Численной оценки экономического эффекта



Скачать 284.89 Kb.
страница1/5
Дата04.06.2018
Размер284.89 Kb.
  1   2   3   4   5

Проект


МЕТОДИКА

ЧИСЛЕННОЙ ОЦЕНКИ ЭКОНОМИЧЕСКОГО ЭФФЕКТА

И ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ МЕТЕОРОЛОГИЧЕСКИХ ПРОГНОЗОВ ДЛЯ ОРГАНИЗАЦИИ РАБОТ СИСТЕМ ПЕРЕДАЧИ ЭЛЕКТРОЭНЕРГИИ


Обнинск 2009

Предисловие
1. РАЗРАБОТАН: Государственное учреждение «Всероссийский научно-исследовательский институт гидрометеорологической информации – Мировой центр данных» (ГУ «ВНИИГМИ-МЦД») Федеральной службы по гидрометеорологии и мониторингу окружающей среды (Росгидромета) с привлечением специалистов Российского государственного гидрометеорологического университета (РГГМУ)

2. СОГЛАСОВАН:

3. РАССМОТРЕН И ОДОБРЕН: Центральной методической комиссией по гидрометеорологическим гелиогеофизическим прогнозам Росгидромета 02 апреля 2009 года

4. ИМЕЕТ РЕКОМЕНДАТЕЛЬНЫЙ ХАРАКТЕР для специалистов Министерства энергетики

5. ВВОДИТСЯ ВПЕРВЫЕ

Введение
Настоящая Методика устанавливает основные принципы определения экономического эффекта и экономической эффективности использования метеорологических прогнозов для организации работ систем передачи электроэнергии.

Основные положения методики базируются на «Базовом методе численной оценки экономического эффекта и экономической эффективности использования гидрометеорологических прогнозов – методологические и концептуальные основы» [1], одобренной Центральной методической комиссией Росгидромета в мае 2008 года.


1. Функциональное описание погодозависимости
1.1. Основы разработки матричной оценки метеорологических потерь

В современной отечественной и зарубежной синоптической практике метеорологические прогнозы обобщаются в виде матриц (таблиц) сопряженности. Общий вид матрицы сопряженности альтернативных прогнозов записывается следующим образом (табл. 1.1).



Фактически наблюдалось, Фi

Прогнозировалось, Пj




П – наличие явления, неблагоприятного условия погоды

П – отсутствие явления, неблагоприятного условия погоды

Ф – явление наблюдалось

n11

n12

n10

– явление не наблюдалось

n21

n22

n20



n01

n02

N

Таблица 1.1. Общий вид матрицы сопряженности
Здесь n11 – число случаев оправдавшихся прогнозов наличия явления – явление (или состояние погоды) прогнозировалось и фактически наблюдалось; n21 – число случаев неоправдавшихся прогнозов наличия явления – явление (или неблагоприятное состояние погоды) прогнозировалось, но фактически не наблюдалось; n12 – число случаев неоправдавшихся прогнозов отсутствия явления – явление (или неблагоприятное состояние погоды) не прогнозировалось, но фактически наблюдалось; n22 – число случаев оправдавшихся прогнозов отсутствия явления – явление (или опасное состояние погоды) не прогнозировалось и фактически не наблюдалось.
В матрице сопряженности n12 ошибки первого рода – ошибки пропуски; n21 – ошибки второго рода – ошибки-страховки; n01 – число случаев прогнозов наличия явления (или состояния погоды) – число прогнозов с текстом П; n02 – число случаев прогнозов отсутствия явления (или состояния погоды) – число прогнозов с текстом П; n10 – число случаев наличия явления (или состояния погоды) – столько раз явление фактически наблюдалось; n20 – число случаев отсутствия явления (или состояния погоды) – столько раз явление фактически не наблюдалось; N – общее число прогнозов за месяц, сезон и т.п.

