Комплекс моделей енергоспоживання регіонами України




Сторінка4/19
Дата конвертації31.10.2017
Розмір1,76 Mb.
1   2   3   4   5   6   7   8   9   ...   19

В результаті проведення моделювання можна отримати необхідне для виявлення особливо енергозатратних регіонів, що потребують втручання держави у разі не спроможності самостійно подолати зайві витрати ресурсів, або власноруч, через заміну обладнання та впровадження інновацій.

В результаті виникнення необхідності розробляти оптимальний баланс підприємства або енергосистеми, тобто планувати витрати кожного виду палива в певний проміжок часу з метою здобуття необхідного навантаження з мінімальними витратами в умовах швидких змін технологічної, економічної і інших ситуацій. полягає в тому, що теоретичні узагальнення, основні положення і виводи дисертаційного дослідження можуть бути використані в діяльності органів законодавчої і виконавчої влади України, а саме: при розробці концепції розвитку паливно-енергетичного комплексу країни, розвитку її нафто- та газотранспортної системи і проведенні зовнішньоекономічної політики України, спрямованої на посилення її енергетичної безпеки.

аргументовано вести політику відносно вибору і реалізації оптимального плану з метою забезпечення зниження додаткових витрат, що виникли від вжитку додаткових одиниць енергоресурсів;

понизити витрати на виробництво продукції і як наслідок зменшити ціну собівартості і продажу, тобто стати привабливішим для потенційних замовників.

Побудова моделей для отримання у висновку аналітичних значень, дає можливість дізнатися про роботу підприємств та ЖКГ, що представляють основні енергоємні регіони України.

В даному випадку оптимізація є завершальною об’єднуючою ланкою, яка включає в себе як структуру так і отримані дані кластеризації.

В результаті проведення моделювання отримані дані можна використовувати для оперативного і тактичного управління споживання енергоресурсів, що дозволяють підвищити ефективність їх виробництва і розподілу і, як наслідок, стримувати зростання цін, добиватися відносного зниження тарифів.

В результаті проведення моделювання шляхом дискримінантного аналізу та кластерного розбиття на групи, можно проаналізувати стан регіонів вцілому та кожного окремо.Кластерізація дозволить будучому користувачу моделей(інвестору або державному службовцю) визначити доцільність співпраці з регіональніми представниками та масштаб виконання необхідних дій. А налізуючи на прикладі Харківської області енергоспоживання на душу населення можно розробити комплекс заходів відносно його оптимізації, тоб то більш ефективного використання таких енергоресурсів як вугілля, газ, нафта та електроенергія.

Дані оцінки дозволяють, хоча і в першому наближенні, виявити ступінь гостроти економічних та екологічних проблем територій регіону і виділити їх у типологічні групи.
2.2 Застосування методів багатовимірного статистичного аналізу в моделюванні енергоспоживання
Одним з найбільш дієвих інструментів аналізу є кластерний аналіз. Його основне достоїнство полягає в тому, що він дозволяє об'єднувати об'єкти в однорідні за кількома показниками групи (кластери). Алгоритм його застосування складається з наступних кроків:

формування матриці «об'єкт - ознака», де в якості об'єктів можуть виступати регіони, міста і т.д., а ознаками є значимі характеристики пов'язані з енергоспоживанню;

вибір заходи схожості або міри відстані, на основі якої буде будуватися класифікація;

визначення зв'язку між об'єктами на основі побудови матриці схожості або відстаней, симетричної вихідної матриці;

виявлення груп та інтерпретація отриманих результатів.

При визначенні пріоритетних напрямків комплексного енергоспоживання регіону кластерний аналіз може використовуватися в кількох аспектах. Перша область застосування - це виявлення проблем, формування переліку регіонів з високими показниками споживання ресурсів, наявності великих родовищ, заводів, які визначають загальні витрати енергоресурсів. Другим аспектом аналізу є оцінка потенціалу та відбір регіонів, які можуть стати «локомотивами» споживання, на основі вивчення розподілу ресурсів, виробничих потужностей і т.д.

