Prognozowanie mocy cieplnej, przepływu pary technologicznej oraz gorącej wody w Dalkii Łódź

Klient
Dalkia Łódź S.A. (dawniej Zespół Elektrociepłowni w Łodzi S.A.) zajmuje się produkcją ciepła i energii elektrycznej w skojarzeniu z przesyłem oraz dystrybucją ciepła za pośrednictwem własnej sieci ciepłowniczej. Dalkia Łódź S.A. jest głównym dostawcą ciepła dla miasta Łodzi. W jej skład wchodzą trzy elektrociepłownie oraz Zakład Sieci Cieplnej.

Cel wdrożenia
Firma Transition Technologies S.A. wygrała przetarg na dostarczenie i wdrożenie oprogramowania komputerowego do celów bieżącego prognozowania mocy cieplnej, przepływu i temperatury powrotu gorącej wody, a także mocy cieplnej i przepływu pary technologicznej w łódzkim systemie ciepłowniczym. Zastosowanie systemu miało na celu wyliczenie wyprowadzanych mocy cieplnych, przepływu oraz temperatury powrotu gorącej wody w zadanym horyzoncie czasowym, z uwzględnieniem podziału na poszczególne elektrociepłownie. System miał gwarantować maksymalny, godzinowy błąd prognozy mocy na poziomie 8%.

Zastosowane rozwiązanie
Firma Transition Technologies dostarczyła moduł prognozujący LARIX - jeden z elementów autorskiego systemu LUX. Wszystkie wymagane prognozy wykonują się automatycznie. Zadaniem użytkowników jest jedynie korekta wyników i wybranych prognoz lub ich ręczne powtórzenie.

Korzyści
Podstawową korzyścią płynącą z wdrożenia systemu jest wysoka jakość i kompletność przygotowywanych prognoz. Modele prognostyczne są przemyślane i wypracowane drogą długich analiz i iteracyjnego poszukiwania najlepszych rozwiązań. Należy oczywiście pamiętać o nieprzewidywalności świata rzeczywistego i związanych z tym problemów. Odpowiedzią na ewentualne trudności są korekty wprowadzane przez użytkowników - ekspertów.
Opisywane wdrożenie zapewniło klientowi zaawansowane rozwiązanie informatyczne, które usprawniło pracę zespołu prognostyków. System posiada jeszcze jedną ważną cechę - jest gotowy do dalszego rozwoju oraz otwarty na integrację z innymi systemami.

