Анализ фактических электрических нагрузок многоквартирных жилых домов Московской области

Ю. И. Солуянов; А. И. Федотов; А. Р. Ахметшин; В. И. Солуянов; А. Н. Горлов

doi:10.34831/EP.2022.41.57.003

Анализ фактических электрических нагрузок многоквартирных жилых домов Московской области

Ю. И. Солуянов, А. И. Федотов, А. Р. Ахметшин, В. И. Солуянов, А. Н. Горлов

Аннотация

Представлен анализ электрических нагрузок многоквартирных жилых домов Московской области для определения возможности снижения потерь электроэнергии и стоимости технологического присоединения к электрическим сетям путем актуализации удельных электрических нагрузок, используемых при проектировании многоквартирных жилых домов. Проведен сравнительный анализ полученных фактических удельных электрических нагрузок с действующими федеральными и региональными нормативами. Результаты получены на основе получасовых графиков электрической нагрузки вводно-распределительных устройств (ВРУ) многоквартирных жилых домов (МКД), фиксированных интеллектуальными приборами учета электроэнергии, входящими в состав автоматизированной информационно-измерительной системы (АИИС). Показана необходимость предварительного анализа электропотребления МКД с целью выявления коммерческих помещений и неэксплуатируемых квартир на интервале измерений.

Ключевые слова

удельные расчетные электрические нагрузки; интеллектуальные приборы учета; резервная электрическая мощность; график электрической нагрузки; электроснабжение

Полный текст:

PDF

Литература

Солуянов, Ю. И. Актуализация нормативных значений удельной электрической нагрузки многоквартирных домов в Республике Татарстан / Ю. И. Солуянов, А. И. Федотов, Ю. Я. Галицкий и др. // Электричество. - 2021. - № 6. - С. 62 - 71.

Солуянов, Ю. И. Анализ фактических электрических нагрузок объектов индивидуального жилищного строительства / Ю. И. Солуянов, А. И. Федотов, Н. В. Чернова, А. Р. Ахметшин // Электроэнергия. Передача и распределение. - 2021. - № 5 (68). - С. 60 - 65.

Ополева, Г. Н. Электроснабжение промышленных предприятий и городов / Г. Н. Ополева. - М.: ИД "ФОРУМ" ИНФРА-М, 2017. - 416 с.

Надтока, И. И. Повышение точности расчета электрических нагрузок многоквартирных домов с электроплитами / И. И. Надтока, А. В. Павлов // Известия вузов. Северо-Кавказский регион. Технические науки. - 2015. - № 2. - С. 45 - 48.

Солуянов, Ю. И. Энерго-ресурсосберегающий эффект в системах электроснабжения жилых комплексов от актуализации нормативов электрических нагрузок / Ю. И. Солуянов, А. Р. Ахметшин, В. И. Солуянов // Известия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИ. - 2021. - № 1 (23). - C. 156 - 166.

Proedrou, A.Comprehensive review of residential electricity load profile models / A. Proedrou // IEEE Access. - 2021. - Vol. 9. - Pp. 12114 - 12133.

Carroll, P. Household classification using smart meter data / Carroll P., Murphy T., Hanley M., et al. // Journal of official statistics. - 2018. - Vol. 34. - № 1. - Pp. 1 - 25.

Жилкина, Ю. В. Концепции интернета вещей как способ мотивации к энергосбережению / Ю. В. Жилкина // Электрические станции. - 2020. - № 2 (1063). - С. 23 - 26.

Грачева, Е. И. Влияние нагрузочной способности силовых трансформаторов на их эксплуатационные характеристики / Е. И. Грачева, О. В. Наумов, Е. А. Федотов // Известия высших учебных заведений. Проблемы энергетики. - 2017. - Т. 19. - № 7 - 8. - С. 71 - 77.

Лоскутов, А. Б. Разработка и исследование гибкой интеллектуальной электрической сети среднего напряжения, основанной на гексагональной структуре / А. Б. Лоскутов, А. А. Лоскутов, Д. В. Зырин. - Н. Новгород: Труды НГТУ им. Р. Е. Алексеева. - 2016. - № 3 (114). - C. 85 - 94.

Зиганшин, А. Г. Цифровизация системы учёта электроэнергии / А. Г. Зиганшин, Г. М. Михеев // Вестник Чувашского университета. - 2020. - № 3. - С. 74 - 83.

Cembranel, S. S. A short review on data mining techniques for electricity customers characterization / S. S. Cembranel, F. Lezama, J. Soares, et al. // 2019 IEEE PES GTD Grand International Conference and Exposition Asia. - 2019. - Pp. 194 - 199.

Алексеева, И. Ю. Прогнозирование электропотребления с использованием метода искусственных нейронных сетей / И. Ю. Алексеева, А. С. Ведерников, М. О. Скрипачев // Вестник Самарского государственного технического университета. Серия: Технические науки. - 2010. - № 2 (27). - С. 135 - 138.

Гофман, А. В. Повышение точности краткосрочного и оперативного прогнозирования электропотребления энергосистемы с применением искусственной нейронной сети / А. В. Гофман, А. С. Ведерников, Е. С. Ведерникова // Электрические станции. - 2012. - № 7 (972). - С. 36 - 41.

Lin, W. Spatialoral residential short-term load forecasting via graph neural networks / W. Lin, D. Wu // IEEE Transactions on Smart Grid. - 2021. - Vol. 12. - Pp. 5373 - 53841.

Ashok, K. Distribution transformer health monitoring using smart meter data / K. Ashok, D. Li, D. Divan, et al. // IEEE Power and Energy Society Innovative Smart Grid Technologies Conference. - 2020. Article number 9087641.

Федотов, А. И. Определение параметров симметрирующих трансформаторов / А. И. Федотов, А. Р. Ахметшин, Н. В. Чернова // Промышленная энергетика. - 2015. - № 1. - С. 54 - 59.

Yao, D. Energy theft detection with energy privacy preservation in the smart grid / D. Yao, M. Wen, X. Liang, et al. // IEEE Internet of Things Journal. - 2019. - Vol. 6. - Iss. 5. - Pp. 7659 - 7669.

Peng, Y. Electricity theft detection in AMI based on clustering and local outlier factor / Y. Peng, Y. Yang, Y. Xu, et al. // IEEE Access. - 2021. - Vol. 9. - Pp. 107250 - 107259.

James, G. An introduction to statistical learning with / G. James, D. Witten, T. Hatie, et al. // Applications in R. 2nd ed. Cham. Springer. 2021. - P. 612.

DOI: http://dx.doi.org/10.34831/EP.2022.41.57.003