ipolytechiPolytech JournaliPolytech Journal2782-40042782-6341Irkutsk National Research Technical University10.21285/1814-3520-2023-3-565-573TVYZCEipolytech-737Research ArticleЭНЕРГЕТИКАPOWER ENGINEERINGМетод прогнозирования и расчёта электрической нагрузки коммунально-бытовых потребителей в условиях неопределённостиMethod for forecasting and calculating the electrical load of municipal consumers under uncertaintyhttps://orcid.org/0000-0002-2875-2752ТаваровС. Ш.TavarovS. Sh.

Таваров Саиджон Ширалиевич, к.т.н., доцент кафедры безопасности жизнедеятельности

454080, г. Челябинск, пр. Ленина, 76

Saidjon Sh. Tavarov, Cand. Sci. (Eng.), Associate Professor of the Department of Life Safety

76, Lenin pr., Chelyabinsk 454080

tabarovsaid@mail.ruhttps://orcid.org/0000-0001-5024-6728СидоровА. И.SidorovA. I.

Сидоров Александр Иванович, д.т.н., профессор, заведующий кафедрой безопасности жизнедеятельности

454080, г. Челябинск, пр. Ленина, 76

Aleksandr I. Sidorov, Dr. Sci. (Eng.), Professor, Head of the Department of Life Safety

76, Lenin pr., Chelyabinsk 454080

sidorovai@susu.ruhttps://orcid.org/0000-0001-5024-6728СуворовИ. Ф.SuvorovI. F.

Суворов Иван Флегонтович, д.т.н., профессор, профессор кафедры энергетики

672039, г. Чита, ул. Александро-Заводская, 30

Ivan F. Suvorov, Dr. Sci. (Eng.), Professor, Professor of the Department of Power Engineering

30, Aleksandro-Zavodskaya St., Chita 672039

ivan.suvorov.1947@mail.ruhttps://orcid.org/0000-0002-2875-2752СвятыхА. Б.SvyatykhA. B.

Святых Андрей Борисович, к.т.н., первый заместитель генерального директора

454080, г. Челябинск, ул. Энтузиастов, 26А

Andrey B. Svyatykh, Cand. Sci. (Eng.), First Deputy General Director

26A, Entuziastov St., Chelyabinsk 454080

svyatykh@mail.ruЮжно-Уральский государственный университетРоссияSouth Ural State University (National Research University)Russian FederationЮжно-Уральский государственный университет,РоссияSouth Ural State University (National Research University)Russian FederationЗабайкальский государственный университетРоссияTransbaikal State UniversityRussian FederationООО «Уралэнергосбыт»РоссияUralenergosbyt LLCRussian Federation202303102023273565573Copyright © Таваров С.Ш., Сидоров А.И., Суворов И.Ф., Святых А.Б., 20232023Таваров С.Ш., Сидоров А.И., Суворов И.Ф., Святых А.Б.Tavarov S.S., Sidorov A.I., Suvorov I.F., Svyatykh A.B.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ipolytech.elpub.ru/jour/article/view/737

Цель – исследование соответствия фактического электропотребления расчетному  в распределительных электрических сетях с преобладанием коммунально-бытовых потребителей ряда городов Челябинской области. Для исследования соответствия между удельной электрической нагрузкой, установленной нормативной документацией, и фактической на одну квартиру по данным электропотребления в ряде городов Челябинской области проанализировано среднегодовое электропотребление коммунально-бытовыми потребителями с определенным количеством квартир за 2021-2022 гг. Анализ соответствия среднегодового электропотребления коммунально-бытовыми  потребителями  рассматриваемых  объектов  проводился  на  основе  действующего  метода  расчета  электрической нагрузки за рассматриваемый период согласно СП 256.1325800.2016. Определено расхождение между реальной электрической нагрузкой на квартиру и ее нормативным значением, установленным действующими в настоящее время нормативными документами, которое составило по электропотреблению от минус 48 до 300%. Для рассматриваемых 16 объектов принадлежности городов Челябинской области произведены сравнения расхождения фактической электрической нагрузки с установленными нормативными значениями. Расхождение между фактической и удельной нагрузками на квартиру составило для 6 квартир от минус 58 до 155%. Для повышения точности прогноза электропотребления в распределительных электрических сетях с преобладанием коммунально-бытовых потребителей и расчета электрических нагрузок предлагается новый показатель – обобщенный коэффициент неопределенности Ai, значения которого определены для рассматриваемого периода. Таким образом, с использованием предложенного коэффициента рекомендованы методы прогнозирования электропотребления в распределительных электрических сетях с преобладанием коммунально-бытовых потребителей и расчета электрических нагрузок. При применении разработанных методов отклонения в прогнозных расчетах в относительных величинах не превысят 10%.

