АИИС для мониторинга, контроля и учёта энергопотребления на предприятиях

Поэтому исследования, направленные на разработку системы  прогнозирования электропотребления, основанной на нелинейном методе нейросетевого моделирования, являются актуальными.

 

2. Научная новизна предлагаемых в проекте решений

 

В соответствии с программой развития УрФУ на 2010-2020 годы (Решение об одобрении принято  Председателем Правительства Российской Федерации В.В.Путиным, Распоряжение №1693-р от 7 октября 2010 года) созданное предприятие позволит реализовать научно-инновационный потенциал ВУЗа и войдет в состав пояса малых инновационных предприятий создаваемых при УрФУ.

 

Предлагаемый  для разработки модели прогнозирования  электропотребления промышленного предприятия инновационно-революционный метод искусственных нейронных сетей, как наиболее перспективный метод нелинейного моделирования позволит снизить погрешность прогноза почти в двое по сравнению с существующим статистическим методом корреляционно-регрессионного анализа, по предварительным оценкам погрешность прогноза не должна превысить ±3,5%.

Предлагается  модульная структура построения модели прогнозирования электропотребления, что позволяет сделать применение метода нейросетевого моделирования, что является инновационным, перспективным  решением, так как позволяет построить  модель предприятия-потребителя в целом без отраслевых ограничений.

В ходе разработки модели прогнозирования электропотребления требуется исследовать и определить набор статистических методов и  методику их применения, позволяющие  установить показатели влияния входных  факторов на величину электропотребления, а также отобрать значимые входные факторы для синтеза нейронных сетей структурных подразделений предприятия-потребителя.

 

3. Современное состояние исследований и разработок по данному проекту

 

Вопросами прогнозирования  электропотребления с применением методов нейросетевого моделирования занимаются в Институте систем энергетики им. Мелентьева СО РАН, Новосибирском государственном техническом университете, УрФУ, Пермском государственном техническом университете и ряде других организаций. Результаты исследований в этой области представлены в работах Гамма А.З., Глазуновой А.М., Демура А.В., Сухомлиновой О.А., Олейникова В.К., Богатырёва Л.Л., Воропая Н.И., Колосок И.Н., Готмана Н.Э., Старцевой Т.Б., Курбацкого В.Г., Манова Н.А., Манусова В.З., и других.

Несмотря на широкий спектр работ, в них не рассмотрены вопросы прогнозирования  электропотребления на основе метода искусственных нейронных сетей  для крупных промышленных и горных предприятий, бесспорно имеющие  свою специфику.

 

5. Коммерциализуемость научно-технических результатов

При отсутствии АИИС потребитель рассчитывается за заявленный им и фиксированный в договоре с энергосбытовойкомпанией объем электроэнергии, в случае перебора которого оплата производится по повышенному тарифу. Поскольку фактическое определение объема электроэнергии в отсутствии АИИС КУЭ затруднено, потребитель вынужден заявлять объем с запасом на 5-10% во избежание переплаты. В случае внедрения АИИС потребитель получает право рассчитываться за фактически потребленную электроэнергию, зафиксированную приборами. В результате, суммарный объем потребления электроэнергии оказывается в среднем на 5-10% меньше, чем при сложении показателей отдельных счетчиков «ручным» способом. Таким образом, в целом экономия только от этого фактора может достигать 10-20%.  Опыт применения АИИС на промышленных предприятиях разных отраслей показал, что экономия энергоресурсов в среднемколеблется от 10-15% до 25-30% месячного потребления, а срок окупаемости затрат на создание системы не превышаетодного года. Предприятиям уже сегодня нужно задуматься о соответствии своих измерительных комплексов нормативным требованиям, особенно — если они собираются работать на оптовом рынке электроэнергии. Кстати сказать, на розничном рынкесо временем будут предъявляться такие же требования. В случае реорганизации розничного рынка электроэнергии его субъекты (оптовые перепродавцы) потребуют введениятаких же нормативов, позволяющих получать адекватные данные. В противном случае на них будут ложиться потерив результате несовершенной системы учёта. При этом, хочет субъект выходить на оптовый рынок или нет, он обязанпривести измерительную часть системы в соответствие с государственными нормативами и наладить её автоматизацию.В противном случае он рискует оплачивать электроэнергию по более высоким тарифам или платить единовременно огромные средства за модернизацию своей системы.

