Оцінювання ризиків зниження ефективності систем з відновлюваними джерелами енергії на основі кластерного аналізу

Abstract

В статті розглянуто проблему виникнення ризиків зниження ефективності електроенергетичних систем внаслідок неточних прогнозів погодинних графіків електричної енергії відновлюваних джерел енергії. В роботі виконано аналіз літературних джерел, в яких досліджується проблема низької точності прогнозів. Також проведено аналіз фактичних графіків генерування фотоелектричної станції встановленою потужністю 2000 кВт, яка розташована у Вінницькій області. Одразу наголосимо, що запропонований авторами підхід не обмежується встановленою потужністю та географічним розташуванням об’єкта. Аналіз можливих ризиків від низької точності прогнозів ґрунтується на результатах кластерного аналізу методом DBSCAN. Проведене дослідження дозволило виділити чотири кластери, які мають свої особливості, однак можуть бути описані засобами машинного навчання, і окремий кластер, так званий шум. Шум зумовлений певними технічними особливостями об’єкту дослідження, режимними обмеженнями, які зумовлені ситуацією в Об’єднанні електроенергетичній системі, деградаційними процесами в основному обладнанні станції. За результатами аналізу авторами зроблені висновки щодо можливих шляхів покращення прогнозу погодинних графіків генерування. Запропоновано ризики, зумовлені низькою точністю прогнозів, розділити на три групи: технічні, економічні та операційні. Залежно від пріоритетів наданих певній групі ризиків впроваджувати додаткові заходи для зменшення негативних наслідків недостатньої точності прогнозів: вдосконалення алгоритмів прогнозування, застосування систем накопичення енергії, оптимальне керування резервами, розроблення систем раннього попередження, вдосконалення системи діагностування основного обладнання станції, тощо.

The article examines the problem of risks of reduced efficiency of electric power systems due to inaccurate forecasts of hourly schedules of electricity from renewable energy sources. The paper analyses literature sources that study the problem of low forecast accuracy. It also analyses the actual generation schedules of a photovoltaic power plant with an installed capacity of 2000 kW located in the Vinnytsia region. It should be noted that the approach proposed by the authors is not limited to the installed capacity and geographical location of the facility. The analysis of possible risks from low forecast accuracy is based on the results of cluster analysis using the DBSCAN method. The study identified four clusters, each with its own characteristics, but which can be described using machine learning, and a separate cluster, known as noise. The noise is caused by certain technical features of the research object, operational restrictions caused by the situation in the Unified Electric Power System, and degradation processes in the main equipment of the station. Based on the results of the analysis, the authors made conclusions about possible ways to improve the forecast of hourly generation schedules. It is proposed to divide the risks caused by low forecast accuracy into three groups: technical, economic and operational. Depending on the priorities assigned to a particular group of risks, additional measures should be implemented to reduce the negative consequences of insufficient forecast accuracy: improvement of forecasting algorithms, use of energy storage systems, optimal management of reserves, development of early warning systems, improvement of the system for diagnosing the main equipment of the station, etc.