Аналіз методів статистичного моделювання результатів моніторингу показників якості електроенергії чотирипровідних мереж для оцінювання додаткових втрат
DOI:
https://doi.org/10.31548/Ключові слова:
чотирипровідні мережі, показники якості електроенергії, математично-статистичні методи моделювання, система енергетичного менеджментуАнотація
Відхилення показників якості електроенергії в умовах виробничих процесів на сучасних промислових об’єктах з розгалуженими внутрішніми чотирипровідними мережами призводять до суттєвих втрат електроенергії. Дане дослідження є продовженням комплексного аналізу проблем якості електроенергії в чотирипровідних мережах шляхом систематизації методів статистично-математичного моделювання для покращення техніко-економічних показників експлуатації внутрішніх мереж за умов відхилень, флікерів та провалів напруги, гармонічних спотворень, несиметрії фаз, значних перетоків реактивної потужності з огляду на дотримання стандартів IEC 61000-4-30, EN 50160, IEEE 519 на основі практичного досвіду впровадження сучасних цифрових аналізаторів параметрів мереж. Оперативне управління енергоспоживанням на таких об’єктах пов’язане з необхідністю створення та впровадження сучасних вимірювальних комплексів для моніторингу параметрів мережі в реальному часі. Як показує практика, значущим і пріоритетним інтегральним показником є флуктуації напруги живлення. З огляду на високу складність побудови технічних систем регулювання показників якості електроенергії з оперативним управлінням (диспетчеризацією) усунення або зменшення таких негативних явищ в реальному часі досить утруднене, а часом і неможливе на достатньому технічному рівні. На допомогу операторам таких систем станом на сьогодні можуть прийти предметно-орієнтовані вузькоспеціалізовані інтелектуальні експертні системи, інформаційно-аналітичною основою яких виступають сучасні математично-статистичні методи моделювання. В роботі представлений огляд методів і алгоритмів статистичного моделювання відхилень від нормованих значень показників якості електроенергії на прикладі напруги живлення чортирипровідної мережі локального об’єкта, які пропонується використовувати у якості математичного інструментарію для кількісного оцінювання впливу відхилень напруги від нормованих значень для вимірювання неактивних потужностей трифазної системи електропостачання на основі операцій зі струмами та напругами, представленими в αβ-системі координат. Відома методика визначення скалярних потужностей трифазної чотирипровідної системи живлення потребує формування вхідних даних, які можна одержати експериментальним шляхом, формуючи базу даних про відхилення показників якості електроенергії у реальному часі. Експеримент показав адекватність розрахункових та експериментальних даних. Зміна характеру навантаження зі відхиленням напруги живлення від нормованих значень суттєво впливає на інтегральні втрат потужності, що може бути використано для прийняття рішень у системах енерегтичного менеджменту підприємств.
Отримано: 02.02.2026. Доопрацьовано: 26.05.2026. Прийнято: 22.06.2026.
Посилання
1. Gapon, D. A., Sokol, E. I., Zharkin, A. F., Vasilchenko, V. I., Tesik, Yu. F., Ushchapovskiy, K. V., Svetelik, A. D., Grib, O. G., Gromadskiy, Yu. S., Ierusalimova, T. S., Olefir, D. A., Shevchenko, S. Yu., & Novskiy, V. A. (2014). Kachestvo elektricheskoy energii (Vol. 2, Kontrol kachestva elektricheskoy energii). PP "Graf-Iks".
2. Hryb, O. H., Sokol, Ye. Y., Zharkyn, A. F., Vasylchenko, V. Y., et al. (2014). Kachestvo elektrycheskoy enerhyy (Vol. 3, Metody y sredstva povyshenyya kachestva elektrycheskoy enerhyy). PP "Graf-Iks".
3. Abd Alkarem, Y. M. (2018). A new review in glass furnaces energy saving field by pairing between recuperative and regenerative systems. International Journal of Advanced Research and Development, 3, 17–20.
4. Majordomo, J. G., & Usaola, J. (1993). Apparent power and power factor definitions for polyphase non-linear loads when supply conductors present different resistances. European Transactions on Electrical Power, 3(6), 415–420.
5. Czarnecki, L. S., & Haley, P. M. (2015). Unbalanced power in four-wire systems and its reactive compensation. IEEE Transactions on Power Delivery, 30(1), 53–63.
6. Vijay, A. S., Doolla, S., & Chandorkar, M. C. (2020). Unbalance mitigation strategies in microgrids. IET Power Electronics, 13(9), 1687–1710.
7. Artemenko, M. Iu., Kaplun, V. V., Bobrovnyk, V. M., & Polishchuk, S. I. (2018). Zastosuvannia aktyvnykh filtriv dlia zmenshennia vtrat enerhii tryfaznykh system elektropostachannia. Tekhnichna Elektrodynamika, (4), 53–56.
8. National Standard of Ukraine. (2014). DSTU EN 50160:2014. Kharakterystyky napruhy elektropostachannia v elektrychnykh merezhakh zahalnoi pryznachenosti (EN 50160:2010, IDT). Minekonomrozvytku Ukrainy.
