анализ комплекса задач АА

эконометрика
Научная дисциплина, предметом которой является изучение количественной стороны экономических явлений и процессов средствами математического и статистического анализа. (близкое, но не тождественное значение имеет термин «эконометрия», под которым обычно понимается наука,. которая тесно связана с математической экономией и отличается от последней в основном применением конкретного числового материала). В Э. как бы синтезируются достижения теоретического анализа экономики с достижениями математики и статистики (прежде всего математической статистики). Сам термин «Э.» происходит от двух слов: экономия и метрика, т.е. измерение. Он введен в науку норвежским ученым Р.Фришем, лауреатом Нобелевской премии по экономике. Широко известный международный журнал этого направления тоже называется «Econometrica» (основан в 1933 г. Р.Фришем). Есть много определений Э. По нашему мнению, Э. — одно из ответвлений комплекса научных дисциплин, объединяемого понятием — «экономико-математические методы». Ее главным инструментом является эконометрическая модель (как определенный тип экономико-математических моделей), задачей — проверка экономических теорий на фактическом (эмпирическом) материале при помощи методов математической статистики. Среди конечных прикладных задач Э. выделяют две: прогноз экономических и социально-экономических показателей анализируемой экономической системы, имитацию различных возможных сценариев развития этой системы. По уровню иерархии анализируемой экономической системы выделяют макроуровень (т.е. страны в целом), мезоуровень (регионы, отрасли, корпорации) и микроуровень (домашние хозяйства, фирмы). Э. применяет такие методы, как регрессионный анализ, анализ временных рядов, системы одновременных уравнений, статистические методы классификации и снижения размерности, а также другие методы и инструментарий теории вероятностей и математической статистики.1 1 Айвазян С.А. Основы эконометрики. М.: Юнити-«Дана». 2001. С.19-20 Эконометрические методы применяются для построения крупных эконометрических систем моделей, описывающих экономику той или иной страны и включающих в качестве составных элементов производственную функцию, инвестиционную функцию, а также уравнения, характеризующие движение занятости, доходов, цен и процентных ставок и другие блоки. Среди наиболее известных эконометрических систем подобного рода, по которым ведутся расчеты на ЭВМ, — так называемые Брукингская модель, Уортонская модель (США). Приемы и методы Э. применяются также в анализе спроса и потребления. Э. как наука возникла в начале- середине прошлого века, хотя истоки ее восходят к В.Петти (XVII век) с его «политической арифметикой», О.Курно и Э.Энгелю (ХIХ в.) и др. В ХIХ в. были разработаны и началось использование в Э. таких статистических методов, как множественная регрессия, статистическая проверка гипотез, теория ошибок, выборочные методы ( Р.Фишер, К. Пирсон, Э.Пирсон и др.). В первой половине ХХ в. появился интерес к моделированию структур спроса и потребительских расходов и их эмпирической оценке (Р.Аллен, А.Маршалл и др.). В этот же период формулируется задача идентификации (Е.Уоркинг), начинается изучение производственной функции (Ч.Кобб, П.Дуглас), статистическое моделирование делового цикла (Н.Кондратьев, Е.Слуцкий, Р.Фриш). Макроэконометрические исследования начали Я.Тинберген и Р.Фриш, ставшие первыми в истории лауреатами Нобелевской премии по экономике (1968 г.). После второй мировой войны важным центром развития Э. стала Комиссия Коулса (США). Новый инструментарий Э. получила в результате разработки моделей одновременных уравнений (Т.Хаавельмо, Т.Купманс, Г.Тейл и др.) В последние десятилетия методы Э. сыграли решающую роль в освоении и развитии использования компьютерной техники в экономических расчетах разного уровня и назначения. Определенный вклад в развитие Э. внесли и отечественные экономисты (Е.Е.Слуцкий, Л.В.Канторович и др.), несмотря на длительное официальное третирование эконометрии как «буржуазной», «антимарксистской» и «вредной» «лженауки». Большая роль в ее реабилитации принадлежала академику В.С.Немчинову — написанная им статья «Эконометрия» (1965 г.) явилась своего рода открытием для широкой экономической общественности страны.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• econometrics

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

интеллектуальный учет электроэнергии
-
[Интент]

Учет электроэнергии

Понятия «интеллектуальные измерения» (Smart Metering), «интеллектуальный учет», «интеллектуальный счетчик», «интеллектуальная сеть» (Smart Grid), как все нетехнические, нефизические понятия, не имеют строгой дефиниции и допускают произвольные толкования. Столь же нечетко определены и задачи Smart Metering в современных электрических сетях.
Нужно ли использовать эти термины в такой довольно консервативной области, как электроэнергетика? Что отличает новые системы учета электроэнергии и какие функции они должны выполнять? Об этом рассуждает Лев Константинович Осика.

SMART METERING – «ИНТЕЛЛЕКТУАЛЬНЫЙ УЧЕТ» ЭЛЕКТРОЭНЕРГИИ

Определения и задачи
По многочисленным публикациям в СМИ, выступлениям на конференциях и совещаниях, сложившемуся обычаю делового оборота можно сделать следующие заключения:
• «интеллектуальные измерения» производятся у потребителей – физических лиц, проживающих в многоквартирных домах или частных домовладениях;
• основная цель «интеллектуальных измерений» и реализующих их «интеллектуальных приборов учета» в России – повышение платежной дисциплины, борьба с неплатежами, воровством электроэнергии;
• эти цели достигаются путем так называемого «управления электропотреблением», под которым подразумеваются ограничения и отключения неплательщиков;
• средства «управления электропотреблением» – коммутационные аппараты, получающие команды на включение/отключение, как правило, размещаются в одном корпусе со счетчиком и представляют собой его неотъемлемую часть.
Главным преимуществом «интеллектуального счетчика» в глазах сбытовых компаний является простота осуществления отключения (ограничения) потребителя за неплатежи (или невнесенную предоплату за потребляемую электроэнергию) без применения физического воздействия на существующие вводные выключатели в квартиры (коттеджи).
В качестве дополнительных возможностей, стимулирующих установку «интеллектуальных приборов учета», называются:
• различного рода интеграция с измерительными приборами других энергоресурсов, с биллинговыми и информационными системами сбытовых и сетевых компаний, муниципальных администраций и т.п.;
• расширенные возможности отображения на дисплее счетчика всей возможной (при первичных измерениях токов и напряжений) информации: от суточного графика активной мощности, напряжения, частоты до показателей надежности (времени перерывов в питании) и денежных показателей – стоимости потребления, оставшейся «кредитной линии» и пр.;
• двухсторонняя информационная (и управляющая) связь сбытовой компании и потребителя, т.е. передача потребителю различных сообщений, дистанционная смена тарифа, отключение или ограничение потребления и т.п.

