پیش بینی مصرف بار الکتریکی در شبکه توزیع

ﺑﺮرﺳﻲ روش های ﭘﻴﺶ ﺑﻴﻨﻲ ﺑﺎر در ﺷﺒﻜﻪ ﻫﺎي ﺗﻮزﻳﻊ ﺑﺮق

سیستم قدرت الکتریکی شامل تعداد زیادی عناصر به هم پیوسته است که در یک منطقه جغرافیایی وسیع جهت تولید و تغذیه قدرت الکتریکی به نقاط مختلف در حال کار می باشند. عموما تجهیزات تولید فقط در چند نیروگاه بزرگ متمرکز شده اند. سیستم توزیع قدرت از تجهیزات گوناگون زیادی تشکیل شده است که در تمام مناطق خدماتی بار، توزیع قدرت را برعهده دارند.

هر واحد سیستم توزیع باید بطور مناسبی جایابی شود تا تقاضای حومه را نیز پاسخگو باشد. طراح آتی سیستم عبارتست از تعیین ظرفیت و مکان تجهیزات از قبیل پست ها، خطوط انتقال تغذیه کننده آن ها، فیدرهایی که قدرت را از پست ها به تمامی مناطق خدماتی راهبری می کنند و هزاران وسیله دیگر که توانایی توزیع را تکمیل می نمایند. اولین گام در طراحی، پیش بینی مصرف بار الکتریکی آتی در شبکه توزیع برق و جزئیات جغرافیایی است بگونه ای که بتوان اندازه و مکان تجهیزات را طراحی نمود.

برای پیش بینی مصرف بار الکتریکی باید به چه نکاتی توجه کرد؟

نکته مهم در طراحی سیستم قدرت، حصول گسترش منظم و اقتصادی است که نیازهای آتی عامه را با در نظر گرفتن قابلیت اطمینان مناسب برآورده سازد. عناصر سیستم تغذیه یعنی خطوط انتقال فرعی، پست ها و فیدرهای توزیع عموماً دارای ظرفیت هایی هستند که چندین مرتبه از بار کل سیستم کوچکترند.

طراحی چنین سیستمی عبارتست از تعیین اندازه های صحیح، مکان های مناسب، اتصالات پیوسته و زمان بندی جهت اضافه کردن تجهیزات در آینده. طراحی صحیح تجهیزات توزیع برای آینده به پیش بینی توزیع جغرافیایی تقاضای الکتریکی در آینده نیازمند است بطوری که تمایز بین ظرفیت های ممکنه، مکان ها و اتصالات قابل تغییر باشند.

کیفیت و دقت این پیش بینی تأثیر زیادی بر کیفیت طراحی سیستم تغذیه بعدی دارد. بنابراین روش های انجام چنین پیش بینی هایی موضوعی است که طی چند ساله اخیر مورد توجه زیادی قرار گرفته است. طی دهه اخیر چندین روش کامپیوتری عملی و بحد کافی اتوماتیک برای استفاده در طراحی سیستم تغذیه ارائه شده است. در بسیاری از این روش ها، برای بهبود طراحی سیستم و تعیین یک طرح توسعه با هزینه کمینه از بهینه سازی استفاده گردیده است. فلوچارت زیر مراحل پیش بینی مصرف بار الکتریکی در شبکه توزیع برق را نشان می دهد که در ادامه به تحلیل این مراحل می پردازیم. 

راهنمای پیش بینی بار در شبکۀ توزیع
 راهنمای پیش بینی بار در شبکۀ توزیع

منطقه مورد پیش بینی و محدوده زمانی در سیستم توزیع بار الکتریکی

اولین مرحله در پیش بینی بار، مشخص نمودن ناحیه ای است که بار آن ناحیه قرار است پیش بینی شود و نیز محدوده زمانی که این پیش بینی برای آن مدت زمان انجام می شود. ناحیه مورد نظر می تواند هر نوع منطقه ای اعم از مسکونی، تجارتی و یا صنعتی باشد. محدوده زمانی می تواند از یک تا پنج سال، پنج تا ده سال و یا ده تا سی سال باشد.

اکثر شرکت های برق قبلاً به منظور مشخص نمودن فصل تولید و مسیر خطوط فشار قوی انتقال خود، یک پیش بینی دراز مدت بار معمولاً حدود ۳۰ سال نیاز دارند. در آن زمان ممکن است جزئیات شبکه توزیع در نظر گرفته نشده باشد. پیش بینی بار تا ۵ تا ۱۰ سال آینده یک مدت رضایت بخش در جایابی محل پست ها و مسیر خطوط انتقال است. پیش بینی پنج ساله یک پیش بینی کوتاه مدت برای تعیین مسیرهای فیدرها و ظرفیت ترانسفورماتورهای مورد نیاز پست است.

منابع اطلاعات مورد استفاده در پیش بینی بار الکتریکی

اطلاعات مورد نیاز در پیش بینی بار از منابع زیر به دست می آید:

۱- قرائت بار در پست برق

در بین منابع مورد استفاده در پیش بینی بار، قرائت بار در پست ها اهمیت دارد. اکثر شرکت های برق، قدرت خروجی پست را قرائت می کنند. برای محاسبه ظرفیت ترانسفورماتور پست لازم است قرائت قدرت خروجی ترانسفورماتور در دست باشد. اگر چند ترانسفورماتور در پست باشند قدرت خروجی کل قرائت می شود. واحد به کار رفته در اینجا مقدار مصرف کیلو ولت آمپر در پست است. فیدرهای پست می توانند قرائت کننده مصرف نیز در هر خانه داشته باشند که بدین ترتیب می توان بار فازهای مختلف فیدرها را متعادل کرد. مقدار حداکثر بار فیدر بطور هفتگی و ماهانه اندازه گیری می شود.

