Как прогноз тепловой нагрузки помогает снижать расход топлива: разбор вебинара
На вебинаре разобрали два практических направления: прогноз отпуска тепловой энергии для источников теплоснабжения и прогноз потребления тепловой энергии для потребителей. Показали работу сервисов на платформе, обсудили исходные данные, влияние погоды, экономику режимов, работу с несколькими источниками и возможности комплексной оптимизации.
О чём вебинар
Время: 01:03–02:38
Вебинар посвящён практическому применению прогнозирования в теплоснабжении. В центре внимания — два направления: прогноз отпуска тепловой энергии и прогноз потребления тепловой энергии. Задача — показать не только работу сервисов на платформе ЭнергоАналитики, но и то, как прогнозные данные могут использоваться при планировании режимов и оценке экономического эффекта.
Первая часть посвящена прогнозу отпуска тепловой энергии: демонстрации сервиса, исходным данным, получению прогноза и разбору экономического кейса. Далее рассматривается практический опыт применения прогнозов отпуска и потребления тепла и более комплексные задачи оптимизации. Во второй части показан прогноз потребления тепловой энергии и пример его использования для потребителя.
Прогноз отпуска тепловой энергии: какую задачу решает сервис
Время: 02:39–04:24
Прогноз отпуска тепловой энергии нужен прежде всего там, где необходимо заранее понимать ожидаемую тепловую нагрузку источника. В практике эксплуатации и производственно-технических подразделений это связано, в частности, с планированием режима работы станции на следующие сутки.
Одна из задач — планирование минимальной электрической нагрузки по часам следующих суток с учётом теплового минимума станции. Поскольку тепловой минимум связан с ожидаемым отпуском тепловой энергии, ошибка в оценке тепловой нагрузки влияет и на последующее режимное планирование. Идея сервиса состоит в том, чтобы часть этой работы выполнять на основе прогнозной модели, а не только экспертной оценки специалиста.
Как настроить объект на платформе
Время: 04:25–06:14
Для работы с сервисом на платформе ЭнергоАналитика необходимо зарегистрироваться, добавить объект и указать его координаты. Географическое положение используется для получения метеорологических факторов в конкретной точке: температуры наружного воздуха, ветра, осадков, параметров восхода и захода солнца и других погодных данных, которые могут влиять на прогноз.
После сохранения объекта пользователь переходит в раздел сервисов и выбирает прогноз отпуска тепловой энергии. На странице сервиса размещены описание, ожидаемые эффекты, информация о назначении и ответы на частые вопросы.
Какие исторические данные нужны для обучения модели
Время: 06:14–08:24
Для создания модели загружаются исторические данные объекта по шаблону. Минимально рекомендуется использовать данные за последний год, а при наличии — за более длительный период, например за три года. В демонстрационном шаблоне используются тепловая нагрузка, расход прямой и обратной сетевой воды, температура прямой и обратной сетевой воды.
Шаблон на платформе является обобщённым. У конкретной ТЭЦ или котельной могут быть дополнительные факторы и особенности режима, которые невозможно одинаково учесть для всех объектов. Поэтому для более точного и персонализированного прогноза модель может дорабатываться под конкретный объект: с дополнительным набором факторов, автоматизированным сбором данных, факторным анализом и последующим тестированием.
Как формируется прогноз на 48 часов
Время: 08:30–10:00
После обучения модели для получения прогноза на следующие 48 часов загружаются актуальные данные за последние 72 часа. Результат формируется по часам и отображается как в графическом, так и в табличном виде. Данные можно использовать для дальнейшей работы и выгружать в Excel.
На следующий день пользователь обновляет входные данные за последние 72 часа и получает новый прогноз. Если в профиле несколько объектов, прогнозные модели формируются для соответствующих объектов отдельно.
Экономический смысл более точного прогноза отпуска тепла
Время: 10:00–19:16
При суточном планировании специалист получает заданный диспетчерский температурный график и работает в допустимом диапазоне отклонений. В приведённом примере рассматривается график 76/48 °C. При этом фактическая температура обратной сетевой воды и расход сетевой воды в течение суток меняются, поэтому заранее точно предугадать тепловую нагрузку только экспертным способом сложно.
В качестве одного из практических подходов Александр описывает режим, при котором в ночные часы, когда цены рынка на сутки вперёд могут быть низкими, станция стремится работать ближе к минимальной тепловой нагрузке, а в дневные часы режим может быть иным. При этом конкретная стратегия зависит от объекта, рыночной ситуации и принятой практики управления.
