Книги по системному анализу

Системный анализ

«Адаптивное управление сложными системами на основе теории распознавания образов»

В. С. Симанков, Е. В. Луценко

Оглавление    
Глава 8, «Общие положения» Глава 8, «Технология»

Глава 8: Техника. Пример синтеза адаптивной САУ ФВЭУ и решения задач управления

Рассмотрим применение предложенной методологии для синтеза операционного уровня систем автоматического управления (САУ) автономными комбинированными фотоветроэлектроэнергетическими установками (ФВЭУ), представляющими собой типичный пример сложной технической системы.

Существует большое разнообразие энергетических ресурсов и методов их преобразования. Наиболее используемыми являются органические топлива: нефть, уголь, природный газ, а также ресурсы преобразования энергии управляемой цепной ядерной реакции деления и гидроресурсы рек. К менее используемым можно отнести ресурсы солнечной радиации, ветрового потока, биомассы, геотермики, мирового океана и др. Если рассмотреть баланс энерговыработки в мире на начало 90-х годов, то на долю органических топлив приходится 87% выработки энергии, на атомных электростанциях вырабатывается 6%, на гидроэлектростанциях 7%.

Хотя в настоящее время подавляющую часть всей энерговыработки составляют органические топлива, они относятся к невозобновляемым источникам энергии (НВИЭ), близким к истощению. По оценкам специалистов при современных темпах изменения интенсивности их добычи, разведанные ресурсы нефти будут исчерпаны примерно через 40 лет, угля — через 700 лет (при переходе от нефти и природного газа к углю — через 300 лет). Кроме того, интенсивное использование органических топлив создало ряд экологических проблем, связанных с загрязнением окружающей среды, усилением «парникового эффекта», изменением геоморфологической структуры.

Эти недостатки традиционной энергетики делают актуальным в настоящее время разработку и использование более экологически чистых источников энергии, запасы которых достаточно велики для обеспечения человечества. К ним относятся прежде всего возобновляемые источники энергии, запасы которых в настоящее время видятся неограниченными.

Для создания энергосистемы малой и средней мощности и особенно автономных энергосистем, удаленных от линии электропередач и теплотрасс, наиболее целесообразно использовать другие возобновляемые источники энергии, в первую очередь энергию солнечной радиации, ветрового потока, тепла земли.

Такие энергосистемы в настоящее время позволяют снизить имеющийся в мире дефицит энергии без ввода новых мощных электро — и теплостанций, прокладки линий электропередач и теплотрасс, оздоровить экологическую обстановку в районах производства энергии.

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:

  • при длительной последовательности облачных дней отсутствие солнца компенсируется обычно наличием ветра;
  • отсутствие солнечной радиации в ночные часы суток также компенсируется обычно наличием ветра;
  • ветер по статистике обычно бывает сильнее в зимние месяцы, тогда как солнечная радиация — в летние (рис. 8.1):

Динамика изменения солнечной радиации и ветрового потока в Краснодарском крае

Рис. 8.1 — Динамика изменения солнечной радиации и ветрового потока в Краснодарском крае

Поэтому совмещение преобразователей нескольких источников энергии в единую энергосистему позволяет повысить устойчивость и эффективность выработки электроэнергии за счет уменьшения мощностей преобразователей и емкости накопителей.

Наиболее перспективными для использования в качестве системы электроснабжения удаленных потребителей малой и средней мощности в настоящее время представляются автономные комбинированные фотоветроэлектрические установки (ФВЭУ), которые и рассмотрены нами в качестве примера технического применения предложенных в данной работе методологии, методики, алгоритма и методики синтеза ААСУ СС. Особенно актуально применение ФВЭУ в районах, удаленных от энергетических магистралей, а также в мобильных группах различного назначения.

Вследствие высокой стоимости электроэнергии и неравномерности ее поступления система автоматического управления (САУ) автономной энергосистемой с возобновляемыми источниками энергии значительно повышает ее эффективность [316].

