9. Основные вероятностно-статистические модели для описания процессов электропотребления в сэс.

1. Детерминированный подход. Рсчет ведется по конкретным значениям мах или min нагрузок.

2. Изменение нагрузки моделируется случайным событием. Эта модель применяется для больших длин, перспективных расчетов. Случайное событие отвечает «да» или «нет».

Выбор оборудования – по мах мощности; выбор регулирования – по min мощности.

3. Модель случайной величины (более информационная). Зная режим работ, можно определить мах мощность. Каждому значению сопоставлена вероятность появления (непрерывная или дискретная). С ее помощью можно решить практически полный спектр задач.

Вероятность – длительность того или иного значения (0 - 1).

Модель представляется числовыми характеристиками М(х), D(x), корреляционной функцией (физический смысл кор-ции: если 0, то взаимосвязи практически нет ).

4. Модель случайного процесса. Случайный процесс – случайная величина, распределенная во времени, т.е. в каждый момент времени значение параметра является случайной величиной.

Оказывает влияние на какой оси расположена случайная величина. Фактор времени приобретает решающее значение.

В случае, когда у нескольких потребителей нагрузка идет примерно синхронно, необходимо учитывать взаимовлияние нагрузок, вводя коэф-нт корреляции.

10. Информационное обеспечение моделей режимов эл.-потребления.

Самый простой способ связан с обратной связью от потребителя. Самая полная информация от счетчиков активной или реактивной энергии. Используются также и самописцы (неудобство – обработка данных).

Производятся контрольные замеры: зимний мах (20-е числа декабря); летний min (20-е числа июня).

Причины изменения информационной системы обеспечения:

1. Изменение элементарной базы информационных систем.

2. Изменение нагрузок.

3. Изменение операционных систем

Для решения практических задач необходимо знать не мгновенные значения нагрузок, а некоторые средние значения. Тогда на стадии получения информации встает проблема интегрирования (построить информационную систему на непосредственном измерении усредненной информации дорого и неудобно).

Интервалы осреднения и квантования процессов изменения нагрузок.

Для решения практических задач необходимо знать не мгновенные значения нагрузок, а некоторые средние значения. Тогда на стадии получения информации встает проблема интегрирования (построить информационную систему на непосредственном измерении усредненной информации дорого и неудобно)

Поэтому важно на этапе получения информации вводить интегрирование, а уже на приемном конце вводить дезинтеграцию.

Исходные данные должны идти с минимальным интервалом осреднения

Min – 0.01 c. Max – 10 мин. – 2-3 часа (все исследования идут от физического пр-са)

Чем ближе к электроприемнику, тем более вероятно, что процесс будет приближаться к модели.

Мат. ожидание – линейная операция, не зависящая от промежутков осреднения.

Дисперсия – сумма квадратов отклонений, деленная на количество отклонений.

D(x) t  D(x) в этом случае разброс больше;

t  D(x) 

t

- ( I - I )²

Восстановление закона распределения P(I) = 1 * e 2 * ²

 2

Интервал осреднения заменяется интегралом дискретизации (площадь под трапецией)

Дискретизацию делают по возможности меньше для более точной сходимости процесса.