大型化学工业园电能负荷动态平衡控制技术优化设计

李蒙赞

(国网山西省电力公司 电力科学研究院，山西 太原 030001)

工业园区属于工业企业相对集中的城市功能区域，区域内大负荷用电企业较为密集，部分企业采用多电源回路上的专用接入点接入，或在2条以上多电源回路上部署多个专用接入点接入；
部分企业采用多路专线供电接入，或专线供电配合多电源回路接入。此处多电源回路包括拉手回路、环形回路等，拉手回路一般拥有至少2个电源接入点，环形回路一般拥有至少3个电源接入点，即多电源回路上的电源性质本身即为2级负荷电源[1]。

综合能源信息管理管理系统是区域用电负荷调度的重要管理信息系统，通过将特定区域内的用电负荷需求统一管理，对不同电压级别，不同供电回路的电源状态、衍生电源状态进行统一管理，以确保重点区域的供电可靠性[2]。

研究采用平衡调度理念，将某个案工业园区的综合能源管理信息系统的调度专家系统算法进行充分优化，使其策略编制功能更贴近实际需求。

该个案工业园区面积7.4平方km，为省级工业开发区，园区内拥有用电企业12个，用电总容量为28.1 MW，其中35 kV专线用电容量12.4 MW，共2个用户；
10 kV专线用电容量6.5 MW，共3个用户；
10 kV多电源回路双节点接入用户用电容量6.0 MW，共3个用户；
10 kV多电源回路单节点接入用户用电容量3.2 MW，共4个用户。具体线路分布情况如表1所示。

表1 园区内供电线路分布示意图Tab.1 Distribution diagram of power supply lines in the park

由表1可知，园区内供电线路包括针对5个用户的10条供电专线，其中35 kV专线4条，10 kV专线6条，另布置3条10 kV拉手线路[3]。因为工业园区拉手线路中每个用电节点的用电负荷需求均较高，所以其拉手回路内的接入点密度远小于居民区接入点密度，3条拉手线路电源分别来自35 kV变电所的105站、108站、116站、109站共4个变电站。10 kV专线电源分别来自105站、108站、116站共3个变电站，专线电源站包含在拉手线路变电站内。35 kV专线电源分别来自35 kV的303站、307站、313站共3个变电站。

涉及到3个35 kV电源站和4个10 kV电源站，该7个电源站均分布在工业园内或工业园周边。所有用户分为4个级别，分别为：35 kV双专线供电、10 kV双专线供电、拉手线路双节点供电、拉手下单节点供电。该4个级别均可实现2级负荷直接供电[4]。

2.1 平衡调度算法的数学模型

CLASS分析法是将用户负荷和电源站负荷赋予数学属性，将客观实体转化为数学实体的研究方法。在对该个案的研究中，分析12个用电用户的最大用电容量，假定其最大用电容量为PU，则其可能产生负荷在Rand(0,PU)区间内，即采用随机数模拟法可以产生12个用电用户分别用电的负荷量[5]。而电源站的负荷量为其向用户供应电能的回路通断情况，即对于10 kV电源站，如式(1)：

PΣ=∑Rand(0,PUi)

(1)

式中：PUi为第i个接通负荷的最大负荷容量；
Rand(*)为随机数取值过程，自变量为随机数取值空间。

对于35 kV电源站，如式(2)：

(2)

假定所有7个电源站的负荷量均为PΣi，其中i=7，要实现该7个电源站的负荷均衡，则需要对其标准偏差率进行计算，如式(3)：

(3)