Синтез САУ проводится с учетом анализа ФВЭУ на двух уровнях:

  • уровне компонентов энергосистемы, на котором решается задача оптимального управления отдельными устройствами ФВЭУ;
  • операционном уровне, на котором решается задача оптимального распределения энергии между потребителями и накопителем.

Предметом исследования в данной работе является развитие метода синтеза САУ ФВЭУ на операционном уровне, предложенного в [316].

Как уже упоминалось в разделах 1.6.1.1 и 6.3 данной работы, рассматриваемые ФВЭУ включают следующие установки (рис. 8.2):

Принципиальная схема ФВЭУ

Рис. 8.2 — Принципиальная схема ФВЭУ

  • фотоэлектроэнергетическую установку (ФЭУ) — солнечные элементы (СЭ) на основе монокристаллического кремния;
  • ветроэлектроэнергетическую установку (ВЭУ) — средней мощности (6 кВт);
  • никель —кадмиевую аккумуляторную батарею (накопитель);
  • потребитель (односемейный жилой дом с приусадебным хозяйством);
  • систему автоматизированного управления (САУ).

Реальные ФВЭУ могут отличаться друг от друга структурой, типом используемых устройств (преобразователей, накопителей, потребителей), родом вырабатываемого тока.

Цель САУ заключается в автоматическом обеспечении технологических требований работоспособности компонентов энергосистемы, снижении вероятности аварийных ситуаций, связанных с недоотпуском потребителю энергии. Данная цель достигается автоматическим поддержанием работы электрогенераторов в режиме максимальной мощности, автоматической защитой устройств от аварийных ситуаций, координацией работы отдельных установок в целях приведения хода производства электроэнергии в заданный, нормальный режим.

Рассматриваемым энергосистемам присущи различные по физической природе процессы:

  • механические (преобразование энергии ветрового потока в механическую энергию вращения ветрового колеса ВЭУ; поворот модулей ФЭУ);
  • энергетические (выработка, преобразование и передача электроэнергии);
  • информационные (сбор, обработка и передача информации).

Такая совокупность процессов позволяет использовать двухуровневую САУ, что обычно имеет место в реальных ФВЭУ:

  • уровень компонентов системы;
  • операционный уровень.

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

Существование операционного уровня означает, что эффективная работа автономных ФВЭУ возможна только при использовании систем автоматического управления (САУ), т.е. зависит не только от эффективной работы компонент ФВЭУ, рассматриваемых отдельно, но и от способа их взаимодействия.

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

Методы оптимизации функционирования традиционных энергетических систем (ЭС), потребляющих НВИЭ, в настоящее время хорошо разработаны. При этом критериями оптимизации являются: минимизация затрат на топливо, поступающего в систему, а также эксплуатационных затрат. При этом нагрузка распределятся на потребителей независимо от их оптимальной мощности (считается, что энергия производится с избытком) и все расчеты проводятся для заданного эксплуатационного режима.

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.

Автономные ФВЭУ характеризуются большой стоимостью вырабатываемой энергии и неравномерностью ее поступления. Эти особенности делают практически неприемлемым сброс излишков энергии. Большинство как промышленных, так и бытовых потребителей электроэнергии не обладают свойствами аккумулирования энергии. Поэтому наиболее эффективной системой и методом операционного управления представляется система, использующая накопители избыточной энергии. При проектировании автономных ФВЭУ без резервных источников проектировщики задаются коэффициентом обеспеченности энергосистемы (отношение периода времени, за который нагрузка будет покрыта, к полному периоду эксплуатации) 0,8-0,9 в силу значительного возрастания стоимости установки при ее обеспеченности, приближающейся к «1», поэтому при неблагоприятных с энергетической точки зрения климатических условиях и (или) во время часов пика энергопотребления возникает дефицит вырабатываемой мощности. Отсюда появляется необходимость отключать какие-то потребители, что желательно производить с учетом их приоритета.

