能量调度策略（精选9篇）
能量调度策略 篇1
0 引言
海岛拥有丰富的可再生能源资源,大力发展新能源微网供电系统已成为共识[1]。目前,我国已开展多个重要的海岛微网示范工程项目(如舟山东福山岛和温州南麂岛、鹿西岛等)。但由于远离大陆其并网困难,发电成本高昂、供需侧能量动态平衡困难是其两大突出难点。研究和实践表明,如何在保障电能质量的前提下进一步提高可再生能源发电渗透率是实现海岛微网经济运行的基本策略,而提供足够容量的储能元件参与系统能量动态平衡是关键。
近年来,电动汽车EV(Electric Vehicles)和车网互联V2G(Vehicle to Grid)技术得到快速发展。从海岛交通、环境保护、电力供应、经济成本等多方需求考虑,引入电动公交汽车(充电站模式)作为岛上环保公共交通工具,并基于V2G技术将电动公交汽车电池集群EBBG(Electric Buses Battery Groups)作为储能元件参与海岛微网运行的方案具有可行性[2,3]。在保证正常行车需求的前提下,接入V2G站中的EBBG作为储能装置接受微网能量管理中心的充放电控制,不仅可大幅降低系统专用储能设备的投资和维护成本,还可充分发挥其快速可控特性,利于系统能量动态平衡[4,5]。目前,北欧岛国丹麦在该领域的研究走在前列[6],我国部分海岛(如南麂岛)微网中也已开展V2G相关的研究和应用实践。如何有效地将V2G技术应用于海岛微网运行调控已成为具有重大意义的前沿研究课题。
但是,该运行方案面临多个关键技术难题和挑战。一方面,实现V2G接入微网的所有EBBG的实时双向能量调控能力的准确评估至关重要。文献[7-8]分别采用多模型自适应卡尔曼滤波器法、径向基函数神经网络对EV电池荷电状态SOC(State Of Charge)进行合理预测,但其均是针对单体EV电池进行分析。文献[9]研究了影响大规模EV电池集群的充放电行为特性,对其充电需求、对原电网负荷特性的影响进行分析预测,但未考虑EV电池集群V2G接入后的双向能量调控。文献[10]从电网接纳能力角度考虑,对EV充换电服务网设施配置方案进行分析与评估。另一方面,海岛微网新能源发电渗透率高,能量平衡控制任务重、要求高、实时性强,除满足系统频率、电压等调控目标外,还需兼顾系统运行的经济成本和电池集群自身的V2G控制需求,这是一个多变量、多约束的高维复杂优化问题[11,12]。
本文提出一种将EBBG作为储能元件参与海岛微网运行的方案,并在有效表征EBBG的实时V2G能量动态双向平衡能力的基础上,以实现系统能量动态平衡的整体成本最小化为目标,建立V2G参与系统运行调控的优化模型。根据岛上EBBG的管理模式和关键参数,实现参与V2G服务的可用容量实时评估,并基于改进粒子群优化PSO(Particle Swarm Optimization)算法求解系统中参与能量动态平衡的各要素、各优化时段的功率输出最优值。最后,通过浙江舟山东福山岛风-光-柴-储微网系统算例,分析验证了所提V2G运行机制和调控策略的可行性和有效性。
1 V2G运行机制与可用容量评估
1.1 系统组成与V2G调控思路
海岛微网的典型系统组成如图1所示。微网正常运行时,系统可再生电源和负荷两侧间功率差额可由各能量平衡要素实时有效平衡。任意nΔt时刻,必须实时满足能量供需侧间的功率平衡:
其中,Δt为系统调控时所取前后最小时间间隔;K为系统中包含的分布式电源(DG)总个数;PDG i(nΔt)为各可再生能源在nΔt时刻的发电功率总和,可通过构建各DG发电预测模型,并结合微网实际配置和参数获得;PLD(nΔt)为微网区域内nΔt时刻的负荷预测值;PEV(nΔt)、PDS(nΔt)和PCH(nΔt)分别为nΔt时刻参与V2G服务的EBBG、柴油发电机组和外电网的输出功率值。
1.2 V2G运行机制与可用容量评估
为了更好地提高EBBG参与V2G的储能利用率,对应于电动公交汽车的出站、进站规律,可采用“依次递进”的EBBG管理模式,由公交运行时刻表中的不同车辆始发、更换电池、停运时间确定电池装卸时刻。系统中电池总数量按电动公交车辆数进行一定比例g的超额配备。
根据海岛交通需求状况,规划每辆汽车在运行中间时段,需要进充电站更换电池一次。各时段的工作状态描述如图2所示[13],设将其一天工作时间分为6个不同状态时段ΔTi(i∈{1,2,…,6}),对应的Ni为各时段ΔTi内的Δt个数,NB1和NB2分别为岛上电动公交汽车的数量和系统配备的汽车电池总量(g=NB2/NB1)。
为有效表征EBBG作为储能元件进行动态能量平衡的能力,定义EBBG“V2G可用容量”概念。根据相关理论,可列式表征其电池充放电过程中前后时间间隔的荷电状态关系[14]:
其中,Ibat(t)为t时刻充放电电流(大于零表示充电,小于零表示放电);σ为自放电率,取值0.01%/h;Cbat为电池的额定容量,A·h;η(t)为充放电效率,当功率输出稳定且在有效充放电范围[SOCmin,SOCmax]内时,其可视为定值。
根据式(2),电池从(n-1)Δt时刻充放电至nΔt时刻,nΔt时刻的电池剩余容量可递归描述为:
因此,EV电池的V2G可用放电容量CD(nΔt)和V2G可用充电容量CC(nΔt)可分别表示为:
由图2所示的电动公交汽车“依次递进”管理模式及V2G可用容量概念定义,可得ΔT1—ΔT6不同时段内该EBBG在任意nΔt时刻的V2G可用放电容量的递归表达式:
其中,CD(n0Δt)为ΔT1起始时刻的V2G可用放电容量;Kn为ΔT1、ΔT3、ΔT5时段内nΔt时刻对应的“依次递进”安装电池发车、进站更换电池及停运卸载电池的公交汽车班次;λn为每班次发车、进站或停车的汽车数量;ΔCT(kiΔt)(i∈{1,2,…,6})为kiΔt时刻系统中所有参与V2G服务的EBBG容量变化总量;SOCres为ΔT3时段内各电动公交车进站更换电池和ΔT5时段内各电动公交车停运后车载动力电池卸载时的平均剩余荷电状态值。可见,EBBG在各时段的V2G可用容量由“可确定部分”和“不可确定部分”组成。
根据定义易知,ΔTi(i∈{1,2,…,6})时段内该EBBG在任意nΔt时刻的V2G可用充电容量可表达为:
其中,Nv2g(nΔt)为ΔTi时段内nΔt时刻接入V2G服务的电池总数量。
2 基于改进PSO算法的V2G优化调控
2.1 各能量平衡要素的经济成本模型
(1)EBBG参与V2G服务成本模型。
EBBG参与V2G服务的运行调控总成本应考虑储能成本、V2G项目补助费用、调峰收益3个方面[15],其调控成本模型可表述为(单位为元/d):
其中,CSTC为EBBG总储能成本,根据系统超配电池的购置成本按其最短使用年限折算;CSU为根据合约系统给予参与V2G服务用户的经费补贴;CRE为利用系统峰谷电价合理充放电的收益;CBRC为单体电池购置成本,元/(k W·h);M2为超配电池数量;Ebat为电池容量,k W·h;DOD为允许放电深度,%;NC为电池最短使用年限;NY为一年的天数;CEV为单辆电动公交车的价格;M1为公交车数量;ε为参与V2G服务的用户年补贴利率;WEV(kΔt)为kΔt优化时段EBBG与微网间的V2G交换电量;fRE(kΔt)为海岛微网峰谷电价函数,仅与时段有关;N为一天24 h中的时段总数。
(2)柴油发电机组发电成本模型。
柴油发电机组参与系统能量平衡时的发电运行调控总成本应包括燃油消耗费、环境成本和设备折旧费3个方面[16],其调控成本模型可表述为:
其中,CFU为燃油消耗费,是其发电运行过程中产生的主要费用(包含运输附加费用);CEN为环境成本,根据其产生的对环境污染气体(SO2、NOX)的治理费用折算;CDE为设备折旧费,将一次性设备购置费用按规定使用年限等值折旧。
(3)外网交换功率成本模型。
若海岛与大陆主网或附近其他海岛微网间通过海底电缆存在关联,则可充分利用电缆联络线功率交换参与系统能量平衡。不考虑海底电缆铺设成本,在其所能承受最大功率限额内,其调控总成本可表述为:
其中,b为海岛微网与岛外电网的交换电价(当向外网输电时设为卖电价格-b1;反之,设为买电价格b2);PCH(kΔt)为kΔt时刻参与V2G服务的外电网输出功率值。
2.2 系统运行优化调控模型构建
EBBG参与海岛微网运行的优化调控,是在满足系统能量动态平衡及保证公交电动汽车的行车动力需求前提下,优化调控系统中各能量平衡要素在各优化时段内的输出功率分布,以实现系统运行成本最小化的目的。综合考虑孤网和存在岛外弱关联2种可能的海岛微网运行状态,构建基于V2G技术的EBBG参与海岛微网运行的经济优化调控统一化模型:
其中,f1(x)、f2(x)、f3(x)分别为海岛微网中EBBG参与V2G服务、柴油发电机组发电、可能存在岛外电网的运行调控成本的可变部分;CST为计及式(13)、(14)的CDS与CEV调控成本模型中的所有固定成本项之和;c为海岛微网运行模式选择系数(孤网c=0,联网c=1);a为柴油发电机组调控可变成本系数,即式(14)中前2个分项的系数之和。
式(16)的优化约束条件需综合考虑EBBG的充放电约束、可用容量约束、功率约束、各电池装卸时段容量约束,以及柴油发电机组的功率约束和可能存在岛外电网的交换功率约束等,具体如下。
(1)系统功率平衡约束。
(2)柴油发电机组输出功率约束。
其中,PDS,N为柴油发电机组额定功率。
(3)各ΔTi时段EBBG的V2G充放电可用容量约束。
(4)在系数为sm的电池充放电(m=1时放电,m=2时充电)速率下,EBBG的V2G充放电功率约束。
(5)与岛外电网互联模式下交换功率约束。
其中,PCH max为微网与岛外电网交换功率限值。
(6)为保证新装载电池必须保持最大荷电状态的基本要求,系统中电池装载、更换时刻的容量约束。
其中,nkΔt为充电站装载电池时刻;为nkΔt时刻充电站内参与V2G服务的EBBG平均荷电状态。
2.3 基于时变权重PSO算法的优化求解
考虑到上述各约束条件在各优化时段的关联性,采用基于时变权重的改进PSO算法并引入惩罚函数处理各约束条件对优化模型进行全时段的整体优化,求取系统运行成本最小化前提下的参与系统能量动态平衡的各要素、各最小优化时段的功率输出最优值。