PROGNOZOWANIE ZAPOTRZEBOWANIA NA MOC CIEPLNĄ
Nasze doświadczenia
Do stworzenia dobrego modelu prognostycznego wymagane jest doświadczenie i wiedza ekspercka zarówno z zakresu prognozowania, jak i matematyki oraz statystyki. Firmy zainteresowane systemem prognostycznym często oczekują zbioru komponentów oraz prostych narzędzi (np. w postaci graficznego buildera), za pomocą których to oni sami mogliby budować modele lub tworzyć je za pomocą dostępnych elementów. Takie rozwiązanie na pewno byłoby przyjazne dla użytkownika, ale tak wykonane modele nie byłyby dostatecznie dobrej jakości.
Modelowanie jest procesem trudnym i wymagającym specjalistycznej wiedzy, a realizacja dobrych, pod względem jakości i funkcjonalności, modeli wymaga elastycznych narzędzi, dających wiele możliwości Takimi narzędziami są środowiska obliczeniowe typu R, Matlab, OPL Studio itp., pozwalające na zapisywanie algorytmów matematycznych w postaci skryptów. Narzędzia te zawierają również całe zbiory gotowych, wydajnych bibliotek, dzięki którym, można tworzyć nowe modele. Dopiero z ich (bibliotek) wykorzystaniem można, na podstawie dokładnych analiz, stworzyć zaawansowane i złożone modele prognostyczne, które będą potrafiły wykorzystać maksimum informacji zawartych w dostępnych danych.
Środowisko obliczeniowe R jest systemem otwartym, przeznaczonym do obliczeń statystycznych i ich wizualizacji. W jego skład wchodzą: język skryptowy oraz środowisko runtime, umożliwiające uruchamianie skryptów zapisanych w plikach. Środowisko to zawiera debugger, dostęp do zbioru funkcji systemowych, a także narzędzia do prezentacji grafiki.
Zdarza się, że firmy posiadające lub planujące zakup systemu prognostycznego współpracują ze środowiskami naukowymi lub zatrudniają osoby posiadające wyższe wykształcenie matematyczne oraz doświadczenie w dziedzinie algorytmów prognostycznych. Takie rozwiązanie pozwala osiągnąć duży stopień samowystarczalności w zakresie modelowania, a moduł LARIX, który integruje się ze środowiskiem R, może stać się doskonałą platformą do pracy dla takich specjalistów. Praktyka ta jednak, nie jest często stosowana. Dlatego najlepszym rozwiązaniem (stało się tak w przypadku wdrożenia modułu LARIX w Dalkii Łódź) jest powierzenie przygotowania i dostarczenia najlepszych, precyzyjnie dostrojonych modeli prognostycznych specjalistom do spraw modelowania.
Tworzenie modeli prognostycznych jest procesem rozłożonym w czasie. Rozpoczyna się on dokładną analizą danych oraz konsultacjami z ekspertami w prognozowanej dziedzinie. Moment zakończenia procesu jest natomiast trudny do określenia, gdyż modele są używane codziennie, a środowisko, w którym działają, podlega nieustannym zmianom. Niezbędna jest zatem ciągła współpraca pomiędzy twórcą modelu a jego użytkownikiem. Należy pamiętać, że nawet gdy model wydaje się być dopracowany i "dojrzały", w każdej chwili może okazać się, że zmieniające się otoczenie wymaga ulepszenia modelu z pomocą wiedzy eksperckiej użytkowników.
Składnikiem niezbędnym do osiągnięcia sukcesu w prognozowaniu zapotrzebowania jest dostęp do danych historycznych najwyższej jakości. W przypadku zgromadzonych informacji konieczna jest bowiem wiarygodność i dokładność pomiarów. Równie istotną kwestią jest także kompletność danych. Jest to szczególnie ważne w prognozowaniu zjawisk z widoczną sezonowością. O ile w przypadku zjawisk niesezonowych, braki danych można zazwyczaj pominąć, to niedostępność fragmentów pomiarów przepływu wody gorącej oraz pary wodnej jest bardzo dotkliwa dla jakości modelu. Informacja ta bowiem jest niezbędna do odtworzenia charakterystyki sezonowości. Twórca modelu może w takim przypadku dostosowywać model albo uzupełniać braki sztucznymi danymi, ale nigdy nie jest to tak proste i skuteczne jak cierpliwe gromadzenie wszystkich, możliwych danych przez długie lata.
Innym praktycznym aspektem znacznie wpływającym na jakość prognoz jest dostępność danych bieżących. Większość modeli w głównej mierze bazuje na informacjach o zużyciu z dnia poprzedniego i niedalekiej przeszłości. Jeśli system telemetryczny jest niewydajny lub zawodny, te dane mogą nie być dostarczone do modelu w momencie obliczania prognozy. Z tego powodu zapewnienie ciągłego dopływu danych bieżących jest elementem koniecznym do osiągnięcia pełnego sukcesu.

Struktura Systemu
System jest podzielony na moduły, związane podstawowymi funkcjami systemu (Rysunek 1). Podstawowe funkcje systemu to: pozyskiwanie danych historycznych, prognozowanie oraz raportowanie. Moduły te posługują się wspólną przestrzenią danych.
Pozyskiwanie danych historycznych odbywa się poprzez interfejs do systemów źródłowych, jakimi są bazy danych poszczególnych elektrociepłowni Dalkii Łódź.
Raportowanie odbywa się za pośrednictwem portalu internetowego, w którym zostały zaimplementowane raporty dotyczące danych pomiarowych, prognozowanych, jak również informacji na temat remontów i włączeń/wyłączeń odbiorców ciepła. Portal jest dostępny za pośrednictwem strony www we wszystkich zakładach Dalkii Łódź. Zainteresowani użytkownicy są na bieżąco informowani o aktualnej sytuacji dotyczącej sieci i elektrociepłowni. Portal wykorzystywany jest jako główne źródło informacji dla dyspozytorów ruchu i dyżurnych inżynierów ruchu EC.
Moduł prognozowania odpowiada za tworzenie prognoz mocy cieplnej, przepływu i temperatury powrotu wody gorącej oraz mocy cieplnej i przepływu pary technologicznej. Moduł ten zawiera narzędzia do modelowania i prognozowania.
Podstawą Systemu jest oprogramowanie LARIX, przystosowane i rozbudowane dla indywidualnych potrzeb Dalkii Łódź.

