logo TZB-info

estav.tv nový videoportál

Algoritmus pro výpočet množství ztracené energie v energetické síti ve Švýcarsku

Švýcarsko patří k nejdůležitějším evropským energetickým uzlům. Švýcarská rozvodná společnost Swissgrid musí zajistit nejen bezproblémový chod švýcarské sítě, ale i přepravu energie mezi ostatními státy. Tak velké množství energie nutně potřebuje co nejpřesnější předpovědi o ztrátách, na jejichž základě se obchod uskutečňuje.

Švýcarská čokoláda a hodinky jsou pojmy, které tuto zemi proslavily po celém světě. V rámci Evropy však má výjimečné postavení i z jiného důvodu. Díky své zeměpisné poloze patří Švýcarsko k nejdůležitějším evropským energetickým uzlům. Na jeho území se totiž s tuzemskou sítí setkávají rozvodné sítě Německa, Francie, Itálie a Rakouska, a zhruba 5 % energie, která v Evropě proudí přes hranice, tak projde přes švýcarské území. Švýcarská rozvodná společnost Swissgrid proto musí zajistit nejen bezproblémový chod samotné švýcarské rozvodné sítě, ale i přepravu energie mezi ostatními státy.

To ovšem neznamená pouze se starat o dráty vysokého napětí a občas vyměnit nějaký ten transformátor. Při vedení elektřiny vždy dochází ke ztrátám, které jsou ovlivněny celou řadou různých faktorů – například počasím či množstvím přepravované elektřiny. Ve švýcarské síti se tak pouhým vedením ztratí přibližně 1,6 % elektrické energie. Aby však byla zajištěna stabilita jednotlivých sítí, je třeba tyto ztráty kompenzovat. V důsledku toho musí Swissgrid na energetickém trhu nakupovat takové množství energie, které by ztráty pokrylo. To má ale háček, protože se elektřina nakupuje s až šestnáctihodinovým předstihem. Vzhledem k tomu, o jaké množství energie jde, je proto nutné mít k dispozici co nejpřesnější předpovědi o ztrátách, na jejichž základě se obchod uskutečňuje.

Algoritmus s principem neuronových sítí

Díky novému předpovědnímu softwarovému nástroji, který vytvořili vývojáři společnosti Siemens, lze tyto ztráty nyní odhadnout s chybou pouhých 10 %. Algoritmus je založen na principu neuronových sítí, které se vyznačují možností paralelního zpracování velkého množství dat a zejména schopností učit se. K odhadu množství ztracené energie algoritmus využívá jak data z dřívějška, tak aktuální informace o předpokládané produkci energie, stavu přečerpávacích elektráren či předpověď počasí. Přesný odhad ztrát přináší nejen větší jistotu stability sítě, ale i nemalé úspory za nadbytečně zakoupenou energii.

Připojte se k nám na Facebooku: www.facebook.com/SiemensCZ


Velín švýcarské rozvodné společnosti Swissgrid vypadá trochu jako z filmu. Nejmodernější technika je zde ovšem na místě - právě odsud je totiž spravován tok energie mezi Německem, Francií, Itálií, Rakouskem a Švýcarskem. Copyright: swissgrid ag

Princip činnosti neuronových sítí přímo vychází z uspořádání nervových buněk v mozku. Výsledkem je vysoká rychlost zpracování dat a zejména schopnost učit se. Právě díky ní mají neuronové sítě velmi široké uplatnění, od předpovídání počasí či vývoje burzy, až po filtrování spamu.



Ve výzkumných laboratořích společnosti Siemens celosvětově pracuje 29.500 zaměstnanců, kteří pracují na nových řešeních pro oblast energetiky, průmyslu a zdravotnictví. Celkové investice v této oblasti dosáhly v obchodním roce 2010/2011 přibližně 4 miliardy eur. Výsledkem je 8900 nových vynálezů (tedy 41 každý pracovní den). Počet aktivních patentů činí více než 50.000, což koncernu Siemens v roce 2011 přineslo pozici evropské patentové jedničky. V průběhu aktuálního obchodního roku má vedení koncernu navíc v plánu investovat do výzkumu a vývoje o další půl miliardu eur navíc. Více informací o výzkumu a vývoji naleznete na http://www.siemens.cz/inovace.


Siemens, s.r.o.
logo Siemens, s.r.o.

Systémy automatizovaného řízení budov, systémy řízení energetických systémů, systémy řízení kotelen a předávacích stanic CZT. Přístroje pro měřicí a regulační techniku, integrované systémy budov, konzultace, projekty, software, dodávky na klíč, projekty ...

 
 

Reklama


© Copyright Topinfo s.r.o. 2001-2024, všechna práva vyhrazena.