Прогнозно-управляемая система накопления энергии для потребителей с почасовой тарификацией
Автор: Бортник Д.В., Орлов А.И., Карпов И.А.
Журнал: Вестник Южно-Уральского государственного университета. Серия: Энергетика @vestnik-susu-power
Рубрика: Электроэнергетика
Статья в выпуске: 1 т.26, 2026 года.
Бесплатный доступ
В статье рассматривается проблема оптимизации затрат на электроэнергию для потребителей III и IV ценовых категорий розничного рынка в России. Стоимость электроэнергии для таких потребителей включает плату за электроэнергию с учетом почасового тарифа и плату за мощность, зависящую от средней мощности в часы максимального совокупного потребления в регионе. Информация о почасовых тарифах и часах максимального совокупного потребления в регионе становится известной только после завершения расчетного периода, что не позволяет потребителю точно прогнозировать стоимость электроэнергии. С целью снижения расходов на электроэнергию предложено дополнить традиционную систему электроснабжения накопителем электроэнергии, управление режимом работы которого производится контроллером, установленным у потребителя. Контроллер обеспечивает заряд накопителя в периоды низкой стоимости электроэнергии и его разряд в часы пиковых нагрузок и высоких цен, снижая потребление из сети и, соответственно, затраты предприятия. Для прогнозирования почасовых цен на электроэнергию применена рекуррентная нейронная сеть на базе LSTM, показавшая высокую точность предсказания ценовых трендов и пиковых значений. Однако попытки спрогнозировать часы максимального совокупного потребления оказались неэффективными из-за отсутствия устойчивой периодичности. В связи с этим предложено использовать статистически наиболее вероятное значение часа максимального потребления. Разработан алгоритм управления накопителем энергии, учитывающий прогноз цены и фиксированное значение часа максимального потребления. Алгоритм реализует стратегию зарядки накопителя в периоды низких цен и разрядки в пиковые часы. На примере торгово-развлекательного центра показана эффективность предложенного подхода: применение алгоритма позволило снизить среднюю мощность в пиковые часы почти вдвое (с 290 до 140 кВт) и уменьшить суммарные затраты на электроэнергию на 15,3 %. Полученные результаты демонстрируют перспективность интеграции систем накопления энергии с интеллектуальными методами прогнозирования для задач энергосбережения и управления нагрузкой.
Накопитель энергии, прогноз цен, час пик, оптимизация затрат, энергосбережение, управление нагрузкой
Короткий адрес: https://sciup.org/147254108
IDR: 147254108 | УДК: 621.31 | DOI: 10.14529/power260102
Forecast-controlled energy storage system for consumers with hourly tariffs
This article addresses the optimization of electricity costs for consumers in pricing categories III and IV of the Russian retail electricity market. Electricity costs for such consumers include a charge based on hourly tariffs and a power charge that depends on the average power during the hours of maximum total consumption in the region. However, information about hourly tariffs and the hours of maximum total consumption becomes available only after the billing period has ended, making it impossible for consumers to accurately predict their electricity costs. To reduce electricity expenses, the paper proposes to supplement the conventional power supply system with an energy storage system. The operation mode of this system is managed by a controller installed at the consumer's site, which ensures storage charging during periods of low electricity prices and discharging during peak load and high-priced hours. This reduces grid consumption and, consequently, the enterprise's costs. A LSTM-based recurrent neural network was used to forecast hourly electricity prices, demonstrating high accuracy in predicting price trends and peak values. However, efforts to predict the hours of maximum total consumption were unsuccessful due to the lack of stable periodicity. Therefore, we propose using the statistically most probable value for the hour of maximum consumption. We developed an algorithm for managing the energy storage system, taking into account price forecasts and a fixed value for the maximum consumption hour. The algorithm employs a strategy of storage charging during low-priced periods and discharging during peak hours. We used a shopping and entertainment center as an example to demonstrate the effectiveness of the proposed approach. The application of the algorithm almost halved the average power during peak hours (from 290kW to 140kW) and decreased overall electricity costs by 15.3 %. The obtained results demonstrate the potential of integrating energy storage systems with intelligent forecasting methods for energy conservation and load management tasks.