کوچکتر از یک بودن ضریب فوق نشانه قرائت غیر صحیح در یکی از فیدرها است. واحد به کار رفته برای اندازه گیری کیلوولت آمپر مصرف در پست و نیز مقدار کیلو ولت آمپر مصرف در فیدر است.

۲- پیش بینی بار با فروش انرژی

نمودار فروش انرژی معمولاً یکی از مبانی اساسی در پیش بینی بار است. اطلاعات در مورد فروش انرژی معمولاً موجود و در دسترس است و دقیقتر از اطلاعات به دست آمده از فایل های مصرف گذشته است و کمتر از فاکتورهایی نظیر وضع هوا تأثیر می پذیرد.

انرژی به عنوان وسیله ای برای کنترل اطلاعات بار به کار می رود. با استفاده از اطلاعات ضریب بار ماهانه موجود از فایل های گذشته و مقایسه مصرف انرژی و بار می توان هر گونه خطا را مشخص نمود. بعضی از پست های کوچکتر ممکن است قرائت کننده مصرف نداشته باشند که در این حالت از مصرف انرژی که معمولاً اندازه گیری شده و یا صورتحساب مشترکین به دست می آید. می توان با در نظر گرفتن ضریب بار مقدار بار روزانه، ماهانه یا سالانه حداکثر مورد نیاز را به دست آورد.

۳- رشد بار الکتریکی مصرف کننده

اطلاعات رشد بار مصرف کننده، مستقیماً از فایل های اداره برق به دست می آید. این اطلاعات معمولاً بصورت تعداد مصرف کننده متصل با کلاس های مختلف مثلاً مسکونی، تجاری و غیره بیان می شود. برای یک ناحیه مشخص، رشد بار مسکونی بستگی مستقیم با رشد جمعیت دارد. در مقیاسی وسیعتر، رشد مصرف کننده های صنعتی و تجاری مستقیما به رشد جمعیت بستگی دارد.

۴- پیش بینی بار الکتریکی بر اساس رشد تولید

رشد تولید باید بر پایه رشد مصرف انجام گیرد. آمار صحیح از قدرت ترانسفورماتورهای موجود و طول خطوط، روند رشد تولید را نشان می دهد.

۵- پیش بینی بار الکتریکی با رشد جمعیت

آمار رشد جمعیت همراه با آمار مصرف به منظور تهیه یک رابطه برای پیش بینی رشد بار و در نتیجه پیش بینی بار آینده به کار می رود. پس از به دست آوردن اطلاعات پیش بینی کننده بار، یک سری اطلاعات از قبیل بار پست ها و بار فیدرها از فایل های موجود که لازم است بارهای آینده را پیش بینی کند، قبل از استفاده از مجموعه های اطلاعات خام، مورد نیاز است. اثر فاکتورهای مختلف از قبیل وضع هوا، شرایط اقتصادی، کنترل استفاده از زمین و غیره نیز باید در نظر گرفته شوند.

فاکتورهای مؤثر در پیش بینی بار الکتریکی

فاکتورهای ارائه شده زیر به منظور افزایش دقت پیش بینی بار باید در نظر گرفته شوند. وقتی اثر این فاکتورها را در پیش بینی بار مطالعه می کنیم وزن هر فاکتور را در تصحیح پیش بینی باید مشخص نماییم. زیاد بودن تعداد تغییرات باعث گیج شدن طراح می گردد.

رشد و کنترل جمعیت

رشد جمعیت باعث افزایش رشد انرژی الکتریکی مورد نیاز می گردد. فاکتورهای مؤثر در نرخ تغییر جمعیت به قرار زیر هستند:

  • تولد: یکی از فاکتورهای مؤثر در تغییر رشد بار است که محاسبه دقیق نرخ سالانه آن ممکن نیست زیرا به شدت تابع مناطق مختلف است.
  • مرگ: فاکتور دیگری است که نسبتا بسادگی قابل پیش بینی از روی آمار طول عمر منطقه است.
  • مهاجرت: که روی جمعیت ناحیه اثر دارد و تابع فاکتورهای دیگر نظیر سیاست مهاجرت در کشور، رشد اقتصادی منطقه و فاکتورهایی از این قبیل است.

اطلاعات محلی

سازمان ها و افراد می توانند اطلاعات خوبی درباره روند رشد بار در کوتاه مدت در منطقه ارائه دهند. آنها معمولاً اطلاعات موجود و آینده را برای منطقه خود دارند. اطلاعات دقیقتر از بعضی سازمان ها نظیر شهرداری ها قابل حصول است.

کنترل استفاده از زمین

طرز استفاده از زمین برای مصارف مختلف، شاخصی برای مقدار مصرف انرژی و در نتیجه مؤثر در پیش بینی بار منطقه است. بنابراین لازم است نقشه های توسعه شهرها و محل تأسیس مناطق پر مصرف قبلا مشخص شده باشد تا با توجه به این موارد چگالی بار مناطق مختلف مشخص شود.

فاکتورهای اقتصادی

فاکتورهای اقتصادی شامل فاکتورهای مربوط به اداره برق و فاکتورهای غیر مربوط به آن، روی مصرف انرژی تأثیر دارند و می توانند بعنوان شاخصی از مصرف در آینده به کار روند. مثلاً هزینه انرژی روی مقدار مصرف آن اثر دارد زیرا با افزایش هزینه انرژی، مصرف آن کاهش می یابد. از فاکتورهای غیر مرتبط با اداره برق می توان به درآمد متوسط یک جامعه و مسأله رقابت در فروش انرژی توسط شرکت های مختلف اشاره کرد.