Оперативная компьютерная разработка матриц сопряженности достаточно проста. Она сводится к механизму избирательного накопления информации о прогнозируемых и фактических условиях погоды за выбранный отрезок времени (месяц, сезон, год). Матрица сопряженности содержит число случаев (nij) соответствия этих условий (Пj ~ Фi). На основании оперативных синоптических журналов (или иных форм представления прогнозов) производится выборка прогностической информации о явлениях или условиях погоды и сопоставление их с фактической погодой (Фi), что позволяет разработать матрицу сопряженности альтернативных прогнозов.

Оценка успешности и экономической полезности прогнозов требует знания матрицы сопряженности стандартных прогнозов – главным образом, инерционных. Разработка матрицы сопряженности инерционного прогноза выполняется только по фактическим (ежедневным) сведениям о погоде, а значит – о явлениях погоды и метеорологических величинах. Это могут быть таблицы ТМ или другие материалы метеорологических наблюдений.

Для построения матрицы сопряженности инерционных прогнозов для альтернативных условий предлагается простая вычислительная схема.

1. Фактически наблюдавшиеся частоты наличия (Ф) или отсутствия () явления (или опасных и неопасных значений метеорологической величины), т.е. соответственно n10 и n20 остаются те же, что и в матрице сопряженности методических прогнозов.

2. Инерционные прогнозы обладают свойством несмещенности, что всегда прослеживается в матрице сопряженности этого вида прогнозов. Иначе, n01 = n10 и n02 = n20. Кроме того, n12 = n21.

3. Далее необходимо определить элементы собственно матрицы сопряженности: n11, n21, n12, n22. Здесь достаточно рассчитать только частоту n12 – число ошибок–пропусков. Остальные частоты определяются способом разностей: n11 = n10 - n12, n22 = n20 - n21.

Частота n12 рассчитывается по фактическим данным для суточного или полусуточного прогноза. Поскольку исходное условие погоды – есть прогноз (Ф = Пин, = ин), а последующее условие погоды (через 24 часа или через 12 часов) – есть факт (Ф, ), то ошибки-пропуски (n12) это будут те случаи, когда в исходные сроки явление или неблагоприятная погода не отмечается, а в последующие сутки или 12-часовой период наблюдаются.

На основании полученных матриц сопряженности устанавливаются меры адекватности прогностической и фактической погоды – известные критерии успешности.

В случае неблагоприятных или опасных условий погоды потребитель может понести значительный ущерб. Неумелый учет или вовсе не учет прогноза этих условий погоды не позволяет снизить потери, а это значит – потерять полезность прогноза. В этом смысле функцию полезности можно представить в виде функции потерь

sij = s(Фi, dj)

где Фi(i = ) – фактическая погода (явление, условие и т.п.), в период предусмотренный прогнозом и соответственно действием потребителя dj = (j = ).

В решении многих задач в рамках экономической метеорологии используется функция потерь. Наиболее простым и доступным пониманию описанием функции потерь является ее дискретное представление – матрица потерь определенного порядка (n x m). В современной хозяйственной практике использования прогнозов большинство потребителей ограничивается в своем регламенте принятия решений одним из двух действий: «защищаться» или «меры защиты не применять». Тем самым и прогностическая информация переводится в простую альтернативу: «опасные условия погоды» или «условия погоды не опасны».

Рассматривается матрица потерь второго порядка, которая имеет следующий вид (табл. 1.2), соответствующая матрице сопряженности.

Таблица 1.2. Матрица потерь при альтернативных прогнозах


Фактически наблюдалось, Фi

Потребитель принимает решение, действие d(Пj) = dj

Фактически наблюдалось, Фi




Каталог: economic
economic -> 1. Цели изучения учебной дисциплины Целями освоения учебной дисциплины «Государственная и муниципальная служба»
economic -> Развитие экономического механизма государственного регулирования пенсионных прав застрахованных лиц
economic -> Лекция От социологии знания к социологии науки
economic -> Анализ конкуренции в российском футболе в преддверии проведения чемпионата мира по футболу в России в 2018 год
economic -> Предпринимательство в условиях глобализации: основные черты и противоречия
economic -> Рабочая учебная программа производственной практики направление подготовки 040400. 62 социальная работа


Поделитесь с Вашими друзьями:
  1   2   3   4   5


База данных защищена авторским правом ©znate.ru 2017
обратиться к администрации

    Главная страница