ЧТО ТАКОЕ «ИНТЕЛЛЕКТУАЛЬНЫЕ ИЗМЕРЕНИЯ»?

Приведем определение, данное в тематическом докладе комитета ЭРРА «Нормативные аспекты СМАРТ ИЗМЕРЕНИЙ», подготовленном известной международной компанией КЕМА:
«…Для ясности необходимо дать правильное определение смарт измерениям и описать организацию инфраструктуры смарт измерений. Необходимо отметить, что между смарт счетчиком и смарт измерением существует большая разница. Смарт счетчик – это отдельный прибор, который установлен в доме потребителя и в основном измеряет потребление энергии потребителем. Смарт измерения – это фактическое применение смарт счетчиков в большем масштабе, то есть применение общего принципа вместо отдельного прибора. Однако, если рассматривать пилотные проекты смарт измерений или национальные программы смарт измерений, то иногда можно найти разницу в определении смарт измерений. Кроме того, также часто появляются такие термины, как автоматическое считывание счетчика (AMR) и передовая инфраструктура измерений (AMI), особенно в США, в то время как в ЕС часто используется достаточно туманный термин «интеллектуальные системы измерений …».
Представляют интерес и высказывания В.В. Новикова, начальника лаборатории ФГУП ВНИИМС [1]: «…Это автоматизированные системы, которые обеспечивают и по-требителям, и сбытовым компаниям контроль и управление потреблением энергоресурсов согласно установленным критериям оптимизации энергосбережения. Такие измерения называют «интеллектуальными измерениями», или Smart Metering, как принято за рубежом …
…Основные признаки Smart Metering у счетчиков электрической энергии. Их шесть:
1. Новшества касаются в меньшей степени принципа измерений электрической энергии, а в большей – функциональных возможностей приборов.
2. Дополнительными функциями выступают, как правило, измерение мощности за короткие периоды, коэффициента мощности, измерение времени, даты и длительности провалов и отсутствия питающего напряжения.
3. Счетчики имеют самодиагностику и защиту от распространенных методов хищения электроэнергии, фиксируют в журнале событий моменты вскрытия кожуха, крышки клеммной колодки, воздействий сильного магнитного поля и других воздействий как на счетчик, его информационные входы и выходы, так и на саму электрическую сеть.
4. Наличие функций для управления нагрузкой и подачи команд на включение и отключение электрических приборов.
5. Более удобные и прозрачные функции для потребителей и энергоснабжающих организаций, позволяющие выбирать вид тарифа и энергосбытовую компанию в зависимости от потребностей в энергии и возможности ее своевременно оплачивать.
6. Интеграция измерений и учета всех энергоресурсов в доме для выработки решений, минимизирующих расходы на оплату энергоресурсов. В эту стратегию вовлекаются как отдельные потребители, так и управляющие компании домами, энергоснабжающие и сетевые компании …».
Из этих цитат нетрудно заметить, что первые 3 из 6 функций полностью повторяют требования к счетчикам АИИС КУЭ на оптовом рынке электроэнергии и мощности (ОРЭМ), которые не менялись с 2003 г. Функция № 5 является очевидной функцией счетчика при работе потребителя на розничных рынках электроэнергии (РРЭ) в условиях либеральной (рыночной) энергетики. Функция № 6 практически повторяет многочисленные определения понятия «умный дом», а функция № 4, провозглашенная в нашей стране, полностью соответствует желаниям сбытовых компаний найти наконец действенное средство воздействия на неплательщиков. При этом ясно, что неплатежи – не следствие отсутствия «умных счетчиков», а результат популистской политики правительства. Отключить физических (да и юридических) лиц невозможно, и эта функция счетчика, безусловно, останется невостребованной до внесения соответствующих изменений в нормативно-правовые акты.
На функции № 4 следует остановиться особо. Она превращает измерительный прибор в управляющую систему, в АСУ, так как содержит все признаки такой системы: наличие измерительного компонента, решающего компонента (выдающего управляющие сигналы) и, в случае размещения коммутационных аппаратов внутри счетчика, органов управления. Причем явно или неявно, как и в любой системе управления, подразумевается обратная связь: заплатил – включат опять.
Обоснованное мнение по поводу Smart Grid и Smart Metering высказал В.И. Гуревич в [2]. Приведем здесь цитаты из этой статьи с локальными ссылками на используемую литературу: «…Обратимся к истории. Впервые этот термин встретился в тексте статьи одного из западных специалистов в 1998 г. [1]. В названии статьи этот термин был впервые использован Массудом Амином и Брюсом Волленбергом в их публикации «К интеллектуальной сети» [2]. Первые применения этого термина на Западе были связаны с чисто рекламными названиями специальных контроллеров, предназначенных для управления режимом работы и синхронизации автономных ветрогенераторов (отличающихся нестабильным напряжением и частотой) с электрической сетью. Потом этот термин стал применяться, опять-таки как чисто рекламный ход, для обозначения микропроцессорных счетчиков электроэнергии, способных самостоятельно накапливать, обрабатывать, оценивать информацию и передавать ее по специальным каналам связи и даже через Интернет. Причем сами по себе контроллеры синхронизации ветрогенераторов и микропроцессорные счетчики электроэнергии были разработаны и выпускались различными фирмами еще до появления термина Smart Grid. Это название возникло намного позже как чисто рекламный трюк для привлечения покупателей и вначале использовалось лишь в этих областях техники. В последние годы его использование расширилось на системы сбора и обработки информации, мониторинга оборудования в электроэнергетике [3] …
1. Janssen M. C. The Smart Grid Drivers. – PAC, June 2010, p. 77.
2. Amin S. M., Wollenberg B. F. Toward a Smart Grid. – IEEE P&E Magazine, September/October, 2005.
3. Gellings C. W. The Smart Grid. Enabling Energy Efficiency and Demand Response. – CRC Press, 2010. …».
Таким образом, принимая во внимание столь различные мнения о предмете Smart Grid и Smart Metering, сетевая компания должна прежде всего определить понятие «интеллектуальная система измерения» для объекта измерений – электрической сети (как актива и технологической основы ОРЭМ и РРЭ) и представить ее предметную область именно для своего бизнеса.