Funkcje Systemu
Generacja prognoz jest rdzeniem funkcjonalnym systemu LARIX. Specjalnie dla potrzeb Dalkii Łódź utworzono modele prognostyczne autoregresyjno–regresyjne różnych klas: zarówno liniowych (AR, ARX, ARMAX), jak i nieliniowych (nieliniowo przetworzone wejścia podlegające regresji).

Za pomocą systemu LARIX, użytkownik może generować prognozy, dotyczące ciepłej wody oraz pary technologicznej, następujących wielkości:
• mocy cieplnej dostarczanej do sieci,
• przepływu,
• temperatur zasilania,
• temperatur powrotu.

Prognozy realizowane są na podstawie wartości historycznych, przy uwzględnieniu prognoz meteorologicznych. W ramach wdrożenia ewoluowała zarówno metodologia podejścia do prognozowania tak złożonego zadania, jakim jest prognozowanie wielu czynników, jak również metodologia podejścia do danych, które powinny mieć wpływ na wykonywane prognozy.

Oto niektóre z danych wejściowych do prognozowania:
• historyczne dane technologiczne,
• dane meteorologiczne (prognozy i wykonanie),
• typy dni (sygnał pozwalający modelowi odróżnić dni robocze od świątecznych i weekendów),
• konfiguracja sieci,
• ciepłownicze pory roku.

Podczas tworzenia prognozy, użytkownik może uwzględniać remonty sieci ciepłowniczej, źródeł ciepła oraz informacje o włączeniach bądź wyłączeniach odbiorców końcowych. Takie dane użytkownik pozyskuje za pośrednictwem portalu internetowego.
W zależności od danych wejściowych, aplikacja wykorzystuje różne modele do wykonania prognozy.
Aplikacja została zbudowana tak, aby dać użytkownikowi jak najwięcej możliwości. Pozwala ona na dowolne dobieranie horyzontów czasowych zarówno "w przód" jak i "w tył". Użytkownik może także tworzyć dowolną ilość wariantów prognoz, a następnie zapisywać je w bazie jako kolejne obiekty, co pozwala na ich porównanie i analizę wpływu zmiany warunków, w jakich została wykonana kolejna prognoza. Dla potrzeb głębszej analizy prognoz, użytkownik ma możliwość stworzenia histogramu błędu, oraz wyświetlenia prostych funkcji agregujących oraz statystyk, np.: "poniżej zakresu", "powyżej zakresu", "niepoprawne", "minimum", "maksimum", "absolutna średnia", "absolutna średnia z bezwzględnych wartości", "średnia", "minimum z bezwzględnych wartości", "maksimum z bezwzględnych wartości", "średnia z bezwzględnych wartości", "wariancja", "skośność", "kwanty".
Aby wyjść naprzeciw wymaganiom aplikacji prognostycznych, LARIX został wyposażony w opcję dokonywania korekty eksperckiej prognoz, uwzględniając w ten sposób zdarzenia nadzwyczajne. Aplikacja udostępnia użytkownikowi kilka możliwości na realizację korekty eksperckiej: zarówno w tabeli z danymi jak i na graficznej prezentacji. Korektę, w zależności od potrzeb użytkownika, można wprowadzić jako zmianę ilościową, procentową lub ustawić konkretną wartość oczekiwaną.

Ze względu na złożoność zjawiska prognozowania w Dalkii Łódź, w ramach wdrożenia została zrealizowana funkcjonalność umożliwiająca uzależnienie wielkości prognozowanych wzajemnymi relacjami tak, aby korekta jednej wielkości prognozowanej miała bezpośredni wpływ na inne wielkości.