The study addresses the conformity of actual electricity consumption to the calculated value in electric distribution networks in which municipal consumers predominate in several cities of the Chelyabinsk region. To study the conformity between the specific electrical load established by regulatory documents and the actual value per apartment according to power consumption data in several cities of the Chelyabinsk region, the average annual power consumption by municipal consumers with a specific number of apartments was analyzed over a period of 2021–2022. The correspondence analysis of the average annual electricity consumption by municipal consumers in the studied facilities was carried out using the conventional method for calculating the electrical load over the given period following the guidelines outlined in SP 256.1325800.2016. The discrepancy between the actual electrical load on the apartment and its normative value established by the acting normative documents ranged from minus 48 to 300% with respect to electricity consumption. For the considered 16 objects located in the cities of the Chelyabinsk region, the discrepancy between the actual electrical load and the established normative values was compared. For 6 apartments, this discrepancy ranged from minus 58 to 155%. To improve the accuracy of forecasting electricity consumption and calculating electrical loads in electric distribution networks with a predominance of municipal consumers, methods using a new factor were recommended. This factor involves a generalized uncertainty coefficient Ai, whose values are determined for the considered period. When using the developed methods, relative deviations in the forecast calculations are less than or equal to 10%.

электрическая нагрузкаэлектропотреблениеобобщенный коэффициент неопределенностиудельная нагрузкаelectrical loadpower consumptiongeneralized uncertainty coefficientspecifical loadReferencesРепкина Н.Г. Исследование факторов, влияющих на точность прогнозирования суточного электропотребления // Известия высших учебных заведений. Электромеханика. 2015. № 2. С. 41–43. https://doi.org/10.17213/0136-3360-2015-2-41-43.Repkina N.G. Research of factors affecting the accuracy prediction daily power consumption. Izvestiya vysshikh uchebnykh zavedenii. Elektromekhanika. 2015;2:41-43. (In Russ.). https://doi.org/10.17213/0136-3360-2015-2-41-43.Солуянов Ю.И., Федотов А.И., Галицкий Ю.Я., Чернова Н.В., Ахметшин А.Р. Актуализация нормативных значений удельной электрической нагрузки многоквартирных домов в Республике Татарстан // Электричество. 2021. № 6. С. 62–71. https://doi.org/10.24160/0013-5380-2021-6-62-71. EDN: RRSRRX.Soluyanov Yu.I., Fedotov A.I., Galitsky Yu.Ya., Chernova N.V., Akhmetshin A.R. Updating the standard specific electric loads of apartment buildings in the Republic of Tatarstan. Elektrichestvo. 2021; 6:62-71. (In Russ.). https://doi.org/10.24160/0013-5380-2021-6-62-71. EDN: RRSRRX.Карпенко С.М., Карпенко Н.В. Эконометрическое моделирование энергопотребления с учетом влияния производственных факторов // Энергобезопасность и энергосбережение. 2020. № 1. С. 14–17. https://doi.org/10.18635/2071-2219-2020-1-14-17. EDN: EDVDXC.Karpenko S.M., Karpenko N.V. Econometric modeling of energy consumption based on influence of industry factors. Energobezopasnost' i energosberezhenie = Energy Safety and Energy Economy. 2020;1:14-17. (In Russ.). https://doi.org/10.18635/2071-2219-2020-1-14-17. EDN: EDVDXC.Карпенко С.М., Карпенко Н.В. Анализ динамики и прогнозирование электропотребления на основе эконометрического моделирования // Энергобезопасность и энергосбережение. 2020. № 2. С. 20–25. https://doi.org/10.18635/2071-2219-2020-2-20-25. EDN: YUCPDM.Karpenko S.M., Karpenko N.V. Analysis of dynamics and power consumption forecasting based on econometric modeling. Energobezopasnost' i energosberezhenie = Energy Safety and Energy Economy. 2020;2:20-25. (In Russ.). https://doi.org/10.18635/2071-2219-2020-2-20-25. EDN: YUCPDM.Валеев Г.С., Дзюба М.А., Валеев Р.