічної інтернет-конференції, 24 грудня, 2020 р., м. Луцьк : Луцький НТУ, 2020. – с. 194-196

Ю.Л. Саєнко., Любарцев В.В. (2020) «Прогнозування виробництва електроенергії за допомогою сонячних панелей при використанні нейронних мереж з неповними вихідними даними» Збірник тез доповідей Міжнародної науково-практичної on-line конференції “Проблеми енергоефективності та автоматизації в промисловості та сільському господарстві”. – Кропивницький: ЦНТУ, 2020. – с. 27-29.

Саєнко Ю.Л., Бараненко Т.К., Любарцев В.В. (2019) Використання нейронних мереж для вирішення задачі оптимізації режимів реактивної потужності International Ukraine-Poland Seminar „Power quality in distribution networks with distributed generation” Kyiv, July 4-5, 2019. pp 179-187

Ю.Л. Саєнко., Любарцев В.В. (2015) Прогнозування електричних навантажень за допомогою нейронних мереж. Електрифікація транспорту «ТРАНСЕЛЕКТРО – 2015»: Матеріали VIII Науково – практичної конференціі (Одеса, 29.09 – 2.10.2015р.) – Д.:ДНУЗТ,2015. – с. 80 – 81.

Читати повністю

Файли

autoreferat-Анотація_Любарцев В-В-.pdf

Дисертація Любарцев В-В- Прогнозування та оптимізація режимів роботи систем електропостачання з розподіленою генерацією.pdf

Схожі дисертації

0825U002683

Козлов Максим Олегович

Зниження високочастотних кондуктивних електромагнітних завад в пропульсивних електроустановках суден з частотно-регульованими асинхронними електроприводами

0825U002184

Кузнецов Дмитро Сергійович

Підвищення енергоефективності електричних мереж з відновлюваними джерелами живлення за рахунок використання організаційних та технічних заходів

0825U002005

Разінков Владислав Олексійович

Методи та засоби підвищення коефіцієнту корисної дії сонячних фотоелектричних панелей

0825U001688

Іванчук Владислав Юрійович

Визначення параметрів фотоелектричних батарей в польових умовах

0825U001578

Яшин Роман Вікторович

Розгалужена електромеханічна система напірного переміщення рідини з інтегрованими насосними агрегатами