Вследствие вышеприведенных особенностей автономных ФВЭУ в качестве метода их управления на операционном уровне целесообразно принять комбинированный метод с накоплением избыточной энергии и распределением нагрузки. При этом в условиях существующего или прогнозируемого дефицита энергии осуществляется распределение нагрузки с учетом приоритета, а при избытке вырабатываемой энергии — ее накопление.

В настоящее время не существует четкого оптимального алгоритма управления энергораспределением автономных ФВЭУ в условиях дефицита вырабатываемой мощности. Кроме того, из-за большой изменчивости поступления возобновляемой энергии данный оптимальный алгоритм управления для условий различных климатов может не совпадать.

На операционном уровне САУ осуществляется оперативное управление распределением энергопотоков между элементами энергосистемы посредством координации функционирования отдельных управляющих устройств на первом уровне.

Цель рассматриваемого уровня САУ — наиболее полное и бесперебойное снабжение потребителей электроэнергией при ее неравномерном поступлении в условиях нормального эксплуатационного режима всех элементов энергосистемы. Таким образом, цель САУ на операционном уровне дуальна: наиболее полное обеспечение как текущих, так и будущих потребностей потребителя в электроэнергии [316].

Следовательно, система управления на этом уровне должна носить оптимальный характер. В качестве критерия оптимальности может быть принят уровень надежности электроснабжения: минимум усредненного по времени математического ожидания относительного недоотпуска энергии различным группам потребителей с учетом весовых коэффициентов этих групп [316].

Возможно несколько вариантов управления ФВЭУ на операционном уровне, в зависимости от структуры и параметров энергоустановки (табл. 8.1).

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;
  • при избытке вырабатываемой энергии осуществляется ее накопление.

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

Накопитель Актуальный и прогнозируемый энергетический баланс ФВЭУ
Избыток Недостаток
Есть Излишки энергии не теряются, а поступают в накопитель Дефицит энергии восполняется за счет накопителей
Нет Согласование энергетических параметров нагрузки и источников в целях получения максимальной мощности при данном уровне поступления возобновленной энергии Поддержание оптимального соответствия между нагрузкой и преобразователями возобновляемой энергии путем включения и отклю¬чения необходимого числа потребителей в соответствии с их категорийностью

Таблица 8.1 — Варианты управления ФВЭУ

Для рассматриваемой реализации САУ в работе [316] 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 подключаются 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 [316] цели, однако при этом за рамками исследования временно остались следующие задачи:

  • 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.

Решение этих задач представляет определенный интерес, следовательно, и развитие методов, предложенных в [316], 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, предложенных в работах [192, 317, 318, 327,329].

Инструментальная система [196] обеспечивает выявление статистических и детерминистских причинно-следственных взаимосвязей (если они есть), между событиями — причинами (факторами), и событиями — следствиями (классами), представленными в табл. 8.2 [316]:

Классы распознавания Все возможные практически значимые режимы ФВЭУ, отличающиеся вариантами энергораспределения
Признаки (факторы) Текущий баланс энергосистемы; состояние накопителя; прогнозируемый интегральный баланс энергосистемы с учетом номинальной нагрузки
Обучающая выборка Экспертные оценки целесообразности различных вариантов энергораспределения

Таблица 8.2 — 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 шкалы, 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 [329]. 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 [196] может быть применена не только для разработки модели ФВЭУ, но и для краткосрочного прогноза мощности первичных возобновляемых энергоресурсов [272].

При этом на основе обучающей выборки выявляются взаимосвязи между признаками (факторами) и классами распознавания, представленными в табл. 8.3.