استفاده از سوخت گاز و نفت در تولید انرژی برق

هزینه برق نسبت به انرژی های دیگر نظیر گاز و نفت، در مقدار مصرف آن مؤثر است. این اثر مانند اثر هوا فصلی و تابع درجه حرارت محیط است. مثلاً استفاده از برق برای گرمایش، بسته به فصول مختلف با موقعیت جغرافیائی کشور متفاوت است.

در آینده، حتما منابع انرژی دیگری نیز پیدا و جایگزین الکتریسیته خواهند شد. مثلاً استفاده از گرمای خورشید ممکن است مصرف الکتریسیته مناطق مسکونی و تجاری را کاهش دهد اگرچه معرفی اتومبیل های برقی ممکن است باعث افزایش مصرف الکتریسیته گردد. بنابراین لازم است یک بررسی دقیق از امکان استفاده از سوخت های مختلف برای اطمینان از پیش بینی بار صورت گیرد.

وضع آب و هوا

آب و هوا معمولاً یکی از مؤثرترین فاکتورها در پیش بینی بار کوتاه مدت است که پیش بینی آن هم بسیار مشکل است. هوای سرد ممکن است باعث شود که پیش بینی ۲ یا ۳ سال هیچ رابطه ای با بار حقیقی نداشته باشد. بنابراین به عهده طراح گذاشته می شود که یک قضاوت از نقطه نظر محدوده تغییرات هوا داشته، یک حد بالا و پایین برای پیش بینی در نظر بگیرد. هوا اثر کمی روی پیش بینی طولانی مدت بار دارد چرا که در یک مدت طولانی، تعادل بین هوای سرد و ملایم وجود خواهد داشت.

ضریب مشخصۀ بار الکتریکی

میزان تأثیر و چگونگی ارتباط نوع بار با حداکثر تقاضای اندازه گیری شده برای یک ترانسفورماتور، فیدر و یا حتی منطقه وسیعتر، توسط ضرایبی بیان می گردد. ضریب بار عبارتست از متوسط توان مصرف شده در یک دوره معین تقسیم بر مقدار پیک بار اندازه گیری شده در همان پریود زمانی. به عبارت دیگر ضریب بار عبارتست از نسبت مقدار انرژی مصرف شده در یک دوره معین به مقدار انرژی مصرفی در صورتی که در طول آن مدت مقدار پیک مصرف می شد.

زمان T می تواند یک سال، یک فصل و یا هر مدت دلخواه باشد و با توجه به مقدار اندازه گیری شده انرژی که معمولاً برحسب kWh یا MWh است بر حسب ساعت بیان می شود.

انواع بار الکتریکی

انواع بار الکتریکی را می توان از نقطه نظرهای مختلفی طبقه بندی کرد. یک نوع طبقه بندی ممکن است از دیدگاه میزان توان درخواستی صورت گیرد که کاربرد چندانی ندارد. اما مهمترین دسته بندی بر اساس طبیعت بار و نوع مصرف با توجه به پارامترهای بیان کننده خصوصیات بار از قبیل ضریب بار، ضریب همزمانی و غیره صورت می گیرد. بر این اساس می توان انواع بارها را بصورت زیر طبقه بندی کرد:

۱- بار شهری – خانگی

۲- بار تجاری

٣- بار صنعتی

۴- بار کشاورزی

۵- بار شهرداری

۶- سایر بارها

انواع-بار-الکتریکی-در-سیستم-توزیع-برق

خصوصیات هر یک از انواع بار از اهمیت ویژه ای برخوردار است. زیرا در بسیاری از موارد بدون آگاهی از طبیعت مصرف، شناخت عوامل مؤثر بر میزان آن امکان پذیر نیست. دقیقترین روش های پیش بینی بار بر پایه شناخت عوامل مؤثر بر میزان مصرف انرژی الکتریکی قرار دارند.

۱- بار الکتریکی شهری – خانگی

این بار اساساً شامل مصرف انرژی الکتریکی توسط وسایل خانگی مورد استفاده در خانواده ها است. بعضی از موارد آن عبارتند از:

 ۱- گرمازا – سرمازا مثل یخچال، شوفاژ ، کولر و ..

۲- روشنایی

۳- مکانیکی مثل جاروبرقی و ماشین لباسشویی

 ۴- مخابراتی مثل رادیو و تلویزیون

 ۵- سایر مصارف

مصارف-بار-الکتریکی-خانگی

میزان تقاضا برای این نوع از بار تابع عوامل متعددی است که بعضی از آن ها ثابت و دارای یک روند مشخص هستند و بعضی دیگر خود تابعی از سایر عوامل می باشند و یا تقریبا تصادفی هستند. در بخش مصرف خانگی می توان مهمترین عوامل مؤثر بر میزان بار را بصورت زیر بیان نمود:

۱- تعداد مصرف کننده های خانگی

۲- نوع مصرف کننده های خانگی

۳- جمعیت مصرف کننده

۴- مصرف انرژی سرانه

۵- میزان نفوذ وسایل جدید

۶- تحولات تکنولوژی در وسایل خانگی

نکته ای که باید به آن توجه داشت این است که میزان مصرف انرژی الکتریکی در بخش خانگی بستگی به شرایط اجتماعی و جغرافیائی در منطقه مورد نظر دارد که در واقع این شرایط تعیین کننده نوع وسایل خانگی هستند. به عنوان مثال در کشور پهناوری مثل ایران با تنوع آب و هوایی زیادی در مناطق گرمسیر کشور در زمستان از وسایل گرمازا بندرت استفاده می شود و بالعکس در مناطق سردسیری کشور در تابستان تجهیزات خنک کننده مورد استفاده قرار نمی گیرند. حتى الگوهای مصرف در یک منطقه بین خانواده های شهری و روستایی متفاوت هستند به این جهت این نوع از بار باید به صورت منطقه ای و با شناخت دقیق از خصوصیات بومی و علایق مصرف کنندگان محلی مطالعه شود.

