ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ КОНЦЕПЦИЯ  ПОМОЩНИКА ДИСПЕТЧЕРА НА ОСНОВЕ МАКСИМАЛЬНО  ДОПУСТИМЫХ ПЕРЕТОКОВ В КОНТРОЛИРУЕМЫХ СЕЧЕНИЯХ

А.В. Коржов; В.И. Сафонов; К.Е. Горшков; Е.Е. Горшков; В.О. Самарин; П.В. Лонзингер

doi:10.14529/power260204

Авторы

А.В. Коржов Южно-Уральский государственный университет https://orcid.org/0000-0002-8504-9668
В.И. Сафонов Южно-Уральский государственный университет https://orcid.org/0000-0001-6452-9286
К.Е. Горшков Южно-Уральский государственный университет https://orcid.org/0000-0002-6861-0011
Е.Е. Горшков Филиал АО «СО ЕЭС» Челябинское РДУ https://orcid.org/0009-0009-5953-7017
В.О. Самарин Южно-Уральский государственный университет, Филиал АО «СО ЕЭС» Челябинское РДУ https://orcid.org/0009-0008-7599-558X
П.В. Лонзингер Южно-Уральский государственный университет https://orcid.org/0009-0001-0961-926X

DOI:

https://doi.org/10.14529/power260204

Ключевые слова:

энергосистема, оперативно-диспетчерское управление, помощник диспетчера, контролируемые сечения, целевая функция

Аннотация

Рассмотрена проблема системной автоматизации информационной поддержки диспетчера при управлении электроэнергетическим режимом. В настоящее время процесс формирования информации для диспетчера не носит системный характер, несмотря на наличие различного программного обеспечения с функционалом по анализу и оптимизации расчётных режимов энергосистемы. Имеющегося функционала недостаточно из-за необходимости принятия и реализации управленческих решений в короткий промежуток времени, обусловленный тепловыми процессами в элементах сети. В работе проанализирована процедура принятия решений на примере тестовой схемы энергосистемы в послеаварийной ситуации. Схема состоит из 34 узлов напряжением 500, 220, 110 кВ и 51 ветви. Показано, что ключевым индикатором для оценки допустимости режима являются максимально допустимые перетоки (МДП) в контролируемых сечениях. Предложена концепция информационно-аналитического помощника диспетчера, основанная на формировании базы данных МДП для всего набора возможных ситуаций, предусмотренных нормативными требованиями. Определена целевая функция при принятии диспетчером решения, учитывающая топологию сети, совокупность режимных ограничений и последствия от реализации управляющих воздействий. Обоснована перспективность применения графовых нейронных сетей для обработки данных и выбора оптимальных управляющих воздействий.

Скачивания

Данные скачивания пока недоступны.

Биографии авторов

А.В. Коржов, Южно-Уральский государственный университет

д-р техн. наук, доц., проф. кафедры электрических станций, сетей и систем электроснабжения, первый проректор – проректор по научной работе

В.И. Сафонов, Южно-Уральский государственный университет

канд. физ.-мат. наук, доц., доц. кафедры электрических станций, сетей и систем электроснабжения

К.Е. Горшков, Южно-Уральский государственный университет

канд. техн. наук, доц. кафедры электрических станций, сетей и систем электроснабжения

Е.Е. Горшков, Филиал АО «СО ЕЭС» Челябинское РДУ

начальник отдела устойчивости и противоаварийной автоматики службы электрических режимов

В.О. Самарин, Южно-Уральский государственный университет, Филиал АО «СО ЕЭС» Челябинское РДУ

аспирант кафедры электрических станций, сетей и систем электроснабжения

П.В. Лонзингер, Южно-Уральский государственный университет

канд. техн. наук, доц. кафедры электрических станций, сетей и систем электроснабжения

Библиографические ссылки

A large language model for advanced power dispatch / Y. Cheng, H. Zhao, X. Zhou et al. // Scientific Reports. 2025. Vol. 15 (1). P. 8925. DOI: 10.1038/s41598-025-91940-x DOI: https://doi.org/10.1038/s41598-025-91940-x

Федорова Н.И. Информационная поддержка принятия решения в процессе оперативно-диспет-черского управления региональной энергосистемой: дис. … канд. техн. наук. Уфа, 2004.

Xiang L. Energy network dispatch optimization under emergency of local energy shortage with web tool for automatic large group decision-making // Energy. 2017. Vol. 120. P. 740–750. DOI: 10.1016/j.energy.2016.11.125 DOI: https://doi.org/10.1016/j.energy.2016.11.125

СТО 5 012820.27.010.004–2020. Правила определения максимально допустимых и аварийно допу-стимых перетоков активной мощности в контролируемых сечениях, а также допустимых перетоков актив-ной мощности в контролируемых сечениях при работе в вынужденном режиме: утвержден 09.07.2020.

Использование технологии расчета максимально допустимых перетоков на базе ПК RastrWin3 / А.С. Александров, Д.М. Максименко, В.Г. Неуймин, Д.А. Снегирев // Известия НТЦ Единой энергетической системы. 2022. № 2 (93). С. 26–34.

Методические указания по устойчивости энергосистем: утверждены приказом Минэнерго России от 03.08.2018 № 630 (ред. от 20.12.2022).

Севастьянова А.В. Анализ схемно-режимных особенностей электроэнергетических систем на осно-ве структурного подхода: дис. … канд. техн. наук. СПб., 2012.

Правила предотвращения развития и ликвидации нарушений нормального режима электрической части энергосистем и объектов электроэнергетики: утверждены приказом Минэнерго России от 12.07.2018 № 548 (ред. от 09.12.2024).

Инструкция пользователя автономного модуля ПК СМЗУ 2.7 [Электронный ресурс]. URL: https://www.rastrwin.ru/download/Files/MDP_2_7_.pdf (дата обращения: 09.06.2026).

Правила оперативно-диспетчерского управления в электроэнергетике: утверждены Постановле-нием Правительства РФ от 27.12.2004 № 854 (ред. от 27.12.2024).

Правила технологического функционирования электроэнергетических систем: утверждены Поста-новлением Правительства РФ от 13.08.2018 № 937 (ред. от 29.09.2025).

Формирование схемы и сценария действий диспетчера для проверки алгоритмов оперативно-диспетчерского управления электроэнергетическим режимом / А.В. Коржов, В.И. Сафонов, Е.Е. Горшков и др. // Вестник ЮУрГУ. Серия «Энергетика». 2026. Т. 26, № 1. С. 32–41. DOI: 10.14529/power260104 DOI: https://doi.org/10.14529/power260104

The Graph Neural Network Model / F. Scarselli, M. Gori, A.C. Tsoi et al. // IEEE Transactions on Neural Networks. 2009. Vol. 20, no. 1. P. 61–80. DOI: 10.1109/TNN.2008.2005605 DOI: https://doi.org/10.1109/TNN.2008.2005605

Kipf T.N., Welling M. Semi-Supervised Classification with Graph Convolutional Networks // International Conference on Learning Representations (ICLR). 2017. DOI: 10.48550/arXiv.1609.02907

Dolatyabi P., Khodayar M. Graph Neural Networks and Their Applications in Power Systems: A Review // IEEE International Conference on Electro Information Technology (eIT). Valparaiso, IN, USA, 2025. P. 1–10. DOI: 10.1109/eIT64391.2025.11103635 DOI: https://doi.org/10.1109/eIT64391.2025.11103635