Статья опубликована в рамках: XI Международной научно-практической конференции «Естественные и математические науки в современном мире» (Россия, г. Новосибирск, 14 октября 2013 г.)

Наука: Информационные технологии

Секция: Математическое моделирование, численные методы и комплексы программ

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
АВТОМАТИЗАЦИЯ РАСЧЁТА ЭНЕРГОЗАТРАТ НА ОСНОВЕ АНАЛИЗА ВРЕМЕННЫХ РЯДОВ // Естественные и математические науки в современном мире: сб. ст. по матер. XI междунар. науч.-практ. конф. № 9-10(10). – Новосибирск: СибАК, 2013.
Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов
Статья опубликована в рамках:
 
Выходные данные сборника:


 


АВТОМАТИЗАЦИЯ  РАСЧЁТА  ЭНЕРГОЗАТРАТ  НА  ОСНОВЕ  АНАЛИЗА  ВРЕМЕННЫХ  РЯДОВ


Клименко  Елена  Васильевна


канд.  пед.  наук,  доцент,  Тобольская  государственная  социально-педагогическая  академия  им.  Д.И.  МенделеевагТобольск


E-mail: 


 


AUTOMATION  OF  CALCULATION  OF  ENERGY  CONSUMPTION  ON  THE  BASIS  OF  THE  ANALYSIS  OF  TEMPORARY  RANKS


Klimenko  Elena


candidate  of  pedagogic  science,  assistant  professor,  Tobolsk  State  Social  and  Pedagogical  Academy  named  after  D.I.  MendeleevTobolsk


 


АННОТАЦИЯ


В  статье  представлены  результаты  исследования  энергозатрат  на  реальном  высокотехнологичном  производстве.  Целью  исследования,  проводимого  в  рамках  сотрудничества,  явилась  оптимизация  энергопотребления.  Расчёт,  основанный  на  фактических  данных  с  использованием  эконометрических  методов,  реализован  статистическими  инструментами  Microsoft  Excel. 


ABSTRACT


The  results  of  research  of  energy  consumption  are  presented  in  the  article  on  real  hi-tech  production.  The  goal  of  research,  carried  out  within  cooperation  is  optimization  of  energy  consumption.  The  calculation  based  on  actual  data  with  use  of  econometric  methods  is  realized  by  the  statistical  instrument  of  Microsoft  Excel.


 


Ключевые  слова:  энергопотребление,  информационные  технологии,  математические  методы,  автоматизация  расчёта.


Keywords:  energy  consumption,  information  technologies,  mathematical  methods,  automation  of  calculation.


 


Анализ  временных  рядов  электропотребления  позволяет  установить  динамику  изменения  норм  расхода  электроэнергии  за  период  наблюдения,  не  раскрывая  внутренних  взаимосвязей  между  электропотреблением  и  основными  факторами,  определяющими  его. 


Временной  ряд  электропотребления  —  совокупность  значений  фактического  электропотребления  за  несколько  последовательных  моментов  или  периодов  времени  (месяц,  квартал,  год  и  т.  д.).  Каждый  уровень  временного  ряда  формируется  под  воздействием  большого  числа  факторов,  которые  обычно  разделяют  на  группы  [4,  с.  423]:


·     факторы,  формирующие  тенденцию  ряда;


·     факторы,  формирующие  циклические  (сезонные)  колебания  ряда;


·     случайные  факторы.


Основная  задача  исследования  временного  ряда  электропотребления  —  выявление  и  придание  количественного  выражения  каждой  из  перечисленных  компонент  с  тем,  чтобы  использовать  полученную  информацию  для  прогнозирования  будущих  значений  ряда.


Предварительный  анализ  данных  на  наличие  выбросов  статистики  проведён  методом  Ирвина.  Полученные  расчётные  значения  не  превосходят  табличных  значений  критерия  для  уровня  значимости  0,05,  т.  е.  данные  представлены  не  более  чем  с  5  %  ошибкой.


При  наличии  во  временном  ряде  тенденции  и  циклических  колебаний  значения  каждого  последующего  уровня  ряда  зависят  от  предыдущих.  Количественно  автокорреляцию  уровней  ряда  можно  измерить  с  помощью  линейного  коэффициента  корреляции  между  уровнями  исходного  временного  ряда  и  уровнями  этого  ряда,  сдвинутыми  на  несколько  шагов  во  времени. 


Последовательность  коэффициентов  автокорреляции  уровней  первого,  второго  и  т.  д.  порядков  определяют  автокорреляционную  функцию  временного  ряда.  Анализ  автокорреляционной  функции  и  её  графика  (коррелограммы)  позволяет  выявить  структуру  временного  ряда.  Структура  сезонных  колебаний  рассматриваемых  процессов  позволяет  сделать  вывод  о  том,  что  временные  ряды  будут  иметь  мультипликативную  модель.  Поэтому  фактический  уровень  временного  ряда  электропотребления  представляется  произведением  трендовой  (t),  сезонной  (s)  и  случайной  (e)  компоненты:  y  =  t·s·e.


Процесс  построения  модели  временного  ряда  электропотребления  включает  в  себя  следующие  шаги.


1.  Выравнивание  исходного  ряда  методом  скользящей  средней  за  три  месяца  одного  квартала  со  смещением.


2.  Расчет  значений  сезонной  компоненты  s  с  использованием  центрированной  скользящей  средней  и  оценка  сезонной  компоненты.


3.  Устранение  сезонной  компоненты  из  исходных  уровней  ряда  и  получение  выравненных  данных  (t  ·  е)  в  мультипликативной  модели  временного  ряда  электропотребления.


