Обосновать это можно, на мой взгляд, тем, что все объекты природы, поскольку включены в сферу деятельности и потребления человека, являются прямыми или косвенными проводниками нашего воздействия на других людей . Из посреднической роли природы вытекает и моральная ответственность за сохранение прошлого в его культурных и природных проявлениях, а также и забота о грядущих поколениях. Нет ничего в сфере деятельности человека, что не являлось бы вне моральным по отношению к другим людям.
2. Прогнозирование электропотребления g-методом на основе ДВР
Рассмотрим G-метод прогнозирования, основанный на декомпозиции временных рядов (ДВР). После сбора статистической информации по электропотреблению техноценоза следующим этапом является анализ собранной информации и прогнозирование на очередной временной шаг [1-3]. Собранная статистическая информация заносится в файл Microsoft Excel, который должен быть назван "EP.xls" и помещен в директорию "c:\mathcad_dat", заранее созданную в корневом каталоге диска "c:\". Полученный файл представляет собой таблицу данных по электропотреблению рассматриваемого техноценоза, каждый столбец которой соответствует определенному объекту, а строка - значению электропотребления в очередной месяц года. В данном примере рассматривается помесячное (за 8 лет предыстории) электропотребление техноценоза, состоящего из 69 объектов.
Программа реализуется отдельно для каждого объекта. 1. Подготовка данных Осуществляем импорт данных из файла "EP.xls" в тело программы, задаем начало отсчета, извлекаем столбец из матрицы (рассматриваем объект номер 1), осуществляем логарифмирование данных, выделяем тренд по методу наименьших квадратов и производим его удаление (рис. 1 и 2).
Рис. 1. Анализ данных по электропотреблению после их преобразования:
абсцисса - номер месяца;
ордината - электропотребление в относительных единицах по логарифмической шкале;
ломанная кривая - электропотребление за известный период времени;
штриховая горизонтальная прямая - выделенный тренд
Как видно из рисунка 1, имеется тренд в сторону увеличения электропотребления, что, в свою очередь, еще раз свидетельствует об актуальности разработки методики прогнозирования для получения наиболее адекватного прогноза на следующий временной шаг в целях экономии электроэнергии.
Рис. 2. Электропотребление объекта после удаления тренда: абсцисса - номер месяца; ордината - электропотребление в относительных единицах по логарифмической шкале
Анализ сезонности данных
Группируем данные (рис. 3) и выделяем зависимость значений электропотребления объекта от времени года (сезонности).
Рис. 3. Изменение помесячного электропотребления объекта в различные годы исследуемого периода: абсцисса - номер месяца года; ордината - электропотребление в относительных единицах; кривые y1j - y8j - электропотребление соответственно с 1995 по 2002 годыИз характера изменений зависимостей, представленных на рисунке 3, можно сделать вывод, что в процессе электропотребления объекта явно прослеживается сезонность: зимой электропотребление выше, летом - ниже.
3. Определение статистических характеристик электропотребления
Для дальнейшей обработки данных необходимо выделить ежемесячные медианные и минимальные уровни электропотребления. С этой целью задаем матрицу сгруппированных по годам значений электропотребления и вычисляем медианный, средний и минимальный уровни. Сглаживаем данные по методу Гаусса в зависимости от ширины гауссовского окна и времени [4]. Визуализируем данные (рис. 4).
Рис. 4. Сравнение среднемесячных характеристик электропотребления: абсцисса - номер месяца в году
ордината - электропотребление в относительных единицах; верхняя кривая - среднемесячные медианные значения электропотребления; нижняя кривая - среднемесячные минимальные значения электропотребления
Вычисляем среднемесячные значения дисперсии, для чего задаемся доверительным интервалом в две сигмы и шириной гауссовского окна для функции сглаживания.
Для того чтобы не вычислять каждое среднемесячное значение дисперсии за все года предыстории, проверяем гипотезу об однородности дисперсий электропотребления по месяцам за все года наблюдений с помощью критерия Кокрена [5].
Так как , то нулевая гипотеза принимается. Дисперсии однородны и в расчетах может быть использовано среднее значение:
Верхняя и нижняя границы доверительного интервала:
4. Прогнозирование электропотребления на следующий временной шаг
Задаем горизонт прогноза, тренд, минимальные и медианные параметры, верхний и нижний 95 %-ые пороги. Объединяем и визуализируем данные (рис. 5).