Г. Моделирование суточных графиков нагрузок участков распределительных сетей напряжением 6–10 кВ городов и населенных пунктов в условиях ограниченного объема исходной информации // Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2016. Т. 16. № 2. С. 23–29. https://doi.org/10.14529/power160203. EDN: WCZMFX.Valeev G.S., Dzyuba M.A., Valeev R.G. Modeling daily load curves of the elements of 6–10 kV urban power distribution networks under conditions of limited unput information. Vestnik Yuzhno-Ural'skogo gosudarstvennogo universiteta. Seriya: Energetika = Bulletin of South Ural State University. Series: Power Engineering. 2016;16;2:23-29. (In Russ.). https://doi.org/10.14529/power160203. EDN: WCZMFX.Куликов А.Л., Илюшин П.В., Лоскутов А.Б., Севостьянов А.А. Выборочный контроль показателей качества электроэнергии в распределительных сетях с большой долей генерации на основе возобновляемых источников энергии // Электричество. 2022. № 7. С. 11–23. https://doi.org/10.24160/0013-5380-2022-7-11-23. EDN: TBYSOJ.Kulikov A.L., Ilyushin P.V., Loskutov A.B., Sevost'yanov A.A. Selective monitoring of power quality indicators in distribution networks with a large share of RES generation. Elektrichestvo. 2022;7:11-23. (In Russ.). https://doi.org/10.24160/0013-5380-2022-7-11-23. EDN: TBYSOJ.Fezzi C., Mosetti L. Size matters: estimation sample length and electricity price forecasting // The Energy Journal. 2020. Vol. 41. Iss. 4. Р. 231–254. https://doi.org/10.5547/01956574.41.4.cfez.Fezzi C., Mosetti L. Size matters: estimation sample length and electricity price forecasting. The Energy Journal. 2020;41(4):231-254. https://doi.org/10.5547/01956574.41.4.cfez.Goltsos T. E., Syntetos A. A., Van der Laan Е. Forecasting for remanufacturing: the effects of serialization // Journal of Operations Management. 2019. Vol. 65. Iss. 5. P. 447–467. https://doi.org/10.1002/joom.1031.Goltsos T. E., Syntetos A. A., Van der Laan Е. Forecasting for remanufacturing: the effects of serialization. Journal of Operations Management. 2019;65(5):447-467. https://doi.org/10.1002/joom.1031.Grushka-Cockayne Ya., Jose V.R.R. Combining prediction intervals in the M4 competition // International Journal of Forecasting. 2020. Vol. 36. Iss. 1. P. 178–185. https://doi.org/10.1016/j.ijforecast.2019.04.015.Grushka-Cockayne Ya., Jose V.R.R. Combining prediction intervals in the M4 competition. International Journal of Forecasting. 2020;36(1):178-185. https://doi.org/10.1016/j.ijforecast.2019.04.015.Hewamalage H., Bergmeir C., Bandara K. Recurrent neural networks for time series forecasting: current status and future directions // International Journal of Forecasting. 2021. Vol. 37. Iss. 1. P. 388–427. https://doi.org/10.1016/j.ijforecast.2020.06.008.Hewamalage H., Bergmeir C., Bandara K. Recurrent neural networks for time series forecasting: current status and future directions. International Journal of Forecasting. 2021;37(1):388-427. https://doi.org/10.1016/j.ijforecast.2020.06.008.Hong T., Pinson P. Energy forecasting in the big data world // International Journal of Forecasting. 2019. Vol. 35. Iss. 4. P. 1387–1388. https://doi.org/10.1016/j.ijforecast.2019.05.004.Hong T., Pinson P. Energy forecasting in the big data world. International Journal of Forecasting. 2019;35(4):1387-1388. https://doi.org/10.1016/j.ijforecast.2019.05.004.Issi F., Kaplan O. The determination of load profiles and power consumptions of home appliances // Energies. 2018. Vol. 11. Iss. 3. Р. 607. https://doi.org/10.3390/en11030607.Issi F., Kaplan O. The determination of load profiles and power consumptions of home appliances. Energies. 2018;11(3):607. https://doi.org/10.3390/en11030607.Nisha M. Demand side management for a household using resource scheduling // International CET Conference on Control, Communication, and Computing. 2018. https://doi.org/10.1109/CETIC4.2018.8530929.Nisha M. Demand side management for a household using resource scheduling. In: International CET Conference on Control, Communication, and Computing. 