Кластерный анализ потенциала возобновляемых источников энергии в Республике Саха (Якутия)

Тип работы:
Реферат
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 620. 91
Ощепкова Яна Олеговна
ФГАОУ ВПО «Северо-Восточный федеральный университет им. М.К. Аммосова»
Технический институт (филиал) в г. Нерюнгри Республика Саха (Якутия), Нерюнгри1
Студент
E-Mail: medved2089@mail. ru Киушкина Виолетта Рафиковна
ФГАОУ ВПО «Северо-Восточный федеральный университет им. М.К. Аммосова»
Технический институт (филиал) в г. Нерюнгри Республика Саха (Якутия), Нерюнгри Заведующий кафедрой «Электропривод и автоматизация производственных процессов»
Кандидат технических наук, доцент E-Mail: viola75@mail. ru
Кластерный анализ потенциала возобновляемых источников энергии в Республике Саха (Якутия)
1 ул. Кравченко 16, Нерюнгри 678 960, Россия
Аннотация. Авторами впервые предложена методика исследования потенциала возобновляемых источников энергии на территории Республики Саха (Якутия) на основе проведения кластерного анализа ресурсов возобновляемой энергетики. Данная комплексная оценка потенциала возобновляемых источников энергии связана с изучением расположения в пространстве потенциала возобновляемых ресурсов, выявлением перспективных районов для внедрения автономных систем электроснабжения на базе возобновляемых источников в первую очередь для повышения надежности энергообеспечения локальных энергосистем Якутии. Необходимость в кластеризации обусловлена наличием целого ряда показателей потенциалов, одновременно влияющих на расчет и выбор энергетических установок возобновляемой энергетики. Для этого авторами произведен выбор исходных параметров по потенциалам возобновляемых источников энергии для кластеризации. Кластеризация потенциала возобновляемых источников энергии была произведена с географической привязкой к административно-территориальному делению Якутии для получения предварительных рекомендаций по эффективному их использованию. Многомерная классификация проводилась в два этапа. Первый этап кластеризации включал иерархически -агломеративный метод, второй — итеративный метод «к-средних». На основании полученных составов кластеров авторами созданы модели интеллектуального анализа по возобновляемым ресурсам Республики Саха (Якутии), позволяющие наглядно показать территориальный охват кластеров с высоким, средним и низким значением по перспективным видам потенциалов возобновляемых источников энергии в Якутии. Проведенное исследование предложило новое решение комплексной оценки потенциала, применив метод кластерного анализа. Результаты исследования могут быть применены в рамках разработки рациональной типовой структуры и критериев построения автономных систем электроснабжения на базе возобновляемых источников энергии, а также могут помочь в вопросе улучшения энергетической эффективности в децентрализованных районах Якутии.
Ключевые слова: возобновляемые источники энергии- кластерный анализ возобновляемых ресурсов- состав кластеров- древовидные дендограммы- графики средних- модели интеллектуального анализа потенциалов возобновляемых источников энергии- комплексная оценка потенциала- эффективность производства электроэнергии.
Идентификационный номер статьи в журнале 12ТУЫ414
Республика Саха (Якутия) обладает существенным потенциалом возобновляемых источников энергии (ВИЭ), имеется возможность внедрения целого ряда установок возобновляемой энергетики с использованием энергии ветра, солнца, энергии рек и биоэнергии. Технический потенциал ветровой энергии в Республике Саха (Якутия) оценивается в 237,39 млн. т.у. т, солнечной радиации при производстве электроэнергии 162,9 млн.т.у. т, гидроэнергии в 72,9 млрд. кВт-ч, биомассы отходов в 171,12 тыс. т.у. т/год [12].
При использовании потенциала ВИЭ в Республике Саха (Якутии) можно было бы обеспечить электрической энергией в первую очередь районы с децентрализованными потребителями с плохой топливной базой, недостаточном развитии электрических сетей, низкими показателями надежности энергоизолированных «анклавов», а также повысить эффективность и экологичность производства электрической энергии [2].