时变惯性权重提高了海岛微网经济优化调控模型的全时段整体搜索空间,避免过早陷入局部最优。惩罚函数可以根据约束条件被违反的严重程度动态修正权重系数,只有在避免其所得值过大时才能够保证优化模型目标函数最小,进而保证约束条件式(17)—(21)得到满足。算法关键的速度、位置和权重更新机制如下:
其中,xkid、xk+1id分别为k、k+1时刻的位置;vkid、vk+1id分别为k、k+1时刻的速度;ω、ω1、ω2为时变权重因子及其初始值与终值;c1、c2分别为个体与群体最优学习因子;ξ、γ为[0,1]区间内均匀分布的伪随机数;pkid、pkgd分别为k时刻个体最优位置和群体最佳位置;Imax、Ipre分别为最大迭代次数和当前迭代次数。
算法主要包括四大核心步骤:优化模型的初始化设置;约束条件的检测和处理;调度成本的计算;各能量平衡要素在各优化时段输出值的确定。基于时变权重PSO算法的系统全时段整体优化求解过程如图3所示。
3 算例分析
3.1 系统配置及运行机制规划
算例以2011年设计并投建的浙江舟山东福山岛风-光-柴-储微网系统为工程背景。东福山岛年平均日太阳辐照度为120~160 W/m2(北纬约30°,东经约120°),18 m高度年平均风速约6.05 m/s,新能源资源具有较好的开发价值。常住人口约300人,雷达站驻扎部队约50人,旅游业发达。为解决当地居民、部队及旅游业水电短缺问题,建立了一套生产淡水50 t/d的海水淡化系统。东福山岛微网为一孤岛微网系统(c=0),现假设引入电动公共汽车和充电站构建岛上公共交通体系,并将其EBBG作为储能元件参与V2G微网系统的运行调控。系统能量供需两侧的主要配置数据如下:居民负荷功率为160k W,部队负荷功率为40 k W,海水淡化负荷功率为24 k W;可再生分布式风力发电配置最大功率为210 k W,分布式太阳能发电配置最大功率为100 k W;柴油发电机组额定功率PDS,N为200 k W,与外网交换功率限值PCHmax为0 k W,单组电池的额定容量Ebat为30 k W·h,10辆EV按1:2配置电池。
构建的海岛公交交通体系中,电动公交汽车总量为10辆,在车站起(终)点配置1个充电站。设计民用、军用2条环形公交线路,每条线路各5个班次车辆(每班次同时发车2辆,单程预计耗时1 h)。采用“依次递进”管理模式对参与V2G服务的电动公交车进行调度,公交车运行规则如表1所示。其
中,各电动公交车在12:00—14:00时段区域按班次依序进站更换电池1次。
算例中的汽车电池关键参数如表2所示。充电站电池总数量按比例系数g=2配置(NB1=10,NB2=20)。为防止过度充放电,设定电池的平均有效充放电范围为额定容量的0.2~0.9。
3.2 V2G可用容量评估及优化调控
在评估微网中EBBG的V2G可用容量时,考虑初始评估日和正常评估日2种不同情景。两者之间的最显著区别在于,在时段ΔT1初始时刻EBBG的荷电状态初始值设置不同:(1)对于初始评估日,设定EBBG中所有电池均已充电至SOCmax,则式(6)中的CD(n0Δt)值可确定为420 k W·h;(2)对于正常评估日,仅ΔT1时段内将依次脱离V2G服务的一半数量的电池(与汽车数量对应)需充电至SOCmax,因此CD(n0Δt)值设定为210 k W·h。
根据表1数据,图2所示的EBBG运行规划中的关键时间节点ti(i∈{1,2,…,6})依次为06:00、08:00、12:00、14:00、18:00和20:00。根据表2参数计算ΔT3和ΔT5时段中车载动力电池卸载时的平均剩余容量SOCres为0.14。然后,根据式(6)—(11)所示递归表达式,可获得系统中EBBG在ΔT1—ΔT6不同时段任意nΔt时刻的V2G可用放电容量。以初始评估日为例,图4展示了系统V2G可用放电容量中的可确定部分。图中,1 d时间单位被分割为48个V2G评估时间间隔,水平轴时间起点对应于ΔT1时段的初始时刻(即06:00)。
设定式(20)中允许最大放电速率s1=0.1,充电速率s2=0.2。式(13)中的峰谷电价分时段函数,参照“浙江居民生活峰谷用电阶梯累加电价政策”,并根据算例海岛用电各时段用电负荷的新能源发电预测情况,由表3所示的峰谷用电阶梯电价表体现,其中峰电时段为时段1—7、23—35,谷电时段为时段8—22、36—48。
基于所提出的系统调控优化策略和模型,可获得微网系统中参与能量动态平衡的各要素、各优化时段的功率输出最优值。图5、图6分别显示了初始评估日和正常评估日的系统V2G运行调控优化结果(图中DSG表示柴油发电机组)。
根据上述2种情景下输出的各时段V2G调度值的优化值,通过式(6)—(12)的评估模型,可确定算例微网中EBBG的V2G可用放电容量和V2G可用充电容量,如图7所示。
3.3 算例结果分析
观察图4和图7可见,系统中作为储能元件参与微网运行的EBBG的V2G可用容量主要由可确定部分和不可确定两部分决定,前者与微网中参与V2G服务的电动公交汽车的运行机制和调度规律密切相关,后者主要由微网运行过程中的实时能量调控确定;电池总量配置比例系数g越大,系统V2G可用容量的评估初始值也将越大,但过大冗余度将显著增大投资并降低调控经济性,应根据具体系统需求合理配置。由图5和图6可见,系统中的EBBG基于V2G技术全程参与了微网的能量动态平衡调控。在微网中可再生能源发电出力总和小于负荷功率时段,EBBG可与柴油发电机组配合共同向系统输出功率实现能量平衡;反之,EBBG可进行充电实现多余电能的有效利用。在整个时间区域(24 h)内,EBBG在各最小优化时段的充放电状态以及量值可基于改进PSO算法求解,其目的是保证满足系统动态能量平衡的前提下,系统运营成本最低。
一个普遍担心的问题是,EBBG参与V2G服务可能导致电池频繁充放电从而缩短其寿命。在本文所提运行机制和调控策略下,实际上这种损害程度是不高且经济性可弥补的。原因主要有:(1)由图5、图6的输出功率可见,在基于改进PSO算法的全局优化下,EBBG作为整体充放电状态转换次数很少,各时段内充放电总功率均较小,尽量保持了平稳放电;(2)各时段EBBG充放电功率调控结果可通过第二层控制机制在所有V2G接入的电池中进行合理二次调配,最大限度降低各单体电池的充放电次数;(3)所提方案可大幅减少微网对常规储能元件的配置投资,且具有很好的环保效益。
4 结论
本文针对新能源微网海岛供电系统,提出一种基于V2G技术将EBBG作为储能元件参与海岛微网运行的方案机制与调控策略,其显著特点在于:
(1)所提方案可实现海岛现代公共交通和微网供电系统能量动态平衡两方面需求的有效结合,并同时兼顾环境保护、投资成本、电能质量、运行经济性等多方面需求;
(2)提出EBBG的V2G可用容量概念,并基于规划的管理模式和运行机制构建其评估模型,为实时评估其V2G参与微网能量动态调控能力提供有效依据;
(3)所提V2G参与海岛微网运行的调控策略是以系统整体时段运行成本最小化为前提,求得各能量动态平衡要素、各最小优化时段的功率输出最优值。
算例分析表明,所提方案、运行机制和调控策略具有较好的可行性和有效性,有利于进一步提高海岛微网的可再生能源发电渗透率,并降低系统的投资和运行成本。对于多类型(公交车、私家车、梯次利用)EV电池集群共同参与V2G服务情景下的海岛微网系统运行机制和调控策略问题,将在后续工作中进一步研究。
能量调度策略 篇2
1 山东地区跨流域调水工程概述
在山东地区，跨流域工程以引黄济青工程为主，其中胶东地区引黄调水工程是我国南水北调工程项目中东线工程的关键环节，其中占据了引黄济青的部分线路，占用的输水线路长度为 160 公里，设计的城市有滨州、东营、威海、青岛等 6 个重要城市，从滨州分散开来。对于山东地区来说，引黄调水工程是一项重大的项目，在烟台市所存在线路长度为 278 公里，调水工程途中要经过当地的 9 个市、县，相当于总线路长的 86. 3%[1]，可见烟台地区在引黄调水工程中的意义和重要性。胶东地区引黄调水工程竣工后，应充分结合山东地区其他调水工程，强强联合，进而形成“T”字形的调水系统，会大大提高调水效率和质量，能够实现水资源的充分利用，实现对水资源的优化配置，有利于缓解整个山东地区水资源紧张的现象，能够起到解决燃眉之急的效果。
2 跨流域调水工程运行机制的特点分析
通过对山东地区跨流域引黄调水工程的分析，了解到工程调度运行具有一定的特点，主要表现为复杂性、模糊性等特点，是对调水工程运行机制现状的充分体现。
2. 1 复杂性
跨流域调水工程运行的过程中，运行机制存在一定的复杂性，运行机制会涉及到多方面的问题，与历史背景存在着必然的关系，政治、经济、社会等多重因素的影响，再加之运行管理机制的适应性，内容相对繁琐，需考虑的问题相对冗杂。另外，调水工程在公共利益的分配上也存在着复杂性，调水系统各个分支系统的操作、指令分配以及经营的相关资产等，是复杂性的充分体现。
2. 2 模糊性
调度运行的危险点分析与控制策略 篇3
关键词：调度运行；危险点；分析；控制
电网的调度运行活动，主要包括电网进行的监控活动和运作活动等内容，其对于保证电网的安全稳定运行、提高电网的经济效益、农业活动的顺利开展以及社会人们的用电安全具有十分重要的作用。通过对电网调度运行过程中出现的危险点进行分析，并采取相应的措施进行解决，能够确保电网调度运行工作的顺利、有效开展。
一、危险点分析控制的概念和重要性
所谓危险点，指的是在调度运行作业中可能出现危险的位置、环境、工器具、地点以及行为动作等。调度运行危险点具有复杂多变、客观实在、潜在以及可知可防等特点。危险点分析控制，指的是对于调度运行过程中可能出现的事故的危险点，采取相应的解决办法对其进行提前预测、预防工作。其是电力企业为了预防事故采取的有效措施，要求电力企业的领导、工作人员对电网调度运行工作，在对作业内容、运用的设备、生产环境以及人员素质等内容进行了解的前提下，对可能出现的不安全因素进行提前的分析、查找，然后依据相关的法律规范，制定出有效的防范措施，将事故控制在萌芽之中，进而达到预防事故发生的目的。
二、调度运行的危险点分析与控制策略
1.调度运行的危险点分析与控制策略
（1）接收检修工作存在的危险点
在调度运行接受检修工作中存在的危险点主要包括没有明确工作申请内容、检修设备名称不准确、所检修的设备状态要求不清楚以及检修停电区域不明确等内容。这些问题不明确，将会导致调度运行工作中出现危险点。为了有效的解决接收检修工作存在的危险点，首先要对工作申请的填写进行严格的要求，接收到检修工作申请表后，对申请内容进行认真、仔细的审核，对需要检修的设备名称、需要停电的范围进行认真核对，确保停电范围能够达到检修工作的要求，并落实设备的运行状态，最后在确保所有信息准确无误后，进行检修工作。
（2）电力设备启动方案中存在的危险点
近年来，电力企业对电网进行改造，原来的旧设备逐渐被越来越多的新设备代替，在对新设备和旧设备进行交换使用的过程中，容易发生危险点。由于在使用新设备时会运用不同的启动方案，这些启动方案不能完全适合进行调度运行工作。另外，新设备的调度运行方案是随意确定的，没有考虑到新设备是否能够适应调度运行情况。因此，为了有效的保证新设备的启动方案能够顺利实施，需要提前对设备的使用环境进行分析，并预测设备的使用效果。
（3）运行方式批复工作中存在的危险点
通常情况下，电网调度运行方式的批复工作也是会产生危险点的，例如部分电网不能接受高压电能输送，如果电压超过电网自身的承受范围，那么就会导致电网运行停止。因此，进行电力调度运行方式的批复工作时，首先要对电网的承载力进行考虑，不随意进行电网调度运行的批复工作。另外，要对电网运行的正常方式进行分析，防止变电站受到电压的因素发生停止运行的现象，并对电网设备和机组进行及时的检修工作，避免由于局部电网送电出现受阻的现象。除此之外，在对调度运行的一次方式、二次方式的变化和影响进行了解，提前对电网负荷进行预测，确保顺利完成送电计划。
（4）电网设备临检过程中存在的危险点
电网设备的临检工作是为了保证电网的安全、稳定运行。如果临检工作的准备工作没做好，那么很可能会导致出现危险点。因此，为了避免出现危险点，在对电网设备进行临检工作之前，要对设备的使用情况进行分析，确定出合适的临检方法。另外，进行临检工作时，要保证设备处于停止运行的状态，这样能够有效的保证检验工作人员的人身安全。
2.调度操作中存在的危险点与控制策略
（1）审核操作票存在的的危险点
对工作票进行审核的过程中，存在着工作人员审核不认真、对操作内容与方式审核不合理以及没有对停电保护范围和要求进行审核等问题，由于审核工作不到位，进而导致出现危险点。
（2）检修工作申请答复存在的危险点
相关部门接收到检修工作申请后，如果申请答复和申请内容不符合，那么将会导致出现危险点。在进行申请答复工作时，部分工作人员大致了解一下，不容易发现申请设备与内容出现不同的情况。为了避免出现危险点，需要确保申请答复工作的规范化。进行申请答复工作时，严格对工作票的内容进行认真审核，明确工作要求，对于检修过程中可能存在的特殊情况及时进行标注。
（3）调度运行操作中存在的危险点
调度运行过程中容易出现命令下达错误的情况，进而导致调度运行出现错误。因此，在进行电网的调度运行工作时，要求调度工作人员要有良好的精神状态，进行操作之前，在与相关调度部门的配合下，对可能存在的危险点进行准确的分析。另外，要注意在和其他调度部门进行配合的过程中，要对调度和操作术语进行严格的统一，因为区域不同，所表达的动作和语言也就不同，为了防止调度运行中出现问题，需要和调度部门进行沟通。除此之外，所选择的调度时间要避免在电能负荷运行的高峰时期，在高峰期进行电网调度操作容易给其他电力系统产生影响。调度工作人员自身也要具备一定的电网事故解决措施，能够在对电网情况进行了解的前提下，对可能发生的危险点进行预测，并做好准备工作，最终达到调度操作的目的。
三、结语
总而言之，电网调度运行的安全性和可靠性对于电网的整体运行具有十分重要的影响，电网的调度运行工作具有复杂多变性、综合性、持续性的特点，在整体运行过程中均会出现危险点。因此，对其中可能出现的危险点进行分析、预测，并制定相应的控制策略，最终能够有效的保证电网调度运行工作的顺利进行。
参考文献：
[1]邓岩，王勇，孙硕乾等.浅谈电网调度运行工作的危险点[J].科技促进发展（应用版），2011，04（11）：39-40
能量调度策略 篇4
由于超强的计算能力、高速访存带宽、支持大规模数据级并行程序设计等特点,GPU已经成为超级计算机和高性能计算集群的主流加速器。越来越多的应用程序通过基于GPU数据并行地重新设计达到可观的加速比。因此,在HPC领域,传统集群正在演化成为GPU加强的集群或GPU集群。但是在集群和高性能计算领域,能耗问题一直存在并且相当棘手。
随着CPU和GPU的发展以及集群节点扩展,新的高性能CPU和GPU加入到GPU集群中,集群的异构程度进一步加强。在本方案中,我们针对节点异构和系统异构的GPU集群系统提出了一套能耗有效调度方案。首先,我们形式化地描述了异构GPU集群系统并对系统资源和节点能耗进行了建模。其次,我们将复杂的能耗评估与计算资源静态能耗以及资源利用率紧密结合分析能耗损失,提出了基于系统层面的能耗有效性调度方案。最后,我们分析了方案与现实系统的一致性和部署的可行性,并且分析了与现有能耗有效性方案的兼容性。
1 背景及相关工作
随着GPU发展,单个GPU的核数和能耗不断增加。在文献[1]中,作者提出了一套集成的能耗和性能模型去优化单个GPU的能耗有效性。在文献[2]中,作者提出指令层面的能耗计算和优化方法。这些方案在不损失或损失很少应用程序性能的情况下,提出了最优化核数。但这些方案都是基于单GPU或多GPU的能耗优化方案。
GPU集群计算资源不仅仅包含CPU还包含GPU,这样集群系统本身就是系统层面异构的。ECOG[3]从体系结构角度提出了一套GPU集群构建方法,并针对科学计算领域阐述了GPU集群系统能耗有效性,Waterfall模型[4]采用粗粒度和细粒度的动态电压调整DVS(Dynamic Voltage Scaling)和动态资源调整DRS(Dynamic Resource Scaling)从系统层面上提出了一套针对大规模GPU集群的能量有效任务调度模型,但是该模型只针对CPU和GPU计算资源的节点内异构,而每个节点CPU和GPU的数目相同并且节点间的计算资源相同。由于集群系统具有良好的硬件可扩展性,拥有更加先进体系结构CPU和GPU的节点将加入到原有GPU集群中,GPU集群必将趋向节点异构化。因此,我们的方案不对节点中的CPU和GPU数量和性能做任何假设。另外根据现实集群系统情况,我们不仅针对CPU-GPU任务,而且针对纯CPU任务,具有更强的适应性。
2 资源,任务和能耗模型
2.1 计算资源
因为集群是大量松耦合计算机的集合,因此硬件环境具有较强的可扩展性。新的体系结构节点的加入使系统的异构程度进一步增加。在本方案中,我们不对节点CPU数量与GPU数量做任何假设和限制。假设集群节点个数为n,这n个节点表示如下:
{N1,N2,N3,…,Nn}
节点Ni(1≤i≤n)有NCi(NCi>0)个同构CPU,这NCi个CPU表示如下:
{Ci,1,Ci,2,Ci,3,…,Ci,NCi}
同样,节点Ni(1≤i≤n)有NGi(NGi≥0)个同构GPU,这NGi个GPU表示如下:
{Gi,1,Gi,2,Gi,3,…,Gi,NGi}
节点的异构性能够用图1表示如下。
为了计算简单,我们假设所有CPU具有相同的指令集架构(ISA),同样所有的GPU具有相同的指令原语。这样根据CPU间基准测试程序数据的比值可以根据任务的指令数大致估算同一个任务在不同CPU上的执行时间。
GPU是大规模数据并行计算平台,GPU-CPU通信代价较大,并且访存局部性要求非常高。尽管现在一些研究已经致力于GPU平台上任务级并行研究,但实现复杂度较大并且不成熟。因此,本方案假设GPU是不可共享和抢占资源。而CPU却不同,它能够良好支持多用户和多任务并发和抢占执行,并且性能和能耗开销非常小,因此本方案假设CPU为可抢占资源。我们这种假设与现实系统基本一致,并且很容易通过MPI和操作系统相应的系统调用实现。
2.2 任务模型
由于现实系统任务的多样性和集群强大的计算能力,本方案不仅考虑CPU-GPU任务,而且考虑纯CPU任务。
对于纯CPU任务,任务执行的墙上时钟Twall包含执行时间Tc,run,空闲时间Tc,idle和被抢占时间Tc,preempted。当然,被抢占时间属于抢占任务的执行时间。其表示公式如下:
Twall=Tc,run+Tc,preempted+Tc,idle (1)
对于CPU-GPU任务,我们分任务为CPU子任务和GPU子任务,其墙上时间有两种表示方式:CPU形式和GPU形式。Tc,run和Tg,run分别代表CPU子任务和GPU子任务的运行时间,同样,Tc,idle和Tg,idle分别代表相应子任务的空闲时间,Tc,preempted代表CPU子任务的被抢占时间。
Twall=Tc,run+Tc,preempted+Tc,idle (2)
Twall=Tg,run+Tg,idle (3)
由于CPU可抢占特性,执行优先级是必需的。CPU-GPU任务中除了个别加速比较低的任务都严重依赖GPU,并且GPU的能耗比CPU能耗大得多,因此,在相同节点上并发执行的CPU-GPU任务的优先级要大于纯CPU任务。由于GPU的不可抢占性,多个CPU-GPU任务不能并发执行。为确保每个任务的服务质量,我们给每个任务t强加一个截止时间deadline(t)。
2.3 能量评估模型
CPU和GPU能量消耗能够划分为静态能耗和动态能耗两部分。电路技术,芯片布局和操作温度决定了静态能耗,晶体管状态切换和运行时间决定了动态开销。Pc,dynamic和Pc,static分别表示相应CPU单位时间内平均动态能耗和静态能耗,Pg,dynamic和Pg,static表示GPU相应的动态和静态能耗。Ec,work和Ec,idle表示任务在相应CPU上有效和无效能耗,Ec是任务在CPU上的总的能耗。同理,GPU上采用相似的表示方法。根据式(1)—式(3),我们可以得到任务相应的能耗表达式(4)—式(9)。
Ec,work=(Pc,dynamic+Pc,static)×Tc,run (4)
Ec,idle=Pc,static×Tc,idle (5)
Eg,work=(Pg,dynamic+Pg,static)×Tg,run (6)
Eg,idle=Pg,static×Tg,idle (7)
Ec=Ec,work+Ec,idle (8)
Eg=Eg,work+Eg,idle (9)
明显,任务在Tc,run和Tg,run中的能量消耗Ec,work和Eg,work是有效的。我们假设处理单元未被分配任务时正被空任务占据。而空任务只有静态能耗没有动态能耗并且Tc,run和Tg,run都为0,这样保证系统能耗衡量的完整性。能耗的有效比率Eff可以表示如下:
从上面的公式推导可以看到,影响能耗有效性不仅在于能耗对单个任务的执行效率的有效,而且表现在系统资源闲置的静态能耗,资源闲置的静态能耗越高,系统的能耗有效性就越低。资源闲置情况直接代表了整个系统资源利用率,因此,我们通过上述公式的推导将能量有效性问题转化为以单位时间静态能耗为权重的资源利用率问题。
在文献[7,8]中,对单GPU或多GPU的能量有效评估引入了每瓦特性能的概念,从而能够计算出对于特定任务在不损失性能或少量性能的情况下使用的GPU核数或块数,对于单节点能耗的评估和资源的选择,本方案采用上述的方法。
动态电压调整(DVS)和动态频率调整DFS(Dynamic Frequency Scaling)[5,6]能够用来减少CPU的电压和频率从而降级CPU能耗。在文献[7]中,算法层面的DFS能耗优化能够完全不加修改应用于该方案,但我们更重视系统层面基于DVS和DFS的优化,减少程序员编程复杂度。在文献[8]中,作者给出了DVS和DFS的能耗公式。对于一个DVFS使能的CMOS微处理器,其动态能耗P与总电容负载C,频率f,供电电压的平方V2和活动的门电路的比率A成正比。
P=ACV2f (12)
2.4 调度目标
本调度方案从系统角度出发,首先必须要满足所有任务在其截止时间到来之前完成。其次,调度方案必须最大化能耗有效率Eff,降低集群系统能量损失。
3 调度方案
为了描述我们的调度方案,我们首先引入下面与调度有关的参数。
3.1 调度参数
1) GPU资源利用率β
虽然新的GPU的Fermi架构支持多个内核程序同时执行,但是任务并行仍然不够成熟,因此我们不考虑单个GPU上的任务并行。β值表示了对于任务t根据每瓦特性能标准选择的GPU核数占总利用GPU核数的比率,反映了单个任务对GPU利用率。
2) 子任务分布比率θ
对于给定的CPU-GPU任务在CPU集合CS和GPU集合GS,任务t的CPU子任务执行时间Exe(CS, t)和GPU子任务执行时间Exe(GS, t)的比率。
3) 完成时间ϕ
根据本方案资源选择策略和给定节点的现有任务队列,根据任务分析技术(如profiling),我们能够得到任务t在给定节点的完成时间ϕ(t)。本方案采用不一致期望完成时间矩阵IETCM(inconsistent expected time to compute matrix)[8]的方式记录不同任务在不同节点的完成时间。
4) 加速比α
任务通过GPU优化前后执行时间的比值。
5) 节点能量损失率σ
根据式(10)的分析,静态能耗损失可以有效反映能量的有效性,并且也一定程度代表了资源的利用率。因此,我们假定在给定节点Ni,有nci个CPU和ngi个GPU未被利用。节点能耗损失可以表示如下:
当δ=1时代表了单个节点的静态能耗损失,也就是基于以静态能耗为权重的资源未利用率,这正好符合能耗有效比率Eff推导中对资源利用的表述。由于CPU和GPU异构计算资源的存在,不可以通过简单的使用资源和总资源的比值作为节点负载情况的反映,但对于计算而言,芯片内部面向计算的电路数目与芯片静态能耗成正比。因此通过引入面向负载的常数补偿因子δ使得σ值不仅能够反映资源利用率而且能够反映节点的负载情况,从而有利于系统通过σ值来决定系统将采用系统均衡策略还是动态资源调整的策略。
3.2 任务划分
基于上面的调度参数,我们能够将现实系统中的任务划分为四类。这种划分意在通过特定任务对资源的使用不同从而选择合适的节点。
第一类是纯CPU任务中CPU受限任务,它能充分利用CPU资源并且适合抢占其他被阻塞的任务从而减少CPU空闲时间。第二类是纯CPU任务中IO受限的任务,此类任务有较低的CPU使用率,当其被阻塞时应该被其他进程抢占,应该分配到NGi或ngi等于0的节点。第三类是CPU-GPU任务中有较大的加速比α或且具有高实时性要求的任务,此类任务严重依赖GPU资源,在GPU集群中具有很强的资源指向性。第四类是CPU-GPU任务中加速比不高并且实时性要求不强的任务,这类任务由于高数据密集特点可以很容易转换成纯CPU任务中CPU受限的任务。
3.3 调度算法
与Waterfall模型[4]一样,我们的方案同样采用事件触发的方式:
1) 截止时间触发 因为每个任务都有截止时间,所以该事件是必需的。通过IETCM[9],当任务在一定数量num (num<n)个节点执行时临界时间deadline(t)小于等于完成时间ϕ(t),调度器对全局任务进行调度。
2) 空转触发 当某一节点的任务执行完成,而任务队列中尚未有任务已经分配给该节点,在为执行队列中寻找最佳匹配的任务,若该任务已经被分配,比较原有分配节点的σ值与现有分配的σ值,若现有节点的分配σ值小,则改变到现有分配马上执行。否则继续寻找下一个合适的任务。如果该节点所有计算资源空闲,并且找不到合适的任务,则关闭该节点。该触发是针对单节点的,以此避免资源空闲带来的能耗浪费。
3) 负载阈值触发 当工作队列中任务个数多于阈值Lth,调度程序启动进行任务分配。这时为保证负载均衡,选择拥有最大σ值的节点执行。当工作队列中任务个数少于阈值Ltl(Ltl触发),调度程序会选择最小σ的节点分配,因为当队列中个数较少时,代表现在活动的节点多余需求的节点,通过负载的集中,通过动态资源调整DRS,减少活动节点数,从而减少能耗。另外Ltl触发可以检查系统CPU资源的负荷,从而启用DVFS特性,进一步减少CPU的能耗。
在我们的方案中,维护一个任务队列,其中每个任务有标记表明其任务划分的类型。因为第二和第三类任务具有较强的资源指向性,所以第二类和第三类资源具有更高的分配优先级。
对于第三类任务,我们选择GPU资源的算法如下:
如上面算法所述,本方案根据不同的触发事件决定选择拥有最大或最小σ值的节点。当任务队列中任务数过少时,通过选择最小σ值的节点能够将任务集中分配,使更多的节点空闲出来,从而通过DRS策略减少能量消耗。否则,将任务分配到最大σ值的节点,使得各节点σ值相近,从而保证节点负载均衡。到通过上述算法可以确定任务t分配到的节点C和使用的GPU资源GS。如果该任务在该节点的任意CPU C和GS的前提下,如果θ(t)小于阈值tl(tl<1),我们从纯CPU任务中选择一个执行时间最接近Exe(GS, t)-Exe(C, t)的任务,称该任务为兄弟任务。当然任务t的优先级要高于它的兄弟任务。相反,任务被单独分配。如果θ(t)大于阈值th(th>1),假如任务为面向CPU的多线程任务,我们将分配更多的CPU资源CS以至于θ(t)接近1。但是在这种情况下为保证后来的CPU-GPU任务的成功分配,剩余的CPU数量和GPU数量之比不能小于原始比率。 同样按照兄弟任务的分配方式,第二种任务应该与第一种任务组合分配给NGi或ngi为0并且最小σ的节点。第四种任务如果在所有节点上deadline(t)- ϕ(t)接近0,则作为CPU-GPU任务分配,否则作为第一种任务候补分配。
4 方案分析
首先,本方案能够充分适应现实GPU加强的集群系统,并且能够适应集群演化导致的异构程度加强。现在,绝大多数GPU集群都采用MPI、OpenMP和CUDA(或OpenCL)作为编程模型。我们的现实系统是系统和节点层面异构的GPU加强的集群。集群的拓扑结构如图2所示。
由于MPI作为编程模型,我们通过MPI配置文件自动生成,很容易达到任务组合分配和调度,并且根据节点资源数据库得到当前节点的状态和资源使用情况。该方案不仅与现实系统具有一致性,而且具有部署的可行性。
其次,我们的调度方案从系统层面出发,与算法和指令层面的能耗优化完全兼容,并且Waterfall模型[4]中的系统层面的DVS使用策略以及β迁移策略也可以整合到我们的方案中,但是因为该种策略在实现上受到现有技术的制约具有相当的复杂度,所以并没有列入我们的调度方案。
最后,本方案将复杂的能耗问题通过推导转化成为资源利用率的问题,根据不同触发事件和带有负载补偿因子的静态能耗损失率σ的值自动决定调度方案的节点选择标准,从而能够很好处理负载均衡和资源利用率的优化。通过对现实系统中任务的划分和任务的组合更好地利用CPU资源,并且通过负载情况决定DVFS的使用,减少了CPU的DVFS策略使用的复杂度。
5 结 语
本文通过对系统和能耗模型形式化地描述,提出了针对节点异构的GPU集群的能耗有效性方案,并且与现实系统具有很强的一致性和高度的可行性。除此之外,该方案与现有的算法和指令层面能耗方案完全兼容。当然调度方案有一系列阈值存在,这些阈值一方面与现实系统硬件环境相关,另一方面与系统管理员对系统性能和功耗的期望相关,我们将会对阈值进一步细化研究并且将本文调度方案部署到现实GPU集群系统中。
摘要：GPU集群已经成为高性能计算(HPC)领域的主流组件。随着处理单元的发展和集群节点的拓展,GPU集群将在节点层面趋于异构化。提出一套针对异构任务在节点异构GPU集群上的能量有效调度方案。形式化地描述其任务和资源模型以及能耗评估模型。通过特定的节点选择策略,减少空闲状态的能耗损失。通过任务类型划分和组合分配以及DVFS,增加CPU资源利用率。该方案从系统层面着手,能够与现有的算法和指令层面的优化方法兼容。
关键词：GPU集群,能量优化,调度
参考文献
[1] Hong S, Kim H. An Integrated GPU Power and Performance Model[C]. 37th annual international symposium on Computer architecture, 2010:280-289.
[2] Wang Y, Ranganathan N. An Instruction-Level Energy Estimation and Optimization Methodology for GPU[D]. CIT, 2011.
[3] Showerman M, Enos J, Steffen C, et al. EcoG: A Power-Efficient GPU Cluster Architecture for Scientific Computing[J]. Computing in Science & Engineering, 2011,13:83-87.
[4]Liu W,Du Z,Xiao Y,et al.A Waterfall Model to Achieve Energy Ef-ficient Tasks Mapping for Large Scale GPU Clusters[J].IPDPS,2011,13:82-92.
[5] AMD. Mobile AMD Duron Processor Model 7 Data Sheet[S]. AMD ,2001.
[6] Intel. Intel Pentium M Processor datasheet[S]. 2004.
[7] Ren D. Algorithm level power efficiency optimization for CPU-GPU processing element in data-intensive SIMD/SPMD computing[J]. J. Parallel Distrib. Comput, 2011,71:245-253.
[8] Ge R, Feng X, Cameron K W. Performance-constrained Distribute DVS Scheduling for Scientific Applications on Power-Aware Cluster[C]. ACM/IEEE SC 2005,Seattle, USA, 2005.
能量调度策略 篇5
本文将在作者文献[5]研究的基础上, 充分考虑模具车间的各种扰动事件, 提出模具柔性流水车间的滚动调度策略。
1 问题描述
模具流水车间调度问题可以描述为:模具车间有若干个加工中心, 每个加工中心有若干台同等并行机;在车间任务池中有若干个模具零件需要加工, 每个模具零件包含若干道工序, 工序的顺序是预先确定的;每道工序可以在一个或多个加工中心加工, 不同的加工中心所对应的加工时间和加工成本也不相同。要求将模具零件按照工序的要求分配到各个加工中心的机器上, 并且决策出每个加工中心任务队列的优先顺序, 使得一些性能指标如交货期、提前成本和拖期成本等得到优化。
模具柔性流水车间调度问题的特点是: (1) M为加工中心集, 每个加工中心只完成某类零件的一道工序, 加工中心包含多台同等并行机器, 并且不同的加工中心完成相同的工序时, 加工时间不相同; (2) 具有加工的多模式现象, 模具零件可以分割成若干个工件块, 当为该模具零件的某道工序分配不同数量的加工机器时, 其加工周期也不相同。
作者在文献[5]中针对具有多模式的模具柔性流水车间静态调度问题, 建立了数学模型, 并且设计了一种混合蚁群算法, 通过合作企业EPR系统中的实际数据构建了算例, 最后通过仿真分析证明了算法的有效性和可靠性。因此, 本文在此不再介绍该类问题的求解算法, 将重点讲述如何对模具柔性流水车间生成的静态调度方案进行滚动更新。
2 滚动调度策略
根据笔者对合作模具企业制造车间的实地调研, 发现在实际生产中, 模具车间经常会出现各种扰动事件, 包括新订单到达、机器设备故障、紧急订单插入和订单交货期更改等。同时, 生产管理人员会定期地对之前制定的生产计划进行修正更新。因此, 在模具柔性流水车间的滚动调度中, 可以设定两类触发机制:一类是设定一个自动更新周期, 一旦系统到达周期时间, 将自动触发进行滚动调度, 称为周期驱动机制, 可以考虑设定为一天;另外一类是设定一个扰动事件范围, 一旦出现扰动事件, 立即触发系统进行滚动调度, 称为事件驱动机制。
对于滚动调度对象, 可以设定一个滑动窗口, 即将可调度的模具零件移到窗口内, 系统仅对窗口内的模具零件进行优化调度。根据周期驱动和事件驱动两种机制, 不断地更新窗口内的对象。在制定具体的生产计划时, 可以对滑动窗口设定一个数量级。
考虑周期更新和事件驱动更新、基于滑动窗口机制的滚动调度策略框架如图1所示。具体的步骤为:
步骤1:设定好部分参数, 包括滚动调度的周期时间以及滑动窗口内的模具零件数量;
步骤2:系统调用蚁群算法模块, 对滑动窗口内的模具零件基于有线能力排产, 生成一个初始调度方案;
步骤3:系统判断是否到达滚动周期, 若到达, 则转到步骤5;
步骤4:判断是否发生了扰动事件, 若发生了则转到步骤6;
步骤5:更新滑动窗口中的零件, 并且调用算法模块, 对窗口中的零件重新进行调度;
步骤6:判断扰动事件的类型, 根据不同的类型来更新滑动窗口内的零件, 然后重调度;
步骤7:评估滚动调度结果是否满足生产性能指标, 如不满足, 则重新对滑动窗口内的模具零件集进行优化调度;若满足, 则更新原调度方案 (图1) 。
在应用滑动窗口机制进行滚动调度时, 需要将所有零件分为四个集合:已完工零件集、正在加工零件集、未加工零件集和待调度零件集。其中正在加工零件集包括已调度在滚动调度时刻正在加工的零件;未加工部件集包括已调度在滚动调度时刻还未加工的零件;待调度零件集包括已制定项目计划还未制定生产计划的零件。在滚动调度时刻, 滑动窗口中包括未加工零件集合和待调度零件集, 正在加工零件集不参与滚动调度, 对其所占用的设备资源进行冻结, 在滚动调度时不允许使用。
3 仿真实例分析
由于多模式下模具柔性流水车间滚动调度没有标准的测试实例, 因此本文以作者调研的某轮胎模具企业ERP系统为例, 抽取系统中的部分实际数据来构建算例, 见表1和表2。其中, Ji表示第i个模具零件, Wi表示第i个加工中心, Oij表示Ji的第j道工序“, -”表示对应的加工中心不可选。仿真实验工具采用Matlab 7.1, 程序运行环境为2.0GHz CPU, 2G内存, 实验运行环境为Windows 2007。
以表1中的11个模具零件作为初始调度对象, 此时滑动窗口中包含的对象为J1-J11。
3.1 测试实例的初始调度方案
调用作者在文献[5]中设计的混合蚁群算法, 对滑动窗口内的模具零件按照最小化拖期成本和提前成本的目标进行优化, 优化之后的调度结果如图2所示。
3.2 紧急订单到达后的滚动调度
车间在实际生产中, 若有紧急订单出现, 则要立刻制定计划。本文假设在初始调度完成之后的时刻72, 车间中有两个编号为J12和J13的紧急零件插入。J12的基本信息与J5一致, J13的基本信息与J6一致。
在时刻72, 零件J1、J2和J3已经加工完成, J4、J5和J6正在加工, 因此滑动窗口内的零件集为J7-J13。对于正在加工的零件所占用的资源进行冻结, 在重调度中不允许使用。调用蚁群算法模块, 对滑动窗口中的零件进行重调度, 新调度方案如图3所示。
4 结语
面对动态多变的车间环境, 在作者文献[5]研究的基础上, 进一步考虑模具柔性流水车间的各种扰动事件, 基于周期和时间双驱动, 利用滑动窗口的方法制定了滚动调度策略, 并通过仿真分析说明了方法的有效性。
参考文献
[1]王延斌, 高国安, 赵立忠.具有工件约束的模具制造优化调度算法研究[J].计算机集成制造系统, 2005, 11 (10) :1419-1443.
[2]喻道远, 黄剑.组合规则启发式算法在模具加工作业调度中的应用研究[J].计算机应用研究, 2007, 24 (11) :185-187.
[3]刘建军, 陈庆新, 毛宁.基于滚动调度的模具热处理车间负荷控制算法[J].机械工程学报, 2010, 46 (20) :125-133.
[4]林汉华, 陈新度, 吴立华等.工期不确定的模具车间柔性Flow-shop调度问题[J].工业工程, 2012, 15 (1) :120-124.
考虑设备健康状态的智能调度策略 篇6
关键词：智能调度,设备健康状态,使用效率,状态检修,运行方式优化
0 引言
伴随着智能电网概念的出现,智能调度的需求应运而生。智能电网又可分为智能输电网与智能配电网。智能输电网的智能调度被分为狭义与广义两种。狭义的智能调度指帮助调度人员进行决策的辅助支持系统,广义智能调度指应用先进硬件、软件,使调度中心各应用业务智能化。在智能输电网的狭义与广义的智能调度方面,文献[1]对国内外的实践情况进行了较好的概述。对于智能配电网,虽然智能调度明确的概念并没有给出,但是通过对传统调度概念的理解以及对智能配电网的认识,不难推断,智能配电网的智能调度旨在数据来源更为广泛、参考数据量更为巨大、运行方式更为复杂多样的情况下,通过高效的算法寻找到一种可以实现安全性、可靠性、经济性等方面多目标优化的运行方式。智能调度是坚强智能电网运行的中枢。虽然智能调度的研究与实践不断取得新的进展,但是大都集中在系统层面上的研究,关注系统的运行指标,包括潮流裕度、频率电压偏差等方面[2],而鲜有关注设备层面的优化运行。
1 考虑设备健康状态的意义
结合设备健康状态的智能调度是发展智能电网的潜在要求。理想中的智能电网将具有自愈、资产设备高利用率、用户积极参与、防止网络攻击和抵御自然灾害、电能质量更好、协调分布式发电与储能选择、使电力市场进一步实现等特征[3]。从基本特征分析来看,电力系统的发展方向已经从传统的安全、可靠、经济的基本目标升级为安全、可靠、经济、优化的高级目标。资产设备的高利用率便是优化的基本参考目标之一。资产设备的管理是传统电网所希望实现却又无法实现的环节。对设备健康状态进行良好的管理将不仅会延长设备的使用寿命,更会对电网的安全性加强具有直接作用。
传统的考虑到设备的调度方式,通常没有考虑设备健康状态。考虑到设备的主要有两方面,其一为负载率控制,其二为设备资产管理。负载率控制,主要是将设备容量作为规划的约束条件,防止设备过载,影响设备寿命。譬如说线路容量、变压器容量等。部分研究经济运行的文章也有将开关操作次数考虑进模型之中,以求达到动作次数尽量少,延长开关使用寿命[4]。文献[5]等考虑了设备在过载条件下寿命将大打折扣的客观事实,提出了DAO模型进行较为准确的负荷预测进而解决负载率问题;考虑到负载率的文章还有文献[6]等,其尝试了包括变压器负载率在内的多目标的运行方式优化并取得了不错的效果;另一方面,在电力资产管理类的相关文章中,它们研究设备老化,研究可靠性、资产利用率,关注规划、自动化、维护、风险管理等方面,指出资产管理是一门平衡性能、成本和风险三方面的艺术[7]。
以上研究都没有能够将负载率与设备健康状态结合起来,而且建立在设备状态或者设备负载率上的智能调度策略很少且多为被动调度,并且它们对设备采用的是继续应用、维修后应用或者更换等粗放性解决方式,而不是通过调度策略来为设备分配更合理的负载率,以达到设备利用率的最优。通过总结不难发现,所有的这些直接或间接同时考虑到设备和调度的文献资料文章都没能给出设备具体健康状态的评判方法,更没有考虑结合设备的具体健康状态进行调度。
在实际运行中,往往会出现同类设备间,健康状态存在明显差异,而负载率情况却是参差不齐,甚至是健康状态差的设备负载率更大一些,这将极有可能造成健康程度差的设备由于其负载率偏高导致其故障概率急剧增加而健康程度高的设备却没有充分利用,既影响安全性又影响经济性。考虑设备健康状态的智能调度意义在于将传统对设备负载情况的粗放型处理(停运检修或者继续运行),转变为针对设备具体状态来调节负载率的精细化处理方式,使健康状态好的设备负载率高,健康状态差的设备负载率低。
2 设备健康状态评估
图1概括了设备健康状态的获取流程以及在此基础上的调度优化。健康状态的计算主要依赖在线监测和状态检修结果,而调度策略则根据设备健康状态和负载率制定。
状态检修指的是根据在线监测、巡检记录、诊断技术、可靠性评价等的结果安排检修计划,实施主动检修。状态检修的主要意义是以监测代替大部分的检修工作可以提高设备的安全性与可靠性。状态检修结果可以用来评价设备状态并制定检修计划[8,9],本文主要引入了健康指数(Health Index,HI)的概念来描述状态检修扣分值,并通过HI计算设备的健康状态。虽然HI在一些文章中出现过[10],但其定义与计算方法各异。本文采用在中国国内最新推行的标准[11]进行该指标的计算。标准[11]根据各地的具体操作情况,对电网中的主要设备(断路器、线路、变压器)的状态检修方式以及打分细节已经做出了总结,并且对主要设备的状态与得分关系有了明确的规定。相比于国内外的研究文献,它给出了更详细的设备评判指标,除了基本的传统指标外,还包括更为细致的组成元件的健康状态情况,所以评价结果更为准确。这里,分值的计算与国外的分值计算不同,标准中采用扣分制,即每一项指标的扣分值从0到10不等,权重从1到4不等。状态量扣分值由状态量劣化程度和权重共同决定,即状态量应扣分值等于该状态量的基本扣分值乘以权重系数。最终的设备状态取决于最严重的部件状态。
设备扣分=部件扣分max×重要度(1)
部件扣分max表示最严重的部件扣分值。变压器、断路器、输电线路的状态量分值的计算方法都是一致的。本文所提及的健康指数(HI)即为该扣分值。
健康程度与故障率是此消彼长的互补关系,所以欲求得健康状态,要先求得故障率。故障率与设备健康状态分值通常呈指数关系,计算公式主要有如下两种[12,13]。
文献[14]利用式(2)和复杂的后期处理得到了很好的故障率计算结果,但是其设备状态检修结果仅粗略地当做0,0.5,1来计算,不能很好地利用状态检修结果。所以这里主要采用式(3)作为故障率计算公式。
这里,λ为故障率,HI为健康指数,取值范围一般为0到30。比例系数K与曲率系数C的求取可以应用同类设备历史数据得到,由年故障设备台数与设备总台数的比值确定年故障的发生率。
式中:N为设备总台数,HIi为第i台设备扣分值。得到K、C值之后,即可求得各台设备在各种状态下的故障率。根据文献[13]数据进行华东某区变压器设备数据拟合,得K=0.011,C=0.045。进一步计算设备健康状态如式(5)所示。
这里将健康状态的值定义为取故障率的补值,间接建立起与健康指数的关系,是计算后文指标的基础。
3 调度策略
智能电网时代,设备的利用效率已经不再是单纯以提高设备负载率为目标,而是要同时考虑设备实时的健康状态。由此,本文定义了一个新的能够反应新要求下设备使用效率的指标,即健康负载指数。表达形式如下:
式中的H是设备的健康状态,由式(5)求得,当有多台同类设备时候,需要进行归一化处理。L为设备负载率,这里需要将其取值范围映射在健康状态取值范围之内。HLI取值大于等于1,当且仅当H=L时取1。HLI与健康状态/负载率的关系如图2所示,其中横坐标为健康状态与负载率的比值,纵坐标为健康负载指数,在H≈L时,HLI取最小值。
HLI反应了当健康程度高的设备具有更好的负载率时,该指数小;当健康程度低的设备具有与其相符的较低负载率时,该指数也小。也就是说,当某设备的HLI越小的时候,该设备健康状态与负载率的匹配越好,这也就实现了本文的核心目标,即设备按其健康程度的不同带有与其适合的负载率。
式(6)反应了单一设备的健康负载指数。对于整个系统而言,希望同类设备具有近似的指数,所以系统优化的目标函数设为:
这里字母S表示系统(System)。下标i表示第i类设备,下标j表示负载率不为零的i类设备的第j台设备。式(7)是针对系统中某一类设备的HLI的目标函数,而式(8)是针对多种类设备HLI的考虑结果。Wi是第i类设备的权重值,主要针对不同种类设备的一般的故障概率比重设定。故障概率高的设备赋予更大的权重,具体操作时还可以根据预想结果与实际运行结果来对比修正。
在实际运行中,还要考虑传统的如网损(Network Loss,NL)等重要指标,由于同取最小值,所以可制定目标函数如下:
目标函数还可以扩展到更多[6]。此外,还可以考虑负荷的重要程度,反应在负载率权重上,这样可以使HLIS更合理。例如,馈线上有三类负荷,重要程度分别为a1,a2,a3,那么某一设备负载率L的值将是负载率与重要度的积。不难发现,重要程度高的负荷将使其所对应的设备的负载率比原来更高,从而使得其健康状态(H)也要相对更高,这就可以使重要负荷对应更高的设备健康状态。当考虑设备健康状态后所带来的提高供电可靠性的经济效益和设备检修费用改善之和大于线损时,那么采用考虑设备健康情况的智能调度就有价值。
网络拓扑约束
其中,gk为重构后的网络结构,若要求为辐射状配电网,则G为所有可行的辐射状网络结构的集合。
潮流约束
系统各项有功功率和无功功率在各时刻必须供需平衡。向量x表示系统的状态向量(包括各节点的电压幅值和相角等)。
运行约束
运行约束主要包括母线电压的幅值约束和线路允许最大电流约束以及设备的运行的容量约束。与传统约束略有不同的地方是向量中增加了设备健康状态元素,并要求其值大于其对应的需要进行检修的最低数值。
对于这样一个带有约束条件的多目标优化问题,有许多方法可以解决,例如多目标进化算法、多目标粒子群算法、人工神经网络优化等方法。
4 算例分析
城市电网接线方式常见的有辐射状、手拉手等,为了说明本文所提出指标对运行方式所起的作用,将某城市某地区的一条手拉手供电线路通过拓扑收缩简化,如图3所示。由于数据量有限,这里HLIS的计算仅考虑了变压器健康状态。两端35 k V主变容量为20 MVA,各配变负荷如图1所示,S1与S2健康扣分分别为10与30。
配网的运行方式复杂多变,但是考虑通过负荷均衡来减少线损之后,较优的运行方式仅有为数不多的几种。针对图3主要考虑的运行方式有两种,一种是负荷L6由电源S1供给,即开关B5为联络开关,另一种是负荷L6由电源S2供给,即B4为联络开关,两种运行方式下线损几乎相同,为8.42%。计算过程如下:
变压器1、2的故障率按照式(3)所述求得为0.017 6和0.043 5,再按照式(5)求取健康状态为0.982 4和0.956 5,归一化后为1,0.973 6。两个变压器负载率在两种运行方式下分别为0.011 2,0.009 8与0.008 28,0.012 7。按照上章所述,调整变压器负载率范围与健康状态一致。首先进行归一化后,所得结果为0.881,0.772,0.652,1,然后进行范围调整。两种运行方式下各指标结果如表1所示。
表1中的L1与L2的健康状态为在各种运行方式下归一化的值,健康状态在各种运行方式下是一致的;表中负载率是处理后的值,主要经过归一化以及将负荷范围调整到与健康状态范围一致两个过程,即在这里即把负载率大小按比例约束在0.973 6~1之间。这样做的目的是无论实际负载率大小怎样,都可以将负载率的范围控制在合适的范围内。对比后可以看出,当考虑了变压器的健康状态之后,HLIS指标较小,所以是较优的选择。结合实际情况变压器S1健康状态更高,因此带有更高的负载率,相比之下健康状态较差的变压器S2具有较低的负载率,可见HLIS指标可以有助于选择一种较优的运行方式。为进一步验证本方法的有效性,将主变S1、S2的健康指数对换,HLIS分别为1.000 0与1.000 6,即证明了运行方式1优于运行方式2与预想一致的结果。
在很多情况下,考虑了设备健康状态后,很有可能线损率会上升较明显。这时需要计算适当的权重来衡量设备健康状态改良与线损提升的比较优势。
本文的研究具有一定的前瞻性,由于状态检修正处于试点推广阶段,而且暂时状态检修信息与设备的拓扑信息还不能够同时很好地集成到调度平台中,所以用算例验证本文完整的思路暂时存在些许困难。但是,可以预见在不久的将来,将会实现状态检修、在线监测、系统运行状态、设备拓扑等信息的实时交互。这时,考虑设备健康状态的智能调度将有巨大的应用空间。在下一步研究中,将进一步获取更为全面的设备运行数据,实现更为复杂的运行方式优化。同时,伴随着分布式电源、微网大规模地接入到配网中,运行方式更为复杂多变,使得配网设备健康负载指数有着更广阔的优化的空间。最终目的是期待整个发、输、配、用环节在正常、检修、恢复的系统状态下均能实现设备高使用效率地优化运行。
5 结论
能量调度策略 篇7
在应急救援工作中,伤病员救治的72 h黄金时间至关重要。但在许多应急救援行动中(如汶川、芦山地震),出救点多、救援任务重、队伍机动难,因此科学合理的医学应急救援资源调度是提高应急救援效能的关键。在既往医学应急救援行动中存在的问题:(1)缺少整体优化调度,有的地方多支救援队伍蜂拥而上,有的地方缺乏救援力量;(2)时间安排不合理,有的救援点由于没有及时安排救援,伤病员错过了最佳救治时间,严重影响了伤病员的及时救治,甚至造成伤病员不应有的致残率和致死率,大大制约了应急救援效能的发挥。
如何能根据汇总的现场伤病员信息,将可供调度的救援力量合理部署到救援点,形成基于救援现场与救援资源相匹配的救援任务优化调度方案,提供指挥决策人员下达调度命令,从而充分发挥应急救援效能是一个亟待解决的重要课题。现有文献较多是研究应急救援的方案[1,2,3,4],鲜见利用数学模型和数学方法描述、分析、解决救援资源优化调度决策的研究[5,6,7]。针对医学应急救援中的医疗救援队伍和出救点匹配的优化调度问题,可应用0-1规划数学模型,通过计算求解,提出供指挥决策人员参考的最优调度方案。
1 应急救援任务的优化调度模型
1.1 救援任务调度流程
基于应急救援任务调度问题的复杂性和特殊性,可将医学应急救援任务优化调度问题描述为图1所示的流程。
首先对灾害现场的伤情、伤势、伤类和已投入救援力量等各类信息进行收集整理,确定救援任务类型(如地震、水灾和战争等),从可供指挥中心调度的救援资源中列出满足救援需求、同时具有救援时间窗口的救援力量。其次,根据上述确定的调度资源和救援需求,建立相关的救援任务调度数学模型并求解,确定救援任务的时间安排和救援力量分配的优化方案。最后,根据调度模型求解的结果分析和评价完成救援任务的能力和效果,下达调度命令。
1.2 调度模型的建立与求解
1.2.1 模型假设
( 1 )所有应急救援任务都必须安排得到执行 。
( 2 )一支救援队伍可安排到任何一个救援点 。
( 3 )一个救援队伍不同时在2个救援点作业 。
(4)救援时间包括救援队伍挺进时间和救援实施时间。
1.2.2 数学模型构建
假如有m个不同的救援队伍,存在n个不同救援点的救援任务)。xij表示决策变量,xij=1表示第i个救援队伍执行第j个救援任务,xij=0表示不安排第i个救援队伍执行第j个救援任务。tij表示第i个救援队伍执行第j个救援任务所需的时间。
当m≥n,根据应急救援的基本原则,要求总的救治时间最短,从而使得整体救治最优,则有目标函数
根据假设(1)对任意给定救援任务j,必有一个救援队伍负责其救援工作(若某地区救援任务需多个救援队伍,则将救援任务j进行细分),则有约束条件
根据假设(2),由于医疗队伍充足,每个医疗队在所接受任务最多一项,因此有
最后根据假设(3),救援时间必须满足
综合(1)~(4),医学救援任务的优化调度模型为
式中, t( 1 )ij为第i支救援队伍到达第j个救援点所需时间, t( 2 )ij为第i支队伍对第j个救援点实施救援所需的时间 。
当m<n,每个救援队伍至少要承担一项救援任务,为了均衡工作量,将救援任务尽量平均分配给每个医疗队伍,因此(3)改为:
式中,[n/m]为高斯整数。
如果每个医疗队有一定的工作量限制,则增加如下约束:
则,模型变为:
1.2.3 模型求解
根据模型(5),我们设计了求解算法,该算法能得到全局最优解,流程图如图2所示。
2 应用示例
2.1 m≥n 案例
某地区发生了泥石流灾情,救援任务分为5项,分别是A、B、C、D、E,可选择的救援队伍共有6支,编号为1、2、3、4、5、6。为了使所有救援耗时最短,首先对5项救援任务的大约耗时、地理位置、预判的救援效果和可用救援资源进行分析,通过数据预处理确定每个救援队伍能够处置的任务及救援时间见表1。
h
注: Inf 为该救援队伍不能执行相应的救援任务
将表1中的数据代入模型(5),并按照图2所示的求解算法编程求解[8,9,10],求得的结果为x15、x34、x43、x51、x62取值为1,其余变量为0,目标函数为23。即:救援队伍1执行任务E,救援队伍3执行任务D,救援队伍4执行任务C,救援队伍5执行任务A,救援队伍6执行任务B,救援队伍2不参与救援任务,共计救援耗时23 h。
2.2 m<n 案例
若救援队伍有3支,救援任务5项,每个队伍有相应的救援能力限制(工作时间),各任务的救援时间见表2。
h
将表2数据代入模型(8),求解,结果目标函数为32,x11、x15、x22、x23、x14取值为1,其余变量取值为0。则安排救援队伍1执行任务A和E,救援队伍2执行任务B和C,救援队伍3执行任务D,总耗时32 h。
由此可见,无论救援队伍多于还是少于救援任务,按照0-1规划模型求解均能得到最优的调度方案。
3 结语
农电调度通信网络营销策略及实现 篇8
宽带专线:能为用户提供静态IP地址, 使其传送数据的线路。
VLAN网络:利用网络交换机实现的一种将数台终端连成一个网络, 能实现数据共享的网络。
大客户对通信服务的需要和欲望是通信大客户营销活动的出发点, 如何通过营销活动来影响这种通信需求, 是通信企业面临的首要问题, 下面就是笔者结合农电调度自动化工程并结合自身的实际情况对农电营调度网的营销策略和实现的过程。
1 营销策略
根据客户不同的业务模式、不同需要, 对具体问题具体分析, 为客户制定出更具针对性的切实可行的个性化产品, 是成功的关键。舒兰农电公司在2009年提出了申请农电调度自动化网络的需求, 联通公司得到这一信息后, 及时了解客户的信息需求, 得知农电公司想以窄带拨号方式时限自动化调度, 同时还与联通公司探讨无线上网的可行性。联通公司根据现有资源, 结合农电的通信网略需求特点, 及时制定出利用ADSL宽带专线方式和光纤方式两种方案。对这两种方案分析对比, 我们首先向客户推出宽带专线组网方案, 因为宽带专线联通公司投资少, 见效快, 组网方式比较成熟, 就是这种方案在全地区农电系统也是第一家使用。这个方案采用3808网络交换机进行组网, 对农电13个点组建透明的数据传输通道, 组网方式为VLAN方式, 连接设备为宽带猫, 连接线路为专用电缆, 它通过对各点配置IP地址, 可以实现舒兰农电机房一点对各乡镇变电所多点的数据的访问, 此网络是封闭的不连接外网, 所以具有很好的安全性, 速率也比较稳定。通过这种网络使农电能够顺利实现农电多遥功能。而相比之下窄带拨号信号传输慢, 速率不稳定, 受外界干扰大, 容易掉线, 丢数据, 联通无线方式虽然速率快, 但不稳定, 受外界干扰大, 容易掉线、丢数据, 所以用户对这些产品进行了比较分析, 很快就采纳了此方案。