Ошибка прогноза тепловой нагрузки может привести к перегреву или недогреву сетевой воды и потребовать корректировки режима. Изменение минимальной нагрузки также не является мгновенным: решение приходится принимать с учётом того, что к моменту его реализации фактическая ситуация уже может измениться.
В демонстрационном расчёте точность прогноза задана вариативно — около ±3%. При этом спикер отдельно отмечает, что на реальных объектах в отдельных задачах достигались меньшие ошибки — порядка 1,5% и 1,2%. Эти значения относятся к упомянутым в вебинаре конкретным примерам и не являются универсальной гарантией точности для любого объекта.
Более точный прогноз позволяет точнее планировать режим и снижать потери, связанные с неоптимальной загрузкой оборудования и дополнительной конденсационной выработкой. Размер эффекта зависит от конкретного объекта, состава оборудования, стоимости топлива, рыночных условий и качества исходных данных.
Можно ли сначала проверить сервис на своём объекте?
Вопрос: 19:17–20:40
Да. На платформе предусмотрен тестовый период. Пользователь может зарегистрироваться, посмотреть требования к исходным данным, активировать тестовый режим, загрузить свои данные, построить модель и получить прогноз.
При этом недели обычно недостаточно для полноценной оценки качества модели на реальном объекте: чтобы увидеть её поведение в разных условиях и сравнить прогноз с фактом, может потребоваться более длительное тестирование. По конкретному проекту можно отдельно обсудить продление тестового периода либо подготовку технического задания на персонализированную доработку модели.
Откуда модель получает погодные данные и что является результатом прогноза?
Вопрос: 20:47–24:50
Внешние метеорологические данные берутся из открытых источников. В ходе вебинара в качестве используемого источника назван Open-Meteo. Для обучения необходима и ретроспектива погодных данных: без неё невозможно корректно выявить зависимость между погодой и историческим отпуском тепла.
Результат сервиса — почасовой прогноз отпуска тепловой энергии от конкретного объекта. Смысл более точного прогноза в том, что он даёт более качественную исходную величину для режимного планирования. Сам по себе прогноз не отменяет инженерных и экономических ограничений: их необходимо учитывать при принятии решения.
Как работать, если несколько станций или котельных имеют разную экономику и ограничения?
Вопрос: 24:51–27:05
Отпуск тепловой энергии рекомендуется прогнозировать отдельно по каждому источнику. Суммарный прогноз для нескольких разных объектов может снижать точность, даже если они работают в рамках одного теплового узла.
Публичная версия сервиса показывает обобщённый сценарий. Для сложного объекта возможна более глубокая реализация: автоматизированный сбор данных, полноценный факторный анализ, учёт технических ограничений, обучение и тестирование модели на объекте, а затем её дальнейшее улучшение на основе сравнения прогноза с фактом.
В ходе обсуждения отдельно подчёркивается: для сложной системы одной точности прогноза недостаточно. Экономический результат появляется тогда, когда прогноз становится входом в более широкую задачу режимной и экономической оптимизации.
Где возникает экономический эффект и кому нужен прогноз?
Вопрос: 27:06–30:18
Участники обращают внимание, что на крупной станции небольшая суточная экономия может потеряться на фоне других режимных факторов. Поэтому важно рассматривать не только точность прогноза, но и его место в общей системе планирования.
Сервис при этом ориентирован не только на генерацию. Потенциальными пользователями являются и теплоснабжающие организации, для которых прогноз может решать собственные задачи планирования. То есть одна и та же прогнозная технология рассматривается с разных сторон рынка — в зависимости от роли организации.
Как модель реагирует на резкое изменение погоды?
Вопрос: 30:22–31:47
Погодные условия — один из ключевых факторов модели. Каждая модель адаптируется к конкретному объекту и региону. Если фактическая погода близка к прогнозной, модель получает корректный внешний фактор. Если прогноз погоды существенно ошибся — например, вместо ожидаемых −2 °C фактически стало −15 °C, — это неизбежно ухудшит точность прогноза тепловой нагрузки.
Практический кейс: единый тепловой узел и несколько источников
Время: 31:48–39:30
Во второй части обсуждения Иван переходит от отдельного прогноза к более комплексной инженерной задаче. Команда имеет опыт работ, связанных с технико-экономическими показателями энергообъектов, нормативно-технической документацией по топливоиспользованию, испытаниями тепломеханического и теплоэнергетического оборудования, схемами теплоснабжения и созданием цифровых двойников.