4.  Аналитическое  выравнивание  уровней  (t  ·  е)  и  расчет  значений  t  с  использованием  полученного  линейного  тренда.


5.  Расчет  полученных  по  модели  значений  (t  ·  е)  или  (t  е).


6.  Расчет  абсолютных  ошибок  по  формуле  e  =  y  /  (  t  ·  s  ).


Если  полученные  значения  ошибок  не  содержат  автокорреляции  (проверяются  на  автокорреляцию  по  -критерию  Дарбина-Уотсона),  ими  можно  заменить  исходные  уровни  ряда. 


Расчёты,  произведённые  по  указанной  схеме,  позволяют  определить  сезонные  компоненты  временных  рядов  электропотребления  для  каждого  из  рассматриваемых  объектов  цеха,  устранить  их  из  исходных  уровней  ряда,  определить  уравнение  тренда  для  каждого  ряда  и  проверить  построенные  таким  образом  временные  модели  на  адекватность.  Оценка  значимости  коэффициентов  уравнения  тренда  произведена  по  t-критерию  Стьюдента.  Выбранное  уравнение  оценено  по  F-критерию  Фишера.  Остатки  являются  случайными,  не  зависящими  друг  от  друга  и  от  времени,  что  равносильно  отсутствию  автокорреляции  (по  -критерию  Дарбина-Уотсона). 


Проводимые  численные  расчёты  реализованы  в  табличном  процессоре  Microsoft  Excel  с  использованием  математических  функций  и  статистических  инструментов  (Анализ  данных,  Описательная  статистика,  Скользящее  среднее  и  др.)  [2,  с.  87].  Графические  представления  полученных  временных  моделей  электропотребления  выполнены  также  средствами  Microsoft  Excel  (построение  графиков  зависимостей  и  диаграмм,  добавление  линии  тренда  с  указанием  аналитического  выражения  тренда  и  коэффициента  достоверности  аппроксимации).  Пример  визуализации  результатов  исследования  по  определению  тренда  (предрасположенности)  представлен  на  рис.  1.


 



Рисунок  1.  Модель  временного  ряда  электропотребления


 


Данные  возможности  современного  программного  средства  позволяют  многократно  осуществлять  аналогичные  расчёты  при  обработке  иных  экспериментальных  данных.  Единожды  занесённые  зависимости  при  обработке  нового  эмпирического  материала  автоматизируют  процесс  анализа  прогнозируемых  затрат  электроэнергии.  Таким  образом,  современные  информационные  технологии  предполагают  пользовательский  уровень  готовности  к  проведению  исследовательской  работы  и  определенный  уровень  математической  подготовки  [3,  с.  14].


Проведенный  анализ  временных  рядов  электропотребления  позволяет  сделать  следующие  выводы:


1.  При  производстве  воздуха  и  азота  наблюдается  определённая  динамика  изменения  электропотребления  во  времени,  достаточно  сильно  функционально  зависит  от  объема  выпуска  продукции;


2.  Эти  связи  тесные  прямые.  Например,  при  изменении  на  единицу  объемов  производства,  электропотребление  возрастает; 


3.  Регрессионные  модели  адекватны  происходящим  производственным  процессам  и  могут  быть  использованы  в  прогнозировании  электропотребления  в  диапазоне  доверительных  областей,  вычисленных  как  для  ежемесячной,  так  и  для  среднегодовой  регрессии  по  каждому  виду  продукции.


Данная  работа  была  проведена  в  рамках  реализации  взаимодействия  «ВУЗ-предприятие»  для  студентов,  обучающихся  по  направлению  «Математика  и  компьютерные  науки»  профиль  подготовки  «Вычислительные,  программные,  информационные  системы  и  компьютерные  технологии».  Научно-исследовательская  деятельность  была  организована  потенциальным  работодателем  —  соответствующими  службами  градообразующего  предприятия  ООО  «Тобольск-Нефтехим»  —  совместно  с  представителем  вуза.  Деятельность  студентов  была  направлена  на  решение  актуальных  проблем  производства,  связанных  с  использованием  математических  методов  и  компьютерных  технологий,  математического  моделирования  процессов  и  объектов,  разработкой  эффективных  методов  решения  задач  естествознания,  техники,  экономики  и  управления  [1,  с.  36]. 


 


Список  литературы:


1.Буслова  Н.С.,  Клименко  Е.В.  Обучение  программированию  в  процессе  развития  профессиональных  компетенций  студентов-информатиков  //  Международный  журнал  прикладных  и  фундаментальных  исследований.  —  2013.  —  №  9  —  с.  36—37. 


2.Клименко  Е.В.  Интенсификация  обучения  математике  студентов  технических  вузов  посредством  использования  новых  информационных  технологий:  Дис....  канд.  пед.  наук.  Саранск,  1999.  —  189  с.


3.Клименко  Е.В.  Формирование  навыков  исследовательской  деятельности  средствами  курса  системы  дополнительного  образования  «Обработка  результатов  лабораторных  диагностик»  //  Научно-технический  журнал  «Технологии  и  методики  в  образовании»//  ISSN  2078-8827,  —  №  3,  —  2012  г.  —  С.  13—17.


4.Эконометрика.  Учебное  пособие  /И.И.  Елисеева.  С.В.  Курышева,  Д.М.  Гордиенко  и  др.  М.:  Финансы  и  статистика,  2010.  —  576  с. 

Проголосовать за статью
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий