容量负荷

2024-05-30

容量负荷（精选6篇）

容量负荷篇1

0 引言

近年来,微电网凭借其投资少、见效快、机动灵活、安全可靠的优点,受到了越来越多的关注。微电网潜力巨大,发展十分迅速,但由于其发展时间较短,且与大电网具有明显的不同,故在许多方面仍然存在一些问题。

随着我国工业生产规模不断扩大,大容量波动性负荷相继出现,对电网的承受能力和稳定性提出了更高的要求。而微电网由于其本身的特点,系统惯性小,阻尼不足,不具备大电网的抗扰动能力,在能量需求变化的瞬间,分布式电源无法满足需要,所以微电网需要依赖储能装置(ESS,EnergyStorage System)来达到能量平衡[1]。储能对于带有冲击性负荷的微电网来说尤为重要。

学术界对于冲击负荷对电网造成的影响的研究早已开始。参考文献[2]分析了大型轧钢厂冲击负荷对电网频率的影响;参考文献[3]分析了超高功率电弧炉冲击负荷造成的电压波动,并通过配置无功补偿装置(SVC)抑制波动;参考文献[4]则通过基于属性的控制方式来平抑功率的波动,减少冲击负荷对电网的影响;参考文献[5]提出了一种计及冲击时间不确定性的分析炼钢厂冲击负荷对电网影响的新方法。此外,和微电网储能容量配置相关的研究也已展开,并取得了一些成果。参考文献[6]提出了基于饱和控制理论的储能装置容量配置方法;参考文献[7]研究了用于电网削峰填谷的储能系统容量配置并进行了经济性评估;参考文献[8]提出了用于短期电网调度的风电场储能容量估算法。

由此可以看出,目前国内对于冲击负荷的研究主要针对大电网而言,而对储能配置的研究则集中在在风光互补系统方面,对冲击负荷场景下储能容量配置的研究还比较少。

本文在分析了冲击负荷特性的基础上,选择超级电容作为储能装置,并以储能容量最小为优化目标,研究冲击负荷场景下微电网储能的容量优化配置方法。

1 冲击负荷对电网的影响和特性分析

冲击负荷是指具有周期性或非周期性,其值在瞬间变化很大的负荷。这类负荷在现代工厂中十分普遍,如电弧炼钢炉、轧钢机等。

冲击性负荷会产生较大的谐波电流和功率波动,引起系统的频率振荡和电压闪变,进而使供电可靠性下降,破坏电网稳定性[9]。由于无功功率急剧变化,引起公共接入点(PCC,Point of CommonCoupling)附近的电压产生急剧波动,从而严重影响变压器、电压互感器等电气设备的正常运行,具体体现在加速绝缘老化,引起机组振荡,导致设备强迫停运率升高,寿命严重缩短[10]。另外,冲击负荷是非线性负荷,当区域内存在多种冲击负荷时,负荷之间的相互作用对电网的影响无法用简单的线性叠加来描述,冲击影响的范围更是难以直观估计[11]。

冲击负荷一般有如下特点:(1)变化幅度大,其峰值可能达到其平均负荷的数倍或数十倍。(2)变化迅速,但出现峰值的时间明显过短。一个生产周期中大部分时间功率都处于平滑稳定状态。(3)冲击具有随机性,但对于某一种特定的负荷类型,冲击特性和负荷特性数据变化规律基本相同。

针对冲击负荷的上述特点,可知削弱冲击负荷对电网冲击性的关键在于平抑功率波动。本文通过在微电网中配置一定量的储能对冲击负荷的功率曲线进行削峰填谷,将其功率波动控制在允许的范围内,从而减少其对微电网系统的冲击。

2 储能装置选择

储能装置是微电网系统暂态稳定不可缺少的一部分。储能装置凭借其可充可放的特性,在能量过剩时储存能量,能量不足时释放能量,能够起到削峰填谷、平滑功率波动的作用。储能在微电网中的作用还包括辅助系统启动、实现并离网平滑过渡、电能质量治理等方面[12]。

目前微电网中应用的储能技术主要包括:飞轮储能、超级电容器储能、超导储能、蓄电池储能等[13]。每种储能方式都有各自的特性和适用范围,见表1[14]。

影响储能配置的因素主要有负荷的特点、反应速率、效率和使用寿命等[15]。实际选择储能装置时应综合考虑上述因素,以期达到最好的补偿效果。

目前在风光储互补发电的微电网系统中一般采用蓄电池储能的方式。蓄电池能量密度高,能很好地满足电力高峰负荷时的能量需求,但缺点是充电电压不能太高,充电电流不能过大,且充放电时间较长,不能适应快速充放电切换,因此并不适用于冲击负荷场景[12]。

相比之下,超级电容器在功率密度上具有明显的优势,且其充放电迅速,短时间内可以放出很大的电量,完全能够满足对冲击性负荷快速频繁大功率充放电的要求[16]。另一方面,冲击负荷虽然在冲击时刻瞬时功率很大,但由于冲击时间较短,故能量波动并不十分剧烈,所需储能容量相对较小,而超级电容器的能量密度较低,能在满足功率密度要求的同时保证配置的容量不致过高,从而节约了成本。此外,超级电容器还有储能效率高,循环寿命长,环境适应性好且无污染的优点[17]。

从表中还可以看出,飞轮储能和超导储能的功率密度和效率均不如超级电容器;飞轮储能在1 h内大约只能进行四次充放电,不能满足冲击负荷随机性和频繁充放电的需求;而超导储能价格显著高于另外三种储能方式,一次性投入成本太大,目前尚未得到大规模应用[14]。

综上所述,本文选择超级电容器作为冲击负荷场景下微电网的储能装置,在极好地适应冲击负荷特性、发挥最佳补偿效果的同时,又能节约配置储能装置的成本。

3 容量优化配置方法

本方法先对冲击负荷采样数据进行频谱分析(由前面分析的冲击负荷特性(3)可知,一家特定工厂的冲击负荷的采样数据,能很好地代表该工厂冲击负荷普遍的冲击特性和变化规律),基于频谱分析结果,确定满足功率波动率要求的补偿频段,同时考虑储能装置荷电状态(SOC)约束以及储能系统连续运行条件的约束,从而确定所需配置ESS的额定功率和额定容量。

3.1 控制目标

利用储能平抑冲击实际上是将功率波动控制在合理的范围内。用表征波动率FTE表征平滑时间窗口TE的功率波动程度,FTmEax表征波动率约束上限值,则有FTE≤FTmEax。

FTE的计算公式如下:

式中:Pn为额定功率;PTmEax、PTmEin分别为TE时间段内功率的最大、最小值。

3.2 约束条件

另外,鉴于对储能装置本身的特性和运行时经济性的考虑,在实际应用中ESS还需满足下列约束条件。

1)荷电状态约束SOClow≤SOC≤SOCup

SOC反映ESS剩余容量,其数值定义为ESS剩余电量占总容量的百分比。过度充放电会严重缩短储能装置的寿命,因此必须对SOC进行限制,使其在任何情况下都满足:

SOClow≤SOC≤SOCup。

其中,SOCup和SOClow分别为储能系统运行过程中电荷状态的上限和下限值。

2)储能装置连续运行约束ΔE=0

经ESS补偿之后的功率曲线不但要满足控制目标要求,还要保证ESS能够连续稳定运行。为此,要求在整个样本周期内,ESS运行过程中满足净充放电量基本相等,即:

式中Ts为采样周期。

3.3 额定功率的确定

满足目标功率输出的ESS最大充放电功率可以通过频率分析的方法来获得,有以下几个步骤:

(1)离散傅里叶变换

对以一定采样频率(fs)采集的冲击负荷样本数据Pg(k W)进行离散傅里叶变换(DFT),得到:

Ag(i)为样本中第i个频率fg(i)对应的幅值,Ns为采样点个数。

由香农采样定理和离散傅里叶变换数据的对称性可知,Ag以奈奎斯特频率(fN=fs/2)为对称轴成轴对称,故只需要考虑0~(1/2)fs频率范围的幅频特性。

(2)用试差法确定ESS补偿的功率频段

实际分析结果表明ESS补偿容量与补偿频段直接相关[18,19]。一般来说,因为高次谐波的幅值相对小于低频段,所以补偿高频段所需配置的ESS容量一般小于低频段。故确定补偿频段时可以从高频开始向低频延伸,上限设为奈奎斯特频率,下限通过试差法确定,得到满足目标功率输出要求的补偿频段Fps1,与之以奈奎斯特频率为轴对称的频段为Fps2。

将该频段频率对应的幅值置零,补偿频段外的幅值不变,代表消除该频段范围功率波动,再对该数据进行逆变换,即得到经补偿后的联合目标功率输出P0,如式(4)、(5)所示:

则储能系统的补偿功率输出Pb0(Pb0(i)为正表示储能装置放电,为负表示充电)如式(6)所示:

(3)获得实际目标功率输出,确定额定功率

考虑到储能系统实际充、放电效率(不妨假设)不可能为100%,此时储能系统实际充放电功率变为Pb,如式(7)所示,导致实际存储的电量小于释放的电量,即ΔE>0。为了使目标功率输出约束和波动率约束仍然满足,而不改变功率波动率,可以将Pb曲线向下平移使得ΔE=0。该平移量记为ΔP,可通过迭代计算得到。平移后即可得到系统功率目标输出Pa,如式(8)所示,储能实际的输出功率Pb0',如式(9)所示:

将Pb0'重新代入式(7)可获得考虑充放电损耗后的ESS实际充放电功率值Pb',整个样本周期中Pb'的最大值即为ESS的额定功率值PESO:

3.4额定容量的确定

根据计算出的储能系统功率数据,额定容量EESO可由式(11)、(12)计算得到:

另外,起始时刻储能系统的剩余电量Eb,acu(0)如公式(13)所示:

其中SOC(0)即初始电荷状态,它决定了储能在安装时的充电量。其表达式为:

由公式(14)可知,在满足约束的ESS最小容量确定之后,相应满足约束的SOC初始值也随即确定,可以保证储能设备连续平稳运行。

4 算例分析

以江苏某轧钢厂的实测冲击负荷数据为例,确定ESS的额定功率和额定容量,并进一步讨论超级电容储能的经济效益。为使优化效果更加直观,只对一台轧钢机的冲击数据进行分析,需要指出的是,当有多台轧钢机同时运行时,功率波动更加剧烈且具有更大的随机性,但处理方法相同。

根据超级电容器的充放电特性,综合充放电效率定为95%,ESS充放电效率相等且均为97.47%;SOC上限取为0.9,下限取0.5。经补偿过后的控制目标定为13.5 MW,且波动率不超过10%。原始的冲击功率曲线如图1所示。

首先对该数据通过离散傅里叶变换进行频谱分析,得到在频域中的幅频特性。基于幅频特性曲线,确定满足输出波动率要求的ESS补偿频段。

为方便叙述和理解,将频率范围用对应的周期值来表示。利用试差法得到该样本数据的补偿频段对应的周期段为[2,170.7](s)。需要指出的是,实际分析表明,一般ESS补偿的频段越大,则输出的功率波动就越平缓,而相应的ESS电源的功率波动就越剧烈,充放电也越频繁。

对补偿后的频谱进行离散傅里叶逆变换,考虑充放电损耗,将功率曲线平移后,得到目标功率输出如图2所示,可以看到尖峰负荷被补偿为平缓起伏的曲线,冲击性极大削弱。

补偿过程的ESS实际输出功率曲线以及ESS能量波动曲线和SOC波动曲线分别如下面的图3、图4、图5所示。容易看出ESS补偿功率输出极为迅速,且功率波动率和SOC均符合约束条件,SOC最大为0.9,最小为0.5。

经过分析,该负荷所需配置的储能容量EESO为42.65 k W,额定功率PESO为2.256 MW。由此可以看出所需储能的功率密度远大于能量密度,与前文分析相符合。根据表1中数据,可以粗略计算出所需配置的超级电容器成本约为每年500元,而相同的功率密度需要配置蓄电池的成本却为每年7.7万元。由此可以看出在冲击负荷的场景下,超级电容器储能不但具有供电迅速效率高的优点,还可以极大地降低配置储能装置的成本。

5 结语

为了减轻冲击负荷对微电网造成的不良影响,提高微电网运行的供电可靠性和抗干扰性,本文通过配置储能的方式来平抑功率的冲击,进而提出了针对冲击负荷的ESS额定功率和容量确定方法。通过对采样数据进行频谱分析,利用ESS补偿高频分量,以功率波动率为控制目标,同时考虑了实际运行中的SOC约束和储能装置连续运行约束,使补偿后的功率曲线相对平滑,从而减轻了其对微电网系统的冲击影响。

算例分析表明,本文提出的以超级电容器储能的方法能够以较小的成本获得较好的补偿效果,兼顾充放电效率、使用寿命等方面,同时又能避免对环境造成污染。

另外,由于蓄电池能量密度大但响应速度慢,超级电容器功率密度大且响应速度快。实际应用中,还可以使用蓄电池和超级电容器混合储能的方式,使两者优势互补,蓄电池给超级电容器供电,而超级电容器用于快速补偿冲击负荷,获得更好的补偿效果和可靠性。

容量负荷篇2

随着电力市场的发展, 风电被逐渐的引入到电力系统当中作为电源的一种类型。大规模风电并网后增加了系统调峰、调频、联络线功率调节以及系统备用等各方面系统调度运行的难度。论文[3]考虑到风电出力具有随机性和波动性, 电力系统的备用容量中考虑风电的功率预测误差作为备用容量的一部分。论文[4]提出了组合预测算法, 对风电预测方法进行了优化, 可以合理的减少系统的容量。未从系统的角度出发做出调整, 风电加入电力系统以后调度运行方案还需要具备更合理的备用容量方便调峰, 并且要合理安排常规能源电源的发电计划, 因此, 不仅从风电功率预测本身出发, 还要考虑系统本身资源的合理分配等问题, 风电源的引入需要对传统的电力系统的调度调整包括三个方面: (1) 风电消纳能力的分析; (2) 日前发电计划编制和常规能源的优化配置; (3) 含风电源的电力系统备用容量的确定原则。

1 风电消纳能力的分析

由于风电出力具有随机性、波动性, 而风电集的调峰资源有限, 不能跟踪快速波动的风电出力, 无法消纳所有风电;我们需要通过其它能源来增加系统的调峰备用, 这样才能应对风电的快速波动。只有考虑扩大风电的利用范围来消纳风电才能减少限风的电力电量, 提高风电的利用率。

风电的跨区消纳将增加区域间联络线上传送功率的大幅度波动, 以传统水电、火电机组为基础的区域间联络线电量结算方式将导致区域电网电能质量产生偏差, 仍然采用原有的功率传输管理模式将使得很多情况下不得不采取限制风电来保证系统的安全稳定运行。

2 含风电源电力系统的备用容量确定

不少学者对于备用容量的制订有过不少研究, 分别从经济性和安全稳定性两方面分别展开研究, 将水电、火电等常规能源和风电联系在一起进行容量配定分析, 并且采用智能算法等进行优化计算, 通过算例表明, 上述模型通过智能方法计算出的结果优化的区间过大。而本论文中采用的等效持续负荷曲线的方法是将风电厂中风电机组功率预测误差单独作为目标函数进行建模分析, 因此仅用此因子建立目标函数, 进而用粒子群算法进行优化计算, 可以有效地避免优化区间过大的问题, 有效的减小容量配置区间。

风力发电的不确定性使得系统备用容量把握难度加大。因为负荷有非常强的规律性, 负荷预测的误差规律受到广泛关注, 论文[6]认为该理论的相关研究比较成熟, 误差范围大约在2~5%。而风电功率预测误差的制约因素较多, 预测的误差范围偏大, 且随天气变换有很强的随机性, 所以误差范围很难用确定数值描述。图1所示, 风电功率预测的误差范围集中在±20%以内, 且主要分布在±15%以内。

2.1等效持续负荷曲线下的风电厂备用容量

等效持续负荷曲线指的是将发电机组的随机故障影响当成等效负荷, 对原始持续负荷曲线不断进行修正。所以有必要将系统中常规机组的随机故障损失的负荷等效成风电预测误差, 来修正原始负荷。

如图2所示。

f0 (x) 是原始的持续负荷曲线, 是系统中所有发电机应承担的负荷。

f0 (x-c1) 指的是第一台风力发电机1由于误差, 由其它的风电机组承担的容量。

f (1) (x) 指的是发电机组1的预测误差影响后的等效持续负荷的容量。

根据公式 (1) 进行卷积计算, 可得等效持续负荷, 根据公式 (2) 计算风电的备用率。

p1:表示正常运行时的可用率;q1:标示风电预测与实际发电的误差

计算流程图如下所示:

3 算法计算

算例数据:甘肃地区风电场一年的各个月的出力数据分析, 运用上述计算方法计算出甘肃地区风电厂的最大负荷备用率, 该电厂风电场规模为33台, 单台1.5MW的风电机组, 误差选取0.15-0.30之间的随机数, 风电机组出力系数为0.95。

由图像和表格中数据分析可得:

(1) 在该地区每年4-5月期间, 有比较大的风速变化趋势, 风能利用率比较低, 则在该时段内电网中的备用容量应被加大, 而在其它的时间内备用容量则应适当减少, 使系统的备用容量可达最优配额。

(2) 所求得的最优备用容量都在满足的误差范围之内。

(3) 按照电力系统总备用容量的要求, 一年内总的备用容量下降了约17%。

根据《风电功率预测系统功能规范》要求, 单个风电场短期预测均方根误差应小于20%, 实际中, 大范围风电功率具有平滑效应, 全网可保守地取风电功率预测误差为20%, 与负荷预测误差叠加后再与全网最大机组相比较, 两者取大值作为备用容量。

通过计算所得, 满足系统规范要求, 并优化了规范数值。

4 结束语

通过以上分析和计算可知: (1) 含风电源的电力系统的备用容量的确定, 主要原因是由于风电功率的预测误差引起的, 有效的提高风电功率的预测误差值是提高各风电场运行安全的重要保证。 (2) 风电资源的利用要合理的选择, 合理的弃风会可以提升系统的安全性。

摘要：文章主要以风电源的输出功率的随机性和不确定性作为出发点, 通过含风电源的电力系统的调度方式和传统型的调度方式存在的差异进行分析, 提出了满足风电源特性的电力系统调度的具体内容;运用了等效持续负荷曲线和风电预测误差的相关性, 求解该系统中的备用容量问题。

关键词：电力系统调度,备用容量,风能误差

参考文献

[1]谭伦农, 张保会.市场环境下的事故备用容量[J].中国电机工程学报, 2002, 22 (11) :54-58.

[2]刘振华, 陈磊, 闵勇等.含风电的节能发电调度实用化模型[J].中国电力, 2011, 44 (6) :52-57.

容量负荷篇3

电力系统负荷预测是电力系统运行、控制和规划不可缺少的一部分。负荷预测的结果已成为经济调度和推行电力市场的必要基础。

对电力系统短期负荷预测,目前较为实用的方法主要有线性回归法[1]、卡尔曼滤波法[2]、人工智能法[3,4]等。然而上述各种方法均有一定的局限性和不足之处,尤其是在电力系统短期负荷中存在随机性大容量冲击性负荷[5,6,7]时,这些方法一般均采用将检测到的大容量冲击性负荷进行平滑处理和过滤,从而不能准确地对冲击性负荷所占比例较大的迅速变化的系统负荷进行预测。

本文提出了一种基于粒子滤波器[8,9]和α稳定分布理论[10,11]的电力系统短期负荷模型和预测新算法。该算法不但对冲击性负荷所占比例不大的短期负荷预测有非常好的效果,而且适用于冲击性负荷所占比例很大的系统负荷预测。

1 短期负荷模型和短期预测模型

1.1 短期负荷模型

在短期负荷预测中,可将负荷分解为如下式所示的确定分量和随机分量2个部分[12]:

$Ζ (k) = Ζ_{d} (k) + Ζ_{s} (k) (1)$

式中:Z(k)为系统负荷;Zd(k)为系统负荷的确定分量;Zs(k)为系统负荷的随机分量。

对于系统负荷的确定分量,本文应用以下详细模型:

Zd(k)=∑am(k)Z(k-m) (2)

式中:am(k)为时变线性系数。

就短期负荷预测而言,在系统的确定负荷组成中,任何一种确定负荷分量均会持续一定时间,所以在测量负荷间隔比较短的情况下,当前时刻的负荷必然与前m个时刻的负荷有关。am(k)为时变系数,采用时变系数可以更加精确地表示负荷模型中变化的线性关系。

对于系统负荷的随机分量Zs(k),到目前为止,国内外的研究均采用高斯分布模型[2,12],但是该模型不能够准确地模拟系统负荷中的随机分量。特别是当系统中存在轧钢机、电弧炉等设备时,系统负荷的随机分量有很大一部分是不断变化的大容量冲击性负荷,用高斯随机分布无法模拟这种冲击性负荷。国内外文献对这种负荷一般采用平滑处理的方法进行过滤,本文将采用α稳定分布模型[10,11]对这些大容量冲击性负荷进行模拟:

$Ζ_{s} (k) = S (α (k), γ (k), δ (k)) (3)$

式中:随机分布参数α(k),γ(k),δ(k)均为时变参数,以便更加精确地模拟系统负荷中变化的随机负荷分量。

1.2 短期负荷预测模型和参数估计

应用以上短期负荷模型,系统的短期负荷预测模型如下:

$\begin{array}{l} Ζ (k + 1) = Ζ_{d} (k + 1) + Ζ_{s} (k + 1) = \\ \sum_{m = 1}^{n} a_{m} (k) Ζ (k + 1 - m) + \\ S (α (k), γ (k), δ (k)) (4) \end{array}$

该模型为基于m阶短期负荷模型的预测模型。在k时刻,应用截止到k时刻的系统负荷的m+1个最新测量数据(k>m),使用粒子滤波器可以对当前k时刻各负荷参数进行估计,包括确定分量的参数am(k)以及随机分量的参数α(k),γ(k),δ(k)。估计出当前时刻k的最新负荷参数以后,就可以用截止到当前时刻k的系统负荷的m个最新测量数据,利用式(4)估计k+1时刻的负荷值。

2 粒子滤波器和α稳定分布理论

2.1 粒子滤波器

粒子滤波器是指:对于一个随机过程,假定k-1 时刻系统的后验概率密度为p(xk-1|zk-1),其中,zk-1和xk-1分别为系统k-1时刻的观测变量和状态变量,在本文的短期负荷预测模型中可分别对应为Z(k)和am(k)。依据一定原则选取n个随机样本点,k时刻获得测量信息后,经过状态和时间更新过程,n个粒子的后验概率密度可近似为p(xk|zk)。随着粒子数目的增加,粒子的概率密度函数逐渐逼近状态的概率密度函数,粒子滤波估计即达到了最优贝叶斯估计的效果[8,9]。

粒子滤波器是一种自适应滤波器,它所研究的系统可以是时变的非高斯噪声、非线性系统,从而有着广泛的适用性,在许多场合获得了成功应用。

2.1.1 最优贝叶斯估计

一个动态时变系统可以由它的状态方程和观测方程所描述,这2种方程可以分别写成如下形式:

${\begin{cases} x_{k} = f_{k} (x_{k - 1}, v_{k - 1}) \\ z_{k} = h_{k} (x_{k}, n_{k}) \end{cases} (5)$

式中:vk-1和nk分别为系统噪声和观测噪声,在本文的短期负荷预测模型中,nk对应于Zs(k),而vk-1是隐式的,第3节将进行专门论述。

状态预测方程为:

$p (x_{k} | z_{1 : k - 1}) = \int p (x_{k} | x_{k - 1}) p (x_{k - 1} | z_{1 : k - 1}) d x_{k - 1} (6)$

状态更新方程为:

$p (x_{k} | z_{1 : k}) = \frac{p (z_{k} | x_{k}) p (x_{k - 1} | z_{1 : k - 1})}{p (z_{k} | z_{1 : k - 1})} (7)$

式中:

p(zk|z1:k-1)=∫p(zk|xk)p(xk|z1:k-1)dxk (8)

式(5)~式(8)描述了最优贝叶斯估计的基本思想。

2.1.2 SIS算法

为了克服式(6)中的积分项很难求得解析解的问题,粒子滤波器采用基于蒙特卡罗方法的顺序重要采样(SIS)算法。它的核心是将式(6)中的积分问题转化为有限样本点的概率转移累加过程。重要性函数是指概率分布与p(xk|z1:k)相同,概率密度分布q(x0:k|z1:k)已知并且容易从中采样的分布函数。重要性采样需要得到k时刻以前所有的观测数据,因此实际中多采用可实现递推估计的SIS算法[8,9]。

若将重要性函数q(x0:k|z1:k)写成如下连乘积形式:

$q (x_{0 : k} | z_{1 : k}) = q (x_{0}) \prod_{j = 1}^{k} q (x_{j} | x_{0 : j - 1}, z_{1 : j}) (9)$

则权值wk的递推公式[8,9]为:

$\begin{array}{l} w_{k} = \frac{p (z_{1 : k} | x_{0 : k}) p (x_{0 : k})}{q (x_{k} | x_{0 : k - 1}, z_{1 : k}) q (x_{0 : k - 1} | z_{1 : k})} = \\ w_{k - 1} \frac{p (z_{k} | x_{k}) p (x_{k} | x_{k - 1})}{q (x_{k} | x_{0 : k - 1}, z_{1 : k})} (10) \end{array}$

由概率密度p(xk-1|z1:k-1),令i表示第i个粒子,利用重采样方法可得N个随机样本点xk-1,i(i=1,2,…,N),则概率密度函数可表示为:

$p (x_{k - 1} | z_{1 : k - 1}) = \sum_{i = 1}^{Ν} w_{k - 1, i} δ (x_{k - 1} - x_{k - 1, i}) (11)$

更新概率密度函数为:

$p (x_{k} | z_{1 : k}) \approx \sum_{i = 1}^{Ν} w_{k, i} δ (x_{k} - x_{k, i}) (12)$

式中:

$w_{k, i} = w_{k - 1, i} \frac{p (z_{k} | x_{k, i}) p (x_{k, i} | x_{k - 1, i})}{q (x_{k, i} | x_{k - 1, i}, z_{k})} (13)$

样本点xk,i可由k-1时刻的样本点xk-1,i通过式(5)获得。

2.1.3 重要性函数的选择和重采样

选取重要性函数的准则是使重要性权重的方差最小。可以证明,最优重要性函数[8]为:

q(xk|x0:k-1,z1:k)=p(xk|x0:k-1,z1:k) (14)

但从应用角度看,多数重要性函数一般都采用容易实现的次优算法[8,9]:

$q (x_{k} | x_{0 : k - 1}, z_{1 : k}) = p (x_{k} | x_{k - 1}) (15)$

特别当采用该次优重要性函数时,粒子滤波器的未经归一化的权值可用下式计算[9]:

$w_{k, i} \propto p (z_{k} | x_{k, i}) (16)$

式中:∝为正比符号。

重采样算法是粒子滤波器的另一个非常重要的特征。一般的粒子滤波器会产生粒子匮乏现象,而重采样是降低粒子匮乏现象的一种有效方法[8,9]。

综上所述,粒子滤波器的算法步骤如下:

1)从q(xk|xk-1,z1:k)中随机抽取N个有限样本;

2)逐点计算对应的p(xk|xk-1)和p(zk|xk);

3)利用式(13)计算对应样本的重要性权系数;

4)对权值进行归一化处理和重采样;

5)利用式(12)对p(xk|z1:k)进行估计;

6)对于k+1时刻,重复步骤1至步骤5。

2.2 α稳定分布理论

α稳定分布可以由它的概率特征函数来描述:

$S (ω, α, γ, δ) = \exp (j δ ω - γ | ω |^{α}) (17)$

参数α是描述α稳定分布的最重要参数,称为特征指数,取值在0和2之间。它反映了α稳定分布的概率密度函数尾部的厚度,也就是偏离高斯分布的程度。α越接近2,α稳定分布越接近高斯分布,并且这种分布随机变量的冲击性越小,反之这种分布随机变量的冲击性就越大。α=2对应于高斯分布,而α=1对应于柯西分布,也就是说高斯分布及柯西分布都是α稳定分布的特例。参数γ为散度,它类似于高斯分布的方差。参数δ是位置参数[10]。

图1给出了几个特定特征指数值时α稳定分布产生的时间序列[11],很明显,随着特征指数的减小,时间序列的冲击性特征越明显。

3 使用粒子滤波器进行负荷预测的方法

为了表示方便,将短期负荷模型式(1)~式(3)综合后改写成向量形式:

$Ζ (k) = (Ζ (k - 1))^{Τ} A (k) + n (k) (18)$

式中:Z(k-1)=[Z(k-1),Z(k-2),…,Z(k-i) ]T,为系统负荷观测值向量;A(k)=[a1(k),a2(k),…,ai(k)]T,为负荷确定分量参数向量;n(k)~S(α(k),γ(k),δ(k)),为由α稳定分布表示的负荷随机分量。

式(18)为系统的观测方程,为了联合估计上述短期负荷模型中的负荷确定分量参数向量A(k)以及负荷随机分量参数α(k),γ(k),δ(k),定义系统状态变量的向量形式为:

X(k)=[A(k),α(k),γ(k),δ(k)]T (19)

另外,因为α稳定分布中的参数γ(k)>0,为了在滤波器算法中能够更加方便地产生粒子,本文使用φ(k)=ln γ(k)来表示该系统状态变量,经此修改后,系统状态变量的向量形式为:

$X (k) = [A (k), α (k), φ (k), δ (k)]^{Τ} (20)$

因为没有系统状态变量的具体转移变化信息,所以本文采用广义随机游动模型来描述系统状态变量的转移关系,即系统的状态方程为[13,14]:

$X (k) = X (k - 1) + v (k) (21)$

式中:v(k)为一个多维零均值高斯随机分布:

$v (k) = [v_{A} (k), v_{α} (k), v_{φ} (k), v_{δ} (k)]^{Τ} (22)$

其维数和系统状态变量X(k)的维数相同。该多维高斯随机分布可以用N(0,δ(k))描述,δ(k)为该多维高斯分布的协方差矩阵。

式(18)和式(21)构成了可以使用粒子滤波器的描述短期负荷模型的观测方程和系统方程,对应于式(5),并且式中的变量也与式(5)中的变量一致,只是变量为向量。

本文采用一种隐式方法来构建包含了后验概率的最优重要性函数[13,14]。该方法将系统方程式(21)中的随机游动模型的驱动噪声v(k)的协方差矩阵设置为时变矩阵,通过该时变协方差矩阵削减旧的系统观测信息权重并且不断获取新的系统观测信息。

本文设v(k)的时变协方差矩阵为一对角阵:

δ(k)=diag(σ21,k,σ22,k,…,σ2m,k,σ2α,k,σ2φ,k,σ2δ,k) (23)

该对角阵的前m项代表了系统观测方程系数向量A(k)的驱动噪声vA(k)的方差,而该对角阵的最后3项代表了α稳定分布参数α(k),γ(k),δ(k)驱动噪声的方差。因为系统观测方程的系数向量A(k)与新观测信息Z(k)有关,因此,A(k)的方差是时变的,并且可以通过获取最新观测信息Z(k)来削减旧的系统观测信息。但是,本文没有办法来削减旧的α稳定分布参数α(k),γ(k),δ(k)的信息,因此设置该对角阵的最后3项σ2α,k,σ $_{φ, k}^{2}$ ,σ $_{δ, k}^{2}$ 为常数。该时变协方差矩阵的具体设置为:σ2α,k,σ2φ,k,σ2δ,k设为常数,

$σ_{m, k}^{2} = D (a_{m} (k - 1)) (\frac{1}{μ} - 1) (24)$

式中:μ为削减旧系统观测信息的遗忘因子,取值可以在0和1之间选取;D(am(k-1))代表了粒子滤波器用来模拟在k-1时刻的系统第m阶线性时变系数am(k-1)的N个粒子方差,其具体计算公式如下:

$\begin{array}{l} D (a_{m} (k)) = \frac{1}{Ν} \sum_{p = 1}^{Ν} (a_{m, p} (k - 1) - \\ \frac{1}{Ν} \sum_{n = 1}^{Ν} a_{m, n} (k - 1))^{2} (25) \end{array}$

式中:N为粒子滤波器产生的粒子数;n和p分别为第n个和第p个粒子。

综合式(18)~式(25),本文建立短期系统负荷动态时变模型的观测方程和状态方程如下:

$\begin{array}{l} {\begin{cases} Ζ (k) = (Ζ (k - 1))^{Τ} A (k) + n (k) \\ n (k) \sim S (α (k), γ (k), δ (k)) \\ φ (k) = \ln γ (k) \end{cases} (26) \\ {\begin{cases} A (k) = A (k - 1) + v_{A} (k) \\ α (k) = α (k - 1) + v_{α (k)} \\ φ (k) = φ (k - 1) + v_{φ (k)} \\ δ (k) = δ (k - 1) + v_{δ (k)} \end{cases} (27) \end{array}$

建立了上述状态方程和观测方程之后,粒子滤波器用来模拟系统状态变量X(k)的粒子Xi(k)就可以根据系统状态方程式(26)和次优重要性函数q(xk|x0:k-1,z1:k)=p(xk|xk-1)产生。具体来说,也就是从如下的多维高斯随机分布中产生:

$X_{i} (k) \sim Ν (X_{i} (k - 1), δ (k)) i = 1, 2, \dots, Ν (28)$

因为选用了次优重要性函数,故粒子滤波器的权值可根据式(16)进行计算。要用该方法进行权值计算,就必须先求得α稳定分布的概率密度函数[15]:

$p_{α} (n (k)) = \frac{1}{2 π} \int_{- \infty}^{\infty} \exp (j δ ω - γ | ω |^{α}) \cdot$

exp(jn(k)ω)dω (29)

运用式(29),便可计算出粒子滤波器的权值:

$\begin{array}{l} w_{k, i} = p (z_{k} | x_{k, i}) = p_{α} (Ζ (k) | X_{i} (k)) = \\ \frac{1}{2 π} \int_{- \infty}^{\infty} \exp (j δ_{k, i} ω - γ_{k, i} | ω |^{α_{k, i}}) \exp (j (Ζ (k) - \\ (Ζ (k - 1))^{Τ} A_{i} (k)) ω) d ω (30) \end{array}$

应用上述粒子滤波器算法在k时刻估计出负荷的确定分量参数A(k)以及随机分量参数α(k),γ(k),δ(k)之后,便可利用式(4)对k+1时刻的系统负荷进行预测。

4 仿真实例

为了对本文所提出的模型和算法的有效性进行检验,本文应用该模型和粒子滤波器算法对2个实例进行预测。

为了检验负荷预测的效果,构造以下2个检验指标:相对误差e和平均绝对相对误差p:

$e_{k} = \frac{d_{k}}{L_{a k}} \times 100 ％ (31)$

$p = \frac{1}{Μ} \sum_{k = 1}^{Μ} \frac{| d_{k} |}{L_{a k}} \times 100 ％ (32)$

式中:dk=Lak-Lpk,Lak和Lpk分别为k时刻的短期负荷真实值和预测值;M为负荷预测的点数。

4.1 算例1

图2为应用粒子滤波器和本文提出的短期负荷模型对上海市2007年12月21日全天24 h的短期负荷进行预测得到的真实值和预测值的比较图,负荷采样间隔为10 min。该预测运行时间为2.504 6 s。

从图2可以看出,对于上海市2007年12月21日全天24 h的负荷预测,运用本文提出的方法进行预测的效果非常好。计算每个预测时刻的相对误差e,计算结果以图3的频数直方图显示。从图3可以看出,用本文提出的模型和算法预测的负荷相对误差率在1%以内,再利用式(32)计算平均绝对相对误差,计算结果显示平均绝对相对误差率仅为0.379 3%。

4.2 算例2

图4为应用粒子滤波器和本文的短期负荷模型对上钢三厂新周2198线路(接2台60 MW的直流电弧炉)1998年5月22日10:20:32—15:00:58时间段内的有功负荷[7]进行预测得到的真实值和预测值的比较图,负荷采样间隔为1 min。该预测运行的时间为21.400 5 s。

从图4可以看出,本文提出的粒子滤波器和α稳定分布理论所构造的电力系统短期负荷模型对于有大量的大容量冲击性负荷成分存在的变化比较迅速的系统负荷预测也有很好的效果,该方法能够准确地预测出大容量冲击性负荷的变化趋势。利用式(31)对预测结果计算每个预测时刻的相对误差e, 计算结果以图5的频数直方图显示。从图5可以看出,预测的相对误差基本集中在5%左右。图5中也有个别点的误差超过了10%,甚至达到了20%,这些误差较大的点都产生在负荷拐点处,但是接下来数据点的误差就会马上减小,这是因为本文提出的模型和算法存在一定的时滞性,所以对于负荷拐点处的预测会产生一些误差。但是从整体上来看,本文算法还是可以很好地预测大容量冲击性的发展变化趋势。

5 结语

本文分析了现有电力系统短期负荷方法对于预测变化迅速的大容量冲击性负荷的不足之处,基于α稳定分布概率模型建立了新的电力系统短期负荷的时变模型,充分利用了α稳定分布对冲击性信号良好的模拟特性。本文首次应用粒子滤波器对建立的电力系统短期负荷模型的确定分量和随机分量的时变参数进行估计,然后利用估计所得的最新参数对电力系统短期负荷进行预测。