Для таких об'єктів в подальшому можуть створюватися інвестиційні проекти розвитку, що фінансуються повністю або частково за рахунок бюджетних коштів. Крім того, проведення кластерного аналізу за одним і тим же об'єктам і показниками за даними різних часових зрізів дає уявлення про динаміку розвитку регіонів, їх рух щодо сформованих груп, що надає вихідну інформацію для прогнозування.

Використання кластерного аналізу не вичерпується узагальненням великих масивів кількісних даних. Він також застосовується для зіставлення об'єктів за якісними характеристиками. У стратегічному управлінні методики багатовимірних угруповань можуть використовуватися для агрегування експертних оцінок поточного або прогнозованого рівня розвитку об'єктів та їх підсистем.

Об'єднання або метод деревовидної кластеризації використовується при формуванні кластерів несхожості або відстані між об'єктами. Ці відстані можуть визначатися в одновимірному або багатовимірному просторі. Наприклад, якщо ви повинні кластеризувати типи їжі в кафе, то можете взяти до уваги кількість калорій, що містяться в ній, ціну, суб'єктивну оцінку смаку і так далі. Найбільш прямий шлях обчислення відстаней між об'єктами в багатовимірному просторі полягає в обчисленні відстаней Евкліда.

На першому кроці, коли кожен об'єкт є окремим кластером, відстані між цими об'єктами визначаються вибраною мірою. Проте коли зв'язуються разом декілька об'єктів слід визначити відстані між кластерами.

Іншими словами, потрібне правило об'єднання або зв'язку для двох кластерів. Тут є різні можливості: наприклад, ви можете зв'язати два кластери разом, коли будь-які два об'єкти в двох кластерах ближче один до одного, ніж відповідна відстань зв'язку. Іншими словами, ви використовуєте "правило найближчого сусіда" для визначення відстані між кластерами; цей метод називається методом поодинокого зв'язку. Це правило будує "волокнисті" кластери, тобто кластери, "зчеплені разом" тільки окремими елементами, що випадково виявилися ближче за інших один до одного. Як альтернативу ви можете використовувати сусідів в кластерах, які знаходяться далі за усі інші пари об'єктів один від одного. Цей метод називається метод повного зв'язку. Існує також безліч інших методів об'єднання кластерів, подібних тим, що були досліджені.

Метод кластеризації к –середніх істотно відрізняється від таких агломеративных методів, як об'єднання (деревовидна кластеризація) і двувходове об'єднання. Припустимо, ви вже маєте гіпотези відносно числа кластерів (за спостереженнями або по змінних). Ви можете вказати системі утворити рівно три кластери так, щоб вони були настільки різні, наскільки це можливо. Це саме той тип завдань, які вирішує алгоритм методу K середніх. У загальному випадку метод K середніх будує рівно K різних кластерів, розташованих на можливо великих відстанях один від іншого.

З обчислювальної точки зору ви можете розглядати цей метод, як дисперсійний аналіз "навпаки". Програма починає з K випадково вибраних кластерів, а потім змінює приналежність об'єктів до них, щоб мінімізувати мінливість усередині кластерів, і максимізувати мінливість між кластерами. Цей спосіб аналогічний методу "дисперсійний аналіз (ANOVA) навпаки" в тому сенсі, що критерій значущості в дисперсійному аналізі порівнює міжгрупову мінливість з внутрішньогрупової при перевірці гіпотези про те, що середні в групах відрізняються один від одного. У кластеризації методом K середніх програма переміщає об'єкти (тобто спостереження) з одних груп (кластерів) в інші для того, щоб отримати найбільш значущий результат при проведенні дисперсійного аналізу.

Зазвичай, коли результати кластерного аналізу методом K середніх отримані, можна розрахувати середні для кожного кластера по кожному виміру, щоб оцінити, наскільки кластери розрізняються один від одного. У ідеалі ви повинні отримати середні, що сильно розрізняються, для більшості, якщо не для усіх вимірів, використовуваних в аналізі. Значення F -статистики, отримані для кожного виміру, є іншим індикатором того, наскільки добре відповідний вимір дискримінує кластери.

