moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2024.45.2.034 1573 Моделирование стохастической нагрузки в жилом секторе Stochastic load modeling in the residential sector Боровский Андрей Викторович Borovskiy Andrey Viktorovich andrei-borovskii@mail.ru aff-1 Юменчук Андрей Анатольевич Yumenchuk Andrey Anatol'evich andrey.yumenchuk@mail.ru aff-2 Байкальский Государственный Университет Baikal State University Байкальский Государственный Университет Baikal State University 01 01 2026 1 1 10.26102/2310-6018/2024.45.2.034 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Спрос на электроэнергию в электрической сети меняется в зависимости от времени суток и потребностей потребителей. Реагирование на спрос – это изменение кривой потребительской нагрузки, сопровождающееся изменением цены на электроэнергию, в основном используемое поставщиками для ограничения пиков потребления. Уменьшение краткосрочного несоответствия между производством и потреблением помогает интегрировать в энергосистему возобновляемые источники электроэнергии, различные низкоуглеродные технологии, аккумуляторное хранение электроэнергии и электромобили. Одним из инструментов, используемых для сохранения баланса между производством и потреблением электроэнергии, являются умные счетчики, работающие в интеллектуальной сети. Подобные устройства широко распространены в США и странах Европейского союза, в том числе в жилом секторе. В Российской Федерации в настоящий момент внедрение интеллектуальных сетей в жилом секторе только начинается. В статье рассмотрена стохастическая модель потребления электроэнергии бытовыми приборами на основе теории сверток. Выполнен замер потребляемой мощности наиболее распространенными бытовыми приборами. Приведены несколько примеров составления профилей потребителей на основе полученных данных. Выявлены барьеры, возникающие при внедрении интеллектуальных систем энергоснабжения в Российской Федерации, а также причины, в связи с которыми растет заинтересованность поставщиков электроэнергии в интеллектуальных системах энергоснабжения.

The power demand on the electric grid varies depending on the time of day and the needs of consumers. Demand response is a change in the consumer load curve accompanied by a change of price, used primarily by suppliers to limit consumption peaks. Reducing the short-term mismatch between production and consumption helps to integrate renewable energy sources, various low-carbon technologies, battery storage of electricity and electric vehicles into the electric grid. One of the tools used to maintain a balance between electricity production and consumption is smart meters, which operating in asmart grid. Such devices are widespread in the United States and the European Union, in the residential sector too. At the moment, the introduction of smart grids in the residential sector is just beginning in the Russian Federation. The article considers a stochastic model of electricity consumption by household appliances, based on the convolution theory. The measurement of power consumption by the most common household appliances has been performed. Several examples of consumer profiling based on the obtained data are given.The barriers that arise during the implementation of smart grids in the Russian Federation are identified, as well as the reasons why the interest of electricity suppliers in smart grids is growing.

 стохастические модели прогнозирование спроса многоступенчатая нагрузка интеллектуальная сеть график энергопотребления stochastic models demand forecasting multi-stage load smart grid energy consumption graph Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Binyet E., Chiu M.-Ch., Hsu H.-W., Lee M.-Y., Wen Ch.-Yu. Potential of Demand Response for Power Reallocation, a Literature Review. Energies. 2022;15(3). https://doi.org/10.3390/en15030863 Добрего К.В. Модель электрической нагрузки жилищно-коммунального объекта для исследования систем «генератор – накопитель – потребитель» методом Монте-Карло. Наука и техника. 2017;16(2):160–170. https://doi.org/10.21122/2227-1031-2017-16-2-160-170 Кузнецов Б.Ф., Клибанова Ю.Ю., Сукьясов С.В., Луговнина В.В. Построение стохастической модели бытовой нагрузки на примере водонагревателя. Вестник Иркутского государственного технического университета. 2019;23(5):958–966. https://doi.org/10.21285/1814-3520-2019-5-958-966 Тарнижевский М.В., Михайлов В.И. Моделирование суточных графиков электрических нагрузок коммунально-бытовых потребителей методом ортогональных разложений. Электричество. 1985;(5):66–68. Боровский А.В., Юменчук А.А. Стохастические модели потребления электроэнергии. System Analysis & Mathematical Modeling. 2024;6(1):31–46. https://doi.org/10.17150/2713-1734.2024.6(1).31-46 Hussain M.M., Akram R., Memon Z.A., Nazir M.H., Javed W., Siddique M. Demand Side Management Techniques for Home Energy Management Systems for Smart Cities. Sustainability. 2021;13(21). https://doi.org/10.3390/su132111740 Mansouri M.R., Simab M., Bahmani Firouzi B. Impact of Demand Response on Reliability Enhancement in Distribution Networks. Sustainability. 2021;13(23). https://doi.org/10.3390/su132313201 Cortés-Cediel M.E., Cantador I., Rodríguez Bolívar M.P. Analyzing Citizen Participation and Engagement in European Smart Cities. Social Science Computer Review. 2019;39(4). https://doi.org/10.1177/0894439319877478 Rodríguez Bolívar M.P., Alcaide Muñoz C., Alcaide Muñoz L. Identifying Strategic Planning Patterns of Smart Initiatives. An Empirical Research in Spanish Smart Cities. Electronic Government. 2020;12219:374–386. https://doi.org/10.1007/978-3-030-57599-1_28 Шкитина Н., Акимов Д. Анализ влияния стохастической нагрузки электромобилей на распределительную сеть. Электроэнергия. Передача и распределение. 2021;(1):40–45.

The authors declare that there are no conflicts of interest present.