Настоящая работа посвящена кластерному анализу потенциала возобновляемых источников энергии в Республике Саха (Якутия). Главное назначение кластерного анализа -разбиение территории Якутии на кластеры с близкими показателями потенциалов ВИЭ, получения средних значений параметров потенциалов ВИЭ для каждого кластера, выявление улусов с высоким, средним, низким потенциалом по различным видам ВИЭ, выявление улусов, входящих одновременно в составы кластеров с высокими значениями различных потенциалов и в дальнейшем перспективных для внедрения комбинированных установок на базе ВИЭ.
Произвести оценку расположения в пространстве потенциала возобновляемых источников энергии можно применив одну из областей математической статистики -кластерный анализ. Для многомерной классификации исходных параметров потенциала ВИЭ выбрана программа statistica. Из-за наличия неоднородности единиц измерения производилось нормирование параметров потенциалов. Многомерная классификация показателей по потенциалу ВИЭ была произведена с географической привязкой к административно-территориальному делению Якутии для получения предварительных рекомендаций по эффективному их использованию. Для первоначального анализа наличия кластеров по перспективным видам потенциалов в Якутии (потенциал энергии рек, солнца, ветра, биэнергии [4, 5, 8, 11]) применялся иерархически — агломеративный метод с различными сочетаниями правил иерархического объединения кластеров (Single linkage -метод одиночной связи, complete linkage — метод полной связи, unweighted pair group average -невзвешенный метод «средней связи», weighted pair group average — взвешенный метод «средней связи», weighted centroid pair group (median) — взвешенный центроидный метод, ward method — метод Уорда) и различных метрик (линейное расстояние, евклидово расстояние, квадрат евклидово расстояния, обобщенное степенной расстояние, расстояние Чебышева, расстояние городских кварталов) [1, 7, 9]. На втором этапе использован итеративный метод «к — средних» и в случае совпадения результатов кластеризации данного метода с результатом кластеризации проведенным иерархически-агломератиным методом, кластеризация считалась завершенной и создавались модели интеллектуального анализа по потенциалам энергии ветра, солнца, рек и биоэнергии на основании состава полученных кластеров.
1. Кластерный анализ потенциала солнечной энергии РС (Я)
Исходными параметрами для кластеризации по потенциалу солнечной энергии в РС (Я) выбраны значения суммарной солнечной радиации, поступающей на горизонтальную поверхность по месяцам, так как данные параметры показывают энергетическую составляющую солнечного излучения [2].
После проведения различных сочетаний кластеризации выбран метод Уорда (Ward'-s method) с Евклидовой метрикой (Euclidean distances) как наиболее устойчивый. Метод Уорда
основан на методе дисперсионного анализа, он минимизирует сумму квадратов для любых двух гипотетических кластеров, которые могут быть сформированы на каждом шаге [1].
Составы полученных кластеров по потенциалу энергии солнца:
Первый кластер: Оленекский (23), Момский (17), Эвено-Бытантайский (34), Верхоянский (9), Оймяконский (22) улусы.
Второй кластер: Абыйский (1), Нижнеколымский (20), Жиганский (12), Верхнеколымский (8), Среднеколымский (25) улусы.
Третий кластер: Анабарский (5), Булунский (6), Усть-Янский (31), Аллаиховский (3)
улусы.
Четвертый кластер: Верхневилюйский (7), Вилюйский (10), Мирнинский (16), Нюрбинский (21), Амгинский (4), Алданский (2), Усть-Алданский (29), Горный (11) улусы.
В скобках указан порядковый номер улусов.
Первый и второй кластеры характеризуются средним значением потенциала энергии солнца, в третьем кластере находятся улусы с низким потенциалом, улусы четвертого кластера имеют высокий потенциал для использования энергии солнца и являются наиболее перспективными для внедрения солнечных энергетических установок.