Рассматриваемый кейс — единый тепловой узел, в котором несколько энергетических объектов, включая электростанции и котельную, работают на общую систему. Задача состояла в том, чтобы определить, какой объём тепла должен вырабатывать каждый источник, чтобы система работала экономично и при этом соблюдались необходимые технические ограничения.
В исходной практике каждый источник нередко рассматривается как самостоятельная сущность. Режимы могут поддерживаться по исторически сложившемуся принципу — «мы всегда так работали» — либо объясняться требованиями надёжности. Более детальный инженерный анализ иногда показывает, что гидравлические возможности сети позволяют изменить режим без снижения надёжности.
В единой цифровой модели были объединены источники и гидравлика сети. Входными факторами стали гидравлические режимы, технологические ограничения объектов и сетей, рыночные условия работы электростанций на оптовом рынке электроэнергии и мощности, а также экономика объектов — стоимость отпускаемой продукции и топлива.
Результатом становится оптимальная загрузка электростанций и котельных, а также распределение нагрузки внутри объектов по основному теплоэнергетическому оборудованию. Целевая функция в рассматриваемой задаче была связана с максимизацией маржинальной прибыли. Модель учитывала взаимосвязь тепловой и электрической энергии и одновременно оптимизировала соответствующие нагрузки.
От прогноза к режимному решению
Время: 39:31–41:45
Результат оптимизационной задачи — режимное решение для каждой станции: объём тепла, режим работы оборудования и ожидаемый финансовый результат. Такой инструмент не заменяет оперативного специалиста, а выступает как инструмент поддержки принятия решений.
Горизонт планирования может охватывать следующие сутки или более длительный период, однако качество решения зависит от качества внешних прогнозных данных — прежде всего температуры наружного воздуха и рыночных показателей.
В презентации был показан ориентир «до 10%» по экономическому эффекту. Спикер специально уточняет: это максимально достигавшийся уровень в рассматривавшихся кейсах, а не обещание для любого объекта. Для эффектов, за которые команда готова отвечать в обсуждаемом контексте, в выступлении обозначен диапазон от 1% до примерно 5–6%. Конкретный результат зависит от исходного состояния объекта, качества планирования и ведения режима, точности прогнозных данных, состава и загрузки оборудования.
Снижение расхода топлива имеет и экологический эффект: при прочих равных уменьшение топливопотребления связано со снижением соответствующих выбросов. В вебинаре этот аспект рассматривается как дополнительное направление эффекта от оптимизации.
Прогноз потребления тепловой энергии: взгляд со стороны потребителя
Время: 41:46–44:44
Далее задача рассматривается с другой стороны — со стороны потребления. Теплоснабжающей организации необходимо понимать, сколько тепловой энергии потребуется в ближайшие сутки и какой объём будет закуплен или отпущен.
Наличие приборов учёта не отменяет задачу прогнозирования: прибор показывает фактическое потребление, тогда как операционное планирование требует заранее оценить будущую нагрузку. Это важно и для работы с потребителями, и для управления затратами, и для оценки тарифных последствий.
Стратегический горизонт задают, в частности, схемы теплоснабжения: в них рассматриваются перспективные балансы тепловой энергии, подключение потребителей, развитие и вывод источников. Прогнозный сервис решает другую задачу — операционную: оценить потребность в ближайшие сутки или на небольшой горизонт и использовать прогноз в текущем планировании.
Почему нормативных и исторических срезов может быть недостаточно
Время: 44:45–47:29
На практике планирование часто строится на нормативных показателях, исторических данных и типовых режимных срезах. Например, для определённых диапазонов наружной температуры заранее фиксируют состав оборудования, тепловую и электрическую нагрузку и показатели эффективности, а затем используют эти режимы при планировании.
По словам спикера, в отдельных рассмотренных проектах расхождение между планом и фактом доходило до 20%. Это не универсальная характеристика отрасли: величина различается от объекта к объекту и зависит от качества существующего планирования.
Машинное обучение позволяет выявлять зависимости, которые не всегда отражаются нормативными или типовыми режимными таблицами. Базой служат исторические данные, а важным внешним фактором остаётся погода, привязанная к географическому положению объекта.
Персонализация моделей и дополнительные факторы
Время: 47:30–50:16
Прогнозные сервисы могут индивидуально дорабатываться под требования заказчика. В модель можно включать сезонность, выходные и праздничные дни, региональные особенности календаря, режимы турбинного оборудования, работу водогрейных котлов и другие факторы, если они действительно влияют на целевую величину и доступны в данных.
