Экономия электроэнергии: ученые разработали метод точного прогноза нагрузки насосных станций

❋ 4.6

Объемы российского рынка водоснабжения достигают 490 млрд рублей в год, а потребность в инвестициях в инфраструктуру оценивается в триллионы. Значительную часть этих затрат составляет оплата электроэнергии для насосных станций. Существенную экономию мог бы дать переход на тариф, в котором ночью и в выходные цена ниже. Однако это требует идеального почасового планирования: за ошибки в расчетах накладываются штрафы. Традиционные ручные методы прогнозирования демонстрируют высокую погрешность в 6,2%. Ученые Пермского Политеха разработали систему на основе машинного обучения, которая в 3,7 раза снижает погрешность прогноза — до 1,67%. Это позволит эффективно перейти на оптимальный тариф и гарантированно экономить свыше 160 тысяч рублей в год на одной станции.

ПНИПУ

# водоснабжение

# прогнозирование

# технологии

# электроэнергия

# энергозатраты

Водоснабжение в жилом доме / © pvproductions, freepik

Централизованное водоснабжение требует огромных энергозатрат: крупная насосная станция может потреблять электроэнергию как целый микрорайон. Она подает чистую воду в городскую сеть, создает и поддерживает давление, способное одновременно обеспечить тысячи домов. При этом график нагрузки непостоянен: резко возрастает в часы пик утром и вечером и снижается ночью.

В России насосные станции традиционно работают по третьей ценовой категории (ЦК-3), в которой действует единый тариф на электричество: днем и ночью цена одинакова. Это просто, но невыгодно, так как не позволяет сэкономить в периоды низких цен.

Более гибкая и выгодная схема — пятая ценовая категория (ЦК-5) установлена государством для потребителей, которые могут планировать свои энергозатраты. В ней цена меняется каждый час, отражая реальную стоимость производства. Она создана для тех, кто может гибко управлять своей нагрузкой. Например, холодильные склады усиленно морозят товары ночью по низкому тарифу, а металлургические заводы планируют самые энергоемкие процессы на утренние часы.

Однако этот переход сложно осуществить, так как в таком режиме нужно ежедневно предоставлять поставщику точный почасовой план энергопотребления на следующие сутки. В ЦК-5 к цене добавляется специальная ставка за отклонения фактических объемов потребления от запланированных: за каждый «лишний» или «недобранный» против плана киловатт-час насосная станция платит повышенную цену. Поэтому для получения реальной экономии требуется высокая точность прогнозирования, а отклонение не должно превышать 3%, иначе схема выгодна не будет.

Существующая методика ручного прогноза основана на усреднении данных прошлых лет по шаблонам, где дни делятся на типы: стандартные будни, понедельники, пятницы, субботы, воскресенья и праздники. Эта простая схема, с погрешностью в 6-7%, работает для обычных тарифов, но для перехода на более выгодный ЦК-5 она не подходит, так как просчеты приведут к убыткам из-за высоких штрафов за отклонение от плана. При этом процесс трудоемкий и уязвимый: большой объем рутинных расчетов неизбежно несет в себе риск случайных ошибок из-за человеческого фактора.

В сфере ЖКХ уже сейчас успешно применяются методы машинного обучения. Например, для обнаружения утечек воды в сетях, автоматизации работы диспетчерских служб с помощью голосовых ботов, управления микроклиматом в зданиях и мониторинга состояния контейнерных площадок. Однако для точного прогнозирования нагрузки именно насосных станций с учетом их уникальной специфики подобные решения ранее не предлагались.

Ученые Пермского Политеха разработали оригинальную интеллектуальную систему прогнозирования на основе машинного обучения. Статья опубликована в журнале «Электротехника».

В отличие от ручных расчетов или простых алгоритмов, эта модель способна одновременно анализировать десятки взаимосвязанных параметров: не только время суток и тип дня, но и тонкие исторические зависимости — например, как потребление в понедельник связано с графиком предыдущей пятницы. Именно это позволяет ей выявлять сложные, неочевидные закономерности и строить прогноз с минимальной погрешностью.

— Алгоритм в режиме реального времени анализирует, сколько энергии станция потребляла ранее. Он автоматически определяет тип дня и на основе выявленных сложных зависимостей рассчитывает прогноз почасовой нагрузки на следующие 24 часа с минимальной погрешностью», — поясняет доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ, кандидат технических наук Сергей Мишуринских.

Алгоритм также учитывает, что работа насосов практически не зависит от погоды. Ключевым фактором, определяющим энергопотребление, оказался четкий недельный цикл, задаваемый социальной активностью города: в будни потребление одно, в выходные — другое. Для создания модели использовали архив фактических показаний почасового потребления электроэнергии одной насосной станции Перми. На этих данных за 2021-2023 годы обучили алгоритм. После проверили, как она прогнозируют нагрузки на независимой выборке за 2024 год, которую раньше не «видела».

— Точность прогноза системы — 97,33%, погрешность 1,67%, что в 3,7 раза превосходит ручной метод. Алгоритм не просто анализирует нагрузку, но и помогает рассчитывать, когда выгоднее использовать гибкий тариф ЦК-5, а когда оставаться на ЦК-3. Например, в мае и июне экономичнее работать по старой схеме. Эта стратегия дает гарантированную экономию более 163 тысяч рублей в год для одной станции, — отмечает доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ, кандидат технических наук Сергей Мишуринских.

На практике алгоритм можно интегрировать в существующие системы управления водоснабжением для диспетчеров или технологов. Для запуска нужно будет загрузить исторический архив почасового потребления электроэнергии конкретной насосной станции. На этой основе программа обучается, настраиваясь на уникальный профиль нагрузки конкретного объекта.

В ежедневном режиме работы система автоматически будет собирать актуальные данные о потреблении, анализировать их с учетом выявленных закономерностей и дней недели, формировать готовый к использованию документ — точный почасовой прогноз нагрузки на следующие сутки. Этот прогноз, созданный без ручных расчетов, диспетчер будет использовать для подачи заявки поставщику электроэнергии.

Разработка ученых Пермского Политеха позволяет отказаться от трудоемких и неточных ручных расчетов, заменяя их автоматизированным решением. Этот инструмент готов к внедрению и может стать ключевым элементом цифровой трансформации управления энергозатратами в коммунальном комплексе. Масштабирование системы на насосные станции города или региона может принести экономию уже не в сотни тысяч, а в десятки миллионов рублей ежегодно. Это внесет весомый вклад в финансовую устойчивость отрасли, что, в свою очередь, позволит сдерживать рост тарифов на водоснабжение.

Нашли опечатку? Выделите фрагмент и нажмите Ctrl + Enter.

Пермский национальный исследовательский политехнический университет (национальный исследовательский, прошлые названия: Пермский политехнический институт, Пермский государственный технический университет) — технический ВУЗ Российской Федерации. Основан в 1960 году как Пермский политехнический институт (ППИ), в результате объединения Пермского горного института (организованного в 1953 году) с Вечерним машиностроительным институтом. В 1992 году ППИ в числе первых политехнических вузов России получил статус технического университета.