W celu ułatwienia dostępu do prognoz wykonanych przez użytkownika, moduł pozwala na eksport prognoz do systemów zewnętrznych, a także do innych modułów oferowanego systemu, co znacząco wpływa na przepływ informacji pomiędzy zainteresowanymi użytkownikami. Ma to niebagatelne znaczenie w przedsiębiorstwach rozproszonych na kilka zakładów (jak to ma miejsce w Dalkii Łódź).

Zarówno prognozy, jak i dane (sygnały) w aplikacji LARIX możemy prezentować na wykresie, (rysunki powyżej) oraz w tabeli. Pozwala to na kontrolę szczegółowych danych, a jednocześnie na obserwację trendów danych. Rozwinięte funkcje graficzne wykresów umożliwiają:
• zmianę kolorów prezentowanych danych,
• zmianę typu wykresu prezentowanych wielkości (liniowy, słupkowy),
• dowolne skalowanie i przesuwanie wykresu,
• zmianę skali na osiach w zależności od zaznaczonej wielkości w legendzie,
• zmianę granulacji prezentowanych danych.

Porównywanie prognoz i danych w aplikacji, można realizować w jednym oknie nakładając prognozy i dane na siebie lub w oknach oddzielnych.

Dane, do jakich aplikacja LARIX ma dostęp, nie zawsze spełniają oczekiwania użytkownika ze względu na ograniczenia systemów zewnętrznych. Aplikacja posiada funkcjonalność umożliwiającą użytkownikowi, w prosty sposób, tworzenie sygnałów analitycznych za pomocą prostych funkcji algebraicznych (agregacja danych, wyliczanie danych na podstawie innych danych wejściowych, oczyszczanie danych z szumów licznikowych poprzez wprowadzenie ograniczeń na sygnałach).
Dane zasilające system prognozowania mogą być wprowadzane w następujący sposób:
• ręcznie przez użytkownika (za pomocą klawiatury),
• ręcznie poprzez import z pliku w ustalonym formacie,
• ręcznie poprzez portal internetowy,
• automatycznie za pomocą zasilaczy bazy danych.

Portal internetowy
Portal internetowy dedykowany dla Dalkii Łódź, służy przede wszystkim do wymiany danych pomiędzy użytkownikami, znajdującymi się w zakładach, znajdujących się w różnych częściach miasta. Portal łączy w sobie następujące moduły:
• konfiguracja sieci ciepłowniczej,
• remonty,
• dane,
• włączenia i wyłączenia odbiorców ciepła.

Konfiguracja sieci ciepłowniczej jest modułem służącym do prezentacji aktualnej sytuacji sieci cieplnej. Dzięki łatwemu interfejsowi użytkownicy na mapie (Rysunek 6) odwzorowują stan zaworów w węzłach sieci klikając na zawory lub wybierając z listy wcześniej zapisanych konfiguracji. Różnymi kolorami prezentowany jest zasięg działania poszczególnych elektrociepłowni tak, aby wszyscy użytkownicy portalu wiedzieli, z jakiego źródła zasilane są poszczególne elementy sieci. Mapa może być dowolnie budowana za pomocą wbudowanego konfiguratora sieci ciepłowniczej.

Moduł remonty umożliwia wprowadzanie, przeglądanie i edytowanie remontów sieci dla wody i pary technologicznej. Moduł remonty podzielony jest na trzy statusy: planowane, zatwierdzone i zrealizowane. Dodatkowo, moduł ten, pozwala na wprowadzenie postojów remontowych źródeł ciepła. Informacje o remontach są dostępne również w aplikacji LARIX, co pozwala na korektę prognoz w związku z realizacją remontów.

Moduł dane służy przede wszystkim do informowania dyspozytorów ruchu oraz innych użytkowników portalu o aktualnych prognozach i wykonaniach. Dane w tym module można oglądać w postaci wykresów i tabel. Dane są podzielone na kilka obszarów: dane pogodowe, dane dla każdego EC i dane zagregowane dla całej Dalkii Łódź.

Moduł włączeń i wyłączeń odbiorców ciepła, pozwala na wprowadzanie planowanych włączeń lub wyłączeń odbiorców ciepła, uwzględniając jednocześnie czas, parametry techniczne danego odbiorcy oraz ilość wyłączanych węzłów w sieci. Konsekwencją wprowadzenia takich zdarzeń jest raport zmian przepływu wywołanych przez wprowadzone zdarzenia.

