В статье автор исследует необходимую потребность в краткосрочном прогнозировании объектов нефтегазодобычи.
Ключевые слова: прогнозирование, энергопотребление, объекты нефтегазодобычи.
Электричество является стержнем в поддержании высокотехнологичной индустриализации в каждой экономике. Почти каждая деятельность, осуществляемая в современную эпоху, зависит от электричества. Спрос и использование электроэнергии в последние годы растут во всем мире, однако процесс выработки, передачи и распределения электроэнергии остается сложным и дорогостоящим. Следовательно, эффективное управление энергопотреблением играет важную роль в снижении стоимости производства и увеличении генерирующих мощностей для удовлетворения растущего спроса на электроэнергию.
Повышение энергоэффективности также является одним из приоритетных направлений повышения операционной эффективности любого нефтегазодобывающего предприятия. Система энергетического менеджмента предприятий была создана и внедрена на основе международного стандарта ISO 50001:2018 и успешно работает. Стратегия энергоэффективности сформулирована в энергетической политике и интегрирована в бизнес-модель компаний. Компании получают значительную экономию энергии в сегментах разведки и добычи благодаря техническим, технологическим и организационным мерам [2].
Экономия энергоресурсов и повышение эффективности их использования являются ключевыми задачами современного нефтегазового производства. Как показывает статистика, чем большее количество энергии потребляет один человек, тем лучшего уровня жизни он достигает, а современные промышленные технологии находят более широкое применение. Когда энергия используется неэффективно, уровень дохода снижается прямо пропорционально падению национального дохода страны.
Вопросы эффективного использования энергии в процессе производства, преобразования, транспортировки, распределения и потребления относятся к особому направлению энергетической отрасли — энергосбережению. Инструментом обеспечения эффективного энергосбережения является энергоменеджмент, который объединяет информационно-аналитическую, организационную, техническую, прогнозную и регуляторную деятельность [4].
Соответственно, эффективное управление энергопотреблением включает в себя надлежащее планирование нагрузки, адекватный график технического обслуживания генерирующих, передающих и распределительных линий и эффективное распределение нагрузки по линиям питания. Таким образом, точное прогнозирование нагрузки будет иметь большое значение для максимизации эффективности процесса планирования на предприятиях нефтегазодобычи. В качестве средства повышения точности прогнозирования спроса на электрическую энергию применяется несколько вычислительных и статистических методов для улучшения моделей прогнозирования [1].
Балансирование производства и потребления электроэнергии в нефтегазодобыче является неотложной задачей. Ее реализация во многом зависит от средств и методов планирования производства. Прогнозирование является одним из инструментов планирования, поскольку наличие точного прогноза является механизмом повышения обоснованности управленческих решений. При прогнозировании потребления электроэнергии используются как классические, так и современные методы прогнозирования. Классические методы прогнозирования основаны на теории регрессии и статистическом анализе (регрессионные, авторегрессионные модели); вероятностные методы прогнозирования и современные методы прогнозирования используют классические алгоритмы и алгоритмы глубокого машинного обучения, методологию рангового анализа, теорию нечетких множеств, сингулярный спектральный анализ, вейвлет-преобразования, модели Грея и т. д. Оперативное прогнозирование является предметом исследований многих ученых, оно затрагивает вопросы оперативного управления режимами работы энергообъектов на объектах нефтегазодобычи.
Методы прогнозирования могут быть сгруппированы в три группы, а именно корреляцию, экстраполяцию и комбинацию обоих. Методы экстраполяции (анализ тенденций) включают подгонку кривых тренда к первичным историческим данным о потреблении энергии таким образом, чтобы отразить саму тенденцию роста. Здесь будущая величина спроса на электроэнергию получается из оценки функции кривой тренда в предпочтительной точке будущего. Несмотря на свою простоту, ее результаты в некоторых случаях очень реалистичны.