در ایران، بار خانگی بخش بزرگی از تقاضای کل سالیانه را تشکیل می دهد لذا توجه به این نوع بار و شناخت پارامترهای آن مهم است، به خصوص این که ضریب مشارکت در پیک برای این نوع بار نسبتاً زیاد است. بطور نمونه ضرایب مشخصه این بار به این صورت هستند:

  • ضریب همزمانی    ۰٫۸۳-۰٫۷۷
  • ضریب بار              ۰٫۱۵-۰٫۱

۲- بار الکتریکی تجاری

این بار عمدتاً از روشنایی برای فروشگاه ها، تبلیغات، تهویه، گرما و دیگر کاربردهای برق در تجارت از قبیل رستوران ها، سوپر مارکت ها و غیره تشکیل شده است. و با توجه به این واقعیت که مؤسسات تجاری معمولاً به سوی خدمات و سرویس دهی سوق داده می شوند، الگوهای رشد مصارف تجاری و عوامل مؤثر بر میزان مصرف انرژی الکتریکی در این بخش بسیار به الگوهای رشد مصارف خانگی نزدیک هستند.

در شکل زیر نمودار مصارف بار الکتریکی در ساختمان های تجاری را مشاهده می کنید.

مصارف-بار-الکتریکی-در-ساختمان های-تجاری

اما میزان مصرف انرژی در این بخش تابعی از میزان رونق تجاری است که خود به رشد اقتصادی و عوامل مربوط به آن بستگی دارد. حتی شاید بتوان میزان تقاضا در این بخش را به عوامل خارجی از قبیل روابط تجاری مربوط دانست. لذا مطالعه میزان تقاضا در این بخش نمی تواند مستقل از وضعیت اقتصادی و اجتماعی صورت گیرد و مشکلات خاص خود را دارد.

ضرایب مشخصه بار در این بخش به صورت زیر هستند:

  • ضریب همزمانی           ۰٫۹-۰٫۸۳
  • ضریب بار                    ۰٫۳-۰٫۲۵

۳- بار الکتریکی صنعتی

این نوع بار با توجه به تنوع خود، شامل چند دسته است که عبارتند از:

  • صنایع روشنایی: کمتر از ۵ کیلووات
  • صنایع کوچک: ۲۵-۵ کیلووات
  • صنایع متوسط: ۱۰۰-۲۵ کیلووات
  • صنایع بزرگ: ۵۰۰-۱۰۰ کیلووات
  • صنایع سنگین: بیش از ۵۰۰ کیلووات

از میان تمامی انواع بار، پیش بینی بار در بخش صنعت به نسبت از تمامی بخش های دیگر مشکل تر است زیرا مصرف انرژی در این بخش به شدت با اقتصاد جامعه گره خورده است و بر همه روشن است که اقتصاد یک جامعه همواره دستخوش تغییرات است. برای برآورد انرژی در این بخش روش های مختلفی ارائه شده است. یک روش مبتنی بر برآورد میزان تولید کالا و ضرب آن در انرژی لازم برای هر واحد کالای تولیدی است.

همچنین احداث انواع نیروگاه های حرارتی، نیروگاه گازی و نیروگاه آبی باید بر اساس شرایط آب و هوایی و فلسفه وجودی هر یک از این نیروگاه ها صورت گیرد. معمولاً نیروگاه های آبی در مناطق پر آب برای مصارف کشاورزی ساخته می شوند و همانند نیروگاه های گازی به سرعت وارد مدار می گردند که جهت کنترل پیک مصرف مفید است.

ولی نیروگاه های حرارتی زمان راه اندازی طولانی تری دارند و وارد و خارج کردن سریع آن ها باعث افت بازده در آنها می گردد. بنابراین نیروگاه های حرارتی جهت بار پایه مناسب هستند. از دیگر موارد استفاده پیش بینی بلند مدت بار، برآورد خطوط انتقال فشار قوی و بحث پایداری در سیستم های قدرت است.

پیش بینی بار الکتریکی از نظر زمان

پیش بینی بار از نظر زمان به سه دسته تقسیم بندی می گردد که عبارتند از:

  •  پیش بینی دراز مدت بار
  • پیش بینی میان مدت بار
  • پیش بینی کوتاه مدت بار

پیش بینی دراز مدت بار الکتریکی

از آنجایی که ایجاد نیروگاه های جدید مستلزم هزینه ای هنگفت است و از طرفی امکان ذخیره این انرژی گرانبها نیز بطور کامل وجود ندارد، نیاز به برنامه ریزی بلند مدت در سیستم های قدرت احساس می گردد.

در برنامه ریزی بلند مدت سیستم های قدرت، اولین و مهمترین گام داشتن اطلاعات کافی و کامل از چگونگی رشد مصرف انرژی و پیش بینی روند منطقی آن با توجه به عوامل مختلف است. زیرا هر گونه تصمیم گیری برای ایجاد نیروگاه های جدید و تولید انرژی، نیاز به داشتن اطلاعات کافی در خصوص میزان بار درخواستی و مکان مورد نظر دارد.