2.2 平衡调度算法下的开关量提取

该模型下涉及到不同电压等级的多种负荷，其电气连接方式包括各种变压器、互感器等线圈绕组设备，隔离开关、接地开关、断路器等开关设备，且母线结构较为复杂，如果直接研究上述系统，势必造成研究对象的复杂化导致无法提取对应的数学模型[6]。而该研究的本质只考虑到上级电源站对下级电源站的供电回路和对各负荷的供电回路，对任何供电回路来说，其回路两侧断路器以及边界回路的对应断路器，可以看做是其唯一功能节点。所以，为了研究平衡调度算法的相关属性，将上述系统充分简化，即形成一套最简开关量构成拓扑[7]。对网络拓扑进行拓扑学模型提取，具体如图1所示。

图1 园区平衡调度所用开关拓扑关系图Fig.1 Topological diagram of switches used for balanced dispatching in the park

从图1可以看出，共涉及到33个开关，其中互斥开关共12对，即自由控制开关共21个。根据组合定律，上述开关量共可能形成开关组合模式为221=2.097×106种倒闸状态，而其中经常使用的倒闸状态远小于该值，多数倒闸状态会造成该网络内大面积失电，属于故障倒闸状态[8]。所以，通过机器学习算法，在2.097×106种倒闸状态中选择出最适合当前平衡调度需求的倒闸状态，避免可能发生的故障倒闸状态，是本文研究的重点[9]。

2.3 神经网络的设计

将上述21个开关节点设定为1个一维矩阵，如式(4)：

S={Si=(1,0),i∈1,2,…,n|n=21}

(4)

对上述7个母线负荷设定为1个一维矩阵，如式(5)：

P={Pi=Rand(0,PUi),i=1,2,…,n|n=7}

(5)

通过向神经网络中输入S与P矩阵，得到最终的S矩阵判断结果，将S矩阵判断结果输入到后置仿真模块中，判断其产生的P矩阵结果，比较P矩阵结果的标准偏差率，当P矩阵标准偏差率小于阈值时，则输出该结果到倒闸专家系统；
具体结果如图3所示。

图2 神经网络及外围模块数据流图Fig.2 Data flow diagram of neural network and peripheral modules

该神经网络中，输入模块共21+7=28个，为21个二值化变量(Logical格式)和7个双精度浮点变量(Double格式)，输出模块共21个，为21个二值化变量(Logical格式)。21个输出模块分别直接从所有28个输入模块读取信息，经过数据处理后输出二值化分析结果，即该神经网络是一族21列分列单模块神经网络架构[10]。

分析21个神经网络模块属性，在统计学上需要对28个输入数据进行充分降维融合，7个双精度浮点变量即P数列因子，输入数据之间需要将数据投影到[0,1]空间，以避免其量纲差异和投影区间差异对[0,1]区间上的二值化数据带来影响，其重投影函数如式(6)：

(6)

式中：Pi为数列中第i个母线的负荷值；
maxP为7个母线负荷值中的最大值；
Yi为重投影的输出值；
当Pi=0时，Yi=0。

该神经网络模块前3层隐藏层的作用为数据降维，且在降维时将损失信息量保存到数据节点中，所以数据节点的待回归系数应足够丰富且其曲线拐点丰度应满足复杂曲线的拟合要求，故应采用多项式函数进行节点设计，其基函数如式(7)：

(7)

式中：Xi为第i个输入数据；
Y为输出数据；
j为多项式阶数；
Aj为第j阶多项式的待回归系数。

为实现充分降维，前3层隐藏层的节点数量应分别布置为29、11和5个，该45个节点均采用式(5)的多项式回归函数进行节点设计，因为每个节点包含6个待回归系数，则该45个节点共包含270个待回归系数[11]。

第4、5层隐藏层的统计学意义是将上述数据充分二值化，以实现最后形成1个充分二值化的输出值；
故第4层布置3个二值化节点，第5层布置1个二值化节点，二值化回归函数的基函数可写为式(8)：

(8)

式中：Xi为第i个输入数据；
Y为输出数据；
e为自然常数，此处取近似值e=2.718 281 828；
A为待回归系数[12]。

经过2层二值化输出的1个二值化结果，因为存在多个二值化值的叠加，所以其二值化效果仍不可靠，所以在数据训练过程中，确保连续50次未出现所有数据二值化结果未落点在[0.05,0.95]后，方认为该神经网络已经充分收敛。