Функціонування енергетики в Україні відбувається у специфічних умовах ринкової моделі розвитку економіки. Тому застосування сучасного математичного апарату, що дозволяє визначати стан енергетичного комплексу за ступенем кризи, є необхідною ланкою в досягненні сталого розвитку як регіону, так і держави в цілому. Фактори, що впливають на стан енергетіческогот комплексу, достатньо тісно пов'язані між собою. Дослідження показують, що підхід до визначення факторів, що впливають передбачає поетапне перетворення матриці вихідних даних з результатом стиснення інформації. Це дозволяє виявити найбільш значимі властивості, що впливають на стан енергетичного комплексу в умовах використання мінімуму вихідної інформації. Надмірно великий обсяг інформації може призвести до того, що ступінь показності вибірки виявиться обернено пропорційній розмірності простору факторів, що, в кінцевому рахунку, може не тільки не поліпшити, а й навіть погіршити якість бажаного результату. Основною метою побудови моделі є підвищення адекватності оцінки стану енергетичного комплексу, що дозволяє встановити ступінь кризи в регіоні.

Для оцінки стану енергетичного комплексу регіону в якості основного методу застосований дискримінантний аналіз.

Спочатку за допомогою експертизи визначається ряд регіонів-зразків, що характеризують нормальний рівень функціонування енергетичного комплексу. До регіонів - зразків відносимо ті регіони, у яких найбільша узгодженість думок експертів (узгодженість думок оцінюємо за допомогою коефіцієнта конкордації). За даними регіонів, у яких найбільша узгодженість думок експертів, здійснюється формування двох матриць. За допомогою дискримінантного аналізу виробляємо класифікацію залишилися районів на дві групи: нормальну і анормальну. Регіони, які потрапили в анормальну групу, знову даємо на експертизу, за результатами якої поділяємо їх на дві групи: регіони з кризовою і з передкризової ситуацією.

За допомогою дискримінантного аналізу виробляємо класифікацію залишилися регіонів на дві групи з передкризової і кризовою ситуацією.



Перш ніж приступити до розгляду алгоритму аналізу дискримінанта, звернемося до його геометричної інтерпретації. На рис. 2.1. зображені об'єкти, що належать двом різній множини М1 і М2.

Рис. 2.1. Геометрична інтерпретація дискримінантних функцій та дискримінантних змінних


Адаптований алгоритм розрахунку коефіцієнтів дискримінантної функції представленої у третьому розділі дозволить поетапно стежити за виконанням розрахунків.

Кожен об'єкт характеризується в даному випадку двома змінними і . Якщо розглядати проекції об'єктів (точок) на кожну вісь, то ці множини перетинаються, тобто по кожній змінній окремо деякі об'єкти обох великих кількостей мають схожі характеристики. Щоб якнайкраще розділити дві дані множини, треба побудувати відповідну лінійну комбінацію змінних і . Для двовимірного простору це завдання зводиться до визначення нової системи координат. Причому нові осі L і З мають бути розташовані так, щоб проекції об'єктів, що належать різним множинам на вісь L, були максимально розділені. Вісь С перпендикулярна осі L і розділяє дві "хмари" точок якнайкраще, Тобто щоб множини виявилися по різні сторони від цієї прямої. При цьому вірогідність помилки класифікації має бути мінімальною. Сформульовані умови мають бути враховані при визначенні коефіцієнтів і наступною:


F(x) = +
Функція F(x) називається канонічною функцією дискримінанта, а величини і - змінними дискримінантів.

Позначимо - середнє значення j -ої ознаки у об'єктів i -ої великої кількості (класу). Тоді для множини М1 середнє значення функції буде рівне:


(x) = +;
Для множини М2 середнє значення функції рівне:
(x) = +;
Геометрична інтерпретація цих функцій - дві паралельні прямі, що проходять через центри класів як на рис.2.2.

Рис. 2.2. Центри великих кількостей, що розділяються, і константа дискримінації

1   2   3   4   5   6   7   8   9   ...   19


База даних захищена авторським правом ©uchika.in.ua 2016
звернутися до адміністрації

    Головна сторінка