میزان خطای پیش بینی بار نیز دارای اهمیت خاصی است به خصوص که انرژی الکتریکی در مقیاس وسیع قابل ذخیره سازی نیست. از طرف دیگر مدیریت تولید و توزیع انرژی الکتریکی، برای برنامه ریزی طولانی باید براساس تطبیق عرضه و تقاضا تصمیم به سرمایه گذاری بهینه نماید.

پیش بینی میان مدت بار الکتریکی

پیش بینی میان مدت بار معمولاً بین ۵ تا ۱۰ سال است و به منظور تخمین مکان پست های kV ۶۳، طراحی مناسب ظرفیت ترانسفورماتورها، آرایش فیدرها و گسترش پست ها به کار می رود. یکی از کاربردهای پیش بینی میان مدت بار در طراحی ترانسفورماتورها و پست های شهرهایی است که بنا به دلایلی نظیر زلزله، جنگ و … تخریب شده اند و نیاز به بازسازی کلی دارند.

پیش بینی کوتاه مدت بار الکتریکی

پیش بینی کوتاه مدت بار معمولاً بین یک روز تا یک سال است. دلایل اصلی پیش بینی کوتاه مدت عبارتند از:

  • زمانبندی مناسب برای بهره برداری اقتصادی از واحدهای قدرت.
  • زمانبندی مناسب جهت برنامه ریزی تعمیرات و سرویس دوره ای نیروگاهها و خطوط انتقال.
  • اطلاع از بار شبکه جهت اطمینان و امنیت شبکه و جلوگیری از حوادث احتمالی در اثر عواملی نظیر اضافه بار و تغییرات ولتاژ.
  •  رعایت میزان تولید انرژی تعیین شده واحدهای آبی با توجه به میزان ذخیره آب پشت سدها و فصول مختلف.

روش های پیش بینی بار الکتریکی  

روش های پیش بینی بار الکتریکی، برحسب این که چه داده هایی مورد استفاده قرار می گیرند بطور کلی به سه دسته به شرح زیر تقسیم می شود:

  • پیش بینی براساس مسیریابی داده های موجود از گذشته و حال بار (روش های مبتنی بر تعمیم)
  • پیش بینی براساس مدل های اقتصادی و آماری (روش های مبتنی بر اقتصاد سنجی).
  • پیش بینی بر اساس شناخت مصارف نهائی انرژی الکتریکی (روش های مبتنی بر مصرف نهائی)

روش های مبتنی بر تعمیم

در مورد روش اول، با توجه به سوابق موجود از بار و روند رشد بار در گذشته و با این فرض که روند موجود در آینده نیز ادامه می یابد پیش بینی صورت می گیرد. در این روش، یک منحنی مناسب به داده های گذشته برازش می شود و با برونیابی این منحنی، پیش بینی صورت می گیرد. این روش در واقع ساده ترین روش پیش بینی است و به ورودی های کمتری نیاز دارد. همچنین بر حسب این که چه داده ای از بار (انرژی یا پیک) مورد استفاده قرار می گیرد و چه مدلی انتخاب می شود روش های مختلفی پیش می آید.

روش های مبتنی بر اقتصاد سنجی

در روش دوم پیش بینی، سعی می شود که ارتباطی بین مصرف انرژی الکتریکی و  پارامترهای اقتصادی مانند رشد تولید ناخالص ملی، رشد جمعیت، درآمد و …. برقرار شود  و با پیش بینی این پارامترهای اقتصادی که نتیجه ای از برنامه های توسعه اقتصادی و اجتماعی است بار مورد نیاز پیش بینی گردد.

در این روش، انرژی الکتریکی از دید کلان مورد بررسی قرار گرفته پیش بینی می شود و انتخاب پارامترهای مؤثر، مهمترین قسمت کار را تشکیل می دهد زیرا شناخت مؤثرترین عوامل از بین کلیه عوامل مؤثر در مصرف انرژی الکتریکی نیاز به آگاهی کامل از خصوصیات اجتماعی، اقتصادی، فرهنگی و  جغرافیایی محل دارد.

روش های مبتنی بر مصرف نهائی

روش سوم یعنی روش مبتنی بر مصارف نهائی شاید بتوان گفت از دقیق ترین روش های پیش بینی است. زیرا در این روش تأکید بیشتری روی نحوه مصرف نهائی انرژی می شود. در این روش با تعیین توان مصرفی توسط هر مصرف کننده نهائی مثل یخچال، سیستم های تهویه و غیره، برآورد تعداد این مصرف کننده ها در طول دوره مورد پیش بینی میزان نهایی بار محاسبه می گردد.

با توجه به گستردگی روز افزون استفاده از وسایل الکتریکی و همچنین ورود وسایل جدید، برآورد تعداد و نوع وسایل جدید نیاز به جمع آوری اطلاعات زیادی دارد. تحول تکنولوژی مسأله دیگری است که باید مورد توجه قرار گیرد. این امر باعث تغییر بازده تجهیزات الکتریکی و اختراع سیستم های جدید می شود. یکی از راه های موجود، استفاده از اطلاعات برنامه های شهر سازی، روند مصرف انرژی و سایر برنامه های اقتصادی – اجتماعی است که با این اطلاعات عملیات تعیین محدوده منطقه مورد نظر، دسته بندی انواع بار، تقسیم بندی کل منطقه به مناطق کوچکتر، تعیین چگالی بار برای هر کدام و در نهایت تعیین بار کل منطقه با توجه به سطح و چگالی بار انجام می گردد (روش Land use).