Рис. 5. Электропотребление объекта на последующих временных шагах:
абсцисса - номер месяца; ордината - электропотребление в относительных единицах; левая часть графика - электропотребление за известный период времени с реальными данными (крестики); правая часть графика - прогнозное значение электропотребления с 95 %-ми доверительными границами (штриховые линии)
Осуществим обратное преобразование данных и получим прогнозные значения электропотребления исследуемого объекта в кВтч (рис. 6).
Рис. 6. Электропотребление объекта на следующий временной шаг, кВтч (расшифровка та же, что и к рис. 5)
Для получения прогнозного значения электропотребления формируется матрица, включающая преобразованные минимальный, медианный и 95 %-ый доверительный интервал с учетом тренда на 12 месяцев (рис 7).
Рис. 7. Прогноз электропотребления объекта на последующий год: абсцисса - номер месяца; ордината - электропотребление, кВтч; EP(2) - EP(3) - прогнозный минимальный - медианный интервал с учетом тренда на год; EP(5) - EP(4) - прогнозный доверительный 95 %-ый интервал с учетом тренда на год
По результатам расчетов строится таблица прогнозных значений электропотребления объекта (кВтч), в которой по столбцам отражается:1 - номер месяца; 2 - минимальные значения; 3 - медианные значения;4 и 5 - доверительные 95 %-ые границы.
В качестве прогнозного значения электропотребления объекта на последующий год берется сумма медианных прогнозных значений:
Анализ результатов прогноза на гауссовость
Завершающим этапом в процедуре прогнозирования является анализ остатков на соответствие нормальному закону распределения (рис. 8).
Рис. 8. Проверка на соответствие распределения прогнозных значений электропотребления нормальному закону: гистограмма - расчетные значения; кривая - теоретические значения
Так как Xi < X, то гипотеза принимается: остатки распределены по нормальному закону. Это, в свою очередь, свидетельствует о корректности прогноза для данного объекта.
5. Оценка потенциала энергосбережения техноценоза
Оценка эффективности методологии оптимального управления электропотреблением, а также потенциала энергосбережения техноценоза осложняется необходимостью осуществления практической внедренческой работы, растягивающейся на несколько лет. А ответ, как правило, необходимо иметь еще до принятия решения о внедрении методологии. Для решения этой задачи используется программа, позволяющая моделировать процесс реализации методики на глубину 5 - 7 лет и более. В основу здесь положен алгоритм имитационного моделирования с динамическими обратными связями [2]. В качестве стандартных процедур, отражающих процесс электропотребления объектов техноценоза, используются модифицированные методики интервального оценивания, прогнозирования и нормирования (см. Программы 1 - 9). Реализация конкретных значений электропотребления объектов в процессе моделирования осуществляется с использованием соответствующих преобразующих функций. Собственно оценка эффективности и потенциала энергосбережения техноценоза выполняется по критериальным выражениям, основанным на законе оптимального построения техноценозов [2].Программа здесь реализована применительно к примеру, использовавшемуся в предыдущих программах. Для упрощения расчетов сделано допущение, что каждый объект в будущем будет потреблять электроэнергию по прогнозируемой стохастической норме с учетом гауссового разброса параметров внутри доверительного интервала соответствующего кластера техноценоза.
1. Подготовка данных
Задаем начало отсчета и считываем исходные данные (R - вектор рангов объектов; W - матрица упорядоченных реальных данных по электропотреблению за рассматриваемый период (6 лет), кВтч; n - количество объектов; Rang - матрица рангов, соответствующих величине электропотребления каждого объекта за временной интервал) [2,6].
2. Интерполяция норм электропотребления
Первоначально с использованием модифицированных программ прогнозирования, интервального оценивания и нормирования осуществляется кластерный анализ и интерполяция норм электропотребления объектов техноценоза на моделируемый единичный временной интервал (как правило - год) [2,5,6]
3. Модельная реализация стохастических значений электропотребления
Ввиду недостаточной исследованности ряда динамических параметров, описывающих процесс электропотребления техноценоза, в данной программе приняты два допущения [1-4]:
1. При отсутствии в системе управления техноценоза стимулирующих воздействий, направленных на энергосбережение, в качестве математического ожидания и стандарта принимаются соответствующие параметры нормы, вычисленной для кластера. В противном случае математическое ожидание уменьшается в k1 раз, а стандарт - в k2 раза.
2. Все результаты электропотребления, превышающие норму, заменяются ее максимальным значением для данного объекта. В случае же если электропотребление объекта при моделировании окажется меньше нижней границы нормы, то в качестве электропотребления объекта принимается минимальное значение нормы.