БИЗНЕС И «ИНТЕЛЛЕКТУАЛЬНЫЙ УЧЕТ»

В результате изучения бизнес-процессов деятельности ряда сетевых компаний и взаимодействия на РРЭ сетевых, энергосбытовых компаний и исполнителей коммунальных услуг были сформулированы следующие исходные условия.
1. В качестве главного признака новой интеллектуальной системы учета электроэнергии (ИСУЭ), отличающей ее от существующей системы коммерческого и технического учета электроэнергии, взято расширение функций, причем в систему вовлекаются принципиально новые функции: определение технических потерь, сведение балансов в режиме, близком к on-line, определение показателей надежности. Это позволит, среди прочего, получить необходимую информацию для решения режимных задач Smart Grid – оптимизации по реактивной мощности, управления качеством электроснабжения.
2. Во многих случаях (помимо решения задач, традиционных для сетевой компании) рассматриваются устройства и системы управления потреблением у физических лиц, осуществляющие их ограничения и отключения за неплатежи (традиционные задачи так называемых систем AMI – Advanced Metering Infrastructure).
Учитывая вышеизложенное, для электросетевой компании предлагается принимать следующее двойственное (по признаку предметной области) определение ИСУЭ:
в отношении потребителей – физических лиц: «Интеллектуальная система измерений – это совокупность устройств управления нагрузкой, приборов учета, коммуникационного оборудования, каналов передачи данных, программного обеспечения, серверного оборудования, алгоритмов, квалифицированного персонала, которые обеспечивают достаточный объем информации и инструментов для управления потреблением электроэнергии согласно договорным обязательствам сторон с учетом установленных критериев энергоэффективности и надежности»;
в отношении системы в целом: «Интеллектуальная система измерений – это автоматизированная комплексная система измерений электроэнергии (с возможностью измерений других энергоресурсов), определения учетных показателей и решения на их основе технологических и бизнес-задач, которая позволяет интегрировать различные информационные системы субъектов рынка и развиваться без ограничений в обозримом будущем».

ЗАДАЧИ «ИНТЕЛЛЕКТУАЛЬНОГО УЧЕТА»

Далее мы будем основываться на том, что ИСУЭ позволит осуществить следующие функции в бытовом секторе:
• дистанционное получение от каждой точки измерения (узла учета) у бытового потребителя сведений об отпущенной или потребленной электроэнергии;
• расчет внутриобъектового (многоквартирный жилой дом, поселок) баланса поступления и потребления энергоресурсов с целью выявления технических и коммерческих потерь и принятия мер по эффективному энергосбережению;
• контроль параметров поставляемых энергоресурсов с целью обнаружения и регистрации их отклонений от договорных значений;
• обнаружение фактов несанкционированного вмешательства в работу приборов учета или изменения схем подключения электроснабжения;
• применение санкций против злостных неплательщиков методом ограничения потребляемой мощности или полного отключения энергоснабжения;
• анализ технического состояния и отказов приборов учета;
• подготовка отчетных документов об электропотреблении;
• интеграция с биллинговыми системами.

«ИНТЕЛЛЕКТУАЛЬНЫЙ КОММЕРЧЕСКИЙ УЧЕТ»

Остановимся подробно на одном из атрибутов ИСУЭ, который считаю ключевым для основного электросетевого бизнеса.
Особенностью коммерческого учета электроэнергии (КУЭ) распределительных сетевых компаний является наличие двух сфер коммерческого оборота электроэнергии – ОРЭМ и РРЭ, которые хотя и сближаются в нормативном и организационном плане, но остаются пока существенно различными с точки зрения требований к КУЭ.
Большинство сетевых компаний является субъектом как ОРЭМ, так и РРЭ. Соответственно и сам коммерческий учет в отношении требований к нему разделен на два вида:
• коммерческий учет на ОРЭМ (технические средства – АИИС КУЭ);
• коммерческий учет на РРЭ (технические средства – АСКУЭ).
Кроме того, к коммерческому учету, т.е. к определению тех показателей, которые служат для начисления обязательств и требований сетевой компании (оплата услуг по транспорту электроэнергии, купля-продажа технологических потерь), следует отнести и измерения величин, необходимых для определения показателей надежности сети в отношении оказания услуг по передаче электроэнергии.
Отметим, что сложившиеся технологии АИИС КУЭ и АСКУЭ по своей функциональной полноте (за исключением функции коммутации нагрузки внутри систем) – это технологии Smart Metering в том понимании, которое мы обсуждали выше. Поэтому далее будем считать эти понятия полностью совпадающими.
Подсистема ИСУЭ на РРЭ, безусловно, самая сложная и трудоемкая часть всей интеллектуальной системы как с точки зрения организации сбора информации (включая измерительные системы (ИС) и средства связи в автоматизированных системах), так и с точки зрения объема точек поставки и соответственно средств измерений. Последние отличаются большим многообразием и сложностью контроля их и метрологических характеристик (МХ).
Если технические требования к ИС на ОРЭМ и к ИС крупных потребителей (по крайней мере потребителей с присоединенной мощностью свыше 750 кВА) принципиально близки, то в отношении нормативного и организационного компонентов имеются сильные различия. Гармоничная их интеграция в среде разных компонентов – основная задача создания современной системы ИСУЭ любой сетевой компании.
Особенностью коммерческого учета для нужд сетевого комплекса – основного бизнеса компании в отличие от учета электроэнергии потребителей, генерирующих источников и сбытовых компаний – является сам характер учетных показателей, вернее, одного из них – технологических потерь электроэнергии. Здесь трудность состоит в том, что границы балансовой принадлежности компании должны оснащаться средствами учета в интересах субъектов рынка – участников обращения электроэнергии, и по правилам, установленным для них, будь то ОРЭМ или РРЭ. А к измерению и учету важнейшего собственного учетного показателя, потерь, отдельные нормативные требования не предъявляются, хотя указанные показатели должны определяться по своим технологиям.
При этом сегодня для эффективного ведения бизнеса перед сетевыми компаниями, по мнению автора, стоит задача корректного определения часовых балансов в режиме, близком к on-line, в условиях, когда часть счетчиков (со стороны ОРЭМ) имеют автоматические часовые измерения электроэнергии, а подавляющее большинство (по количеству) счетчиков на РРЭ (за счет физических лиц и мелкомоторных потребителей) не позволяют получать такие измерения. Актуальность корректного определения фактических потерь следует из необходимости покупки их объема, не учтенного при установлении тарифов на услуги по передаче электроэнергии, а также предоставления информации для решения задач Smart Grid.
В то же время специалистами-практиками часто ставится под сомнение практическая востребованность определения технологических потерь и их составляющих в режиме on-line. Учитывая это мнение, которое не согласуется с разрабатываемыми стратегиями Smart Grid, целесообразно оставить окончательное решение при разработке ИСУЭ за самой компанией.
Cистемы АИИС КУЭ сетевых компаний никогда не создавались целенаправленно для решения самых насущных для них задач, таких как:
1. Коммерческая задача купли-продажи потерь – качественного (прозрачного и корректного в смысле метрологии и требований действующих нормативных документов) инструментального или расчетно-инструментального определения технологических потерь электроэнергии вместе с их составляющими – техническими потерями и потреблением на собственные и хозяйственные нужды сети.
2. Коммерческая задача по определению показателей надежности электроснабжения потребителей.
3. Управленческая задача – получение всех установленных учетной политикой компании балансов электроэнергии и мощности по уровням напряжения, по филиалам, по от-дельным подстанциям и группам сетевых элементов, а также КПЭ, связанных с оборотом электроэнергии и оказанием услуг в натуральном выражении.
Не ставилась и задача технологического обеспечения возможного в перспективе бизнеса сетевых компаний – предоставления услуг оператора коммерческого учета (ОКУ) субъектам ОРЭМ и РРЭ на территории обслуживания компании.
Кроме того, необходимо упорядочить систему учета для определения коммерческих показателей в отношении определения обязательств и требований оплаты услуг по транспорту электроэнергии и гармонизировать собственные интересы и интересы смежных субъектов ОРЭМ и РРЭ в рамках существующей системы взаимодействий и возможной системы взаимодействий с введением института ОКУ.
Именно исходя из этих целей (не забывая при этом про коммерческие учетные показатели смежных субъектов рынка в той мере, какая требуется по обязательствам компании), и нужно строить подлинно интеллектуальную измерительную систему. Иными словами, интеллект измерений – это главным образом интеллект решения технологических задач, необходимых компании.
По сути, при решении нового круга задач в целевой модели интеллектуального учета будет реализован принцип придания сетевой компании статуса (функций) ОКУ в зоне обслуживания. Этот статус формально прописан в действующей редакции Правил розничных рынков (Постановление Правительства РФ № 530 от 31.08.2006), однако на практике не осуществляется в полном объеме как из-за отсутствия необходимой технологической базы, так и из-за организационных трудностей.
Таким образом, сетевая компания должна сводить баланс по своей территории на новой качественной ступени – оперативно, прозрачно и полно. А это означает сбор информации от всех присоединенных к сети субъектов рынка, формирование учетных показателей и передачу их тем же субъектам для определения взаимных обязательств и требований.
Такой подход предполагает не только новую схему расстановки приборов в соответствии с комплексным решением всех поставленных технологами задач, но и новые функциональные и метрологические требования к измерительным приборам.