با توجه به دقت و کارایی مختلف روش های فوق، انتخاب روش مناسب باید بر اساس امکانات موجود شامل داده های بار، زمان لازم، افراد متخصص و دقت مورد نظر صورت گیرد. صرفنظر از روش انتخاب شده، نیاز اصلی در هر روش سوابق بار است. با توجه به در دسترس نبودن داده های مربوط به روش های اقتصاد سنجی و مصرف نهایی معمولاً از روش های مربوط به تعمیم استفاده می گردد.

بررسی روش های مبتنی بر تعمیم

در این روش ها از اطلاعات گذشته بار استفاده شده، مقدار بار در آینده پیش بینی می گردد. به این ترتیب که ابتدا یک منحنی به سوابق بار برازش داده می شود و با استفاده از اطلاعات موجود، ضرایب منحنی مفروض محاسبه می گردد. آن گاه با برونیابی منحنی برای سال های آتی، پیش بینی صورت می گیرد.

بسته به این که چه اطلاعاتی از سابقه بار برونیابی می گردد و یا این که چه منحنی هایی جهت برازش انتخاب می شوند موارد مختلفی پیش می آیند که هر یک دارای خصوصیات خاص خود هستند. برخی از این موارد که در پیش بینی دراز مدت بار مورد استفاده قرار می گیرند عبارتند از:

  • برونیابی پیک سالیانه
  • روش بهبود یافته برونیابی پیک سالیانه
  • جداسازی مؤلفه های حساس به شرایط آب و هوایی پیک سالیانه
  • روش انرژی و ضریب بار

در این روش ها می توان برای افزایش هر چه بیشتر دقت پیش بینی، مقدار تقاضا را  توسط ضرایبی به پارامترهای اقتصادی و یا آب و هوائی ارتباط داد.

برونیابی پیک سالیانه

در این روش یک تابع زمانی که منحنی مسیر نامیده می شود روی مقادیر گذشته حداکثر تقاضای سالیانه برازش می شود و با برونیابی این منحنی روی زمان مورد نظر، پیش بینی صورت می گیرد.

این روش در واقع ساده ترین راه برای پیش بینی بار است و در مواقعی که اطلاعات دقیقی از پارامترهای مؤثر بر میزان بار وجود ندارد عملی ترین روش به نظر می رسد. در این روش می توان از تأثیر آب و هوا، بدلیل شرایط یکسان جوی که در زمان حداکثر تقاضای سالیانه وجود دارد، صرفنظر کرد. اگر چه حداکثر تقاضا در مناطق گرمسیر در تابستان در یک مدت زمان خاص و همچنین حداکثر تقاضا در مناطق سردسیر در یک مدت زمان خاص اتفاق می افتد ولی بر اثر وقوع اتفاقات غیر منتظره ممکن است زمان پیک بین یک تا دو ماه در هر فصل جابجا شود.

تأثیر شرایط اقتصادی روی حداکثر تقاضای سالیانه هنگام برازش منحنی مسیر می تواند اعمال شود. اما ثابت شده است که این امر در عمل بسیار مشکلتر از تئوری است. به هنگام استفاده از این روش می توان انحراف معیار پیش بینی پیک را محاسبه کرد. اما میزان اطمینان آن بدلیل محدود بودن اطلاعات زیاد نیست و اطلاعات ۲۰ سال گذشته بار که نسبت یک دوره طولانی به حساب می آید تنها ۲۰ نقطه برای برازش منحنی مسیر فراهم می آورد که این تعداد نقاط برای تخمین انحراف معیار مطمئن کافی نیست.

افزایش اطلاعات حتى اگر موجود باشد عملی نیست زیرا مشخصه طبیعی که پیک بار سالیانه را می سازد با زمان تغییر می کند. بعنوان مثال در مناطقی که بار بمرور زمان به شرایط آب و هوایی حساس می شود، انحراف معیار پیک سالیانه با یک دهه قبل از آن کاملا متفاوت خواهد بود. به این دلیل، افزایش اطلاعات گذشته ممکن است موجب دقت کمتری در حداکثر تقاضای سالیانه برازش می شود و با برونیابی این منحنی روی زمان مورد نظر، پیش بینی صورت می گیرد.

از تأثیر آب و هوا روی مقادیر تقاضا با فرض وجود شرایط مشابه در زمان اندازه گیری صرفنظر می شود. از نظر تئوری امکان تأثیر دادن شرایط اقتصادی بر مقادیر مشاهده شده با معرفی یک متغیر اقتصادی در هنگام برازش منحنی وجود دارد.

با برونیابی منحنی مسیر برای زمان مورد نظر، پیش بینی صورت می گیرد و تصمیمات لازم برای تصحیح مقادیر به دست آمده با توجه به شرایط اقتصادی مورد انتظار انجام می شود. در این روش بهبود یافته می توان برآوردهای واقعی تری از میانگین و انحراف معیار پیک سالیانه انتظار داشت اما تحلیل امکان آن از نظر آماری پیچیده است و توصیف و توجیه انحراف معیار هنوز هم دقت بیشتری را می طلبد بخصوص در مواردی که عوامل مؤثر بر مقدار پیک سالیانه با زمان تغییر می کند. نکته دیگری که هنگام استفاده از این روش باید مدنظر داشت این است که قابلیت اطمینان انحراف معیار تخمین با افزایش تعداد نقاط اندازه گیری شده برای یک سال افزایش می یابد لذا چنانچه تعداد داده های مورد استفاده بیش از حد زیاد شوند، مقدار انحراف معیار افزایش خواهد یافت زیرا در این صورت داده ها از شرط حداکثر بودن خارج می شوند و تعداد اطلاعاتی که با پیک واقعی تفاوت زیاد دارند افزایش می یابد.