В таблицу 1 сведены средние значения показателей кластеризации по потенциалу солнечной энергии. Результаты кластерного анализа ресурсов солнечной энергии в виде вертикальной древовидной дендограммы представлены на рис. 5, а, в виде графика средних для каждого кластера — рис. 6, а, кластеризации методом Two-way joining — рис. 8, а, модель интеллектуального анализа ресурсов солнечной энергии представлена на рис. 1.

Рис. 1. Модель интеллектуального анализа ресурсов солнечной энергии РС (Я):
I | - нет данных
|_| - 4 кластер
I | - 2 кластер
| | -1 кластер
| | - 3 кластер
Составлено (разработано) автором
2. Кластерный анализ ветроэнергетического потенциала РС (Я)
Исходными параметрами для кластеризации по ветроэнергетическому потенциалу выбраны значения средней скорости ветра, мощности и удельной энергии ветра, так как данные параметры являются определяющими для расчета и определения местоположения
ветроэнергетической установки [2, 3]. Для решения данной задачи кластеризации использован метод Уорда с Евклидовой метрикой.
Составы полученных кластеров по потенциалу энергии ветра:
Первый кластер: Абыйский (1), Оленеский (23), Верхнеколымский (8), Кобяйский (13), Хангаласский (32), Намский (18), Алданский (2), Вилюйский (10), Нюрбинский (21), Ленский (14), г. Якутск (35).
Второй кластер: Аллаиховский (3), Анабарский (5), Булунский (6), Жиганский (12), Нижнеколымский (20), Среднеколымский (25), Усть-Янский (31) улусы.
Третий кластер: Верхоянский (9), Оймяконский (22), Олекминский (24), Усть-Майский (30), Томпонский (28), Амгинский (4), Горный (11), Верхневилюйский (7), Мирнинский (16), Сунтарский (26), Усть-Алданский (29), Чурапчинский (33), г. Нерюнгри (19).
Четвертый кластер: Эвено-Бытантайский (34), Момский (17), Таттинский (27) улусы.
Второй кластер характеризуется высоким значением потенциала энергии ветра и является наиболее перспективным для внедрения ветроэнергетических установок, первый кластер имеет средний потенциал для использования энергии ветра, третий и четвертый кластер характеризуется низким потенциалом энергии ветра и не рекомендуем для построения АСЭС на базе энергии ветра.
В таблицу 1 сведены средние значения показателей кластеризации по потенциалу энергии ветра. Результаты кластерного анализа ресурсов энергии ветра в виде вертикальной древовидной дендограммы представлены на рис. 5, б, в виде графика средних для каждого кластера — рис. 6, б, кластеризации методом Two-way joining — рис. 8, б, модель интеллектуального анализа ветроэнергетических ресурсов представлена на рис. 2.
Рис. 2. Модель интеллектуального анализа ветроэнергетических ресурсов РС (Я):
I | - нет данных I I — 2 кластер I I -1 кластер I | - 3 кластер | | - 4 кластер
Составлено (разработано) автором
3. Кластерный анализ гидроэнергетического потенциала РС (Я)
Исходными параметрами для кластеризации по гидроэнергетическому ресурсу выбраны значения гидроэнергетического потенциала, площади бассейна, длины реки и
среднегодового расхода, так как данные параметры учитываются в расчете мощности реки и потенциальной выработки энергии [10]. Для решения данной задачи выбран метод полной связи (Complete linkage) с Евклидовой метрикой (Euclidean distances). По методу полной связи расстояния между кластерами находятся по наибольшим расстояниям между любыми двумя объектами в различных кластерах [1].
Составу полученных кластеров по гидроэнергетическому ресурсу:
Первый кластер: река Лена.
Второй кластер: реки Колыма, Алдан, Индигирка, Вилюй, Оленек.
Третий кластер: реки Учур, Олекма, Уяндина, Мая, Марха, Адыча, Омолой, Тимптон, Анабар, Яна, Моркока, Синяя, Нюя, Селеннях, Томпо, Мома, Берелех, Арга-Сала, Бытантай, Большая Ботуобуя, Тюнг, Амга, Эльги, Сартанг, Нельгесе, Буотама, Ундюлюнг, Бур, Пеледуй, Чондон, Аллаиха, Кенкеме, Малая Куонамка, Силигир, Нера, Ыгыата, Укукит, Татта, Малая-Ботуобуя, Аллах-Юнь, Ожогина, Ясачная, Седедема.