作者通过实验仿真,验证了本文提出的模型和方法的有效性。与传统的电力系统短期负荷预测方法相比较,本文模型和方法不但对于冲击性负荷所占比例不大的短期负荷预测达到了非常高的精度,对于冲击性负荷所占比例很大的迅速变化的系统负荷预测也有很好的效果,可以准确预测出大容量冲击性负荷的发展变化趋势。

容量负荷篇4

1 资料与方法

1.1 患者情况

选择2011年8月至2013年7月间在本院门诊按时随访、治疗的终末期肾病 (end stage of renal disease, ESRD) 患者36例, 均明确无肿瘤、肝硬化、风湿性心脏病、失访等病例。长期使用Bater公司双联腹膜透析装置行维持性腹膜透析治疗, 其中男20例, 女16例。年龄26~81岁, 原发病为肾小球肾炎11例、糖尿病肾病14例、良性小动脉性肾硬化症7例, 慢性肾盂肾炎2例, 间质性肾炎2例。

1.2 透析模式的选择

全部36例患者随机分成A、B两组。A组16例, 采用DAPD模式, 即日间采用8 L的透析剂量, 4次交换, 每4~5 h交换一次透析液, 夜间干腹;B组20例, 采用经典的CAPD模式, 每天的透析剂量为8 L, 4次交换, 每4~5 h交换一次透析液, 夜间留腹。全部采用Bater公司双联系统的低钙腹膜透析液, 透析液浓度可根据患者病情采用1.5%、2.5%、4.25%不同的浓度, 同时对症治疗终末期肾衰竭的各种并发症, 如降压、升血、调节酸碱平衡和电解质紊乱等。

1.3 观察项目

随访2年, 所有患者每3个月进行一次全面临床随访, 评估患者的全身情况, 包括身高、体质量及体质量质量指数 (BMI) 、尿量、透析超滤量、血压、血红蛋白 (Hb) 、尿素氮 (BUN) 、肌酐 (SCr) 、血清白蛋白 (Alb) 、心胸比、左心室后壁厚度 (LVPWT) 、室间隔厚度 (IVST) 等指标, 评估其残肾功能和透析充分性, 包括尿素清除指数 (Kt/V) 及肌酐清除率 (Ccr) 。

1.4 统计方法

资料采用SPSS13.0统计软件分析, 定量资料以均数±标准差 (±s) 表示, 两组定量资料间的比较采用t检验, 以P<0.05为差异有统计学意义。

2 结果

2.1 一般资料

A、B两组在性别、年龄、体质量、疾病种类 (非糖尿病百分比) 方面比较均无统计学意义 (P>0.05) , 见表1。

2.2 腹膜透析开始时各项临床数据比较

见表2。A、B两组患者在残余尿量、超滤量、透析充分性[Kt/V (周) 、Ccr]、血清白蛋白、血红蛋白、血压控制、心胸比、左心室后壁厚度 (LVPWT) 、室间隔厚度 (IVST) 等方面比较无统计学意义 (P>0.05) 。

2.3 腹膜透析进行至2年时各项临床数据比较

当持续行PD至2年期时分别收集各组有关临床数据进行比较, 结果显示:16例A组 (DAPD组) 患者无1例发生心力衰竭;20例B组 (CAPD组) 患者中有3例 (15%) 因充血性心力衰竭退出治疗。而A、B两组患者在尿量、透析充分性[Kt/V (周) 、Ccr]、血白蛋白、血红蛋白等方面比较无统计学意义 (P>0.05) ;A组在透析超滤量、体质量增加量、心胸比例、平均收缩压、LVPWT、IVST等方面均优于B组, 且差异有统计学意义 (P<0.05) , 见表3。

3 讨论

腹膜透析是终末期慢性肾衰竭患者常用的肾脏替代治疗方法, 通常认为PD充分性包括以下含义: (1) 透析剂量足够或透析效果满意; (2) 一定透析量时患者的病死率不会升高, 如低于此透析量则病死率增高; (3) 透析后身心安泰, 食欲良好, 体质量增加, 体力恢复, 慢性并发症减少或消失, 尿毒症毒素清除充分[4]。尽管血液净化技术不断改进和发展, 但腹膜透析患者的生存质量和生存率均不理想。心血管并发症是ESRD死亡原因之一, 其发生率是普通人群的10~20倍[5,6]。据南京军区总医院全军肾脏病研究所PD中心统计, 在所有PD退出的患者中, 心血管事件并发症占患者掉队率的50%以上[7]。究其原因, 与PD治疗所引发的高容量负荷有关, 后者可引起高血压、严重心肌病变及突发充血性心力衰竭等心血管并发症[8]。故及时判定腹膜透析患者的容量状态, 并采取有效措施控制容量负荷, 对改善PD患者的远期生存率有重要的临床意义。

为了解决长期PD所面临容量超负荷, 本研究采用了DAPD模式行长期维持性腹膜透析。采用体质量指数、血压、心胸比、LVPWT、IVST检查作为判断PD患者容量负荷的指标。将36例ESRD患者随机分为CAPD与DAPD透析模式组, 随访2年后的资料显示, 20例CAPD患者中有3例 (15%) 因充血性心力衰竭退出治疗, 16例DAPD患者无1例发生心力衰竭, 且心胸比例、LVPWT、IVST、血压均低于CAPD患者, 判断容量状态的重要指标体质量增加量也明显低于CAPD患者, 进一步证实减轻高容量负荷状态可明显减轻对血压及心脏功能的影响, 减少心血管合并症。与此同时, 两组患者透析充分性[Kt/V (周) 、Ccr]指标以及血红蛋白、血浆白蛋白等比较无显著性差异, 证实此模式能够很好地预防容量超负荷的发生, 保持长期有效的临床透析效果, 提高了PD患者的生存质量和PD时限。

由于CAPD患者体内始终保持着2 L的透析液, 致使体内始终处于亚临床高容量负荷状态, 透析初期因有残余肾功能 (residual renal function, RRF) 代偿, 患者并无不适, 一旦RRF下降或丧失, 机体容量失衡的临床症状突显出来, 表现为恶性高血压、缺血性心脏病, 最终导致心力衰竭频繁发作。Tonbul等[9]在腹膜透析患者中发现左心室肥厚发生率为70%, 而前负荷增加是导致左心室肥厚的重要原因之一。临床观察表明CAPD患者夜间湿腹往往引起水肿及持续性高血压, 相当一部分患者因此夜间频繁发作充血性心力衰竭, 但在改用DAPD透析模式后, 上述现象明显减少, 这是因为DAPD模式能减少体内容量负荷, 减轻心脏负担, 从而降低恶性高血压及充血性心力衰竭的发生。许多研究还发现, 采用DAPD模式后, 残余肾肾小球滤过率 (r GFR) 下降的速率明显缓于CAPD患者, 这也与前者减少恶性高血压及心力衰竭的发作频率有关。国内海军总医院的研究表明, CAPD和DAPD两组患者的Kt/V、肌醉清除率均可达到透析充分, DAPD可达到与CAPD相类似的透析效能, 在相同透析剂量的情况下无论从透析的充分性、营养状况、贫血、酸碱失衡、电解质代谢紊乱的纠正、甲状旁腺功能亢进的抑制、血压的调控、腹腔感染率、日常生活能力的影响、抑郁程度的控制、参与社会活动能力等方面均表现出良好的临床疗效[10]。

综上所述, 容量失衡是导致PD患者高血压、充血性心力衰竭及营养不良等并发症的重要原因, 影响预后及增加病死率。在防治心血管并发症方面, DAPD模式优于CAPD模式且透析效能并不比CAPD差, 是值得推荐的PD模式。

参考文献

[1]Koc M, Toprak A, Tezcan H, et al.Uncontrolled hypertension due to volume overload contributes to higher left ventricular mass index in CAPD patients[J].Nephrol Dial Transplant, 2002, 17 (9) :1661-1666.

