В НГТУ НЭТИ создают систему прогнозирования выработки электростанций

Доцент кафедры систем электроснабжения предприятий Новосибирского государственного технического университета НЭТИ Павел Матренин получил грантовую поддержку Российского научного фонда по проекту «Разработка адаптивной системы управления электроэнергетическими системами с высокой долей возобновляемых источников энергии на базе методов машинного обучения с интеллектуальным отбором и восстановлением значимых исходных данных». Данная разработка поможет учитывать свойства электроэнергетических систем, изменения климатических условий и многовариантность режимов работы электроэнергетических систем.

«В задачах энергетики недостаточное внимание уделяется методам обработки сигналов, в особенности это проявляется в задачах прогнозирования, связанных с возобновляемыми источниками: гидро-, солнечная и ветровая энергетика. Прогнозировать генерацию необходимо для эффективного управления энергетическими системами, но в то же время это очень сложная задача, потому что выработка от возобновляемых источников энергии зависит от множества факторов, в том числе и метеорологических, которые сложно прогнозировать. Математические методы, в том числе методы обработки сигналов на базе машинного обучения, позволяют повысить точность прогнозирования выработки данных источников и сделать их более предсказуемыми. Соответственно, цель проекта заключается в повышении точности и надежности прогнозирования генерации электростанций на базе возобновляемых источников с помощью машинного обучения», — рассказывает Павел Матренин.

По его словам, подсистема управления будет получать данные от открытых источников метеопровайдеров и из архива данных электростанций. Далее будет осуществляться обработка этих данных.

«Выработка электроэнергии от возобновляемых источников, включая гидроэнергетику, происходит не по заданным планам, в отличие от, например, ТЭС, из-за сильной зависимости от природных факторов. Выработка станции зависит от метеоусловий, но эта зависимость является сложной: необходимо учитывать множество дополнительных факторов, в том числе технические особенности электрооборудования станций. Поэтому использование просто имеющихся прогнозов погоды не всегда позволяет с высокой точностью спланировать именно выработку электрической энергии. Методы машинного обучения позволяют решать подобные сложные задачи обработки больших данных. Например, может быть выполнена кластеризация метеоусловий, чтобы для каждого кластера построить свою модель, дающую более точный результат, чем дала бы единая универсальная модель. Кроме того, машинное обучение позволяет реализовать в моделях свойство самообучения, адаптации к изменяющимся условиям работы», — дополняет Павел Матренин.

Данный проект ориентирован на компании топливно-энергетического комплекса, которые занимаются генерацией электроэнергии. К таким компаниям относятся «РусГидро» и «Росатом» (которая занимается не только атомной, но и ветровой энергетикой), а также компании, создающие системы электроснабжения для изолированных энергорайонов. В России и мире существует множество удаленных объектов, не подключенных к общей энергосистеме, для которых применение распределенной генерации может решить проблемы электроснабжения.

Выделенные Российским научным фондом средства нацелены на дальнейшее развитие проекта, оплату труда, командировки для участия в научных мероприятиях, а также вовлечение в исследовательскую деятельность начинающих специалистов. Сегодня к команде проекта уже присоединился студент факультета энергетики Никита Сергеев.