数据训练过程中，选择该工业园区自2018年1月1日至2019年12月31日实际运行数据作为训练数据，在该时间戳范围内随机抽取真实运行数据对神经网络进行训练，使神经网络得到充分收敛[13]。

仿真测试选用电力CAE平台下的SimuWorks仿真控件，采用随机负荷法对上述模型进行仿真分析。参照组选用该工业园之前使用的早期平衡调度平台算法，采用同一数据对早期平衡调度平台算法和革新平衡调度算法进行比较分析[14]。

2种算法平衡负荷后，实际负荷变化率曲线的标准偏差率σ如式(3)和最大偏差比如式(9)：

(9)

式中：maxP、minP分别为7个母线负荷值的最大值和最小值。

该σ值和ΔP值仿真比较结果如表2所示。

表2 系统控制精度仿真比较结果表Tab.2 Comparison results of system control accuracy simulation

由表2可知，革新算法平衡后的7个个案变电站负荷均得到了更为有效的平衡，革新算法较早期算法的标准偏差率提升5.1倍，最大偏差比提升3.8倍。标准偏差率和最大偏差比取值减小，标志着7个个案变电站的电源母线负荷的均一性得到更大程度的统一，电网负荷的平衡性更佳[15-16]。标准偏差率和最大偏差比关系到电网节点的调度控制精度，早期全人工编制倒闸策略，人工执行倒闸的过程中，因为倒闸频率较低，倒闸过程的复杂性和现场管理风险导致现场无法对变电站节点的负荷比给出精密控制。

为考察该目标的实际控制效果，使用电力CAE平台下的SimuWorks仿真控件产生12个用电用户负荷的连续时域变化量，比较电网内的电能质量，结果如表3所示。

表3 电能质量控制效果比较表Tab.3 Comparison of power quality control effects

由表3可知，无功增压比标志着工业园配电网络中无功功率对电能质量的影响；
电压峰值波动比标志着工业园内的冲击电压对电能质量的影响，该2项指标的评价结果中，革新算法的表现显著优于早期算法。而在革新算法的驱动下，开关倒闸频率较早期算法略有增加，无功补偿器投切频率基本保持不变[17]。

革新算法将倒闸频率提升43.9%的前提下，实现无功增压比和电压峰值波动比分别下降71.2%和50.6%，同时实现7个电源站负荷情况最大偏差比提升3.8倍的控制效果。经过该技术革新，变电站的负荷管理控制过程更加精细化，对用电侧提供的电能波形更加接近于理论波形，工业园企业获得的电能质量服务更加负荷智能电网高质量纯净电能供应的技术要求，即，该算法对实现工业园区用电环境的平衡调度有积极意义。

猜你喜欢用电调度电源用煤用电用气保障工作的通知中国化肥信息(2021年12期)2021-04-19安全用电知识多中学生数理化·中考版(2020年12期)2021-01-18《调度集中系统(CTC)/列车调度指挥系统(TDCS)维护手册》正式出版铁道通信信号(2020年10期)2020-02-07基于强化学习的时间触发通信调度方法北京航空航天大学学报(2019年9期)2019-10-26一种基于负载均衡的Kubernetes调度改进算法成都信息工程大学学报(2019年3期)2019-09-25Cool Invention炫酷发明阅读（快乐英语高年级）(2019年2期)2019-09-10虚拟机实时迁移调度算法三门峡职业技术学院学报(2019年1期)2019-06-27为生活用电加“保险”中学生数理化·中考版(2018年12期)2019-01-31用电安全要注意小学生必读(中年级版)(2018年10期)2019-01-04哪一款移动电源充电更多？更快？消费者报道(2016年3期)2016-02-28

推荐访问:动态平衡 电能 工业园