ПРЕИМУЩЕСТВА ИСУЭ

Внедрение ИСУЭ даст новые широкие возможности для всех участников ОРЭМ и РРЭ в зоне обслуживания электросетевой компании.
Для самой компании:
1. Повышение эффективности существующего бизнеса.
2. Возможности новых видов бизнеса – ОКУ, регистратор единой группы точек поставки (ГТП), оператор заправки электрического транспорта и т.п.
3. Обеспечение внедрения технологий Smart grid.
4. Создание и развитие программно-аппаратного комплекса (с сервисно-ориентированной архитектурой) и ИС, снимающих ограничения на развитие технологий и бизнеса в долгосрочной перспективе.
Для энергосбытовой деятельности:
1. Автоматический мониторинг потребления.
2. Легкое определение превышения фактических показателей над планируемыми.
3. Определение неэффективных производств и процессов.
4. Биллинг.
5. Мониторинг коэффициента мощности.
6. Мониторинг показателей качества (напряжение и частота).
Для обеспечения бизнеса – услуги для генерирующих, сетевых, сбытовых компаний и потребителей:
1. Готовый вариант на все случаи жизни.
2. Надежность.
3. Гарантия качества услуг.
4. Оптимальная и прозрачная стоимость услуг сетевой компании.
5. Постоянное внедрение инноваций.
6. Повышение «интеллекта» при работе на ОРЭМ и РРЭ.
7. Облегчение технологического присоединения энергопринимающих устройств субъектов ОРЭМ и РРЭ.
8. Качественный консалтинг по всем вопросам электроснабжения и энергосбережения.
Успешная реализации перечисленных задач возможна только на базе информационно-технологической системы (программно-аппаратного комплекса) наивысшего достигнутого на сегодняшний день уровня интеграции со всеми возможными информационными системами субъектов рынка – измерительно-учетными как в отношении электроэнергии, так и (в перспективе) в отношении других энергоресурсов.

ЛИТЕРАТУРА

1. Новиков В.В. Интеллектуальные измерения на службе энергосбережения // Энергоэксперт. 2011. № 3.
2. Гуревич В.И. Интеллектуальные сети: новые перспективы или новые проблемы? // Электротехнический рынок. 2010. № 6.

[ http://www.news.elteh.ru/arh/2011/71/14.php]

Тематики

• счетчик электроэнергии

EN

• smart metering

интеллектуальный учет электроэнергии
-
[Интент]

Учет электроэнергии

Понятия «интеллектуальные измерения» (Smart Metering), «интеллектуальный учет», «интеллектуальный счетчик», «интеллектуальная сеть» (Smart Grid), как все нетехнические, нефизические понятия, не имеют строгой дефиниции и допускают произвольные толкования. Столь же нечетко определены и задачи Smart Metering в современных электрических сетях.
Нужно ли использовать эти термины в такой довольно консервативной области, как электроэнергетика? Что отличает новые системы учета электроэнергии и какие функции они должны выполнять? Об этом рассуждает Лев Константинович Осика.

