- •Вопрос1.Понятие модели виды моделирования
- •ВОпрос2.История развития моделирования в науке и технике
- •Вопрос3.Классификация моделей и способы моделирования.
- •Вопрос4.Примеры простейших моделей.Ограничения применимости моделей.
- •Вопрос5.Области применения моделирования. Эффективность методов моделирования на эвм.
- •Вопрос6.Методы оптимизации в задачах моделирования. Обзор достоинств и недостатков.
- •Вопрос7.Теоремы подобия.
- •Вопрос8.Основные этапы математического моделирования
- •Вопрос9.Численные методы в задачах моделирования. Способы решения уравнений на эвм
- •Вопрос10. Вопрос11.Метод лагранжа в задачах оптимизации.
- •Вопрос13. Динамическое программирование в электроэнергетике.
- •Вопрос14.
Вопрос13. Динамическое программирование в электроэнергетике.
Динамическое программирование Динамическое программирование является еще одним из двух современных направлений в теории задач управления. Метод динамического управления может применяться непосредственно при решении общей задачи управления: = + F(x1, t1), x' = f(x(t), u(t), t), x(t0) = x0, x(t1) = x1, {u(t)}?U. (1) Сущность подхода динамического программирования состоит в следующем: данная конкретная задач управления "погружается" в более широкий класс задач, которые характеризуются рядом параметров; затем с помощью центрального принципа – "принципа оптимальности" – определяется основное рекуррентное соотношение, связующее задачи из этого класса. Если выполнены некоторые дополнительные предположения относительно гладкости участвующих в рассмотрении функций, то из главного рекуррентного соотношения вытекает основное дифференциальное уравнение в частных производных – уравнение Беллмана, - решая которое можно найти решение вышеупомянутого широкого класса задач. Вслед за этим, как частный случай, определяется и решение данной конкретной задачи. Принцип оптимальности и уравнение Беллмана Формулировка принципа оптимальности: "Оптимальное поведение обладает тем свойством, что, каковы бы ни были первоначальное состояние и решение (т.е. управление) в начальный момент, последующие решения должны составлять оптимальное поведение относительно состояния, получающегося в результате первого решения". Доказательство необходимости принципа оптимальности можно легко получить, рассуждая от противного: если вы не используете наилучшим образом то, чем вы располагаете, то вы никогда не распорядитесь наилучшим образом и тем, что вы могли бы иметь в дальнейшем. x (фазовая координата) x(t1) x*(t) 2 x(?) 1 x(t0) t0 ? t1 t (время) На рисунке дана иллюстрация принципа на примере задачи с одной фазовой координатой. Кривая x*(t) (t0?t?t1) – это фазовая траектория, соответствующая оптимальному управлению, начальное и конечное состояния – фиксированы. Вся траектория поделена на две части относительно момента времени ?. Согласно принципу оптимальности, траектория 2, определенная при ??t?t1, должна представлять собой оптимальную траекторию по отношению к начальному состоянию x(?). Следовательно, вторая часть оптимальной траектории сама по себе должна быть оптимальной траекторией, вне зависимости от того, что происходило с системой до того, как она пришла к состоянию, являющемуся начальным для второй части траектории. Предположим, что общая задача управления (1) имеет решение. Максимальное значение целевого функционала задачи с начальным состоянием x и начальным временем t J*(x, t) назовем функцией оптимального поведения. Отметим, что в то время как J представляет собой функционал, зависящий от {u(t)}, J* является функцией, зависящей от n+1 параметров x и t. Таким образом, задача оказывается "погруженной" в более широкий класс задач, характеризуемых значениями n+1 начальных параметров. Оптимальной значение целевой функции исходной задачи (1) имеет, таким образом, вид J* = J*(x0, t0). Если J*(x, t) является функцией оптимального поведения для задачи с начальным состоянием x в момент t, то, согласно принципу оптимальности J*(x+?x, t+?t) является функцией оптимального поведения для второй части оптимальной траектории с начальным моментом времени t+?t и начальным состоянием x+?x. Поскольку прирост функции оптимального поведения на протяжении всего промежутка времени между t и t+?t может происходить только за счет изменения подынтегральной функции, то он равен I(x,u,t)?t. Значения функции оптимального поведения на всем интервале времени, начавшимся в момент t, представляют собой оптимальную сумму вкладов двух частей этого интервала времени. Таким образом, приходим к основному рекуррентному соотношению J*(x, t) = {I(x, u, t)??t + J*(x+?x, t+?t)} (2) В динамическом программировании существенную роль играет предположение, что функция оптимального поведения J*(x, t) представляет собой однозначную и непрерывно дифференцируемую функцию от n+1 переменных. Иначе говоря, решения задач более широкого класса являются однозначными и непрерывными функциями относительно изменений начальных параметров. (Отметим, что во многих задачах эти предположения о гладкости не выполняются, кроме того, заранее вообще неизвестно, будут ли они выполнены в данной конкретной задаче). Благодаря этому предположению можно разложить J*(x+?x, t+?t) в точке (x, t) по формуле Тейлора: J*(x+?x, t+?t) = J*(x, t) + ?x + ?t + … (3) где - это вектор-строка = (, , …, ). Подставляя (3) в (2) и проводя элементарные преобразования, получаем 0 = {I(x, u, t) + + + … }. Переходя к пределу при ?t ? 