9. National Standard of Ukraine. (2022). DSTU EN 62053-22:2015. Zasoby vymiriuvannia elektrychnoi enerhii zminnoho strumu. Spetsialni vymohy. Chastyna 22. Lichylnyky aktyvnoi enerhii statychni (klasiv tochnosti 0.2S i 0.5S) (EN 62053-22:2003, IDT). http://online.budstandart.com/ua/catalog/doc-page?id_doc=74517
10. Institute of Electrical and Electronics Engineers. (2014). IEEE Std 519-2014: IEEE recommended practice and requirements for harmonic control in electric power systems. IEEE.
11. National Standard of Ukraine. (2016). DSTU IEC 61000-4-30:2010. Elektromahnitna sumisnist. Chastyna 4-30. Metody vyprobuvannia ta vymiriuvannia. Vymiriuvannia pokaznykiv yakosti elektrychnoi enerhii (IEC 61000-4-30:2008, IDT). Derzhstandart Ukrainy.
12. Chen, L., Yaxin, L., Kai, W., Dongping, Z., & Hu, L. (2023). Research on graph clustering based line loss prediction in low-voltage distribution network. In 2023 2nd Asia Power and Electrical Technology Conference (APET) (pp. 540–545). IEEE. https://doi.org/10.1109/APET59977.2023.10489816
13. Jizhou, L., Jixian, R., Ran, H., Wen, Y., & Xuncan, Z. (2021). Research on low voltage does not power cut operation refined collection of line loss data in distribution network. In 2021 IEEE 4th International Conference on Information Systems and Computer Aided Education (ICISCAE) (pp. 450–454). IEEE. https://doi.org/10.1109/ICISCAE52414.2021.9590796
14. Institute of Electrical and Electronics Engineers. (2010). IEEE Std 1459-2010: Definitions for the measurement of electric power quantities under sinusoidal, non-sinusoidal, balanced, or unbalanced conditions. IEEE. https://doi.org/10.1109/IEEESTD.2010.5439063
15. Blasco, P. A., Montoya-Mira, R., Diez, J. M., & Montoya, R. (2020). An alternate representation of the vector of apparent power and unbalanced power in three-phase electrical systems. Applied Sciences, 10, 3756. https://doi.org/10.3390/app10113756
16. Lan, D., Qiu, J., Zhang, Y., Li, X., & Zhou, Q. (2023). Research on intelligent line loss optimization system for reactive power compensation in medium and low voltage distribution network. In 2023 IEEE 6th International Conference on Automation, Electronics and Electrical Engineering (AUTEEE) (pp. 599–604). IEEE. https://doi.org/10.1109/AUTEEE60196.2023.10408585
17. Zhang, Y., Wang, B., Wang, J., An, R., Li, X., & He, Y. (2020). Research on grid losses reduction measures for medium and low voltage distribution network. In 2020 5th Asia Conference on Power and Electrical Engineering (ACPEE) (pp. 668–672). IEEE. https://doi.org/10.1109/ACPEE48638.2020.9136529
18. Wang, W., et al. (2023). Analysis on technical loss reduction of typical low-voltage distribution areas. In 2023 5th International Conference on Power and Energy Technology (ICPET) (pp. 696–700). IEEE. https://doi.org/10.1109/ICPET59380.2023.10367564
19. Artemenko, M. Yu., Chopyk, V. V., Mikhalsky, V. M., Shapoval, I. A., & Polishchuk, S. Y. (2022). The unbalance power identification in the three-phase four-wire power supply system for the needs of its distributed compensation. Tekhnichna Elektrodynamika, (2), 12–20. https://doi.org/10.15407/techned2022.02.012
20. • Benavides-Córdoba, S., Urrea-Quintero, J.-H., Muñoz-Galeano, N., Cano-Quintero, J.-B., & Segui-Chilet, S. (2023). Optimal distribution of the fundamental non-efficient load current terms between the energy gateways connected in grid-tied microgrids. Heliyon, 9(2), e13650. https://doi.org/10.1016/j.heliyon.2023.e13650
21. Liu, J., Gao, H., Ma, Z., & Li, Y. (2015). Review and prospect of active distribution system planning. Journal of Modern Power Systems and Clean Energy, 3(4), 457–467.
22. Jin, X., Moradi, Z., & Rashidi, R. (2023). Optimal operation of distributed generations in four-wire unbalanced distribution systems considering different models of loads. International Transactions on Electrical Energy Systems, 2023, Article 8763116.
23. Alonso, A. M. dos S., Brandao, D. I., Tedeschi, E., & Marafão, F. P. (2020). Distributed selective harmonic mitigation and decoupled unbalance compensation by coordinated inverters in three-phase four-wire low-voltage networks. Electric Power Systems Research, 186, Article 106397.