Ещё одно преимущество — регулярное переобучение. После получения фактических данных за прошедшие сутки модель может обновляться, а следующий прогноз строится уже с учётом новой информации.
Отдельно в вебинаре упоминается направление развития сервисов: передача исходных данных и получение результата через Telegram-бота или электронную почту. Идея состоит в том, чтобы упростить регулярное использование прогноза без необходимости каждый раз вручную проходить весь сценарий на платформе.
Прогноз можно строить и на более длинный горизонт — например, 7 или 30 суток, — но по мере приближения целевой даты его необходимо пересчитывать с учётом свежих фактических и погодных данных. Долгосрочная оценка не должна подменять актуальный операционный прогноз.
Какая выгода для разных участников
Время: 50:17–51:40
Для генерирующей стороны основная логика эффекта — более качественное планирование отпуска тепла, распределение нагрузки между оборудованием и снижение топливных затрат и неэффективной конденсационной выработки там, где это позволяют режимные и рыночные условия.
Для потребителя или организации, закупающей тепло, эффект может быть связан со снижением избыточного потребления и платы за покупную тепловую энергию. Температурный график остаётся базовым ориентиром, а прогноз повышает точность операционного планирования.
Как правильно интерпретировать графики «прогноз человека» и «прогноз модели»?
Вопрос: 51:41–55:29
Участник возвращается к демонстрационным графикам и уточняет, не усложняет ли более детальный прогноз работу ПТО: если вместо нескольких типовых режимов появляется почасовой прогноз, не придётся ли рассчитывать значительно больше режимных точек.
В ходе обсуждения уточняется, что график был интерпретирован неверно. Один из графиков показывает фактическую температуру прямой сетевой воды относительно планируемой нагрузки, а не набор дополнительных режимов, которые ПТО должен вручную рассчитывать. Смысл прогноза — дать более точную исходную оценку тепловой нагрузки, а не механически увеличить объём ручной работы.
Всегда ли выгодно снижать тепловую нагрузку, если компания зарабатывает на продаже тепла и электроэнергии?
Вопрос: 55:30–58:24
Участники справедливо отмечают, что минимизация расхода топлива сама по себе не всегда является единственной экономической целью. В отдельные часы может быть выгодно работать с более высокой тепловой нагрузкой, если это связано с дополнительной реализацией тепла или более выгодной выработкой электроэнергии.
Поэтому оптимальный режим необходимо выбирать с учётом конкретной экономики источника и рыночной ситуации. Для ТЭЦ существенным фактором могут быть цены рынка на сутки вперёд. В периоды низких или нулевых цен дополнительная выработка электроэнергии может быть экономически нецелесообразна, тогда как при благоприятной цене оптимальное решение может быть другим.
В дискуссии также поднимается вопрос тепловой инерции системы: возможности заранее «закачать» тепло в систему, изменения температуры обратной воды и выбора времени, когда повышение или снижение нагрузки экономически оправдано.
Дополнительные прогнозы, которые можно использовать в общей задаче
Время: 58:25–62:02
Обсуждение выходит за рамки двух базовых сервисов. На платформе ЭнергоАналитики представлен отдельный сервис прогноза цен РСВ, который может использоваться в более широкой задаче планирования режимов с учётом рыночной ситуации. Отдельно в ходе вебинара обсуждается перспективная задача прогнозирования показателей балансирующего рынка.
Иван дополняет, что отдельными прогнозируемыми величинами могут быть температура прямой и обратной сетевой воды. При наличии архивных данных и значимых факторов такие прогнозы можно формировать как самостоятельные сущности и затем использовать в общей расчётной схеме.
Ещё одно направление — построение рабочих характеристик оборудования по накопленным цифровым данным. Характеристики отдельных единиц оборудования могут объединяться в общую модель станции или сетевого хозяйства и использоваться для расчёта и оптимизации режимов. Этой теме планируется посвятить отдельный вебинар.
Можно ли одновременно учесть цены РСВ, разное оборудование, тепловую сеть и отпуск пара?
Вопрос: 62:03–65:29
Вопрос участника сводится к более широкой задаче: недостаточно получить точный прогноз тепловой нагрузки — необходимо перебрать варианты работы оборудования и выбрать оптимальный режим с учётом рыночных цен, ограничений источников и сети.
Ответ: такие задачи решаются в формате цифрового двойника объекта или системы. В него могут входить несколько прогнозных параметров и расчёт вариантов режима. В вебинаре отдельно упоминаются прогнозы цен РСВ, температуры обратной сетевой воды, отпуска и потребления тепловой энергии.