Классы распознавания Ожидаемая мощность энергоресурсов (средние значения и стандартные отклонения солнечной радиации и скорости ветра)
Признаки (факторы) Средние значения и стандартные отклонения температуры, давления, влажности, солнечной радиации, облачности, скорости и направления ветра в течение последних десяти дней
Обучающая выборка Метеоданные за представительный период времени

Таблица 8.3 — Прогноз первичных энергоресурсов

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

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

Каждый из этих вариантов обладает своими достоинствами и недостатками (табл. 8.4).

Достоинства Недостатки
1. Статистическая обработка метеоданных за ряд лет
  • данные доступны и могут быть статистически обработаны (получены математические ожидания мощности энергоресурсов и ошибки ее определения)
  • упрощает алгоритмы принятия решений об управляющем воздействии
  • реальная динамика мощности энергоресурсов значительно отличается от средних значений
  • для ряда регионов, в которых применение ФВЭУ наиболее целесообразно, данные могут отсутствовать
  • не учитываются колебания климатом с периодом, превышающим период метеонаблюдений
2. Метеопрогноз, разрабатываемый метеослужбами
  • не требует затрат
  • доступен
  • имеет слишком общий характер (отсутствуют количественные данные по интересующим параметрам)
  • имеет слишком редкую периодичность
  • дается сразу для большой территории и, как следствие, имеет низкую достоверность для каждой конкретной точки
3. Краткосрочный прогноз САУ
  • дает количественную оценку всех значимых параметров
  • имеет высокую достоверность
  • позволяет учитывать специфические условия функционирования ФВЭУ и пожелания пользователя
  • несколько усложняет и удорожает ФВЭУ из —за необходимости решения новой задачи метеопрогноза
  • требует дополнительных исследований и разработок по выявлению существенных погодных факторов и их влияния на краткосрочный прогноз прихода солнечной и ветровой энергии для конкретной местности

Таблица 8.4 — Сравнение источников информации о будущем состоянии первичных энергоресурсов

Учитывая данные табл. 8.4, авторами предложено выбрать третий вариант, т.е. краткосрочный прогноз. Соответственно, задачу выработки рационального управления предлагается решать в два этапа:

  • разработка краткосрочного прогноза мощности первичных энергоресурсов (методы аналогичны примененным в [268]);
  • принятие решения 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.

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 общим алгоритмом синтеза ААСУ СС и основываясь на результатах работы [316] рассмотрим пример синтеза САУ ФВЭУ.

Шаг 1-й: сконструируем классификационные и описательные шкалы (табл. 8.5 и 8.6):

No

п/п

Наименование градации
1 Режим 1: все группы потребителей откл. Заряд накопителя
2 Режим 2: 2-4 группы потребителей откл. Заряд накопителя
3 Режим 3: 3-4 группы потребителей откл. Заряд накопителя
4 Режим 4: 4 группа потребителей откл. Заряд накопителя
5 Режим 5: 3 группа потребителей откл. Заряд накопителя
6 Режим 6: все группы потребителей ПОДКЛ. Заряд накопителя
7 Режим 7: 2-4 группы потребителей откл. Разряд накопителя
8 Режим 8: 3-4 группы потребителей откл. Разряд накопителя
9 Режим 9: 4 группа потребителей откл. Разряд накопителя
10 Режим 10: 3 группа потребителей откл. Разряд накопителя
11 Режим 11: все группы потребителей ПОДКЛ. Разряд накопителя

Таблица 8.5 — Классификационная шкала (режимы энергораспределения)

Кодирование Наименование шкал градаций
Шкала 1: «Текущий баланс энергосистемы»
X 1 1 >0 для 1-й, 2-й, 3-й, 4-й групп нагрузок
2 2 >0 только для 1-й, 2-й, 3-й групп нагрузок
3 3 >0 только для 1-й, 2-й групп нагрузок
4 4 >0 только для 1-й группы нагрузок
5 5 <0 для 1-й группы нагрузок
Шкала 2: «Состояние заряженности аккумуляторной батареи»
Y 1 6 Накопитель полностью заряжен 95%≤Q≤100%
2 7 Накопитель хорошо заряжен 75%≤Q<95%
3 8 Накопитель слабо заряжен 30%≤Q<75%
3 8 Накопитель полностью разряжен 0%≤Q≤30%
Шкала 3: «Прогноз поступления возобнавляемой энергии»
Z 1 10 Прогнозируемый интегральный баланс положителен
2 11 Прогнозируемый интегральный баланс отрицателен

