Моделирование стохастической нагрузки в жилом секторе

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.

1. 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

2. 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

3. 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

4. Тарнижевский М.В., Михайлов В.И. Моделирование суточных графиков электрических нагрузок коммунально-бытовых потребителей методом ортогональных разложений. Электричество. 1985;(5):66–68.

5. 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

6. 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

7. 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

8. 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

9. 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

10. Шкитина Н., Акимов Д. Анализ влияния стохастической нагрузки электромобилей на распределительную сеть. Электроэнергия. Передача и распределение. 2021;(1):40–45.