В настоящее время наиболее востребованными методами прогнозирования являются методы, основанные на интерполяции временных рядов отказов ВЛ 35-220 кВ, математическом ожидании отказов и на авторегрессии проинтегрированного скользящего среднего (АРПСС). Основой данных методов является анализ фактических данных прошлого состояния исследуемого объекта и распространения тенденции прошлого для прогноза экономических и технических параметров электрических сетей высокого напряжения на будущее.
Применение этих методов целесообразно для прогнозирования показателей надежности воздушных и кабельных линий. Сложность прогнозирования данных параметров заключается в непредсказуемости внешних параметров, таких как природные явления (резкое изменение температуры и влажности, переход с минусовой на плюсовую температуру и обратно, гололед, сильный ветер, паводок, гроза и др.) и человеческий фактор (непредсказуемость действий человека относительно электросетевого объекта) [1, 2].
Цель исследования – прогнозирование количества аварийных отключений и анализ наличия сезонности в электрических сетях 35–220 кВ современными методами.
Материал и методы. На основе статистических данных по электрическим сетям 35–220 кВ с помощью программ Microsoft Excel 2016, Statistica 12 произведен прогноз количества аварийных отключений.
Результаты исследований. Для оценки точности прогноза и погрешности каждого из методов сравнили действительные значения с прогнозными на основе данных количества отключений в Москве за 2009–2015 гг. и первое полугодие 2016 г. На графике (рис. 1) приведены фактические данные за прошедший период.
Результаты расчета прогнозного количества аварийных отключений в сетях 35–220 кВ в Москве для второго полугодия 2016 г. приведены в табл. 1. Сравнение фактических и прогнозных значений за второе полугодие 2016 г. дает возможность оценить точность используемых методов (табл. 1, 2).
Интерполяционный метод заключается в приблизительном расчете интервала недостающего значения, находящегося внутри динамического ряда. Это означает, что отсутствующая точка вычисляется как взвешенное среднее соседних точек. Интерполяция основывается на предположении, что тенденция (закономерность), выявленная для изучаемого периода времени, сохранится на какое-то время в будущем [3, 4]. Расчет производился в программе Microsoft Excel 2016.