В первый кластер входят реки с высоким гидроэнергетическим потенциалом и являются наиболее приемлемыми для установки сезонных МГЭС, второй кластер включает реки со средним потенциалом, третий кластер — низким потенциалом.
В таблицу 1 сведены средние значения показателей кластеризации по гидроэнергетическому потенциалу. Результаты кластерного анализа ресурсов энергии рек в виде вертикальной древовидной дендограммы представлены на рис. 5, в, в виде графика средних для каждого кластера — рис. 6, в, кластеризации методом Two-way joining — рис. 8, в, модель интеллектуального анализа гидроэнергетических ресурсов на основе географической привязки гидропотенциала рек к районам РС (Я) представлена на рис. 3.
Рис. 3. Модель интеллектуального анализа гидроэнергетических ресурсов РС (Я):
| | -1 кластер | | - 2 кластер I | - 3 кластер
Составлено (разработано) автором
4. Кластерный анализ биоэнергетического потенциала РС (Я)
Исходными параметрами для кластеризации по биоэнергетическому потенциалу использованы значения численности сельскохозяйственных животных, содержащихся в улусах, количества цельномолочной продукции, хлеба и хлебобулочных изделий, рыбы и рыбных переработанных, консервированных продуктов по улусам Якутии, так как данные
значения являются определяющими при расчете объема получения биогаза от переработки и утилизации отходов сельскохозяйственных производств [6].
Для решения данной задачи выбираем метод полной связи (Complete linkage) с Евклидовой метрикой (Euclidean distances).
Первый кластер: Аллаиховский (3), Булунский (6), Нижнеколымский (20), Усть-Янский (31) улусы.
Второй кластер: Абыйский (1), Амгинский (4), Анабарский (5), Верхневилюйский (7), Верхнеколымский (8), Верхоянский (9), Вилюйский (10), Горный (11), Жиганский (12), Кобяйский (13), Мегино-Кангаласский (15), Мирнинский (16), Момский (17), Намский (18), Нерюнгринский (19), Нюрбинский (21), Оймяконский (22), Олекминский (24), Оленекский (23), Среднеколымский (25), Сунтарский (26), Таттинский (27), Томпонский (28), Усть-Алданский (29), Усть-Майский (30), Хангаласский (32), Чурапчинский (33), Эвено-Бытантайский (34), п. Жатай (37).
Третий кластер: г. Якутск (35)
Четвертый кластер: Алданский (2), Ленский (14) районы.
Третий кластер характеризуется высоким значением потенциала биоэнергии, второй кластер — средним значением, первый и четвертый низким потенциалом биоэнергии.
В таблицу 1 сведены средние значения показателей кластеризации по биоэнергетическому потенциалу. Результаты кластерного анализа биоэнергетических ресурсов в виде вертикальной древовидной дендограммы представлены на рис. 5, г, в виде графика средних для каждого кластера — рис. 6, г, рисунок 7, а, б, кластеризации методом Two-way joining — рис. 8, г, д, е, модель интеллектуального анализа биоэнергетических ресурсов представлена на рис. 4.
и"
Рис. 4. Модель интеллектуального анализа биоэнергетических ресурсов РС (Я):
| | - 3 кластер I | - 2 кластер | | - 4 кластер | | -1 кластер
Составлено (разработано) автором
Таблица 1
Сводная таблица привязки улусов к кластерам для моделей интеллектуального анализа.