اعمال تأثیر آب و هوا روی پیک مصرف در هنگام استفاده از این روش با روش برونیابی ساده پیک چندان ساده نیست. از آنجا که وابستگی مقدار تقاضا به تغییرات آب و هوا و متغیرهای اقتصادی از یک سال به سال دیگر ممکن است متفاوت باشد پس بکار گیری این متغیرها هنگام برازش منحنی عملاً مشکل آفرین است. ذکر این نکته ضروری است که ۶ و یا ۱۲ نمونه داده در طول یک سال برای معرفی یک مدل بار کامل بر حسب پارامترهای اقتصادی و با آب و هوایی برای یک سال به خصوص اصلاً کافی نیست.

جداسازی مؤلفه های حساس به شرایط آب و هوایی پیک سالیانه

بررسی تقاضای بار سیستم بصورت ساعتی، هفتگی، ماهانه، فصلی و یا سالیانه امکان پذیر است و تنها اختلاف در پریود نمونه برداری داده ها است. جداسازی مؤلفه های حساس و غیر حساس بار به شرایط آب و هوایی، مستلزم داشتن مدلی از بار است که بر اساس داده های بیشتری از بار بجای ۶ و یا حتی ۱۲ داده در طول سال ساخته شده باشد. با تغییر میزان تقاضای حساس به شرایط آب و هوایی، مدل در نظر گرفته شده باید مرتباً اصلاح شود.

با توجه به این که مدل از محاسبه همبستگی تقاضای بار با متغیرهای آب و هوایی به دست می آید لذا بهتر است که برای دقت هر چه بیشتر مدل، تعداد داده ها زیاد باشند که در این مورد داده های هفتگی مناسب به نظر می رسد. البته می توان از داده های ساعتی هم برای به دست آوردن مدل استفاده کرد اما به تجربه ثابت شده است که استفاده از داده های هفتگی (در روزهای کاری هفته) نیز باعث دقت قابل قبول در مدل خواهد شد.

به این ترتیب با بکار گیری داده های بیشتر، رابطه بین میزان تقاضای بار و پارامترهای آب و هوایی تعیین می گردد که می توان آن را برای برآورد پیک سالیانه نیز به کار برد. زمانی که محاسبه انحراف معیار مد نظر باشد، استفاده از یک مدل ساده تر باعث سادگی کار خواهد شد. زمانی که مدل آب و هوایی بار تعیین شد می توان مؤلفه های حساس به شرایط آب و هوایی را از پیک تقاضای سالیانه جدا کرد.

روش انرژی و ضریب بار الکتریکی

پیش بینی انرژی سالیانه بر حسب MWh یا kWh که بواسطه اندازه گیری دقیقتر با اطمینان بیشتری نسبت به پیش بینی پیک بار صورت می گیرد با استفاده از ضریب بار سالیانه به پیک سالیانه قابل تبدیل است. با توجه به این که انرژی در واقع انتگرال بار لحظه ای در یک مدت زمان نسبتاً طولانی است (۸۷۶۰ ساعت در سال) لذا نویز پذیری آن نسبت به پیک تقاضا که یک مقدار لحظه ایست بسیار کمتر است و اندازه گیری و تخمین آن با توجه به وجود مداوم دستگاه های اندازه گیری با اطمینان بیشتری امکان پذیر است.

این که آیا انرژی و ضریب بار سالیانه می توانند بگونه ای پیش بینی شوند که محاسبه پیک سالیانه از ترکیب آن ها، مطمئن تر از پیش بینی مستقیم بیک سالانه از طریق برونیابی باشد، سؤال مناسبی است. در مواردی که اندازه گیری دقیقی از مقادیر پیک سالانه وجود داشته باشد این دو روش از نقطه نظر دقت یکسان هستند زیرا با آنکه انرژی واقعی با دقت بیشتری نسبت به پیک قابل پیش بینی است، پیش بینی ضریب بار سالیانه که برای تبدیل انرژی به پیک لازم است به اندازه پیش بینی پیک سالیانه مشکل است.

البته می توان دقت پیش بینی ضریب بار را در حد معقولی حفظ نمود اما کاری که برای این منظور باید صورت گیرد قابل مقایسه با پیش بینی مستقیم یک سالیانه است.

مزیت اصلی این روش هنگامی روشن می شود که داده های پیک بار بواسطه وقوع حوادث گوناگون و یا عدم وجود ظرفیت لازم برای پاسخگویی به کل تقاضا اعتبار خود را از دست بدهند. نمونه بسیار مناسبی از این وضعیت، سوابق بار در کشور خودمان است که سوابق پیک بار بواسطه جنگ و تبعات ناشی از آن بطور کلی قابل اطمینان نیستند زیرا خروج از خط نیروگاه ها و انهدام خطوط و پست ها و سایر عوامل دیگر باعث خاموشی های مکرر شده اند که موجب از بین رفتن اعتبار سوابق بار موجود شده اند.

از طرفی مهاجرت ها نیز عامل عمده ای در تغییرات بار در مناطق مختلف بوده اند. همچنین عدم رشد و توسعه صنعتی و کاهش خدمات اجتماعی در این دوره باعث شده اند که بسیاری از آمارهای موجود برای برآورد بار آینده مناسب نباشند.

مدل سازی بار الکتریکی

طبیعت منحنی بار به گونه ای است که از یک مقدار کم اما افزاینده شروع می شود و به یک سطح اشباع می رسد. به عبارت دیگر شکل کلی یک دوره بار همانند یک منحنی لجستیک یا S است. این گونه منحنی ها دارای سه پریود زمانی هستند.