[2]Szeto CC, Wong TY, Leung CB, et al.Importance of dialysis adequacy in mortality and morbidity of chinese CAPD patients[J].Kidney Int, 2000, 58 (1) :400-407.

[3]Kalantar-Zadeh K, Regidor DL, Kovesdy CP, et al.Fluid retention is associated with cardiovascular mortality in patients undergoing long-term hemodialysis[J].Circulation, 2009, 119 (5) :671-679.

[4]董捷.腹膜透析充分性指标及其目标值的研究[J].中国血液净化, 2010, 9 (10) :526-528.

[5]Glassock RJ, Pecoits-Filho R, Barberato SH.Left ventricular mass in chronic kidney disease and ESRD[J].Clin J Am Soc Nephrol, 2009, 4 (Suppl1) :S79-91.

[6]Kessler M, Zannad F, Lehert P, et al.Predictors of cardiovascular events in patients with end-stage renal disease:an analysis from the Fosinopril in dialysis study[J].Nephrol Dial Transplant, 2007, 22 (12) :3573-3579.

[7]俞雨生.重视日间不卧床腹膜透析模式对终末期肾病患者治疗的价值[J].肾脏病与透析肾移植杂志, 2012, 21 (4) :356-357.

[8]Lameire N, Van Biesen W.Importance of blood pressure and volume control in peritoneal dialysis patients[J].Perit Dial Int, 2001, 21 (2) :206-211.

[9]Tonbul Z, Altintepe L, S?zlüC, et al.The association of peritoneal transport properties with 24-hour blood pressure levels in CAPD patients[J].Perit Dial Int, 2003, 23 (1) :46-52.

容量负荷篇5

1 临床资料

入选23例均为CAPD合并容量超负荷患者，男15例，女8例，年龄29～73岁，腹透治疗时间2月～5年。排除:1)腹膜透析合并腹膜炎或隧道感染者;2)腹透后出现胸腹漏、严重疝气、肠穿孔等并发症;3)腹膜功能衰竭、超滤失败者;4)血糖难以控制的糖尿病患者;5)不按规定用药，顺应性差，无法判断疗效者及拒服中药或对中药过敏者;6)不能坚持治疗或中途自动退出观察者。

2 方法

2.1 治疗方法

1)CAPD治疗:1.5%的葡萄糖腹透液每d8 L，每次交换2 L，白天交换3次，每次留腹时间5.5 h，夜间(22:30)交换1次，留腹时间8 h。2)中药内服:予燥湿化痰通络方，处方:黄芪30 g、白术15 g、茯苓皮30 g、清半夏12 g、陈皮15 g、川芎30 g、当归12 g、白芍15 g、熟地黄20 g、桃仁12 g、牛膝12 g、鹿角胶12(烊化)。浓煎200 m L，分3次饭后服用，每d 1剂。4 W为1疗程，治疗2疗程。3)中药外治:上方药渣加乳香15 g、没药15 g、三棱15 g、莪术15 g、徐长卿50 g、红花15 g、桂枝20 g用20 m L黄酒封包肾区热敷40 min，再加水煎煮后泡脚40 min，每d1次。4 W为1疗程，治疗2疗程。

2.2 疗效标准

参照王海燕主编的第3版《肾脏病学》[1]标准评定疗效。临床显效:水肿消失;尿量增多50%;超滤量增多，无负超;达到目标体重[2];血压正常。有效:水肿减轻;尿量增多小于50%;超滤量减少，有1次负超;体重减轻;血压正常或偏高。无效:未达到上述标准者。

2.3 统计学方法

应用SPSS11.0软件进行统计学分析，采用χ2检验。P<0.05为差异有统计学意义。

3 结果

见表1。

与第1疗程比较△P<0.05

4 体会

腹膜透析患者的水钠潴留常比较隐匿，容量超负荷普遍存在，清除不良是腹透患者左室肥厚、高血压、心力衰竭等心血管并发症死亡的独立危险因素。临床上通过对:1)腹透患者水、钠摄入的控制;2)增加透析剂量为每d10L，交换5次;3)增加透析液的浓度，选用2.5%或4.25%的高浓度透析液增加超滤;4)依据腹膜平衡实验(PET)，调整腹透处方;5)加用袢利尿剂、残余肾功能保护药及联合血液透析等措施，来提高腹透充分性，改善容量超负荷。但极易使腹膜功能过早衰竭[1]。

笔者认为，尿毒症行腹透治疗患者多为脾肾阳衰，痰湿瘀阻，表现为水肿、尿少、食少呕恶、神疲乏力、贫血等慢性肾衰竭症状，与祖国医学的“虚劳”相吻合[3]。脾肾气阳虚衰日久，不能推动血液运行，而致血液停滞成瘀[4]。本研究以燥湿化痰通络方治之。内服方以黄芪益气扶阳、利水消肿，具有抗氧化、衰老作用[5]，联合二陈汤、茯苓皮健脾燥湿、化痰利水，桃红四物汤补血活血、化瘀散结，重用川芎，轻扬生发，畅达气机[6];配合乳香、没药、三棱、莪术、徐长卿、红花、桂枝黄酒封包肾区热敷，泡脚外治，温通血脉，化瘀通络，改善肾脏、腹膜血流速度，降低血液黏稠度[7]。诸药共用，内外合治，使阳气渐充，痰湿得化，瘀血得通，有效地改善水肿、少尿、食少呕恶、贫血等腹透不充分，容量超负荷的症状，其优势还表现在不增加腹透剂量，减少高浓度透析液用量，有效保护腹膜功能，延缓腹透患者的腹透时间，尤其对萎缩肾脏残余肾功能的保护起到决定作用，且作用持久，效果显著。

参考文献

[1]王海燕.肾脏病学[M].3版,北京:人民卫生出版社,2012:2049-2080.

[2]王奕,齐华林.腹膜透析患者体质量指数与预后的相关关系[J].中华肾脏病杂志,2014:30(7)44-749.

[3]田德禄.中医内科学[M].北京:人民卫生出版社,2004:346-354.

[4]张杰.戴恩来教授运用温阳发治疗慢性肾衰竭经验[J].亚太传统医药,2008,1(3):54-55.

[5]侯家玉.中药药理学[M].北京:中国中医药出版社,2002:215,155.

[6]姜国辉.川芎与川芎嗪药理作用比较:抗血栓及抗血小板作用[J].中国药理学通报,1996,12(2):133.