Составлено (разработано) автором
Показатели кластеризации и состав кластеров Средние значения показателей потенциалов по кластерам
1 кластер 2 кластер 3 кластер 4 кластер
Ресурсы солнечной энергии
годовая интенсивность суммарной солнечной радиации на горизонтальную поверхность, кВтч/м2 902,95 918,81 790,75 1012,24
Порядковые номера улусов 23, 17, 34, 9, 22 1, 20, 12, 8, 25 5, 6, 31, 3 7, 10, 16, 21, 4, 2, 29, 11
Ветроэнергетические ресурсы
средняя скорость ветра, м/с 2,6 — 4 & gt- 4 2,6 — 4 & lt- 2,6
мощность, Вт/м2 51,18 427,57 29,46 10,33
удельная энергия ветра, кВтч/м2 317,09 1945,71 208,15 90
Порядковые номера улусов 1, 23, 8, 13, 32, 18, 2, 10, 21, 14, 35 3, 5, 6, 12, 20, 25, 31 9, 22, 24, 30, 28, 4, 11, 7, 16, 26, 29, 33, 19 34, 17, 27
Гидроэнергетические ресурсы
гидроэнергетический потенциал, тыс. кВт 28 870 4748,2 460,222 —
площадь бассейна, км2 2 478 000 481 871 48 704,7 —
длина реки, км 4270 2280,8 642,65 —
среднегодовой расход, м3/с 15 500 2840 203,712 —
Порядковые номера улусов 6, 12, 34, 13, 18, 11, 35, 32, 24, 14 23, 16, 21, 26, 7, 10, 29, 27, 2, 30, 22, 17, 1, 8, 25 5, 20, 3, 31, 9, 28, 33, 15, 4, 19
Биоэнергетические ресурсы
сельскохозяйственных животных, голов 10 642,5 37 102 353 438 14 565
производством важнейших видов продукций: цельномолочной продукцией, тонн 6,25 875,069 16 329 350
хлеб и хлебобулочные изделия, тонн 241,25 954,966 783,5 1715
рыба и продукты рыбные переработанные и консервированные, тонн 815,65 43,1 27,5
бревна хвойных пород, тыс. пл. м3 — 8,955 — 140,5
лесоматериалы, тыс. м3 — 3,059 — 57,15
Порядковые номера улусов 3, 6, 20, 31 1, 4, 5, 7, 8, 9, 10, 11, 12, 13, 15, 16, 17, 18, 19, 21, 22, 24, 23, 25, 26, 27, 28, 29, 30, 32, 33, 34, 37 35 2, 14
а)
Tree Diagram for 34 Cases Ward'-s method Euclidean distances
25.
Г о 15. г
HL ю- 5.
и I! & gt- HflPlllpP & quot- * $ i f
б)
Tree Diagram for 3 Complete Link- Euclidean distar
Ь




Г* Г& quot-Д, rt, 1 ^^ rV, rh г-Ц=_
ИФ Щ & lt- i a и Hi iHiIH iff- ?^ I^-U-?^?^- иИЛ HP'-OH
в)
г)
Рис. 5. Вертикальные древовидные дендограммы (а — солнечная энергия, б — энергия ветра,
в — гидроэнергия, г — биоэнергия) Составлено (разработано) автором
2
и
Plot of Means for Each Cluster
Plot of Means for Each Cluster
II IV VI VIII X
Varables
Plot of Means for Each Cluster
— Cluster 1
— Cluster 2
— Cluster 3
— Cluster 4
Cluster 1 Cluster 2 Cluster 3
-0,5 ¦
-1,0 •
-1,5 •
-2,0 —
а)
в)
Средняя скорость ветра м/с Удельная энергия ветра, кВтч/ м2
Мощность, Вт/м2
Plot of Means for Each Cluster
Cluster 1 Cluster 2 Cluster 3 Cluster 4
б)
Хлеб и хлебобулочные изделия, тонн
Цельномолочная продукция (в пересчете на мол
Cluster 1 Cluster 2 Cluster 3 Cluster 4
г)
Рис. 6. Графики средних для каждого кластера (а — солнечная энергия, б — энергия ветра,
в — гидроэнергия, г — биоэнергия) Составлено (разработано) автором
Plot of Means for Each Cluster
Рыба и продукты рыбные переработанные и консервированные, тонн
Бревна хвойных пород, тыс. пл. мЗ
Cluster 1
Cluster 2
— Cluster 3
Cluster 4
а)
Plot of Means for Each Clus
Лесоматериалы, тыс мЗ
4 б)
Рис. 7. Графики средних для каждого кластера (а, б — биоэнергия) Составлено (разработано) автором