SMART METERING – «ИНТЕЛЛЕКТУАЛЬНЫЙ УЧЕТ» ЭЛЕКТРОЭНЕРГИИ

Определения и задачи
По многочисленным публикациям в СМИ, выступлениям на конференциях и совещаниях, сложившемуся обычаю делового оборота можно сделать следующие заключения:
• «интеллектуальные измерения» производятся у потребителей – физических лиц, проживающих в многоквартирных домах или частных домовладениях;
• основная цель «интеллектуальных измерений» и реализующих их «интеллектуальных приборов учета» в России – повышение платежной дисциплины, борьба с неплатежами, воровством электроэнергии;
• эти цели достигаются путем так называемого «управления электропотреблением», под которым подразумеваются ограничения и отключения неплательщиков;
• средства «управления электропотреблением» – коммутационные аппараты, получающие команды на включение/отключение, как правило, размещаются в одном корпусе со счетчиком и представляют собой его неотъемлемую часть.
Главным преимуществом «интеллектуального счетчика» в глазах сбытовых компаний является простота осуществления отключения (ограничения) потребителя за неплатежи (или невнесенную предоплату за потребляемую электроэнергию) без применения физического воздействия на существующие вводные выключатели в квартиры (коттеджи).
В качестве дополнительных возможностей, стимулирующих установку «интеллектуальных приборов учета», называются:
• различного рода интеграция с измерительными приборами других энергоресурсов, с биллинговыми и информационными системами сбытовых и сетевых компаний, муниципальных администраций и т.п.;
• расширенные возможности отображения на дисплее счетчика всей возможной (при первичных измерениях токов и напряжений) информации: от суточного графика активной мощности, напряжения, частоты до показателей надежности (времени перерывов в питании) и денежных показателей – стоимости потребления, оставшейся «кредитной линии» и пр.;
• двухсторонняя информационная (и управляющая) связь сбытовой компании и потребителя, т.е. передача потребителю различных сообщений, дистанционная смена тарифа, отключение или ограничение потребления и т.п.

ЧТО ТАКОЕ «ИНТЕЛЛЕКТУАЛЬНЫЕ ИЗМЕРЕНИЯ»?

Приведем определение, данное в тематическом докладе комитета ЭРРА «Нормативные аспекты СМАРТ ИЗМЕРЕНИЙ», подготовленном известной международной компанией КЕМА:
«…Для ясности необходимо дать правильное определение смарт измерениям и описать организацию инфраструктуры смарт измерений. Необходимо отметить, что между смарт счетчиком и смарт измерением существует большая разница. Смарт счетчик – это отдельный прибор, который установлен в доме потребителя и в основном измеряет потребление энергии потребителем. Смарт измерения – это фактическое применение смарт счетчиков в большем масштабе, то есть применение общего принципа вместо отдельного прибора. Однако, если рассматривать пилотные проекты смарт измерений или национальные программы смарт измерений, то иногда можно найти разницу в определении смарт измерений. Кроме того, также часто появляются такие термины, как автоматическое считывание счетчика (AMR) и передовая инфраструктура измерений (AMI), особенно в США, в то время как в ЕС часто используется достаточно туманный термин «интеллектуальные системы измерений …».
Представляют интерес и высказывания В.В. Новикова, начальника лаборатории ФГУП ВНИИМС [1]: «…Это автоматизированные системы, которые обеспечивают и по-требителям, и сбытовым компаниям контроль и управление потреблением энергоресурсов согласно установленным критериям оптимизации энергосбережения. Такие измерения называют «интеллектуальными измерениями», или Smart Metering, как принято за рубежом …
…Основные признаки Smart Metering у счетчиков электрической энергии. Их шесть:
1. Новшества касаются в меньшей степени принципа измерений электрической энергии, а в большей – функциональных возможностей приборов.
2. Дополнительными функциями выступают, как правило, измерение мощности за короткие периоды, коэффициента мощности, измерение времени, даты и длительности провалов и отсутствия питающего напряжения.
3. Счетчики имеют самодиагностику и защиту от распространенных методов хищения электроэнергии, фиксируют в журнале событий моменты вскрытия кожуха, крышки клеммной колодки, воздействий сильного магнитного поля и других воздействий как на счетчик, его информационные входы и выходы, так и на саму электрическую сеть.
4. Наличие функций для управления нагрузкой и подачи команд на включение и отключение электрических приборов.
5. Более удобные и прозрачные функции для потребителей и энергоснабжающих организаций, позволяющие выбирать вид тарифа и энергосбытовую компанию в зависимости от потребностей в энергии и возможности ее своевременно оплачивать.
6. Интеграция измерений и учета всех энергоресурсов в доме для выработки решений, минимизирующих расходы на оплату энергоресурсов. В эту стратегию вовлекаются как отдельные потребители, так и управляющие компании домами, энергоснабжающие и сетевые компании …».
Из этих цитат нетрудно заметить, что первые 3 из 6 функций полностью повторяют требования к счетчикам АИИС КУЭ на оптовом рынке электроэнергии и мощности (ОРЭМ), которые не менялись с 2003 г. Функция № 5 является очевидной функцией счетчика при работе потребителя на розничных рынках электроэнергии (РРЭ) в условиях либеральной (рыночной) энергетики. Функция № 6 практически повторяет многочисленные определения понятия «умный дом», а функция № 4, провозглашенная в нашей стране, полностью соответствует желаниям сбытовых компаний найти наконец действенное средство воздействия на неплательщиков. При этом ясно, что неплатежи – не следствие отсутствия «умных счетчиков», а результат популистской политики правительства. Отключить физических (да и юридических) лиц невозможно, и эта функция счетчика, безусловно, останется невостребованной до внесения соответствующих изменений в нормативно-правовые акты.
На функции № 4 следует остановиться особо. Она превращает измерительный прибор в управляющую систему, в АСУ, так как содержит все признаки такой системы: наличие измерительного компонента, решающего компонента (выдающего управляющие сигналы) и, в случае размещения коммутационных аппаратов внутри счетчика, органов управления. Причем явно или неявно, как и в любой системе управления, подразумевается обратная связь: заплатил – включат опять.
Обоснованное мнение по поводу Smart Grid и Smart Metering высказал В.И. Гуревич в [2]. Приведем здесь цитаты из этой статьи с локальными ссылками на используемую литературу: «…Обратимся к истории. Впервые этот термин встретился в тексте статьи одного из западных специалистов в 1998 г. [1]. В названии статьи этот термин был впервые использован Массудом Амином и Брюсом Волленбергом в их публикации «К интеллектуальной сети» [2]. Первые применения этого термина на Западе были связаны с чисто рекламными названиями специальных контроллеров, предназначенных для управления режимом работы и синхронизации автономных ветрогенераторов (отличающихся нестабильным напряжением и частотой) с электрической сетью. Потом этот термин стал применяться, опять-таки как чисто рекламный ход, для обозначения микропроцессорных счетчиков электроэнергии, способных самостоятельно накапливать, обрабатывать, оценивать информацию и передавать ее по специальным каналам связи и даже через Интернет. Причем сами по себе контроллеры синхронизации ветрогенераторов и микропроцессорные счетчики электроэнергии были разработаны и выпускались различными фирмами еще до появления термина Smart Grid. Это название возникло намного позже как чисто рекламный трюк для привлечения покупателей и вначале использовалось лишь в этих областях техники. В последние годы его использование расширилось на системы сбора и обработки информации, мониторинга оборудования в электроэнергетике [3] …
1. Janssen M. C. The Smart Grid Drivers. – PAC, June 2010, p. 77.
2. Amin S. M., Wollenberg B. F. Toward a Smart Grid. – IEEE P&E Magazine, September/October, 2005.
3. Gellings C. W. The Smart Grid. Enabling Energy Efficiency and Demand Response. – CRC Press, 2010. …».
Таким образом, принимая во внимание столь различные мнения о предмете Smart Grid и Smart Metering, сетевая компания должна прежде всего определить понятие «интеллектуальная система измерения» для объекта измерений – электрической сети (как актива и технологической основы ОРЭМ и РРЭ) и представить ее предметную область именно для своего бизнеса.