Таблица 8.6 — Описательные шкалы (факторы)

Шаг 2-й: с использованием приведенных выше шкал представим экспертные оценки целесообразности выбора различных режимов энергораспределения из работы [316] в форме, соответствующей требованиям обработки информации в автоматизированных системах [196] (табл. 8.7):

N п/п Факторы Режимы энергораспределения
X Y Z
1 1 6 10 11              
2 1 7 10 10 11            
3 1 8 10 9 10 11          
4 1 9 8 9 10 11          
5 2 6 10 10 11            
6 2 7 10 9 10 11          
7 2 8 10 8 9 10 11        
8 2 9 10 7 8 9 10 11      
9 3 6 10 9 10 11          
10 3 7 10 8 9 10 11        
11 3 8 10 7 8 9 10 11      
12 3 9 10 1 7 8 9 10 11    
13 4 6 10 8 9 10 11        
14 4 7 10 7 8 9 10 11      
15 4 8 10 1 7 8 9 10 11    
16 4 9 10 1 1 7 8 9      
17 5 6 10 7 8 9 10 11      
18 5 7 10 1 7 8 9 10 11    
19 5 8 10 1 1 7 8 9 10 11  
20 5 9 10 1 1 1 7 8 9 10 11
21 1 6 11 6              
22 1 7 11 5 6            
23 1 8 11 4 5 6          
24 1 9 11 3 4 5 6        
25 2 6 11 5 6            
26 2 7 11 4 5 6          
27 2 8 11 3 4 5 6        
28 2 9 11 2 3 4 5 6      
29 3 6 11 4 5 6          
30 3 7 11 3 4 5 6        
31 3 8 11 2 3 4 5 6      
32 3 9 11 1 2 3 4 5 6    
33 4 6 11 3 4 5 6        
34 4 7 11 2 3 4 5 6      
35 4 8 11 1 2 3 4 5 6    
36 4 9 11 1 1 2 3 4      
37 5 6 11 2 3 4 5 6      
38 5 7 11 1 2 3 4 5 6    
39 5 8 11 1 1 2 3 4 5 6  
40 5 9 11 1 1 1 2 3 4 5 6

Таблица 8.7 — Обучающая выборка

Шаг 3-й: на основе математической модели, предложенной в [316] и представленных выше исходных данных получим матрицу информативностей (табл. 8.8), показывающую количество информации о целесообразности выбора того или иного режима энергораспределения получает САУ, если установлено действие некоторого фактора.

Данная матрица информативностей и представляет собой конкретную информационную модель ФВЭУ, на основе которой САУ может принимать решения о выборе наиболее целесообразного режима энергораспределения. Выбирается тот режим, о котором в системе факторов {X, Y, Z} содержится максимальное количество информации (табл. 8.9):

Факторы Режимы энергораспределения ФВЭУ Дифф. мощность
1 2 3 4 5 6 7 8 9 10 11
1 0,05 0,21 0,34 0,05 0,24 0,47 0,165
2 0,10 0,20 0,17 0,10 0,23 0,17 0,092
3 -0,39 0,03 0,04 0,08 0,02 -0,01 0,03 0,04 0,08 0,05 -0,01 0,131
4 0,13 0,17 0,12 -0,07 -0,09 0,17 0,12 -0,19 -0,25 0,146
5 0,39 0,21 -0,12 -0,18 -0,21 0,21 -0,12 -0,15 -0,21 0,203
6 -0,04 0,06 0,16 0,25 -0,04 0,06 0,19 0,25 0,151
7 -0,45 -0,03 -0,02 0,02 0,08 0,06 -0,03 -0,02 0,02 0,11 0,06 0,151
8 0,03 0,07 0,02 0,02 -0,04 -0,07 0,07 0,02 0,02 -0,01 -0,07 0,048
9 0,32 0,14 0,05 -0,07 -0,13 -0,16 0,14 0,05 -0,07 -0,22 -0,16 0,165
10 0,42 0,39 0,38 0,38 0,38 0,203
11 -0,01 0,41 0,39 0,37 0,37 0,37 0,201
Детерминированность 0,25 0,13 0,12 0,13 0,17 0,20 0,13 0,12 0,13 0,20 0,24 0,165