容量负荷篇6

关键词：住宅小区,负荷计算,变压器

住宅小区施工图阶段变压器容量的计算是变配电系统设计的一个重要组成部分, 准确合理与否直接关系到住宅小区供电系统的安全可靠性。随着人民生活水平的逐步提高, 城镇居民家用电器的种类也越来越多, 用电负荷居高不下。结合城镇居民用电实际以及对未来用电负荷的发展, 通过对施工图阶段采取单位用电指标法, 结合需用系数法对住宅小区用电负荷进行科学计算, 合理确定住宅小区变配电系统配电变压器容量和台数。

1 施工图阶段小区用电负荷计算

1.1 单位用电指标法

按单位用电指标法确定小区住宅计算负荷PH (按居住空间数及使用面积综合确定) :

计算公式为:

PJS-户用电计算负荷, KW;n-单位指标, 如W/床、W/人、W/户;N-不同建筑面积的住户数;η-同时系数;住宅小区每户用电指标可参考住宅建筑电气设计规范JGJ 242-2011选取如表1:

说明:1、本表摘自《住宅建筑电气设计规范》JGJ 242-2011

考虑住户用电负荷不可能同时出现, 再进行计算负荷时, 应乘以一个同时系数, 户数不同η取值就不同, 可参照明表2进行选取。

说明:1、住宅公用照明及公用电力负荷同时系数, 一般可按0.8选取。2、本表摘自《全国民用建筑工程设计技术措施》2003

1.2 需要系数法确定计算负荷

施工图设计阶段采用需要系数法确定计算负荷。

用电设备组计算负荷;

式中, KX-需用系数;详见建筑电气常用数据04DX101-1;ΣPS-用电设备的总容量, KW。

2 公用负荷计算

公用负荷主指小区内梯间、走道、门厅及地下室车库等公用照明、电梯、给水泵、排污泵以及物业、商业、弱电中心等用电。

2.1 电梯总有功计算负荷

式中:PD-多台电梯实际最大总有功计算负荷;Pi-单台电梯引机电机功率。一般电梯电机功率为10-15W/台, 通常按设计负荷或设备额定容量计算;η-多部电梯运行时的同时系数, 根据《工业与民用配电设计手册》提供数据选取, η取值如表3。

2.2 水泵类 (主要指给水泵、排污泵) 总有功计算负荷

式中:PG-水泵实际最大负荷, KW;Pi-各类水泵额定容量, KW;N-最大运行方式下各类水泵的台数。

2.3 物业以或商业总有功计算负荷 (一般按单位面积负荷密度法进行计算)

式中:PW-物业或商业用电实际最大负荷, KW;Pd-单位面积负荷密度, W/m2;S-物业或商业总面积, 根据国标04DX101-1建筑电气常用数据表, 小区物业 (办公) 以及一般商业单位面积负荷指标可按60W-80W/m2选取。大型商场可适当放大, 一般按80W/m2。负荷密度选取。一般住宅小区物业或小型商业负荷密度可按60W/m2选取;η-同时系数, 住宅小区物业或商业负荷需要系数, 一般可按0.8选取。

2.4 公共照明总有功计算负荷

公用照明负荷 (一般指楼梯间、走道、厅间及地下室等公共照明用电)

Pi-各类灯具的用电功率, W;N-最大运行方式下各类灯具数。

公共照明负荷一般按照明灯具设计容量进行累加统计求和, 然后汇总乘以一个同时系数0.8进行计算。

综上所述, 住宅小区总用电计算负荷, 一般由住宅用电部分和公共用电部分两部分组成。由此, 住宅小区的综合最大有功计算负荷:P∑=PH+PD+PG+PW+PM (除此外一般小区还有部分景观照明和弱电中心机房用电)

考虑小区总降压变电所有功功率的计算负荷总同时系数K∑p, 则住宅小区总计算负荷P=K∑p×P∑, 其中K∑p一般取0.8~0.9;住宅小区总视在功率SZj=K∑p×P∑/cosθ

式中:P-变压器供电区域内综合最大负荷, KW;cosφ-负荷功率因数, 补偿后的功率因数一般取0.9;SZj-总视在计算有功功率, 单位KVA。

3 小区变压器容量的计算

住宅小区变压器总装机容量按S=SJ/βb计算

式中:S-为住宅小区变压器总装机容量;βb-变压器的负荷率;SJ-住宅小区总视在功率。

由上式可知小区变压器总装机容量S, 由负载率βb来确定。

因此, 变压器容量的最终确定就在于选定变压器的最佳负荷率。

我们知道, 当变压器的负荷率为: (1) βb=βm= (1/R) 1/2时效率最高。 (2) R=PKH/Po (即变压器损耗比) , 式中Po-变压器的空载损耗;主要是铁损, 包括磁滞损耗和涡流损耗;βm-变压器的最佳负荷率;PKH-变压器的额定负载损耗, 或称铜损、短路损耗。主要是负载电流通过绕组时在电阻上的损耗, 一般称铜损。其大小随负载电流而变化, 与负载电流的平方成正比。

由式 (1) 可知, βb与变压器节能效果有关 (即与变压器类型有关) 。以国产SGL型电力变压器为例, 其最佳负荷率βm, 当变压器效率最高时, 不同类型的变压器负荷率, 据有关权威部门统计在60%左右。在实际运行中, 负荷运行曲线随时间而变化, 一般在深夜至次日清晨处于轻载状态, 18:00-22:00间处于用电负荷高峰期。因此, 从节能及提高效益的角度看, 应力求变压器的平均效率接近最佳效率才有实际意义, 故βb值的选取应略高于变压器的最佳负荷率。综合各方面因素, 当单台变压器运行时, βb的取值范围一般在70%~85%为宜, 两台同容量的变压器分列运行时的最佳负荷率均取75%比较科学。

实例:

(1) 小区住宅用电部分有功计算功率

某张家界新建住宅小区, 其住宅用电部分负荷如表4所示。

表4中的户数为小区的总户数, 折算到按三相配电时的户数则为313;查表2得同时系数应取0.45, 那么Pj1=6340×0.45=2853k W。

(2) 公共用电部分计算功率如表5所示。

住宅小区消防负荷 (防排烟风机, 消防水泵等) 备用负荷均非变压器的正常运行时需用供电负荷, 因此, 变压器容量计算时不计入备用设备和消防设备的负荷, 但对于正常运行的一级负荷需进行负荷校验。一般正常情况下, 除消防中心需用电外, 其他消防设备均处于待用电状态, 发生火灾时通过消防联动切除的一般动力、照明负荷的计算有功功率要大于消防用电的计算有功功率, 故消防负荷不计在计算负荷内。

则住宅小区总视在功率

依据《国家电网公司企业标准 (Q/GDW 370-2009) :城市配电网技术导则》中要求配电室每台变压器的容量不宜大于800k VA, 故住宅小区变压器的负荷率按0.75选取。则住宅小区变压器总装机容量S=Sj/β=3233.7/0.75=4255.2k VA, 住宅小区变压器总台N=S/800=/800=5.3约为6台。

根据以上计算结果可以确定:该住宅小区应设3个配电房或设置2个配电房, 具体可依据供电半径确定。同时考虑计量和管理的方便, 工程上具体设计可做如下安排:

方案1:设置3个配电房的情形, 可按其中两个配电房设公变2×800KVA, 另外一个配电室设专变2×500KVA进行设计安排。

方案2:设置2个配电房的情形可按每个配电房设公变2×800KVA, 专变1×500KVA进行设计安排。

通过上述设计安排, 变压器平均负载率在0.72左右, 运行效率比较高。

4 结束语

施工图设计阶段在进行住宅小区的负荷计算时应认真分析其负荷性质及运行的特点, 正确选择设计依据, 选取合理的用电指标、需用系数、同时系数进行的科学计算。

在进行变压器容量计算时, 应充分考虑变压器的最佳运行效率, 结合有关设计规范, 合理选取设计参数, 使通过计算选取的变压器容量和台数既能满足小区用电安全可靠性要求, 又能合理地降低变压器的损耗, 提高变压器的运行效率。

在确定变压器的具体布置安排时, 应结合城市电力网规划设计导则及用电计量和维护管理方便要求, 进行科学安排, 统一布局。

参考文献

[1]建筑电气常用数据04DX101-1[Z].中国建筑标准设计研究院.

[2]全国民用建筑工程设计技术措施[Z].中国建筑标准设计研究院, 2003.

[3]民用建筑电气设计规范JGJ16-2008[S].中华人民共和国建设部发布.