Далее запишем полученные данные в файлы и визуализируем результаты расчетов [5,6]. При этом, в файл "C:\mathcad_dat\Dinam_1.xls" записываются моделируемые результаты электропотребления объектов техноценоза в будущем году при отсутствии мероприятий по энергосбережению, а в файл "C:\mathcad_dat\Dinam_2.xls" - моделируемые результаты электропотребления объектов техноценоза в будущем году в условиях проведения мероприятий по энергосбережению.
Рис. Сравнение электропотребления техноценоза к исходу цикла моделирования для двух вариантов:
темная гистограмма - электропотребление объектов при отсутствии мероприятий по энергосбережению; светлая гистограмма на фоне темной - электропотребление объектов в условиях проведения мероприятий по энергосбережению. нравственный поведение техника электропотребление
Приведенная выше программа позволяет моделировать процесс электропотребления объектов техноценоза на один временной интервал (как правило, год) вперед. После этого полученные результаты, ранее в теле программы записанные в файлы "Dinam_1.xls" и "Dinam_2.xls", должны в интерактивном режиме вне программы добавляться к исходной базе данных. При этом в отдельных файлах с одним и тем же именем "data.xls", но размещенных в разных папках, параллельно формируются две базы данных: одна с электропотреблением объектов при отсутствии мероприятий по энергосбережению, а вторая - с электропотреблением в условиях проведения мероприятий по энергосбережению. Далее отдельно для каждой из баз данных должны быть реализованы все расчетные программы, включая настоящую. После получения новых результатов моделирования (на второй год) и добавления к базам данных расчеты повторяются в цикличном режиме. Количество прогонов модели соответствует требуемой глубине прогноза. Очевидно, что в процессе моделирования имеет смысл содержать обе базы данных отдельно от рабочих файлов, размещенных в директории "C:\mathcad_dat". После каждого прогона модели и интерактивной модификации баз данных эти файлы, замещая предыдущие, должны экспортироваться в данную директорию как исходные для последующих расчетов. Естественно, при этом должен быть сохранен исходный файл, содержащий данные по реальному электропотреблению объектов техноценоза за предыдущие годы функционирования.
Определения списка объектов техноценоза, аномально потребляющих электроэнергию, для заданного временного интервала
Одной из ключевых процедур управления техноценозом [1,3] является своевременное выявление первоочередных объектов для углубленного энергетического обследования. Процедура интервального оценивания позволяет выявить и проранжировать объекты техноценоза, аномально потребляющие электроэнергию (см. Программу 5). Однако если таковых оказывается сравнительно много, то требуется дополнительное исследование с целью определения объектов, энергоаудит которых является первоочередной задачей для техноценоза в целом. Для этого осуществляется так называемое оценивание жизнеспособности объектов по электропотреблению [2,4,5]. Кроме того, данная процедура позволяет произвести дополнительное исследование объектов и сделать весьма плодотворные выводы относительно динамики их развития в целом (достаточно полно описано в [4]).
В ходе принятия решения по углубленному энергетическому обследованию (энергоаудиту) объектов техноценоза в качестве ключевого макроиндикатора учитывается их индекс жизнеспособности [4]. Индексом жизнеспособности называется угол, образуемый с осью абсцисс линией тренда временного ряда относительного электропотребления объекта, которое определяется как отношение электропотребления объекта к суммарному электропотреблению техноценоза. Как показано в [4], величина и знак индекса жизнеспособности позволяют сделать выводы относительно динамики развития (или стагнации) объекта, а также определить его номер в списке первоочередных объектов для углубленного энергетического обследования. Напомним, что по результатам первичной обработки статистической информации по техноценозу (Программы 1 - 3) сформирован ряд рабочих файлов с расширениями «xls» и «md», размещенных в директории «C:\mathcad_dat», которые будут использованы в данной программе для осуществления операции определения первоочередных объектов для углубленного энергетического обследования.
Подготовка данных Считываем из файла «C:\mathcad_dat\data.xls» данные, задаем начало отсчета, транспонируем полученную матрицу и определяем количество объектов [6].
2. Расчет электропотребления техноценоза
Суммарное потребление электроэнергии техноценозом для каждого временного интервала (в данном случае - года) рассчитывается при помощи подпрограммы.
Далее специальная подпрограмма вычисляет отношение электропотребления каждого из объектов к общему электропотреблению техноценоза. Результаты вычислений отображаются в процентах в матрице D, каждому столбцу которой соответствует объект, а строке - временной интервал.