БИЗНЕС И «ИНТЕЛЛЕКТУАЛЬНЫЙ УЧЕТ»

В результате изучения бизнес-процессов деятельности ряда сетевых компаний и взаимодействия на РРЭ сетевых, энергосбытовых компаний и исполнителей коммунальных услуг были сформулированы следующие исходные условия.
1. В качестве главного признака новой интеллектуальной системы учета электроэнергии (ИСУЭ), отличающей ее от существующей системы коммерческого и технического учета электроэнергии, взято расширение функций, причем в систему вовлекаются принципиально новые функции: определение технических потерь, сведение балансов в режиме, близком к on-line, определение показателей надежности. Это позволит, среди прочего, получить необходимую информацию для решения режимных задач Smart Grid – оптимизации по реактивной мощности, управления качеством электроснабжения.
2. Во многих случаях (помимо решения задач, традиционных для сетевой компании) рассматриваются устройства и системы управления потреблением у физических лиц, осуществляющие их ограничения и отключения за неплатежи (традиционные задачи так называемых систем AMI – Advanced Metering Infrastructure).
Учитывая вышеизложенное, для электросетевой компании предлагается принимать следующее двойственное (по признаку предметной области) определение ИСУЭ:
в отношении потребителей – физических лиц: «Интеллектуальная система измерений – это совокупность устройств управления нагрузкой, приборов учета, коммуникационного оборудования, каналов передачи данных, программного обеспечения, серверного оборудования, алгоритмов, квалифицированного персонала, которые обеспечивают достаточный объем информации и инструментов для управления потреблением электроэнергии согласно договорным обязательствам сторон с учетом установленных критериев энергоэффективности и надежности»;
в отношении системы в целом: «Интеллектуальная система измерений – это автоматизированная комплексная система измерений электроэнергии (с возможностью измерений других энергоресурсов), определения учетных показателей и решения на их основе технологических и бизнес-задач, которая позволяет интегрировать различные информационные системы субъектов рынка и развиваться без ограничений в обозримом будущем».

ЗАДАЧИ «ИНТЕЛЛЕКТУАЛЬНОГО УЧЕТА»

Далее мы будем основываться на том, что ИСУЭ позволит осуществить следующие функции в бытовом секторе:
• дистанционное получение от каждой точки измерения (узла учета) у бытового потребителя сведений об отпущенной или потребленной электроэнергии;
• расчет внутриобъектового (многоквартирный жилой дом, поселок) баланса поступления и потребления энергоресурсов с целью выявления технических и коммерческих потерь и принятия мер по эффективному энергосбережению;
• контроль параметров поставляемых энергоресурсов с целью обнаружения и регистрации их отклонений от договорных значений;
• обнаружение фактов несанкционированного вмешательства в работу приборов учета или изменения схем подключения электроснабжения;
• применение санкций против злостных неплательщиков методом ограничения потребляемой мощности или полного отключения энергоснабжения;
• анализ технического состояния и отказов приборов учета;
• подготовка отчетных документов об электропотреблении;
• интеграция с биллинговыми системами.

«ИНТЕЛЛЕКТУАЛЬНЫЙ КОММЕРЧЕСКИЙ УЧЕТ»