Pozyskiwanie danych
Aby możliwa była praca z aplikacją LARIX i prognozowanie, niezbędne są do tego jak najlepsze dane historyczne. Nie tylko jakość danych jest istotna, ale także to, aby dane do prognoz były "świeże". Z tego względu zostały wykonane zasilacze danych bazy LARIX z trzech baz danych znajdujących się w poszczególnych elektrociepłowniach. Dane są ładowane w granulacji godzinowej i pobierane są po każdej zakończonej godzinie tak, aby cały system zawierał aktualne dane.

Nad całym procesem ładowania danych "czuwa" aplikacja Moduł Detekcji Zdarzeń, którego zadania są następujące:
• kontrolowanie wykonań procesów ładujących dane i ich ewentualnych restartów,
• zarządzanie raportami mailowymi dotyczącymi ładowań - m.in. konfiguracja adresatów, szczegółowości raportów,
• wysyłanie informacji o błędach w ładowaniach lub o braku danych,
• harmonogramowanie wykonań procesów i wykonywania ich na życzenie.

Rozwiązanie informatyczne
LARIX wykorzystuje najnowsze technologie informatyczne. System jest zbudowany w oparciu o serwer bazodanowy Oracle 9i Standard Edition oraz zainstalowany na komputerze z systemem operacyjnym Windows 2000 Server. Stację operatorską stanowi komputer typu PC, nie wymagający żadnego specjalizowanego oprogramowania. Ze względu na fakt, że interfejs do systemu LARIX jest programowany przez Transition Technologies, nie jest wymagane żadne wstępne przygotowanie stacji operatorskiej. Jest to szczególnie ważne w przypadku jej awarii. System pozwala na jednoczesną pracę wielu osób. Dopuszcza się wielu użytkowników o statusie zarówno operatora, jak i inżyniera, oraz jednego użytkownika o statusie administratora, zarządzającego prawami dostępu dla poszczególnych użytkowników.
Wszystkie dane są przechowywane na serwerze. W zakresie dostaw leży uruchomienie skryptów tworzących kopie zapasowe. Dzięki temu dane są bezpieczne. LARIX posiada zaawansowane możliwości konfiguracji uprawnień konkretnych użytkowników. Każdy użytkownik identyfikowany jest na podstawie unikalnej nazwy oraz hasła. Na życzenie klienta mogą być zastosowane także inne metody autoryzacji dostępu.

Konfiguracja sprzętowa:
? Serwer: (IBM NetVista M42 P4 2.4G/256/40GB/CD/LAN/WXP Pro PL/Tower
? Pamięć: 1 GB RAM: 2x512MB
? Dysk: twardy 1x40 GB HDD EIDE
? System Operacyjny: Windows 98/Me/2000/XP ?
? Baza: Oracle 9i SE One

Serwer aplikacji
W ramach projektu, Transition Technologies dostarczyła serwer aplikacji będący jednocześnie stacją inżynierską. Testowanie modeli prognostycznych (tworzenie, identyfikacja struktury i parametrów modelu) wymaga przeprowadzania dużej liczby obliczeń optymalizacyjnych, dlatego uruchomiono je na stacji inżynierskiej.

Wykonywanie samych prognoz jest stosunkowo proste – po załadowaniu wektorów wejściowych (np. prognozowany przebieg temperatury zewnętrznej) wykonywane jest obliczenie (jedno dla każdej godziny) oraz generowana jest prognoza. Wykonanie prognozy możliwe jest zatem zarówno na stacji inżynierskiej jak i na terminalach.
Serwer aplikacji służy także jako tzw. stacja inżynierska, umożliwiająca generację i testowanie modeli oraz sporządzanie wszelkiego rodzaju symulacji.

Metody prognozowania
Prognozowanie parametrów ciepłej wody
Pierwotnym sygnałem wysyłanym przez model jest prognoza zagregowanego przepływu (sumy przepływów dla poszczególnych EC) i prognoza zagregowanej temperatury powrotu (średniej ważonej temperatur powrotu dla poszczególnych EC z wagami odpowiadającymi udziałom poszczególnych EC w zagregowanym przepływie). Prognoza ta jest dużo dokładniejsza od prognoz przepływu (temperatury powrotu) dla poszczególnych EC, gdyż jest niewrażliwa na zmiany konfiguracji sieci, skutkującymi faktycznym przełączaniem części odbiorców i sieci ciepłowniczej między różnymi EC.