Основные конкуренты на российском рынке: СКБ Контур, НПО Автоматика, АС Энерго, ОАО «МЕТАЛЛУРГМАШ Инжиниринг», ЗАО "Группа ЭНТЕР", ООО «АСК ВИТ».

Конкурентные  преимущества

Основные конкурентные преимущества использования АИИС для  мониторинга, контроля и учёта энергопотребления:

А)     Более точное выявление всех потерь энергии на предприятии.

Б) Исключения нерационального (по критерию энергоэффективности) использования технологического оборудования

В) Отсутствие привязки к определённому предприятию, т.е. наши специалисты настроят систему  непосредственно для заказчика.

Г)     Гарантийное и после гарантийное обслуживание АИИС.

Основные  риски и их компенсация

Таблица 1

Риск	Меры компенсации
Риск неверной оценки перспектив завершения НИОКР	Привлечение квалифицированных  экспертов и разработчиков
Низкая конкурентоспособность  продукта, появление на рынке альтернативных устройств.	Мониторинг  и анализ ситуации на рынке, проведение исследований по созданию новых технологий и усовершенствованию имеющихся разработок, выбор новых сегментов рынка.
Маркетинговый риск (неправильный выбор рынков сбыта, неточный расчет емкости рынка, неотлаженность сбытовой сети, недостаточная рекламная компания)	Проведение  оценки рыночной среды; организация  мероприятий по стимулированию сбыта; привлечение сторонних организаций  для продажи продуктов.
Непонимание полного  спектра возможностей устройства потенциальными потребителями.	Проведение  пресс-конференций для ознакомления потенциальных потребителей с полным спектром возможностей устройства.
Финансовый  риск (отсутствие инвесторов, неспособность  оправдать вложенные инвестиции, ошибки в документах, повлекшие потерю финансов)	Привлекать  к разработке и реализации  проекта новых инвесторов, фирм  с большим опытом ведения проектирования  и производства, тщательно разрабатывать документы по взаимодействию сторон.
Коммерческий  риск (риск выбора потребителя; риск ошибочной  стратегии проникновения на рынок, ненадежностью поставщиков; риском конкуренции; повышением цен на сырье  и энергию;  риском инфляции;риском транспортировки; изменением условий налогообложения)	коммерческая  организация может отказаться в  процессе ведения хозяйственной  деятельности от совершения финансовых операций, связанных с высоким  риском, т.е. уклониться от риска. В таких  случаях не всегда получают те результаты, которые могли быть достигнуты, но зато это позволяет полностью избежать потенциальных потерь.

 

Главным недостатком  разработки АИИС  для мониторинга, контроля и учёта энергопотребления  на предприятиях считается:

• Сложность настройки системы под конкретное предприятие
• Внедрение именно аппаратной части на предприятии
• Сложный интерфейс

Реализация  продукта планируется на базе общества с ограниченной ответственностью. При  такой форме организации возможна регистрация в любой налоговой инспекции РФ и уставный капитал не облагается налогами. ФГАОУ ВПО «УрФУ имени первого Президента России Б.Н.Ельцина» является соучредителем или планирует войти в состав созданного хозяйственного общества.

Использование нового АИИС позволит повысить конкурентно способность нашего предприятия на рынке   технологий и продуктов в области контроля, мониторинга, учёта и экономии энергии на предприятии.