Остановимся подробно на одном из атрибутов ИСУЭ, который считаю ключевым для основного электросетевого бизнеса.
Особенностью коммерческого учета электроэнергии (КУЭ) распределительных сетевых компаний является наличие двух сфер коммерческого оборота электроэнергии – ОРЭМ и РРЭ, которые хотя и сближаются в нормативном и организационном плане, но остаются пока существенно различными с точки зрения требований к КУЭ.
Большинство сетевых компаний является субъектом как ОРЭМ, так и РРЭ. Соответственно и сам коммерческий учет в отношении требований к нему разделен на два вида:
• коммерческий учет на ОРЭМ (технические средства – АИИС КУЭ);
• коммерческий учет на РРЭ (технические средства – АСКУЭ).
Кроме того, к коммерческому учету, т.е. к определению тех показателей, которые служат для начисления обязательств и требований сетевой компании (оплата услуг по транспорту электроэнергии, купля-продажа технологических потерь), следует отнести и измерения величин, необходимых для определения показателей надежности сети в отношении оказания услуг по передаче электроэнергии.
Отметим, что сложившиеся технологии АИИС КУЭ и АСКУЭ по своей функциональной полноте (за исключением функции коммутации нагрузки внутри систем) – это технологии Smart Metering в том понимании, которое мы обсуждали выше. Поэтому далее будем считать эти понятия полностью совпадающими.
Подсистема ИСУЭ на РРЭ, безусловно, самая сложная и трудоемкая часть всей интеллектуальной системы как с точки зрения организации сбора информации (включая измерительные системы (ИС) и средства связи в автоматизированных системах), так и с точки зрения объема точек поставки и соответственно средств измерений. Последние отличаются большим многообразием и сложностью контроля их и метрологических характеристик (МХ).
Если технические требования к ИС на ОРЭМ и к ИС крупных потребителей (по крайней мере потребителей с присоединенной мощностью свыше 750 кВА) принципиально близки, то в отношении нормативного и организационного компонентов имеются сильные различия. Гармоничная их интеграция в среде разных компонентов – основная задача создания современной системы ИСУЭ любой сетевой компании.
Особенностью коммерческого учета для нужд сетевого комплекса – основного бизнеса компании в отличие от учета электроэнергии потребителей, генерирующих источников и сбытовых компаний – является сам характер учетных показателей, вернее, одного из них – технологических потерь электроэнергии. Здесь трудность состоит в том, что границы балансовой принадлежности компании должны оснащаться средствами учета в интересах субъектов рынка – участников обращения электроэнергии, и по правилам, установленным для них, будь то ОРЭМ или РРЭ. А к измерению и учету важнейшего собственного учетного показателя, потерь, отдельные нормативные требования не предъявляются, хотя указанные показатели должны определяться по своим технологиям.
При этом сегодня для эффективного ведения бизнеса перед сетевыми компаниями, по мнению автора, стоит задача корректного определения часовых балансов в режиме, близком к on-line, в условиях, когда часть счетчиков (со стороны ОРЭМ) имеют автоматические часовые измерения электроэнергии, а подавляющее большинство (по количеству) счетчиков на РРЭ (за счет физических лиц и мелкомоторных потребителей) не позволяют получать такие измерения. Актуальность корректного определения фактических потерь следует из необходимости покупки их объема, не учтенного при установлении тарифов на услуги по передаче электроэнергии, а также предоставления информации для решения задач Smart Grid.
В то же время специалистами-практиками часто ставится под сомнение практическая востребованность определения технологических потерь и их составляющих в режиме on-line. Учитывая это мнение, которое не согласуется с разрабатываемыми стратегиями Smart Grid, целесообразно оставить окончательное решение при разработке ИСУЭ за самой компанией.
Cистемы АИИС КУЭ сетевых компаний никогда не создавались целенаправленно для решения самых насущных для них задач, таких как:
1. Коммерческая задача купли-продажи потерь – качественного (прозрачного и корректного в смысле метрологии и требований действующих нормативных документов) инструментального или расчетно-инструментального определения технологических потерь электроэнергии вместе с их составляющими – техническими потерями и потреблением на собственные и хозяйственные нужды сети.
2. Коммерческая задача по определению показателей надежности электроснабжения потребителей.
3. Управленческая задача – получение всех установленных учетной политикой компании балансов электроэнергии и мощности по уровням напряжения, по филиалам, по от-дельным подстанциям и группам сетевых элементов, а также КПЭ, связанных с оборотом электроэнергии и оказанием услуг в натуральном выражении.
Не ставилась и задача технологического обеспечения возможного в перспективе бизнеса сетевых компаний – предоставления услуг оператора коммерческого учета (ОКУ) субъектам ОРЭМ и РРЭ на территории обслуживания компании.
Кроме того, необходимо упорядочить систему учета для определения коммерческих показателей в отношении определения обязательств и требований оплаты услуг по транспорту электроэнергии и гармонизировать собственные интересы и интересы смежных субъектов ОРЭМ и РРЭ в рамках существующей системы взаимодействий и возможной системы взаимодействий с введением института ОКУ.
Именно исходя из этих целей (не забывая при этом про коммерческие учетные показатели смежных субъектов рынка в той мере, какая требуется по обязательствам компании), и нужно строить подлинно интеллектуальную измерительную систему. Иными словами, интеллект измерений – это главным образом интеллект решения технологических задач, необходимых компании.
По сути, при решении нового круга задач в целевой модели интеллектуального учета будет реализован принцип придания сетевой компании статуса (функций) ОКУ в зоне обслуживания. Этот статус формально прописан в действующей редакции Правил розничных рынков (Постановление Правительства РФ № 530 от 31.08.2006), однако на практике не осуществляется в полном объеме как из-за отсутствия необходимой технологической базы, так и из-за организационных трудностей.
Таким образом, сетевая компания должна сводить баланс по своей территории на новой качественной ступени – оперативно, прозрачно и полно. А это означает сбор информации от всех присоединенных к сети субъектов рынка, формирование учетных показателей и передачу их тем же субъектам для определения взаимных обязательств и требований.
Такой подход предполагает не только новую схему расстановки приборов в соответствии с комплексным решением всех поставленных технологами задач, но и новые функциональные и метрологические требования к измерительным приборам.

ПРЕИМУЩЕСТВА ИСУЭ

Внедрение ИСУЭ даст новые широкие возможности для всех участников ОРЭМ и РРЭ в зоне обслуживания электросетевой компании.
Для самой компании:
1. Повышение эффективности существующего бизнеса.
2. Возможности новых видов бизнеса – ОКУ, регистратор единой группы точек поставки (ГТП), оператор заправки электрического транспорта и т.п.
3. Обеспечение внедрения технологий Smart grid.
4. Создание и развитие программно-аппаратного комплекса (с сервисно-ориентированной архитектурой) и ИС, снимающих ограничения на развитие технологий и бизнеса в долгосрочной перспективе.
Для энергосбытовой деятельности:
1. Автоматический мониторинг потребления.
2. Легкое определение превышения фактических показателей над планируемыми.
3. Определение неэффективных производств и процессов.
4. Биллинг.
5. Мониторинг коэффициента мощности.
6. Мониторинг показателей качества (напряжение и частота).
Для обеспечения бизнеса – услуги для генерирующих, сетевых, сбытовых компаний и потребителей:
1. Готовый вариант на все случаи жизни.
2. Надежность.
3. Гарантия качества услуг.
4. Оптимальная и прозрачная стоимость услуг сетевой компании.
5. Постоянное внедрение инноваций.
6. Повышение «интеллекта» при работе на ОРЭМ и РРЭ.
7. Облегчение технологического присоединения энергопринимающих устройств субъектов ОРЭМ и РРЭ.
8. Качественный консалтинг по всем вопросам электроснабжения и энергосбережения.
Успешная реализации перечисленных задач возможна только на базе информационно-технологической системы (программно-аппаратного комплекса) наивысшего достигнутого на сегодняшний день уровня интеграции со всеми возможными информационными системами субъектов рынка – измерительно-учетными как в отношении электроэнергии, так и (в перспективе) в отношении других энергоресурсов.

ЛИТЕРАТУРА

1. Новиков В.В. Интеллектуальные измерения на службе энергосбережения // Энергоэксперт. 2011. № 3.
2. Гуревич В.И. Интеллектуальные сети: новые перспективы или новые проблемы? // Электротехнический рынок. 2010. № 6.

