本發(fā)明涉及一種動態(tài)無功控制技術(shù),特別涉及一種基于日實時的動態(tài)無功優(yōu)化方法。
背景技術(shù):
日實時的動態(tài)電力系統(tǒng)無功優(yōu)化指在一天內(nèi),當(dāng)電力系統(tǒng)中的負荷參數(shù)、線路參數(shù)和功率參數(shù)一定時,同時滿足系統(tǒng)變量約束條件(五個變量約束條件),通過調(diào)節(jié)控制變量大小,即發(fā)電機端電壓、無功補償裝置的投切組數(shù)和變壓器的分接頭位置,使系統(tǒng)的有功網(wǎng)損達到最低。在包括以上一些基本措施外,還包括智能化算法進行優(yōu)化和大數(shù)據(jù)處理分析過程,優(yōu)化了整個系統(tǒng)運行過程,并將優(yōu)化思想運用于實際工程中,更具有才實際參考價值。
舊時的動態(tài)電力系統(tǒng)無功優(yōu)化是一個包括連續(xù)變量和離散變量的模型,是一個非線性的復(fù)雜問題,將其用通用的數(shù)學(xué)模型進行表達,具體如下:
stk≤stk=1,2,3...m
sck≤sck=1,2,3...l(3)
式中vgit:各時段發(fā)電機的機端電壓;tt:各時段變壓器分接頭檔位位置。qcit:各時段無功補償裝置發(fā)出的無功功率。qgit:各時段發(fā)電機發(fā)出的有功功率,stk:一段時間內(nèi)k個有載變壓器分接頭動作次數(shù);sck:一段時間內(nèi)第k個電容器總動作次數(shù)。
其中式(1)為目標(biāo)函數(shù),表示為一天的電力系統(tǒng)有功網(wǎng)損最小值;式(2)為一天內(nèi)系統(tǒng)的功率等式方程;式(3)為動態(tài)電力系統(tǒng)無功優(yōu)化的控制變量和狀態(tài)變量不等式約束條件。
針對于當(dāng)前的動態(tài)電力系統(tǒng)無功優(yōu)化問題,很多學(xué)者研究時,都是只是單一的對節(jié)點電壓、節(jié)點電流、功率流動等數(shù)據(jù)進行單一分析,并沒有進行系統(tǒng)的處理,而且大多都采用直接的方法進行求解,如非線性內(nèi)點法,序列二次規(guī)劃算法。這些方法存在一定的缺陷:
若采用非線性內(nèi)點法和序列二次規(guī)劃算法,計算量均很大,導(dǎo)致運行效率低,而都需要計算海森矩矩陣,求解復(fù)雜;
若只是單純采集記錄節(jié)點上的電流和電壓數(shù)據(jù)、以及功率流動,不經(jīng)過系統(tǒng)性的分析,將會對優(yōu)化結(jié)果造成較大的誤差。特別是在實際的電力系統(tǒng)中,節(jié)點數(shù)很多,所測的數(shù)據(jù)很多,若不進行一定技術(shù)處理,系統(tǒng)運行正確率會受到影響。
而且當(dāng)前技術(shù)動態(tài)無功優(yōu)化技術(shù),大多是只調(diào)節(jié)有載調(diào)壓變壓器或者單單投切電容器,或者是變壓器和電容器同時動作,前兩者對動態(tài)無功優(yōu)化并沒有很大的改進,而后者則減少了元件的使用壽命。故當(dāng)前技術(shù)還有待提高和發(fā)展。
技術(shù)實現(xiàn)要素:
本發(fā)明是針對動態(tài)無功優(yōu)化存在的問題,提出了一種基于日實時的動態(tài)無功優(yōu)化方法,解決現(xiàn)有的算法計算量巨大、效率差和正確率低以及設(shè)備元件壽命的問題。
本發(fā)明的技術(shù)方案為:一種基于日實時的動態(tài)無功優(yōu)化方法,具體包括如下步驟:
1)用數(shù)據(jù)采集器測量系統(tǒng),一周內(nèi)每天采集各負荷節(jié)點的節(jié)點電壓值vi、節(jié)點電流值ii以及各個的功率流動數(shù)值有功功率值pi和無功功率值qi;將所測量到的數(shù)據(jù),上傳云端,運用負荷預(yù)測,預(yù)測出某一天的負荷數(shù)據(jù);
2)確定以網(wǎng)損和分接頭調(diào)整次數(shù)以及電容器投切組數(shù)為電力系統(tǒng)動態(tài)優(yōu)化目標(biāo)的數(shù)學(xué)模型:
式中:目標(biāo)函數(shù)f,minf表示為一天的電力系統(tǒng)有功網(wǎng)損最小值,plosst為t時段的有功網(wǎng)損,vt為t時段的負荷節(jié)點電壓,tt為t時段的有載變壓器的分接頭的位置,ct為電容器投切組數(shù);
動態(tài)優(yōu)化過程的功率平衡公式為:
式中:pgit為t時段發(fā)電機發(fā)出的有功功率;plit為t時段負荷所消耗的有功功率;bij為節(jié)點i和j之間的電納,gij為節(jié)點ij之間的電導(dǎo);qgit為t時段發(fā)電機的無功出力;qlit為t時段負荷消耗的無功功率;qcit為t時刻的無功補償?shù)娜萘?,δijt為t時段節(jié)點i和節(jié)點j之間的電角度;
3)確定動態(tài)優(yōu)化過程的各變量約束條件:
動態(tài)優(yōu)化過程的變量約束不等式為:
stk≤stk=1,2,3...m
sck≤sck=1,2,3...l
式中:vgi.ti為各個時段發(fā)電機的機端電壓;ti.ti為各個時段變壓器分接頭檔位位置。qgi.ti為各個時段發(fā)電機發(fā)出的有功功率;stk為一段時間內(nèi)k個有載變壓器分接頭動作次數(shù);sck為一段時間內(nèi)第k個電容器投切動作的次數(shù);ng為系統(tǒng)中發(fā)電機數(shù)量;nt為系統(tǒng)中有載變壓器數(shù)量;nc為系統(tǒng)中無功補償裝置的組數(shù);st為系統(tǒng)中變壓器分接頭動作次數(shù)的限制;sc為系統(tǒng)中無功補償裝置動作次數(shù)的上限值;m為系統(tǒng)中有載變壓器數(shù)量;l為系統(tǒng)中無功補償裝置的安裝數(shù)量;
4)確定動態(tài)無功優(yōu)化控制策略:以小時為單位,將測得的負荷曲線劃分為24段,并通過數(shù)據(jù)分析,求得每一時刻負荷用電量,利用智能化算法,對t時段的負荷進行靜態(tài)無功優(yōu)化,記錄各個控制變量及有功網(wǎng)損的值;
5)根據(jù)優(yōu)化結(jié)果,計算t和t+1時段的變壓器和電容器的投切組數(shù)的差值,并乘以各時段的負荷系數(shù);
6)以電容為例,按大小順序排列,選出其中符合操作規(guī)定的組數(shù);
7)記錄規(guī)定時刻的組數(shù),即為電容器動作的時刻,動作時刻段的投切組數(shù)即為動態(tài)無功優(yōu)化策略;
8)根據(jù)獲得分析的數(shù)據(jù)進行處理,有載調(diào)壓變壓器調(diào)節(jié)動作次數(shù)和電容器投切動作次數(shù),間隔性操作,即第一時段進行有載調(diào)壓變壓器操作,第二時段則進行電容器投切,分段操作,如此避免元件的連續(xù)動作。
所述步驟4)中智能化算法采取三角骨架差分算法,將變壓器和電容器的調(diào)節(jié)所需要調(diào)節(jié)的具體量,作為一空間整體,中間任意一個個體位置代表具體的變壓器的投切組數(shù)和無功補償裝置投切的數(shù)量,具體優(yōu)化交叉公式如下:
式中:在交叉操作過程中,如果隨機產(chǎn)生數(shù)vijk小于cr或者維數(shù)j=q,那么取值是高斯變異中的vijk,如若不符合要求,進行下一步操作,將個體最優(yōu)值
其中概率表達式為:
(1-cr-1/d)x0.4
交叉因子自適應(yīng)表達式為:
式中:
基于高斯變異的變異操作,對三角骨架差分算法進行優(yōu)化變異:在進行變異操作時,先在種群中隨機選擇三個不同個體,將三個個體的位置(xij、xik、xiw)進行兩兩組合相減,求絕對值,對三個絕對值求平均值;三角骨架差分算法的具體優(yōu)化變異公式如下:
μ=((xij+xik+xiw))/3
δ=(|xij-xik|+|xij-xiw|+|xik-xiw|)/3
vik=n(μ,δ)
式中:n是以μ為均值的,以δ為標(biāo)準(zhǔn)差的一個高斯分布的函數(shù),j,k,w三個是種群中隨機取樣的三個不同的個體。
本發(fā)明的有益效果在于:本發(fā)明基于日實時的動態(tài)無功優(yōu)化方法,直接從電網(wǎng)中讀取所需數(shù)據(jù),利用智能化算法有效節(jié)省運算時間,科學(xué)權(quán)衡各無功控制器的變化狀態(tài),實時反映電網(wǎng)變化情況。對未來的動態(tài)無功優(yōu)化領(lǐng)域提供最堅實的理論基礎(chǔ),以大數(shù)據(jù)為支撐,以科學(xué)的運行機制實現(xiàn)電網(wǎng)的動態(tài)無功優(yōu)化,進而產(chǎn)生巨大的經(jīng)濟利益。
附圖說明
圖1為本發(fā)明基于日實時的動態(tài)無功優(yōu)化方法流程圖。
具體實施方式
本發(fā)明是由負荷狀態(tài)采集器連接到各負荷點,采集各負荷大數(shù)據(jù),進行處理,并傳輸給無功控制裝置以及變壓器分接頭。電力系統(tǒng)動態(tài)無功優(yōu)化是對狀態(tài)變量、控制變量調(diào)節(jié)。根據(jù)大數(shù)據(jù)的分析,優(yōu)化指導(dǎo)整個電力網(wǎng)絡(luò)的運行。
如圖1所示基于日實時的動態(tài)無功優(yōu)化方法流程圖,具體包括以下步驟:
步驟s1:用數(shù)據(jù)采集器測量系統(tǒng),一周內(nèi)每天采集各負荷節(jié)點的節(jié)點電壓值vi、節(jié)點電流值ii以及各個的功率流動數(shù)值有功功率值pi和無功功率值qi。
步驟s2:將所測量到的數(shù)據(jù),上傳云端,運用負荷預(yù)測,預(yù)測出某一天的負荷數(shù)據(jù)。
步驟s3:確定以網(wǎng)損和分接頭調(diào)整次數(shù)以及電容器投切組數(shù)為電力系統(tǒng)動態(tài)優(yōu)化目標(biāo)的數(shù)學(xué)模型:
式中:目標(biāo)函數(shù)f,minf表示為一天的電力系統(tǒng)有功網(wǎng)損最小值。plosst為t時段的有功網(wǎng)損,vt為t時段的負荷節(jié)點電壓,tt為t時段的有載變壓器的分接頭的位置,ct為電容器投切組數(shù)。
動態(tài)優(yōu)化過程的功率平衡公式為:
式中:pgit為t時段發(fā)電機發(fā)出的有功功率;plit為t時段負荷所消耗的有功功率;bij為節(jié)點ij之間的電納,gij為節(jié)點ij之間的電導(dǎo);qgit為t時段發(fā)電機的無功出力;qlit為t時段負荷消耗的無功功率;qcit為t時刻的無功補償?shù)娜萘?,δijt為t時段節(jié)點i和節(jié)點j之間的電角度。
步驟s4:確定動態(tài)優(yōu)化過程的各變量約束條件:
動態(tài)優(yōu)化過程的變量約束不等式為:
stk≤stk=1,2,3...m
sck≤sck=1,2,3...l
式中:vgi.ti為各個時段發(fā)電機的機端電壓;ti.ti為各個時段變壓器分接頭檔位位置。qgi.ti為各個時段發(fā)電機發(fā)出的有功功率。stk為一段時間內(nèi)k個有載變壓器分接頭動作次數(shù);sck為一段時間內(nèi)第k個電容器投切動作的次數(shù);ng為系統(tǒng)中發(fā)電機數(shù)量;nt為系統(tǒng)中有載變壓器數(shù)量;nc為系統(tǒng)中無功補償裝置的組數(shù);st為系統(tǒng)中變壓器分接頭動作次數(shù)的限制;sc為系統(tǒng)中無功補償裝置動作次數(shù)的上限值;m為系統(tǒng)中有載變壓器數(shù)量;l為系統(tǒng)中無功補償裝置的安裝數(shù)量。
步驟s5:確定動態(tài)無功優(yōu)化控制策略。以小時為單位,將測得的負荷曲線劃分為24段,并通過數(shù)據(jù)分析,求得每一時刻負荷用電量。利用智能化算法,對t時段的負荷,進行靜態(tài)無功優(yōu)化,記錄各個控制變量及有功網(wǎng)損的值。
步驟s6:根據(jù)優(yōu)化結(jié)果,計算t和t+1時段的變壓器和電容器的投切組數(shù)的差值,并乘以各時段的負荷系數(shù)。
步驟s7:以電容為例,按大小順序排列,選出其中符合操作規(guī)定的組數(shù)。
步驟s8:記錄規(guī)定時刻的組數(shù),即為電容器動作的時刻,動作時刻段的投切組數(shù)即為動態(tài)無功優(yōu)化策略。
步驟s9:根據(jù)獲得分析的數(shù)據(jù)進行處理,有載調(diào)壓變壓器調(diào)節(jié)動作次數(shù)和電容器投切動作次數(shù),間隔性操作。即第一時段進行有載調(diào)壓變壓器操作,第二時段則進行電容器投切,分段操作,如此可以避免元件的連續(xù)動作,減少元件的損耗,提高元件的使用壽命。
將智能化優(yōu)化算法與電力系統(tǒng)相結(jié)合,智能化優(yōu)化算法本文采取三角骨架差分算法,這種三角骨架差分算法和之前的算法進行比較,個體最優(yōu)值以概率的形式及參與到新的實驗向量中。將變壓器和電容器的調(diào)節(jié)所需要調(diào)節(jié)的具體量,作為一空間整體,中間任意一個個體位置代表具體的變壓器的投切組數(shù)和無功補償裝置投切的數(shù)量,對其進行智能化優(yōu)化算法,其算法的具體優(yōu)化交叉公式如下:
式中:在交叉操作過程中,如果隨機產(chǎn)生數(shù)vijk小于cr或者j=q(維數(shù)),那么取值是高斯變異中的vijk,如若不符合要求,進行下一步操作,將個體最優(yōu)值
其中概率表達式為:
(1-cr-1/d)x0.4
本文中交叉因子自適應(yīng)表達式為:
式中:
基于高斯變異的變異操作,對三角骨架差分算法進行優(yōu)化變異。在進行變異操作時,先在種群中隨機選擇三個不同個體,將三個個體的位置(xij、xik、xiw)進行兩兩組合相減,求絕對值,對三個絕對值求平均值。在該智能算法初始過程中,每個個體差異很大,所以將重點放在全局搜索;在搜索后期,個體之間差異較小,將會逐漸收斂。
三角骨架差分算法的具體優(yōu)化變異公式如下:
μ=((xij+xik+xiw))/3
δ=(|xij-xik|+|xij-xiw|+|xik-xiw|)/3
vik=n(μ,δ)
式中:n是以μ為均值的,以δ為標(biāo)準(zhǔn)差的一個高斯分布的函數(shù)。j,k,w三個是種群中隨機取樣的三個不同的個體。隨機選取的個體即為選取三個個體的位置向量。