1,0
0,5
2,0
-2,5
I идроэнергетическии потенциал, тыс. кВт Длина реки, км
Площадь бассейна, км2 Среднегодовой расход мЗ/с
Varables
Cl Cl
а)
б)
Two-Way Joining R
Рыба и продукты рыбные переработанные и консервированные, тонн
Бревна хвойных пород, тыс. пл. мЗ
д)
Two-Way Joining Results
Верхнеюолымсшй ра ион Жиганский улус Анабарский национальный улусУ Булунский улус Сриднииолымский улус Эвино-Бы1тантайский1улус Усть-Янский улус ВИРХМ0оЯМсски^, руа'-йуосн

н й'-Я1 н кий л & quot-?Тск & quot-Ег Хангалассиий улус Вирхнивилюйскийулус & quot-"-в"--?---- То"Щ
Усть-Алдансмй улус Усть-Майсшййлус^ Мигино- Кангаласский^лус Чурапчински улус нЮарГнссГйууллусс Нирюнгринсшй район 1Е8
Лесоматериалы, тыс мЗ численность с/х животных,? -5E8 голоО -7E8 '-ол -9E8
е)
Рис. 8. Результаты кластеризации методом Two-way joining (а — солнечная энергия, б -энергия ветра, в — гидроэнергия, г, д, е — биоэнергия) Составлено (разработано) автором
Произведенный кластерный анализ потенциала возобновляемых источников энергии позволил сгруппировать улусы, районы, реки Якутии с близкими показателями потенциалов по целому ряду анализируемых показателей ВИЭ. Результаты кластеризации превратили большие массивы информации о ресурсах ВИЭ РС (Я) в компактные, наглядные и прозрачные для восприятия древовидные дендограммы, графики средних для каждого кластера, модели интеллектуального анализа, демонстрирующие территориальный охват потенциала ВИЭ в РС (Я). Обработанные данные о потенциале ВИЭ позволяют изучить и проанализировать неравномерность пространственного распределения возобновляемых ресурсов Якутии, выделить наиболее перспективные районы для внедрения энергогенерирующих объектов возобновляемой энергетики, комплексно оценить потенциал ВИЭ на территории РС (Я) и в дальнейшем помочь с выбором оптимального сочетания различных ВИЭ для внедрения комбинированных энергетических установок возобновляемой энергетики в локальной энергосистеме. Полученные кластеры могут быть использованы для практического
1E8
Интернет-журнал «НАУКОВЕДЕНИЕ» Выпуск 4 (23), июль — август 2014
http: //naukovedenie. ru publishing@naukovedenie. ru
применения результатов исследования в рамках разработки рациональной типовой структуры и критериев построения автономных систем электроснабжения на базе ВИЭ, а также помогут с планированием стратегических решений развития энергообеспечения районов РС (Я).
ЛИТЕРАТУРА
1. Буреева, Н. Н. Многомерный статистический анализ с использованием ППП '-^ТАТКТГСА& quot-: учебно-методический материал по программе повышения квалификации «Применение программных средств в научных исследованиях и преподавании математики и механики» / Н. Н. Буреева. — Нижний Новгород: Нижегородский государственный университет им. Н. И. Лобачевского, 2007. -112 с.
2. Киушкина, В. Р. Децентрализованное электроснабжение районов Якутии с использованием энергии ветра: Диссертация на соискание ученой степени кандидата технических наук / В. Р. Киушкина. — Томск, 2005. — 207 с.
3. Лукутин, Б. В. Возобновляемые источники электроэнергии: учебное пособие / Б. В. Лукутин. — Томск: Изд-во Томского политехнического университета, 2008. — 184 с.