[ http://www.news.elteh.ru/arh/2011/71/14.php]

Тематики

• счетчик электроэнергии

EN

• smart metering

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

экономико-математические методы
эконометрика
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]

экономико-математические методы
ЭММ
Обобщающее название комплекса экономических и математических научных дисциплин, объединенных для изучения экономики. Введено академиком В.С.Немчиновым в начале 60-х годов. Встречаются высказывания о том, что это название весьма условно и не отвечает современному уровню развития экономической науки, так как «они (ЭММ. — авт.) не имеют собственного предмета исследования, отличного от пред¬мета исследования специфических экономических дисциплин»[1]. Однако, хотя тенденция подмечена верно, она, по-видимому, реализуется еще не скоро. ЭММ в действительности имеют общий объект исследования с другими экономическими дисциплинами — экономику (или шире: социально-экономическую систему), но разный предмет науки: т.е. они изучают разные стороны этого объекта, подходят к нему с разных позиций. И главное, при этом используются особые методы исследования, развитые настолько, что сами они становятся отдельными научными дисциплинами особого методологического характера. В отличие от дисциплин, в которых преобладают онтологические аспекты, а методы исследования выступают лишь в большей или меньшей степени как вспомогательные средства, в «методологических» дисциплинах, составляющих значительную часть комплекса ЭММ, методы сами оказываются объектом исследования. Кроме того, действительный синтез экономики и математики еще впереди, потребуется немало времени, пока он осуществится в полной мере. Общепринятая классификация экономико-математических дисциплин, явившихся сплавом экономики, математики и кибернетики, пока не выработана. С известной долей условности ее можно представить в виде следующей схемы[2]. 0. Принципы экономико-математических методов: теория экономико-математического моделирования, включая экономико-статистическое моделирование; теория оптимизации экономических процессов. 1.Математическая статистика (ее экономические приложения): выборочный метод; дисперсионный анализ; корреляционный анализ; регрессионный анализ; многомерный статистический анализ; факторный анализ; теория индексов и др. 2. Математическая экономия и эконометрия: теория экономического роста (модели макроэкномической динамики); теория производственных функций; межотраслевые балансы (статические и динамические); национальные счета, интегрированные материально-финансовые балансы; анализ спроса и потребления; региональный и пространственный анализ; глобальное моделирование и др. 3. Методы принятия оптимальных решений, включая исследование операций: оптимальное (математическое) программирование; линейное программирование; нелинейное программирование; динамическое программирование; дискретное (целочисленное) программирование; блочное программирование; дробно-линейное программирование; параметрическое программирование; сепарабельное программирование; стохастическое программирование; геометрическое программирование; методы ветвей и границ; сетевые методы планирования и управления; программно-целевые методы планирования и управления; теория и методы управления запасами; теория массового обслуживания; теория игр; теория решений; теория расписаний. 4. ЭММ и дисциплины, специфичные для централизованно планируемой экономики: теория оптимального функционирования социалистической экономики (СОФЭ); оптимальное планирование: народнохозяйственное; перспективное и текущее; отраслевое и региональное; теория оптимального ценообразования; 5. ЭММ, специфичные для конкурентной экономики: модели рынка и свободной конкуренции; модели делового цикла; модели монополии, дуополии, олигополии; модели индикативного планирования; модели международных экономических отношений; модели теории фирмы. 6. Экономическая кибернетика: системный анализ экономики; теория экономической информации, включая экономическую семиотику; теория управляющих систем, включая теорию автоматизированных систем управления. 7. Методы экспериментального изучения экономических явлений (экспериментальная экономика): математические методы планирования и анализа экономических экспериментов; методы машинной имитации и стендового экспериментирования; «деловые игры». В ЭММ применяются различные разделы математики, математической статистики и математической логики; большую роль в машинном решении экономико-математических задач играют вычислительная математика, теория алгоритмов и другие смежные дисциплины. [1] Шаталин С.С. Функционирование экономики развитого социализма. — М.: Изд-во МГУ, 1982. [2] Приведенная схема была разработана автором в 1976-78 гг., для Комитета по социальным наукам Международной федерации документации и использована им при составлении библиографической классификации (УДК) по разделу «Математические методы в экономике».
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика
• электротехника, основные понятия

Синонимы

• эконометрика

EN

• econometrics
• economico-mathematical methods

система поддержки принятия решения
СППР
Область применения СППР — это прежде всего слабоструктурированные проблемы. Для задач, которые относятся к области применения СППР, характерна неопределенность, делающая практически невозможным отыскание единственного объективно наилучшего решения. Поэтому при принятии решений в таких ситуациях должен использоваться более тонкий инструментарий определения системы предпочтений, более глубокий сопоставительный анализ альтернативных вариантов необходимое информационное обеспечение лиц, принимающих решение".
Считается, что "... если экспертные системы предназначены для принятия решения в достаточно стандартных ситуациях и позволяют воспользоваться опытом и знаниями высококвалифицированных специалистов в области принятия решения, то СППР предназначены для поддержки принятия решения в менее стандартных ситуациях при управлении слабоструктурированными объектами".
[Литвак Б.Г., Экспертные технологии в управлении, М., "Дело", 2004 г.]
[ http://www.morepc.ru/dict/]

Можно выделить две категории приложений в БД:

• оперативная обработка транзакций (OLTP - Online Transaction Processing) и
• системы поддержки принятия решений ( DSS - Decision Support System).

OLTP-системы используются для создания приложений, поддерживающих ежедневную активность организации. Обычно это критические для деятельности приложения, требующие быстроты отклика и жесткого контроля над безопасностью и целостностью данных.

DSS, как правило, крупнее, чем OLTP-системы. Обычно они используются с целью анализа данных и выдачи отчетов и рекомендаций. Пользователи должны иметь возможность конструировать запросы различной сложности, осуществлять поиск зависимостей, выводить данные на графики и использовать информацию в других приложениях типа электронных таблиц, текстовых процессорах и статистических пакетов. Еще более широкую поддержку в процессе принятия решений обеспечивают системы оперативной аналитической обработки (OLAP - Online Analytical Processing).

[ http://www.rtsoft-training.ru/?p=600017]

Тематики

• информационные технологии в целом

Синонимы

• СППР

EN

• Decision Support System
• decision support systems
• Decision-Making Support System

система поддержки решений
Соединение комплекса программных средств и аналитических моделей для решения широкого круга сложных задач в различных областях жизни, в том числе и в экономике, прежде всего — в производстве. Это направление менеджмента получило на Западе широкое распространение в конце ХХ в. С.п.р. использует достижения в развитии информационных систем и банков данных, исследовании операций, интерактивных режимов работы с ЭВМ. Мощное математическое обеспечение позволяет формулировать цели управления, корректировать их с учетом желаний и опыта менеджеров (этот опыт автоматически формализуется и фиксируется системой в процессе ее работы), находить и предлагать оптимальные средства и пути достижения целей. Существуют системы поддержки не только индивидуальных, но и коллективных решений. В последнем случае специальная программа ранжирует участников по степени их компетенции, учитывая это при согласовании мнений и выработке обобщенных рекомендаций. Многие С.п.р. основаны на формализации функции полезности пользователя и выдаче альтернативы, максимизирующей эту функцию.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• decision support system

системы поддержки принятия решений
ПО, помогающее при принятии решений.
[ http://www.morepc.ru/dict/]

Тематики

• информационные технологии в целом

EN

• Decision Support System
• DSS