Методы повышения эффективности процессов добычи и транспорта газа, страница 75

Для оперативной оптимизации системы транспорта газа, ра­ботающей в условиях возмущений, необходимы меры, обеспе­чивающие учет и сглаживание этих возмущений. В качестве основной меры для учета неравномерностей газопотребления используется оперативное прогнозирование газопотребления. Существует множество работ, рассматривающих частные аспек­ты оперативного прогнозирования газопотребления, на которых из-за ограниченности объема работы нет возможности останав­ливаться. Отметим лишь работу J16], в которой рассмотрен подход, близкий к разработанному автором совместно с В. Е. Попадько.

Методику прогнозирования газопотребления будем строить, пользуясь идеей разложения нестационарного случайного про­цесса на характеристические составляющие [36]. Пусть случай­ный процесс газопотребления можно представить ансамблем реализаций:

xm{t\   m= I, 2, . . ., \i.

Используя разложения Карунена—Лоэва, можно представить отдельную реализацию этого процесса в виде

xm(t) = %V°ami<p1(t),                                                                                        (V.I)

где %i — константа; ami — последовательность некоторых ко­эффициентов; q>i(t) —некоторая функция.

м  т
min E = min ~ ^ J (** (0 - №<**& (*) 12 dt.                                                                                      (V.2)

l

Будем выбирать параметры Хь ат\, <pi(£) из условия мини­мизации среднего квадратического функционала на некотором интервале наблюдения (О, Т).

м  т  J

m=l О

Найдя вариации первого порядка   (V.2)   по A,J/2ami, <Pi(O
и приравняв их нулю, получим
т                                м

J<pf(*)#=l;      Л4яМ-                                                                (V'3)

О                                         rnl=\

144


Тогда (V.3) перепишется в виде

о

м ***

Исключив ат i из соотношений и учтя, что ,     1   м

получим окончательно

 (0,                                                   (V.6)

о

где ^?(^, т)—автокорреляционная функция процесса   ()

Таким образом, из (V.6) видим, что Ль <pi(t) являются со­ответственно первым собственным числом и первой собствен­ной функцией оператора корреляционной функции исходного нестационарного случайного процесса.

Ясно, что по аналогии можно вычислить вторую, третью и последующие собственные функции автокорреляционного опе­ратора исходного случайного процесса.

В качестве критерия останова будет использоваться сред­ний квадратический функционал аппроксимации оператора ав­токорреляционной функции


Е = — Т


(V.7)


В общем виде задача разложения нестационарного случай­ного процесса по характеристическим составляющим сведется к решению интегрального уравнения вида

JR (t, т) ф (т) dx = Яф (/).                                                                                       (V.8)

о

Это уравнение является аналогом уравнения Винера—Хоп-фа для классической задачи экстраполяции Колмогорова— Винера [36]. Сформулируем теперь задачу прогнозирования газопотребления как задачу разложения случайного процесса газопотребления x(t) по некоторой системе базисов. В каче­стве базисов выберем собственные функции автокорреляцион­ного оператора R(t, т) исходного случайного процесса x(t). В общетеоретическом плане эта задача решена и не представ­ляет научного интереса. Однако мы обратим внимание на не-

10 Зак. 2194                                                                                                                           145


которые специфические особенности экстраполяционной про­цедуры вообще и случайного процесса газопотребления, в ча­стности. Это позволит получить нам некоторые оригинальные результаты.

Заметим, что любая экстраполяционная процедура в прин­ципе по своей природе должна быть симметричной. На это об­ратил внимание в свое время еще Г. Вейль. Действительно, методы экстраполяции считаются работоспособными лишь в том случае, когда предыстория в той или иной степени опреде­ляет экстраполируемые значения процесса (в простейшем слу­чае, по Колмогорову, экстраполируемые значения связаны в среднем линейной зависимостью со значениями предыстории).