Таблица 8.8 — Матрица информативностей

Код Наименование режима % Гистограмма
11 Режим 11: все гр.потр.ПОДКЛ. Разряд АБ 80 ????????????????????????
10 Режим 10: 3 гр.потр. откл. Разряд АБ 67 ????????????????????
9 Режим 9: 4 гр.потр. откл. Разряд АБ 56 ????????????????
6 Режим 6: все гр.потр.ПОДКЛ. Заряд АБ 43 ????????????
8 Режим 8: 3-4 гр.потр. откл. Разряд АБ 33 ??????????
5 Режим 5: 3 гр.потр. откл. Заряд АБ 24 ???????
7 Режим 7: 2-4 гр.потр. откл. Разряд АБ 22 ??????
1 Режим 1: все гр.потр. откл. Заряд АБ -1
4 Режим 4: 4 гр.потр. откл. Заряд АБ -5 ?
3 Режим 3: 3-4 гр.потр. откл. Заряд АБ -33 ?????????
2 Режим 2: 2-4 гр.потр. откл. Заряд АБ -42 ????????????

Таблица 8.9 — Выбор режима ФВЭУ (при X=1, Y=1, Z=1)

Сравнение табл. 8.9, полученной с применением предложенной математической модели, методологии, алгоритма и методики с таблицей 4.8, полученной на основе меры Шеннона, показывает, что они обладают очень высоким уровнем сходства: коэффициент корреляции между кодами режимов (по сути являющимися их рангами), рассчитанный по классической формуле

ρxy = [∑(xi - μx)⋅(yi - μy)]/[n⋅σx⋅σy]

равен 0.809. Имеющиеся различия обусловлены преимуществами предложенного подхода.

Кратко рассмотрим как в предлагаемой технологии решаются другие задачи адаптивных АСУ СС, поставленные в данной работе.

Взвешенное обобщение экспертных оценок рациональности режимов энергораспределения

В работе [316] и взятой из нее обучающей выборке (табл. 8.7), мнения экспертов по выбору рационального режима энергораспределения просто сведены в одну таблицу. При этом возникает задача определения влияния каждого факторов на принятие решения о выборе режима энергораспределения. В работе [316] эта задача решается с применением экспертной системы. В предлагаемой технологии результатом решения данной задачи является табл. 8.9, представляющая собой результат взвешивания экспертных оценок на основе математической модели, предложенной в работе [327].

Автоматизация экспертных оценок и их замена оценками непосредственного пользователя ФВЭУ

В предложенной технологии нет необходимости привлекать экспертов для построения модели ФВЭУ и разработки алгоритмов принятия решений в САУ. Имеется возможность поставки «не обученной» ФВЭУ заказчику. В этом случае ему предлагается самому сформировать классификационные и описательные шкалы и градации (возможно, вместе с поставщиком) и некоторое время самостоятельно принимать решения о выборе режимов энергораспределения, формируя на этой основе обучающую выборку. С использованием режима адаптации САУ возможна имитация автоматизированных решений с оценкой их эффективности без реализации. Если их качество устраивает заказчика, то система может быть переведена в автоматизированный режим реального принятия решений о выборе режима энергораспределения. В дальнейшем, при необходимости, обучающая выборка может дополняться, а также могут изменяться оценки, приведенные в ней, в результате чего через некоторое время после переобучения САУ будет принимать решения, наиболее приемлемые для заказчика.