4. Корякин, А. К. Опыт и перспективы внедрения альтернативных источников энергии на территории Республика Саха (Якутия) / А. К. Корякин // Материалы международной конференции «Возобновляемая энергетика в изолированных системах Дальнего Востока России». — Якутск, 2013. — С. 1−6.
5. Проектная программа оптимизации локальной энергетики Республики Саха (Якутия) на период до 2017 год, одобренная постановлением Правительства Республики Саха (Якутия) от 03. 09. 2011 г. № 424.
6. Безруких, П. Возобновляемая энергетика: сегодня — реальность, завтра -необходимость / П. Безруких. — М.: Лесная страна, 2007. — 120 с.
7. Боровиков, В. Statistica. Искусство анализа данных на компьютере: для профессионалов / В. Боровиков. — СПб.: Питер, 2003. — 688 с.
8. Программа и схема развития электроэнергетики Республики Саха (Якутия) на 2012−2017 годы. — Якутск, 2012. — 55 с.
9. Бартанов, А. Б. Кластерный анализ энергетической безопасности регионов / А. Б. Бартанов, С. А. Бартанов // Материалы международной заочной научно-практической конференции «Экономика и управление: проблемы и решения». -Новосибирск, 2011. — С. 24−28.
10. Наговицын, Д. Гидроэнергетические ресурсы Республики Саха (Якутия) и перспективы строительства сезонных малых ГЭС / Д. Наговицын // Материалы международной конференции «Возобновляемая энергетика в изолированных системах Дальнего Востока России». — Якутск, 2013. — С. 1−23.
11. Проектная программа внедрения альтернативных возобновляемых источников энергии в Республике Саха (Якутия) на 2012−2016 гг. с перспективой до 2020 г.
12. Киушкина, В. Р. Возобновляемый природный потенциал Республики Саха / В. Р. Киушкина, А. Степанов // Сборник трудов по материалам IV региональной научно-практической конференции молодых ученых, аспирантов и студентов. -Нерюнгри, 2004. — С. 34−37.
Рецензент: Лукутин Борис Владимирович, профессор, д.т.н., заведующий кафедрой электроснабжения промышленных предприятий Томского политехнического университета.
Yana Oshepkova
North-Eastern Federal University. M.K. Ammosov Institute (branch) in Neryungri Republic of Sakha (Yakutia), Neryungri E-Mail: medved2089@mail. ru
Violetta Kiushkina
North-Eastern Federal University. M.K. Ammosov Institute (branch) in Neryungri Republic of Sakha (Yakutia), Neryungri E-Mail: viola75@mail. ru
Cluster analysis of the potential of renewable energy sources in the Republic of Sakha (Yakutia)
Abstract. The authors proposed a new method to explore the potential of renewable energy sources in the Republic of Sakha (Yakutia). This method is based on cluster analysis of renewable energy resources. This comprehensive assessment of the renewable energy'-s potential involves studying distribution of the potential of renewable resources, identifying perspective areas for the implementation of autonomous power supply systems based on renewable sources, primarily to improve the reliability of power supply of local energy systems of the Yakutia. The need for clustering conditional on the existence of a number of potential indicators, simultaneously affecting the calculation and selection of renewable energy power installations. That is why, for division into clusters, the authors made the choice of initial parameters of the potentials of renewable energy sources. The division of the potential was made with geo-referenced to administrative-territorial division of Yakutia for preliminary recommendations for their effective use. Multidimensional classification was carried out in two stages. The first stage included clustering hierarchical agglomerative method, the second — iterative method & quot-to — average& quot-. On the basis of clusters, authors created a models of the intellectual analysis for renewable resources of the Republic Sakha (Yakutia), which allows to demonstrate the territorial coverage of clusters with high, medium and low value on perspective species of the potential of renewable energy in Yakutia. Conducted research proposed a new solution integrated assessment of the potential, using the method of cluster analysis. Research results can be used to develop a rational typical structure and criteria for the establishing of the autonomous power supply systems based on renewable energy sources, and can also help in improving energy efficiency in the decentralized districts of the Yakutia.