0 с учетом того, что = x' = f(x, u, t), получаем - = {I(x, u, t) + f(x, u, t)}. (4) Уравнение (4) называется уравнением Беллмана и является основным дифференциальным уравнением в частных производных, используемых в динамическом программировании. Так как второе слагаемое в (4) представляет собой скалярное произведение вектора-строки и вектора-столбца f(x, u, t), то уравнение Беллмана можно записать как - = {I(x, u, t) +fj(x, u, t)}. С уравнением Беллмана связано в качестве граничного условия ограничение, налагаемое на конечное состояние: J*(x(t1), t1) = F(x1, t1). Это условие показывает, что значение функции оптимального поведения для задачи, начальным моментом и начальным состоянием которой являются соответственно конечный момент и конечное состояние, равно значению функции F, рассчитанному в данный момент времени при данном состоянии. Если бы уравнение Беллмана было решено, то мы получили бы функцию оптимального поведения и, следовательно, оптимальное значение целевой функции для исходной задачи можно было бы определить как частное значение этой функции при указанных в формулировке задачи конкретных начальных условиях. Однако в общем случае это уравнение в частных производных первого порядка, как правило, нелинейное, не имеет аналитического решения. В принципе можно решать уравнения Беллмана, представленные в виде разностных схем, на ЭВМ с большим быстродействием. Однако даже современные ЭВМ, работающие с высокой скоростью счета, не обладают такой машинной памятью, которая позволяла бы найти достаточно хорошее приближение к решению даже при не очень больших размерностях. Беллман назвал это препятствие "проклятьем размерности" ("curse of dimensionality").
????????? В настоящее время в энергетической отрасли России вопрос о внедрении передовых технологий работы, направленных на создание качественно новых систем управления для эффективной экс-плуатации оборудования, повышения экономических и финансовых результатов деятельности компании, в том числе в области торговли электроэнергией и мощностью, является одним из первостепенных.
Целями создания современной системы управления продажами в генерирующей компании (ГК) являются эффективный мониторинг и прогнозирование рыночной ситуа-ции на ОРЭМ, оптимизация расходов топлива при увеличении объемов выработки энергии, а также получение дополнительных доходов от продажи системных услуг.
Создание такой системы требует использования больших объемов статистической и аналитической информации о перспективах развития отрасли, оптовых, локальных и регио-нальных рынков, производственных и корпоративных бизнес-процессов. Основными инструментами такого моделирования являются технологии ERP и СДМ (системно-динамическое моделирование). Последнее - это совокупность принципов и методов анализа динамических управляемых систем с обратной связью, временными задержками и нелинейными зависимостями.
Подходы и методы СДМ активно используются в мировой практике управления бизнес-процессами, когда эффективное применение традиционных оптимизационных моделей затруднено в условиях неопределенности. СДМ позволяет производить расчеты технологических процессов, оптимизировать загрузку генерирующего оборудования, добиваться минимизации расхода топлива, модифицировать все допустимые варианты решений. Применительно к ГК такая система состоит из расчетной и оптимизационной моделей, описывающих технико-экономическую деятельность электростанции.
Расчетная модель включает следующие блоки:
1. Топливный блок, задачами которого являются: учет поступления, хранения и расходования топлива, учет неопределенности в установлении его физико-химических характеристик.
2. Технологический блок, позволяющий производить расчет удельного расхода условного топлива в зависимости от схемы технологического процесса, применяемого оборудования и диспетчерского графика.
3. Экономический блок, допускающий расчет на основе стоимостных данных топливной составляющей в тарифе и себестоимости электроэнергии, а также других экономических показателей.
Расчетная модель дает возможность производить сценарный анализ, варьировать различные управленческие и технические решения, анализировать их последствия и риски.
Оптимизационная модель строится над расчетной для определе-ния экономичного режима работы генерирующего оборудования с учетом вида топлива, заданного режима работы и других входных данных. Модель состоит из нескольких блоков:
1. Блок оптимизации загрузки генерирующего оборудования при-зван оптимальным образом обеспечивать выполнение диспетчерского графика, минимизировать расход топлива и обеспечивать надежность работы оборудования.
2. Блок рыночной оптимизации позволяет оптимизировать технологический процесс с целью получения дополнительной прибыли на рынке электроэнергии.
3. Блок оперативной оптимизации способен в режиме реального времени выбрать лучшее решение при поступлении внешней инициативы, или возникновении аварийной ситуации.
Построение моделей, описывающих совместную работу как отдельных энергоблоков, так и нескольких генерирующих предприятий, позволит оптимизировать общую генерацию и учесть различные синергетические эффекты.
Для создания СДМ используются средства визуального программирования с большим набором функцио-нальных блоков. Такие конструкции могут быть легко интегрированы в любую информационную среду пред-приятия, что исключает для пользователя необходимость быть профессиональным программистом (или математиком).
Cистемно-динамическое моделирование открывает перспективы для принятия эффективных решений в условиях неопределенности параметров в реальном масштабе времени, а также позволяет находить оптимальное технико-экономическое обоснование дальнейшим направ-лениям развития деятельности компании.