Prognoza zagregowana jest wyznaczana przez sieć neuronową w oparciu o:
• wcześniejsze wartości zagregowanego przepływu lub zagregowanej temperatury powrotu, dla prognozy temperatury powrotu,
• temperaturę zasilania,
• prognozę pogody (temperatura, siła wiatru, nasłonecznienie),
• rodzaj dnia (roboczy, sobota, święto),
• porę roku (długość dnia).

Trzy odrębne sieci neuronowe służą do wyznaczenia prognozy każdego z sygnałów: dla zimy, wiosennego okresu przejściowego i jesiennego okresu przejściowego. W przypadku lata, zamiast sieci neuronowej, używany jest model liniowy autoregresyjny, ignorujący prognozę pogody.
Po wyznaczeniu zagregowanych prognoz przepływu i temperatury powrotu, następuje ich deagregacja na prognozy dla poszczególnych EC. Proces ten zachodzi w oparciu o współczynniki podziału, definiowane jako stosunki przepływu (temperatury powrotu) danej EC, do przepływu zagregowanego (zagregowanej temperatury powrotu). Współczynniki podziału powinny być stałe w okresie stałej konfiguracji sieci, dlatego wyznacza się je wybierając z danych historycznych te okresy, gdzie konfiguracja sieci była taka jak obecnie, a następnie uśredniając je.

Prognozowanie parametrów pary technologicznej
Przy modelowaniu parametrów pary technologicznej, wykorzystana została silna zależność przepływu pary od godziny i dnia tygodnia. Dlatego przy wyznaczaniu prognozy na pewną godzinę danego dnia tygodnia z danych historycznych, wybierane są przepływy na daną godzinę i dzień tygodnia, a następnie są one uśredniane. Przy uśrednianiu, danym młodszym przypisywana jest waga wyższa, niż danym starszym. Uwzględniany jest także niedobór pary (przed uśrednianiem jest on uzupełniany do pełnego zapotrzebowania). Prognoza mocy pary jest liczona przez przemnożenie przepływu przez stały współczynnik.

Jakość prognoz
Modele zostały przygotowane w wyniku szczegółowej analizy danych historycznych. Są one precyzyjnie dobrane do każdego z prognozowanych obiektów, co zapewnia wysoką jakość wykonywanych prognoz.

Założenia przyjęte dla jakości prognoz:
• Godzinowy błąd poniżej 8% z estymatą poziomu ufności na poziomie 99%.
• Średni błąd dla prognoz 120h na poziomie 3-4%.
• Dla modeli sezonu letniego powyższe ograniczenia nieco osłabione.
• Poprawa jakości prognoz dzięki modelom hybrydowym.
• Możliwość korekty eksperckiej.

Przykład: Prognoza - styczeń (błąd metodyki dla 743 h prognozy)
? Przepływ: średni błąd 2,32% przy 99,81% ufności.
? Temperatura powrotu: średni błąd 1,37% przy 100% ufności.
? Moc: średni błąd 4,87% przy 86,7% ufności.

Podsumowanie
Korzyści wynikające z wdrożenia systemu w Dalkii Łódź:
• Dostosowanie parametrów pracy do prognozowanego zapotrzebowania.
• Możliwość szybkiego zareagowania na nieprzewidywalną sytuację.
• Wykorzystanie prognoz do wyznaczania ceny energii.
• Możliwość analizy wielu przypadków pracy, przy różnych parametrach wejściowych.
• Gromadzenie danych historycznych i łatwa analiza w kontekście wykonanych predykcji.

Możliwości techniczne
• Pełna kontrola nad modelami i danymi – zarządzanie.
• Możliwość tworzenia skomplikowanych struktur modeli (modele hybrydowe).
• Wielostanowiskowość – personalizacja ustawień i dostęp do aplikacji dla wielu użytkowników.
• Prognozowanie na różnych horyzontach czasowych.
• Możliwość prognozowania w oparciu o sygnały historyczne i prognozy.
• Architektura klienta – serwer.
• Podgląd i wizualizacja prognoz i danych historycznych.