Keywords: renewable energy sources- Cluster analysis of renewable resources- composition of the cluster- dendogrammy tree- graphic medium- mining model potentials of renewable energy sources- comprehensive assessment of the potential- efficiency electricity production.
Identification number of article 12TVN414
REFERENCES
1. Bureeva, N. N. Mnogomernyj statisticheskij analiz s ispol'-zovaniem PPP & quot-STATISTICA"-: uchebno-metodicheskij material po programme povyshenija kvalifikacii «Primenenie programmnyh sredstv v nauchnyh issledovanijah i prepodavanii matematiki i mehaniki» / N. N. Bureeva. — Nizhnij Novgorod: Nizhegorodskij gosudarstvennyj universitet im. N. I. Lobachevskogo, 2007. — 112 s.
2. Kiushkina, V. R. Decentralizovannoe jelektrosnabzhenie rajonov Jakutii s ispol'-zovaniem jenergii vetra: Dissertacija na soiskanie uchenoj stepeni kandidata tehnicheskih nauk / V. R. Kiushkina. — Tomsk, 2005. — 207 s.
3. Lukutin, B. V. Vozobnovljaemye istochniki jelektrojenergii: uchebnoe posobie / B. V. Lukutin. — Tomsk: Izd-vo Tomskogo politehnicheskogo universiteta, 2008. — 184 s.
4. Korjakin, A. K. Opyt i perspektivy vnedrenija al'-ternativnyh istochnikov jenergii na territorii Respublika Saha (Jakutija) / A. K. Korjakin // Materialy mezhdunarodnoj konferencii «Vozobnovljaemaja jenergetika v izolirovannyh sistemah Dal'-nego Vostoka Rossii». — Jakutsk, 2013. — S. 1−6.
5. Proektnaja programma optimizacii lokal'-noj jenergetiki Respubliki Caha (Jakutija) na period do 2017 god, odobrennaja postanovleniem Pravitel'-stva Respubliki Saha (Jakutija) ot 03. 09. 2011g. № 424.
6. Bezrukih, P. Vozobnovljaemaja jenergetika: segodnja — real'-nost'-, zavtra -neobhodimost'- / P. Bezrukih. — M.: Lesnaja strana, 2007. — 120 s.
7. Borovikov, V. Statistica. Iskusstvo analiza dannyh na komp'-jutere: dlja professionalov / V. Borovikov. — SPb.: Piter, 2003. — 688 s.
8. Programma i shema razvitija jelektrojenergetiki Respubliki Saha (Jakutija) na 20 122 017 gody. — Jakutsk, 2012. — 55 s.
9. Bartanov, A. B. Klasternyj analiz jenergeticheskoj bezopasnosti regionov / A. B. Bartanov, S. A. Bartanov // Materialy mezhdunarodnoj zaochnoj nauchno-prakticheskoj konferencii «Jekonomika i upravlenie: problemy i reshenija». -Novosibirsk, 2011. — S. 24−28.
10. Nagovicyn, D. Gidrojenergeticheskie resursy Respubliki Saha (Jakutija) i perspektivy stroitel'-stva sezonnyh malyh GJeS / D. Nagovicyn // Materialy mezhdunarodnoj konferencii «Vozobnovljaemaja jenergetika v izolirovannyh sistemah Dal'-nego Vostoka Rossii». — Jakutsk, 2013. — S. 1−23.
11. Proektnaja programma vnedrenija al'-ternativnyh vozobnovljaemyh istochnikov jenergii v Respublike Saha (Jakutija) na 2012−2016 gg. s perspektivoj do 2020 g.
12. Kiushkina, V. R. Vozobnovljaemyj prirodnyj potencial Respubliki Saha / V. R. Kiushkina, A. Stepanov // Sbornik trudov po materialam IV regional'-noj nauchno-prakticheskoj konferencii molodyh uchenyh, aspirantov i studentov. — Nerjungri, 2004. — S. 34−37.

ПоказатьСвернуть
Заполнить форму текущей работой