Определение дифференцирующей мощности факторов относительно режимов энергораспределенияи контролируемое снижение размерности модели

В работе [316] факторы рассматриваются как имеющие одинаковую ценность для принятия решения, однако анализ обучающей выборки в соответствии с математической моделью [327] показывает, что это не так.

Дифференцирующей мощностью фактора называется среднее количество полезной информации, которое САУ получает для выбора режима, если установлено, что данный фактор действует (табл. 8.10).

Код фактора Наименование фактора (описательная шкала и градация) Дифференцирующая мощность
Бит Сумма
Бит %
10 Прогнозируемый интегральный баланс > 0 0,204 0,204 12,562
5 Баланс < 0 для 1 гр.нагрузок 0,204 0,408 25,121
11 Прогнозируемый интегральный баланс < 0 0,201 0,609 37,519
1 Баланс > 0 для 1,2,3,4 гр.нагрузок 0,166 0,775 47,732
9 АБ полностью разряжена. 0% ≤ Q ≤ 30% 0,166 0,940 57,941
7 АБ хорошо заряжена. 75% ≤ Q < 95% 0,151 1,091 67,252
4 Баланс > 0 для 1 гр.нагрузок 0,146 1,238 76,268
3 Баланс > 0 для 1,2 гр.нагрузок 0,132 1,370 84,399
6 АБ заряжена полностью. 95% ≤ Q ≤ 100% 0,113 1,482 91,347
2 Баланс > 0 для 1,2,3 гр.нагрузок 0,092 1,575 97,034
8 АБ слабо заряжена. 30% ≤ Q < 75% 0,048 1,623 100,00

Таблица 8.10 — Дифференцирующая мощность факторов

Итак, факторы имеют различную дифференцирующую мощность, которая может быть установлена. Из этого следует 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 имеется 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.

Определение силы влияния факторов на принятие решенияо переключении ФВЭУ в различные режимы энергораспределения

Как видно из табл. 8.10, различные факторы содержат различное количество информации для принятия решения о выборе режима энергораспределения.

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 [196].

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 [196].

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

Определение степени детерминированности режимов энергораспределения ФВЭУ

Различные режимы отличаются друг от друга средним количеством информации о выборе или не выборе данного режима, содержащейся в факторах. Если выбор некоторого режима однозначно, т.е. детерминистским образом, определяется некоторым фактором, то этот фактор будет содержать максимально возможное количество информации о выборе данного режима и этот режим будет иметь высокую степень детерминированности (определенности). Если же наоборот, в обобщенном образе режима все факторы содержат небольшое количество информации, то данный режим будет слабодетерминированным, а его выбор — неопределенным (табл. 8.11):

Код режима Наименование режима

(градации классификационной шкалы)

Детерминированность
Бит Сумма
Бит %
1 Режим 1: все гр.потр. откл. Заряд АБ 0,252 0,252 13,904
11 Режим 11: все гр.потр.ПОДКЛ. Разряд АБ 0,237 0,488 26,980
6 Режим 6: все гр.потр.ПОДКЛ. Заряд АБ 0,199 0,688 37,995
10 Режим 10: 3 гр.потр. откл. Разряд АБ 0,195 0,883 48,795
5 Режим 5: 3 гр.потр. откл. Заряд АБ 0,166 1,049 57,991
7 Режим 7: 2-4 гр.потр. откл. Разряд АБ 0,134 1,184 65,405
2 Режим 2: 2-4 гр.потр. откл. Заряд АБ 0,133 1,316 72,737
9 Режим 9: 4 гр.потр. откл. Разряд АБ 0,128 1,444 79,786
4 Режим 4: 4 гр.потр. откл. Заряд АБ 0,126 1,570 86,747
8 Режим 8: 3-4 гр.потр. откл. Разряд АБ 0,121 1,691 93,422
3 Режим 3: 3-4 гр.потр. откл. Заряд АБ 0,119 1,810 100,00