۱- پریود اولیه که در آن رشد کم است و به تدریج افزایش می یابد.

۲- پریود میانی با روند رشد سریع

٣- پریود نهائی که در آن رشد کاهش می یابد و در نهایت به یک سطح اشباع می رسد.

مراحل فوق در شکل زیر نشان داده شده اند.

مراحل رشد و تکامل بار
مراحل رشد و تکامل بار

چنانچه داده های موجود از بار، مربوط به پریودهای ۱ و ۲ از منحنی بار باشند و شخص پیش بینی کننده به سطح اشباع نهایی بار توجه نداشته باشد در این صورت برونیابی مستقیم نتایج نامطلوبی در پی خواهد داشت.

مصرف انرژی الکتریکی در مراکز صنعتی

 الف) تعیین میزان بار صنعتی: در این قسمت باید لیست کاملی از تجهیزات شامل مشخصات الکتریکی و محل استقرار هر مصرف کننده تهیه شود.

ب) تعیین تعداد انشعاب های صنعتی: حتی الامکان برای هر کدام از تجهیزات، یک انشعاب در نظر می گیریم. در صورتی که چند وسیلۀ برقی به صورت متمرکز باشند، پیشنهاد می شود تا از یک تابلوی توزیع فرعی (محلی) استفاده شود. در این صورت، از تابلوی اصلی می توان توسط یک انشعاب، تابلوی فرعی را تغذیه نمود و به وسیلۀ آن مصرف کننده های متمرکز را تغذیه کرد.

ج) کنترل و حفاظت انشعاب ها: مصرف کننده های صنعتی را می توان به دو بخش تقسیم نمود. بخش اول، مصرف کننده هایی هستند که در داخل خود، مجهز به تابلوی کنترل و حفاظت می باشند (مانند: دستگاه های تراش و فرز، آسانسور و …) که در این حالت کافی است با توجه به قدرت نامی مصرف کننده، از تابلوی اصلی یا فرعی یک انشعاب توسط کلید مینیاتوری اتوماتیک و یا کلید فیوز برای تغذیۀ آنها درنظر گرفته شود. بخش دوم مصرف کننده هایی هستند که سیستم کنترل و حفاظت باید برای آنها در نظر گرفته شود.  

در صورتی که سوالی در خصوص مطالب بیان شده دارید می توانید در قسمت نظرات از ما بپرسید یا با ارائه پیشنهادات خود، ما را در بالا بردن کیفیت مقالات یاری کنید. 

میانگین امتیازات ۵ از ۵
از مجموع ۲ رای

سوالات متداول

برای پیش بینی مصرف بار الکتریکی باید چه نکاتی توجه کنید؟

نکته مهم در طراحی سیستم قدرت، حصول گسترش منظم و اقتصادی است که نیازهای آتی عامه را با در نظر گرفتن قابلیت اطمینان مناسب برآورده سازد. عناصر سیستم تغذیه یعنی خطوط انتقال فرعی، پست ها و فیدرهای توزیع عموماً دارای ظرفیت هایی هستند که چندین مرتبه از بار کل سیستم کوچکترند. طراحی چنین سیستمی عبارتست از تعیین اندازه های صحیح، مکان های مناسب، اتصالات پیوسته و زمان بندی جهت اضافه کردن تجهیزات در آینده. طراحی صحیح تجهیزات توزیع برای آینده به پیش بینی توزیع جغرافیایی تقاضای الکتریکی در آینده نیازمند است بطوری که تمایز بین ظرفیت های ممکنه، مکان ها و اتصالات قابل تغییر باشند. کیفیت و دقت این پیش بینی تأثیر زیادی بر کیفیت طراحی سیستم تغذیه بعدی دارد. بنابراین روش های انجام چنین پیش بینی هایی موضوعی است که طی چند ساله اخیر مورد توجه زیادی قرار گرفته است. طی دهه اخیر چندین روش کامپیوتری عملی و بحد کافی اتوماتیک برای استفاده در طراحی سیستم تغذیه ارائه شده است. در بسیاری از این روش ها، برای بهبود طراحی سیستم و تعیین یک طرح توسعه با هزینه کمینه از بهینه سازی استفاده گردیده است.

در منطقه و محدوده زمانی در پیش بینی بار چگونه تعیین می شود؟

اولین مرحله در پیش بینی بار، مشخص نمودن ناحیه ای است که بار آن ناحیه قرار است پیش بینی شود و نیز محدوده زمانی که این پیش بینی برای آن مدت زمان انجام می شود. ناحیه مورد نظر می تواند هر نوع منطقه ای اعم از مسکونی، تجارتی و یا صنعتی باشد. محدوده زمانی می تواند از یک تا پنج سال، پنج تا ده سال و یا ده تا سی سال باشد. اکثر شرکت های برق قبلاً به منظور مشخص نمودن فصل تولید و مسیر خطوط فشار قوی انتقال خود، یک پیش بینی دراز مدت بار معمولاً حدود ۳۰ سال نیاز دارند. در آن زمان ممکن است جزئیات شبکه توزیع در نظر گرفته نشده باشد. پیش بینی بار تا ۵ تا ۱۰ سال آینده یک مدت رضایت بخش در جایابی محل پست ها و مسیر خطوط انتقال است. پیش بینی پنج ساله یک پیش بینی کوتاه مدت برای تعیین مسیرهای فیدرها و ظرفیت ترانسفورماتورهای مورد نیاز پست است.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این مقاله را خوانده اید ؟
بستن
دکمه بازگشت به بالا