С другой стороны, методы корреляции (модели конечного использования и экономические модели) предполагают соотнесение нагрузки на систему с несколькими экономическими факторами. Таким образом, методы гарантируют, что аналитики найдут связь, существующую между закономерностями увеличения нагрузки и другими измеримыми факторами. Однако недостаток заключается в прогнозировании экономических факторов, что сложнее, чем сам прогноз нагрузки. Обычно в методах корреляции используются экономические факторы, такие как динамика затрат на отопление, вентиляция, информация о системе кондиционирования воздуха, погодные данные, структура производства и др. Тем не менее, некоторые исследователи группируют модели прогнозирования в две, а именно: методы, основанные на данных (искусственный интеллект) (такие же, как методы экстраполяции) и инженерные методы (такие же, как методы корреляции). Тем не менее, ни один метод не считается научно лучшим во всех ситуациях [3].
Кроме того, надлежащее планирование и полезные применения прогнозирования энергопотребления требуют определенных интервалов прогнозирования. В зависимости от интервалов прогнозирования нагрузки можно разделить на три вида, а именно: краткосрочное прогнозирование энергопотребления, среднесрочное прогнозирование энергопотребления и долгосрочное прогнозирование. Краткосрочное прогнозирование предназначено для составления прогнозов в пределах от 1 часа до 7 дней или месяца вперед. Обычно используется для повседневных операций предприятий нефтегазодобычи, таких как планирование производства и выработки. Среднесрочное прогнозирование используется для прогнозирования закупок электроэнергии, технического обслуживания. Период прогнозирования составляет от 1 недели до 1 года. Хотя долгосрочное прогнозирование предназначено для прогнозирования на период от года до 20 лет вперед, оно подходит для стратегического планирования и изменений в системе электроснабжения и доставки электроэнергии.
Несмотря на вышеупомянутые доступные методы и подходы, прогнозирование краткосрочного прогнозирования считается сложной задачей, которую нелегко решить с помощью простых математических формул. Кроме того, прогнозирование электрической нагрузки было основной проблемой для нефтегазовой отрасли с момента ее зарождения.
Независимо от сложности прогнозирования электрической нагрузки, оптимальная и грамотная экономическая организация электроэнергетических систем постоянно занимает жизненно важное место в энергопотреблении предприятий нефтегазодобычи. Краткосрочное прогнозирование позволяет нефтегазодобывающим предприятиям изучить динамичный рост спроса на энергопотребление, чтобы облегчить планирование непрерывности для лучшего и точного использования энергоресурсов. Следовательно, неточное прогнозирование приводит к нехватке электроэнергии, что может привести к нежелательным расходам и сбоев в нефтегазодобыче. Кроме того, надежное краткосрочное прогнозирование имеет важное значение в повышении эффективности ресурсосбережения и росте благосостояния.
Литература:
- Барбасова, Т. А. Внедрение системы энергетического менеджмента на предприятиях в целях повышения энергетической эффективности / Т. А. Барбасова, А. А. Захарова // Экономика промышленности. — 2020. –№ 3. — С. 42–46.
- Копцев, Л. А. Энергосбережение и повышение экономической эффективности предприятия путем управления загрузкой производственных агрегатов / Л. А. Копцев // Промышленная энергетика. — 2019. — № 11. — С. 14–21.
- Казаринов, Л. С. Автоматизированная информационная система поддержки принятия решений по контролю и планированию потребления энергетических ресурсов / Л. С. Казаринов, Т. А. Барбасова, А. А. Захарова // Вест. Юж.-Урал. гос. ун-та. Сер. «Компьютерные технологии, управление, радиоэлектроника». — 2017. — Вып. 16, № 23 (282). — С. 118–122.
- Теоретические основы электротехники. Учебник для сельскохозяйственных вузов / А. Н. Горбунов, И. Д. Кабанов, А. В. Кравцов, И. Я. Редько// Министерство сельского хозяйства Российской Федерации, Московский государственный агроинженерный университет, Челябинский государственный агроинженерный университет. М.: УМЦ «ТРИАДА», 2018. 310 с.