24. Artemenko, M. Yu., Polishchuk, S. Y., Chopyk, V. V., Mikhalsky, V. M., & Shapoval, I. A. (2024). Integral power theory and active filtering using the α-β reference frame. IEEE Access, 12, 60004–60014. https://doi.org/10.1109/ACCESS.2024.3393767
25. Yahya, K. M., Aldababsa, M., Amer, A., Hafez, M., & Yahya, A. E. M. (2023). Analysis of electrical power losses in low-voltage distribution networks: A study of technical and non-technical losses. In 2023 2nd International Engineering Conference on Electrical, Energy, and Artificial Intelligence (EICEEAI) (pp. 1–7). IEEE. https://doi.org/10.1109/EICEEAI60672.2023.10590536
26. SATEC. (n.d.). PM180 power quality analyzer. https://www.satec-global.com.ua/kontroleri-priednannya/pm180/
27. Tehrani, S. O., Shahrestani, A., & Yaghmaee, M. H. (2022). Online electricity theft detection framework for large-scale smart grid data. Electric Power Systems Research, 208.
28. Lepolesa, L. J., Achari, S., & Cheng, L. (2022). Electricity theft detection in smart grids based on deep neural network. IEEE Access, 10, 39638–39655.
29. Zafar, M. H., et al. (2023). Step towards secure and reliable smart grids in Industry 5.0: A federated learning assisted hybrid deep learning model for electricity theft detection using smart meters. Energy Reports, 10, 3001–3019.
30. Cabinet of Ministers of Ukraine. (2022, October 14). Pro skhvalennia Kontseptsii vprovadzhennia "rozumnykh merezh" v Ukraini do 2035 roku (Order No. 908-r). https://zakon.rada.gov.ua/laws/show/908-2022-%D1%80
31. National Energy and Utilities Regulatory Commission. (2018, June 12). Pro zatverdzhennia Poriadku zabezpechennia standartiv yakosti elektropostachannia ta nadannia kompensatsii spozhyvacham za yikh nedotrymannia (Resolution No. 375). https://zakon.rada.gov.ua/laws/show/v0375874-18
32. Artemenko, M. Yu., Kutafin, Yu. V., Mykhalskyi, V. M., Chopyk, V. V., Shapoval, I. A., & Polishchuk, S. Y. (2022). Measuring of inactive powers in three-phase power supply system. In 2022 IEEE 4th International Conference on Modern Electrical and Energy Systems (MEES). IEEE. https://doi.org/10.1109/MEES58014.2022.10005681
33. Whittle, P. (1951). Hypothesis testing in time series analysis. Almqvist & Wiksell.
34. Whittle, P. (1963). Prediction and regulation. English Universities Press.
35. Box, G. E. P., Jenkins, G. M., & Reinsel, G. C. (1994). Time series analysis: Forecasting and control (3rd ed.). Prentice Hall.
36. Brockwell, P. J., & Davis, R. A. (2009). Time series: Theory and methods (2nd ed.). Springer.
37. Montgomery, D. C., Jennings, C. L., & Kulahci, M. (2015). Introduction to time series analysis and forecasting. John Wiley & Sons.
38. Osypenko, V., & Kaplun, V. (2023). Quasi-Markov models of point-interval forecasting in energy efficiency management energy islands. In 2023 IEEE 18th International Conference on Computer Science and Information Technologies (CSIT). IEEE.
39. Xi, G., Yang, X., & Xi, M. (2021). A method of value measurement based on probability theory in economics. https://assets.researchsquare.com/files/rs-64242/v2_covered.pdf
40. Armstrong, J. S. (2001). Evaluating forecasting methods. In J. S. Armstrong (Ed.), Principles of forecasting: A handbook for researchers and practitioners (pp. 443–472). Kluwer Academic Publishers.
41. Petkova-Georgieva, S. (2020). Methods of comparison of economic risk management assessment. https://www.researchgate.net/publication/339662223_METHODS_OF_COMPARISON_OF_ECONOMIC_RISK_MANAGEMENT_ASSESSMENT
42. Ivakhnenko, G., & Osypenko, V. (1982). Algorithm for inverse transformation of probabilistic characteristics into a deterministic prediction. SAC, 15(2), 5–14.
43. Osypenko, V., & Kaplun, V. (2022). Inverse conversion of transition matrices method for polygeneration microgrid dynamic electricity cost prediction. In Proceedings of the International Workshop on Inductive Modeling (IWIM 2022) (pp. 568–572).
44. Ivakhnenko, A. G. (1970). Heuristic self-organization in problems of automatic control. Automatica, 6(3), 207–219.
45. Zaychenko, Y., Bodyanskiy, Y., Tyshchenko, O., et al. (2018). Hybrid GMDH-neuro-fuzzy system and its training scheme. Information Theory and Applications, 25(1), 16–33.
46. Grant, R. E. (2020). PowerAPI: A standardized interface to power/energy monitoring and control. https://www.osti.gov/servlets/purl/1798421
47. • Hackenberg, D., Ilsche, T., Schuchart, J., Schöne, R., Nagel, W. E., Simon, M., & Georgiou, Y. (2014). HDEEM: High definition energy efficiency monitoring. In 2014 Energy Efficient Supercomputing Workshop (pp. 1–10). IEEE.
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Енергетика і автоматика
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution-NonCommercial 4.0 International License.
Усі матеріали поширюються на умовах ліцензії Creative Commons Attribution 4.0 International Public License, що дозволяє іншим розповсюджувати рукопис із визнанням авторства роботи та першої публікації в цьому журналі.