2 促销营销策略
现代社会信息沟通至关重要, 通信企业要综合运用广告、营业推广、公共宣传和人员推销这4种主要促销手段与客户进行有效沟通, 没有这些沟通, 公司业务再好, 用户也不知道。联通公司最近几年, 在公司业务宣传上着实下了很大的功夫, 业务宣传很到位, 公司加强了客户经理对大客户单位的走访工作, 及时了解客户需求状况和促销各类通信业务。农电公司虽然与联通有网络间联系, 但由于调度自动化工程很大, 影响面很大, 并且他们对联通的技术网络并不了解, 而对联通公司的宽带网络具有一定的了解, 所以还是选择与联通公司洽谈业务。
3 关系营销策略
通信企业属于高接触性服务业, 服务产品的无形性特点使其效果不如工业企业明显, 所以关系营销成为重要举措。在这次与农电的谈判中, 关系营销起了很好的作用。首先, 联通公司与农电局有多年的合作基础, 双方都在使用对方很多的业务。其次, 联通公司已先期建立了农电大客户档案, 对其每月通信费用和结构特征作了分析评价, 对其单位的员工组成、领导班子都有了解, 所有这些都为公司实施关系营销提供了有力依据。经过双方人员的互访活动, 增进了双方的友谊, 沟通增多了, 感情加深了, 农电对联通公司有了更多了解, 先前的疑虑打消了。
4 价格营销策略
好产品就有好的价格, 价格是市场竞争的基本手段之一, 所以我们通信企业应遵照市场经济的基本规律, 实行等价交换原则。即使在市场竞争最激烈的时刻也不能低于成本进行“价格战”;中国联合网络通信有限公司舒兰市分公司对待农电这样的公司应以非价格策略为主, 价格策略为辅, 避免步人困境;建立以市场为导向的以成本为基础的价格机制, 制定综合服务协议, 同时也分析了其他地区不同组网方式的价格, 使联通公司在与农电谈判中争取了主动, 取得很好的价格协议。
5 客户服务营销策略
服务是通信企业的本质, 服务是通信企业生存和发展的根本, 在日益激烈的市场竞争、服务竞争中不断深化服务的内涵, 延伸服务的领域, 创新服务的模式, 提高客户对服务的满意度铸造服务品牌。联通公司本着这个信念, 对农电的这次调度自动化工程给予高度重视, 专门成立服务保障机构, 对调度工程中出现的各种问题给予充分协调和帮助, 在技术上, 抽调有经验的技术能手一同施工;维护上, 线务部门和设备部门都能z做到以农电组网事优先解决。所有这些都保证了农电调度工程的顺利实施, 在2个月的时间内, 舒兰农电13个点的调度自动化全部开通。顺利通过了省农电公司的验收调试, 运行状态正常, 效果良好, 舒兰农电调度自动化运行效果也因此排在全省前列。
6 品牌营销策略
目前, 舒兰通信市场竞争激烈, 实现可持续发展通信入网设备的标准化使各运营商提供的产品具有同质化的特点, 通信服务行业的性质也使有效的服务模式很容易在竞争者之间效仿, 所以我们要进行品牌营销策略:将我们公司的重点业务分类, 再加上相应的服务类型, 服务流程, 向社会推出, 优质的售前、售中及售后服务和优质的业务产品组合在一起就形成了品牌。客户使用通信的相应业务产品时就想到使用联通公司的“品牌”, 这就是品牌效应。舒兰农电在调度自动化取得好成绩, 更加深舒兰农电与联通公司的合作关系, 提高了联通公司在舒兰通信市场的信誉度, 起到了示范作用。今年舒兰农电又主动提出与中国联合网络通信有限公司舒兰市分公司合作为其组建办公自动化网络, 并签定了调度自动化实现光纤网络改造协议。
7 光纤营销策略
客户的需求是无止境的, 不同层次的客户提出的需求也不尽相同, 所以联通公司既要准备低层次的业务, 又要准备有高层次的业务种类, 以满足不同的需求。光纤专线就是很好的业务种类。由于农电公司调度自动化开展五遥功能, 原宽带专线由于上下行带宽不对称性能, 不能很好的传输遥视图象信号, 因此农电方提出需求时, 联通公司早已准备好光纤改造方案, 并推出方案的可行性报告, 所有通道都改为光纤传输, 连接线路为光缆和各乡镇SDH设备的2M端口;连接设备为光端机、光收发器、协议转换器。传输信号更稳定, 没有干扰, 上下行通道是对称的, 能够实现调度五遥功能。因工程投资较大, 所以每点价格也有所增加, 农电因调度实现了自动化在全省已小有名气, 所以此次改造很快达成协议。农电公司也将成为舒兰通信收入第一大客户。
以上是联通公司利用营销学的几个策略应用, 实现了农电调度工程的顺利实施。在实际应用中, 这7个策略并不是单独使用的, 通信企业应采取营销组合的方式全方位多层次的拓展大客户市场。这种组合不是几个策略的简单集合, 而是由相互联系、相互制约的策略组成的一个系统, 一个有机体, 其各个组成具有动态相关性。在通信市场营销组合中, 产品营销策略是核心, 价格营销策略是杠杆, 客户关系是条件, 促销营销策略是手段。通信企业要综合运用以上策略, 注重营销策略的相互配合及协调统一, 充分发挥大客户市场营销组合的整体效果。
参考文献
[1]郭国庆.市场营销学[M].武汉大学出版社.
能量调度策略 篇9
1 电力调度正常运行的重要性
随着社会经济的快速发展, 电力行业规模在不断扩大, 人们对电力的需求也在剧增。人们的日常生活与工业生产都离不开电力的正常供应, 一旦电力系统出现故障, 不但会严重影响人们的生活质量和工厂的生产进度, 而且还可能造成更大的社会危害。因此, 为了保证电力的稳定供应, 就需要加强对电力系统的统一管理。电气自动化技术的完善促进了电力调度运行模式的转变, 为了熟练操作自动化调度设备, 需要提高管理人员的专业水平, 以适应自动化的工作环境。
2 电力调度当前面临的形势
市场经济体制的改革使电力企业的发展逐渐稳定, 规模化生产的加快也使得电力调度工作变得更加专业和复杂, 增加了电力调度工作的难度。管理人员的操作稍有不慎就可能导致安全事故的发生, 一个环节出现问题就可能直接影响电网的整体运行安全。一些重大的自然灾害事件也会影响电力系统的稳定运行, 只有采取合理的风险规避措施, 才能有效减少自然灾害事件给电力企业带来的损失。
3 电力调度运行安全风险分析
3.1 系统运行的内在风险
随着科学技术的快速发展, 电网管理的智能化水平和自动化程度得到了极大的提高, 使电力调度的运行管理更加复杂, 这增加了系统内部发生风险的不利因素。系统风险从系统的设计施工环节就已存在, 只有在最初的施工环节完善系统设计, 才能避免错误信息给管理人员带来的错误指示, 提高管理控制工作的效率。有些外部的环境因素也会给系统的正常运行带来风险, 例如, 如果UPS设置不到位, 就会因为临时电源的缺乏而影响设备在停电状况下的正常运行。
3.2 电力调度管理的风险
电力调度管理的风险多数是由于人为操作不当或者管理不到位引起的。有些调度管理人员安全意识淡薄, 缺乏责任心, 或者专业技能水平不高, 不清楚系统的运行状况和操作规范, 就可能出现错误的系统操作或者送电失误, 为调度工作带来不稳定因素。
4 电力调度运行安全风险防范策略
4.1 加大调度系统的技术投入
电力系统的稳定运行需要强大的技术支持, 技术上的缺陷会影响电力调度设备的正常运转, 导致事故的发生。为了使自动化的调度设备能够按照工作要求完成任务, 就需要加大技术投入, 严格排查设备存在的安全隐患, 及时更换出现问题的操作设备。要使操作设备符合既定标准, 就需要采购人员在采购环节制订最佳的采购方案, 并对设备进行反复调试, 认真落实采购管理的各项工作要求。安装设备时, 需要将设备调试到最佳工作状态, 降低设备发生故障的概率。在电力运行过程中, 安排专门的工作人员进行巡查, 及时处理可能出现的问题。
在电力调度的运行方式上, 需要调度人员对电网运行进行科学、合理的调整, 确保电力设备能够在正常的条件下运行, 保证供电的稳定性。合理安排已停止供电用户的供电顺序, 针对特殊情况的用户, 优先恢复供电, 并做好数据备份工作, 减少因系统自身缺陷而导致的事故。
4.2 提高电力调度人员的风险防范意识
降低电力调度运行安全风险的根本途径就是加强对电力调度工作人员的管理。这就需要调度人员具有高度的责任感, 并严格按照各项规章制度进行操作, 减少由不良操作习惯给电力调度工作带来的安全隐患。有些电力企业在电力调度中缺乏必要的审查, 造成事故时有发生, 因此, 施工企业要加强对工作人员和调度设备的审核, 预先安排好调度操作指令, 强化相关工作人员的责任意识。在下达操作指令时, 要合理调整电网的运行方式, 细心核实工作人员的调度任务, 确保操作人员按照操作指令完成工作任务。
4.3 对特殊情况的防范处理
电力系统的运行很容易受到天气状况的影响, 这就需要在电力调度工作之前, 全面分析当时的天气变化、负荷情况以及潜在的安全隐患, 针对不同的情况采取不同的措施, 并制订一个合理的调整方案。在重大节日或者其他特殊情况下, 人们对电力的需求会发生变化, 导致电力运行的方式发生改变, 这就需要电力企业根据实际情况合理安排电力调度, 对可能出现的安全事故编制应急预案。
5 结束语
有效规避电力调度运行中可能出现的安全风险是电网安全稳定运行的重要保障。为了提高电力调度的工作水平, 需要加强调度管理人员的专业素质, 增强他们的防范意识, 提高调度管理的有效性, 降低安全风险。影响电力调度正常运行的因素也多种多样, 我们只有不断总结已有的经验, 吸取教训, 完善各项管理制度, 才能切实做好安全风险防范工作。
参考文献