2018. https://doi.org/10.1109/CETIC4.2018.8530929.Andrea G., Paoletti S., Vicino A. Models and techniques for electric load forecasting in the presence of demand response // IEEE Transactions on Control Systems Technology. 2014. Vol. 23. Iss. 3. Р. 1087–1097. https://doi.org/10.1109/TCST.2014.2361807.Andrea G., Paoletti S., Vicino A. Models and techniques for electric load forecasting in the presence of demand response. In: IEEE Transactions on Control Systems Technology. 2014;23(3):1087-1097. https://doi.org/10.1109/TCST.2014.2361807.Opriş I., Costinaş S., Ionescu C., Nistoran D. The household energy consumer in a smart metering environment // 9th International Symposium on Advanced Topics in Electrical Engineering (Bucharest, 7–9 May 2015). Bucharest: IEEE, 2015. Р. 43–48. https://doi.org/10.1109/ATEE.2015.7133677.Opriş I., Costinaş S., Ionescu C., Nistoran D. The household energy consumer in a smart metering environment. In: 9th International Symposium on Advanced Topics in Electrical Engineering. 7–9 May 2015, Bucharest. Bucharest: IEEE; 2015, р. 43-48. https://doi.org/10.1109/ATEE.2015.7133677.Kim Jangkyum, Han Jaesoeb, Kim Nakyoung, Kim Minkyung, Choi Junkyun. Analysis of power usage at household and proper energy management // International Conference on Information and Communication Technology Convergence (Jeju, 17–19 October 2018). Jeju: IEEE, 2018. Р. 450–456. https://doi.org/10.1109/ICTC.2018.8539459.Kim Jangkyum, Han Jaesoeb, Kim Nakyoung, Kim Minkyung, Choi Junkyun. Analysis of power usage at household and proper energy management. In: International Conference on Information and Communication Technology Convergence. 17–19 October 2018, Jeju. Jeju: IEEE; 2018, р. 450-456. https://doi.org/10.1109/ICTC.2018.8539459.Senyuk M., Safaraliev M., Gulakhmadov, A., Ahyoev, J. Application of the conditional optimization method for the synthesis of the law of emergency control of a synchronous generator steam turbine operating in a complex-closed configuration power system // Mathematics. 2022. Vol. 10. Iss. 21. Р. 3979. https://doi.org/10.3390/math10213979.Senyuk M., Safaraliev M., Gulakhmadov, A., Ahyoev, J. Application of the conditional optimization method for the synthesis of the law of emergency control of a synchronous generator steam turbine operating in a complex-closed configuration power system. Mathematics. 2022;10(21):3979. https://doi.org/10.3390/math10213979.Tavarov S.S., Sidorov A.I., Kalegina Y.V. Model and algorithm of electricity consumption management for household consumers in the republic of Tajikistan // Mathematical Modelling of Engineering Problems. 2020. Vol. 7. Iss. 4. Р. 520–526. https://doi.org/10.18280/mmep.070403.Tavarov S.S., Sidorov A.I., Kalegina Y.V. Model and algorithm of electricity consumption management for household consumers in the republic of Tajikistan. Mathematical Modelling of Engineering Problems. 2020;7(4):520-526. https://doi.org/10.18280/mmep.070403.Таваров С.Ш. Метод прогнозирования электропотребления бытовыми потребителями в условиях Республики Таджикистан // Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2020. Т. 20. № 2. С. 28–35. https://doi.org/10.14529/power200203. EDN: HIOFYO.Tavarov S.Sh. Method for projecting household electricity consumption in the Republic of Tajikistan. Vestnik Yuzhno-Ural'skogo gosudarstvennogo universiteta. Seriya: Energetika = Bulletin of South Ural State University. Series: Power Engineering. 2020;20(2):28-35. (In Russ.). https://doi.org/10.14529/power200203. EDN: HIOFYO.Таваров С.Ш. Алгоритм обучения искусственной нейронной сети для факторного прогнозирования электропотребления бытового сектора // Электричество. 2022. № 3. C. 30–38. https://doi.org/10.24160/0013-5380-2022-3-30-38. EDN: MDFRLGTavarov S.Sh. Artificial neural network training algorithm for factor-based prediction of electricity consumption in the household sector. Elektrichestvo. 2022;3:30-38. (In Russ.). https://doi.org/10.24160/0013-5380-2022-3-30-38. EDN: MDFRLG.

The authors declare that there are no conflicts of interest present.