Сравнение подходов к моделированию энергопотребления насосных станций в условиях ограниченности данных

Abstract

Проведен сравнительный анализ моделей электропотребления насосной станции на основе оперативных данных диспетчерского уровня. Актуальность исследования обусловлена необходимостью снижения затрат на электроэнергию за счет оптимизации графика включения скважинных насосов, формирующих значительную долю суммарной мощности водозабора. Дополнительная часть нагрузки связана с поддержанием давления в сети при изменяющемся водопотреблении и рассматривается в работе как объект моделирования для последующей оптимизации расхода электроэнергии. Рассмотрены как физические обоснованные уравнения с экспертными параметрами, так и статистические модели, коэффициенты которых оценивались методом наименьших квадратов. Сравнение показало, что простые зависимости обладают высокой интерпретируемостью, но ограниченной точностью, тогда как регрессионные аппроксимации позволяют снизить средние ошибки прогнозирования до 7 % и обеспечивают коэффициент детерминации до 0,81, что делает их пригодными для практического использования в условиях ограниченного набора данных.

A comparative analysis of pumping station energy consumption models was conducted based on operational data from the dispatcher level. The relevance of the study is determined by the need to reduce energy costs by optimizing the activation schedule of well pumps, which forms a significant portion of the total water intake capacity. An additional load is associated with maintaining network pressure under fluctuating water consumption and is considered in the study as a modeling object for subsequent energy consumption optimization. Both physically based equations with expert parameters and statistical models, the coefficients of which were estimated using the method of least squares, are considered. The comparison revealed that simple relationships have high interpretability but limited accuracy, whereas regression approximations reduce average forecast errors to 7 % and provide a determination coefficient of up to 0.81, making them suitable for practical use under the condition with data limitations.