 

6. План действий по реализации проекта

Для достижения поставленной цели по разработке системы  прогнозирования электропотребления методом искусственных нейронных сетей требуется решить следующие задачи:

1. Исследовать  режимы работы основного технологического  оборудования пром.предприятия и  его структурных подразделений  и как следствие разработать  унифицированную методику, критерии анализа и оценки этой работы с целью предварительного экспертного отбора факторов (предикторов) влияющих на величину электропотребления;

2. Исследование  и определение набора статистических  методов и разработка методики  их применения, позволяющие установить показатели влияния входных факторов на величину электропотребления, а также отобрать значимые входные факторы для синтеза нейронных сетей структурных подразделений предприятия-потребителя;

3. Разработать  алгоритм синтеза нейронных сетей  структурных подразделений пром.предприятия, включающий определение структуры сети, количество слоев и нейронов в слое, функций активации нейронов;

4. Разработать  математическую модель прогнозирования  электропотребления промышленного  предприятия-потребителя, которая представляет собой совокупность синтезированных нейронных сетей структурных подразделений предприятия, провести оценку точности разработанной системы;

5. Разработать  пути повышения точности прогнозирования  электропотребления как отдельными  цехами, так и промышленным предприятием в целом;

6. Исследовать  влияние упреждения прогноза  и точности задания независимых  переменных на точность прогнозирования  электропотребления;

7.Запатентовать  разработанную авторскую модель  прогнозирования потребления электроэнергии промышленного предприятия имеющую модульную структуру, каждый модуль представляет собой многослойную нейронную сеть цеха с прямым распространением сигнала без обратных связей с параметрами определенными с учетом требуемых показателей точности прогноза.

8. Разработать  программное обеспечение «Прогнозирование  электропотребления» произвести  выбор и синхронизацию технических  средств для реализации системы.  Произвести оценку точности работы  системы. Провести сертификацию  системы;

9. Комплектация  оборудованием и материалами для создания опытного образца системы.

10. Выполнить  сравнительный анализ существующего  метода прогнозирования электропотребления  на пром.предприятиях и методом  разработанной систем прогнозирования   путем расчета экономического  эффекта от внедрения  разработанной системы.

11. Запатентовать  программное обеспечение АРМа  верхнего уровня системы «Прогнозирование  электропотребления»;

Применяемые в  настоящее время на практике статистические методы  корреляционно-регрессионного анализа для целей прогнозирования электропотребления дают погрешность прогноза более +-5%, что приводит к существенным штрафам, выставляемым предприятиям-потребителям. Применение инновационного метода искусственных нейронных сетей для решения задачи прогнозирования электропотребленяи позволит снизить погрешность прогноза почти в двое по сравнению с существующими статистическими методомами, по предварительным оценкам погрешность прогноза не должна превысить ±3,5%.

По предварительным  оценкам экономический эффект от внедрения разработанной системы может достигать от 2% до 6% от годовой суммы оплаты  за электроэнергию промышленного предприятия. Тем самым срок окупаемости внедрения системы для промышленного предприятия составит 1-2 года.

В настоящее  время применением метода искусственных нейронных сетей для решения задачи прогнозирования электропотребления предприятия-потребителя никто не занимается.

7. Маркетинговое исследование проекта

Для наилучшего представления существующего состояния  потенциального рынка было проведено маркетинговое исследование.

Для начала были выявлены потенциальные потребители  имеющегося инновационного продукта по средствам сегментирования.

 

 

 

 

 

 

 

 

	КОНКУРЕНТЫ
факторы	СКБ Контур	МЕТАЛЛУРГМАШ  Инжиниринг	ООО «АСК ВИТ»	НПО Автоматика
product
Интерфейс	3	4	5	3
Ассортимент	4	2	4	3
Качество	4	4	4	3
price
Стоимость	3	5	4	3
Система скидок	4	3	3	3
promotion
Реклама	5	2	4	3
Система скидок	4	3	5	3
Стимулирование сбыта	4	3	4	3
place
Место положения  торговых точек	4	5	5	3
Персонал	4	3	5	4
Канал распределения	5	5	5	4
Итого:	11	9.75	12	8.75