Таблица 8.11 — Детерминированность режимов ФВЭУ

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

Определение фактической приоритетности нагрузок

В модели ФВЭУ, предложенной в работе [316], все нагрузки методом экспертной оценки были разделены на 4 группы приоритетности. Однако отнесение нагрузок к той или иной группе, а также определение весового коэффициента приоритетности этих групп носят усредненный характер по всем потребителям и не учитывают степень важности этих нагрузок для конкретного индивидуального потребителя. В технологии, предлагаемой в данной работе, нет необходимости вообще вводить группы приоритетности, так как модель обеспечивает обработку до 4000 факторов. Это означает, что просто все нагрузки могут быть перечислены как градации — факторы в соответствующей описательной шкале. В результате после формирования обучающей выборки на основе решений пользователя ФВЭУ выясняется порядок, в котором нагрузки обслуживаются в случае дефицита внешних энергетических ресурсов.

Исследование сходства и различиярежимов ФВЭУ и факторов

Данная задача решается в два этапа:

  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 табл. 6.8. Конструкт представляет собой систему наиболее сильно отличающихся кластеров (со спектром промежуточных кластеров). На рис. 8.3, 8.4 и 8.5 приведены диаграммы семантических сетей, построенных по результатам кластерно-конструктивного анализа режимов энергораспределения ФВЭУ и факторов, влияющих на принятие решений о выборе этих режимов.

Пример семантической сети классов

Рис. 8.3 — Пример семантической сети классов

Пример семантической сети классов

Рис. 8.4 — Пример семантической сети классов

Пример семантической сети признаков

Рис. 8.5 — Пример семантической сети признаков

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 [196]. Примеры когнитивных диаграмм классов и признаков приведены на рис. 8.6 и 8.7.

Пример когнитивной диаграммы классов

Рис. 8.6 — Пример когнитивной диаграммы классов

Пример когнитивной диаграммы признаков

Рис. 8.7 — Пример когнитивной диаграммы признаков

Выводы

  1. В разделе обоснована актуальность применения автономных комбинированных фотоветроэлектроэнергетических установок (ФВЭУ), основанных на использовании таких возобновляемых источников энергии, как солнечная радиация и поток ветра.

  2. Показано, что КПД ФВЭУ существенно повышается при использовании систем автоматического управления (САУ). Рассматриваются два уровня САУ ФВЭУ: уровень компонент системы и операционный уровень. Технические проблемы управления ФВЭУ на уровне компонент решаются разработчиками этих компонент. Операционный уровень САУ обеспечивает выбор наиболее эффективного режима энергораспределения ФВЭУ в зависимости от состояния ФВЭУ и краткосрочного прогноза мощности первичных возобновляемых энергоресурсов. Поэтому для разработчиков ФВЭУ наибольший интерес представляет эффективный синтез именно операционного уровня САУ. Однако решение этой проблемы связано со значительными сложностями, обусловленными тем, что ФВЭУ представляет собой сложную техническую систему.

  3. Подробно описывается применение разработанной авторами методологии синтеза адаптивных АСУ СОУ для синтеза операционного уровня САУ ФВЭУ. Показано, что предлагаемая методология не только обеспечивает синтез адаптивных САУ, настраивающихся на локальные особенности места установки ФВЭУ и потребности пользователя, но и позволяет поставить и решить целый комплекс взаимосвязанных задач, представляющих интерес в связи с теорией и практикой управления сложными системами, в частности при эксплуатации ФВЭУ:

    • 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.

Разработанная авторами методология синтеза адаптивных АСУ сложными системами, а также алгоритмы и методика, могут быть применены и в других областях.

Оглавление    
Глава 8, «Общие положения» Глава 8, «Технология»