Отдельный вопрос — прогноз отпуска пара внешнему промышленному потребителю. Здесь задача сложнее, поскольку потребление предприятия может существенно зависеть от производственного плана. Для качественного прогноза потребуются соответствующие внешние данные. Тем не менее такая задача принципиально также может рассматриваться в составе общей модели.
За счёт чего в кейсе получен экономический эффект около 10%?
Вопрос: 65:35–67:15
Участник уточняет, что именно дало высокий эффект: перераспределение нагрузки между источниками или оптимизация режимов оборудования внутри каждого объекта.
Спикер поясняет: в рассматриваемом кейсе учитывался состав работающего оборудования. Оптимизация включала перераспределение нагрузки и возможность отключения оборудования, которое в конкретном режиме работает неэффективно либо не требуется для обеспечения заданного отпуска тепла. То есть расчёт выполнялся не только между отдельными источниками, но и внутри актива с учётом эффективности оборудования.
Прогноз потребления тепловой энергии: демонстрация сервиса
Время: 67:17–70:52
После обсуждения отпуска тепла вебинар переходит к прогнозу потребления. Если прогноз отпуска в первую очередь интересен генератору и теплоснабжающей стороне, прогноз потребления предназначен для потребителей: промышленных предприятий, жилых комплексов, торговых центров и других объектов с теплопотреблением.
Сценарий работы похож на предыдущий сервис: пользователь выбирает объект, загружает исторические данные для обучения модели, затем передаёт актуальные данные за последние 72 часа и получает прогноз. В базовом шаблоне для демонстрации используется фактическое потребление тепловой энергии.
Модель строится на данных конкретного объекта. При индивидуальной реализации в неё могут добавляться дополнительные значимые факторы: температура внутри помещений, отдельные нагрузки на отопление, вентиляцию, горячее водоснабжение и другие доступные показатели.
Результат выводится графически и в таблице. Большинство сервисов ЭнергоАналитики построено по схожей логике, хотя отдельные решения имеют собственный сценарий. В качестве примера другого сервиса в вебинаре упоминается прогноз часов пиковой нагрузки.
Кейс потребителя: регулирование по прогнозу
Время: 70:53–75:50
В демонстрационном примере рассматривается жилой дом. В течение суток потребление и температура внутри помещения меняются. Если отопление работает без учёта ожидаемого потребления, к вечеру помещение может оказаться перегретым: днём на него дополнительно влияют солнечные теплопоступления и другие внутренние факторы.
Прогноз позволяет заранее увидеть периоды, когда теплопотребление можно снизить, сохранив требуемые комфортные условия. Конкретная допустимая температура зависит от требований объекта и пользователей; в демонстрации рассматривается поддержание комфортного диапазона.
Экономика зависит от схемы теплоснабжения. Если объект покупает тепло по прибору учёта, снижение избыточного потребления отражается на плате за тепловую энергию. Если у объекта собственная котельная, эффект выражается прежде всего в снижении расхода топлива.
В вебинаре показаны расчётные примеры для одного дома и масштабирование на жилой комплекс. Эти суммы зависят от введённого тарифа, стоимости топлива, нагрузки и других параметров, поэтому их следует воспринимать именно как демонстрацию методики расчёта, а не как универсальную величину экономии.
Что именно прогнозируется в сервисе ПТЭ и используются ли координаты объекта?
Вопрос: 76:35–77:09
Прогнозируемая величина — потребление тепловой энергии. Историческое потребление используется для обучения, а результатом становится прогноз будущего потребления.
Координаты объекта также участвуют в работе модели: они задаются в профиле объекта на платформе и позволяют привязать прогноз к погодным условиям в соответствующей точке.
Что дальше
Время: 77:10–78:19
В завершение участникам предложено следить за материалами ЭнергоАналитики и следующими вебинарами. Отдельно анонсирована тема, связанная с рабочими характеристиками оборудования — продолжение обсуждения комплексной оптимизации и использования фактических данных энергообъекта.
Проверьте прогноз на данных своего объекта
На платформе ЭнергоАналитики доступны сервисы прогнозирования отпуска и потребления тепловой энергии. Для новых пользователей сервисов, доступных по подписке, предусмотрен бесплатный тестовый период 7 дней — можно познакомиться с работой сервиса, загрузить данные объекта и получить прогноз.
Перейти к сервисам ЭнергоАналитики →
