负荷密度指标（精选6篇）
负荷密度指标 篇1
0 引言
近年来,由于负荷的飞速发展和“智能电网”建设的需要,空间负荷预测逐渐受到重视。其概念最早是20世纪80年代由美国的H.L.Willis提出[1],即不仅要预测负荷的量,还要预测未来负荷增长的位置。其可以为制定合理的配电网建设规划方案,为变电站的合理布局、适时的配电网建设、最佳的投资时间以及获得最大的社会经济效益提供科学的决策依据。目前国内外常用的空间负荷预测方法有自上而下的用地仿真法[2,3,4,5,6]和自下而上的负荷密度指标法[7,8,9,10,11,12,13](有些文献也叫分类分区法)。但是由于我国城市规划的逐渐规范化,未来城市土地的使用性质基本已经明确,所以用地仿真法在国内城网规划中的应用比较少,而负荷密度指标法在配网规划工程实践中得到了越来越广泛的应用。
负荷密度指标法是从规划区各用地面积(或建筑面积)的负荷密度出发作预测,然后乘以其相应面积,再累加即得到负荷总量。其中,规划区各地块负荷密度的确定是整个预测工作的关键和难点,这也是本文研究的重点内容。
传统方法在确定负荷密度指标时,主要采用简单计算或类比法[7,8,9],依靠规划人员经验主观判断获得,未对影响各类负荷密度的因素进行理论分析。目前国内出现了少量关于负荷密度选取且综合考虑了负荷密度影响因素的文章[11,12,13]。文献[11-12]分别提出了利用模糊综合评判和模糊贴近度理论来求取负荷密度指标,但是其中隶属度函数的选择比较困难,具有较大的主观性。文献[13]提出了基于双层贝叶斯分类的空间负荷预测,但是该方法与文献[11-12]思路一样,都是采取分类来获取负荷密度,即将负荷密度指标的确定作为一个综合评价过程,根据评价结果对待定负荷密度进行归类,然后再加以简单修正得到预测负荷密度值。但是由于密度的“高”、“中”、“低”等级间的划定分界线很模糊,不是一个绝对值,所以密度指标等级范围的划定本身就没有一个精确的标准,且分类后只加以简单修正,其得出的结果误差必然也比较大。针对此情况,本文从负荷密度与其影响因素存在着复杂的非线性映射关系的角度出发,提出了一种基于自适应神经模糊系统(ANFIS)的负荷密度指标求取新方法。
1 熵权法基本理论
1.1 熵的定义
熵(Entropy)实质上是对系统状态不稳定性的一种度量,当系统处于n种不同状态,每种状态出现的概率为Pi(i=,1,2,n)时,该评价系统的熵H为:
其中:
1.2 熵权法
熵权法是根据被评价对象的指标值构成的判断矩阵来确定指标权重的一种方法,具有较强的客观性,排除了专家意见等容易受主观因素影响的成分。当评价对象在某项指标上的值相差较大时,熵值较小,说明该指标提供的有效信息量较大,该指标的权重也应较大;反之,若某项指标的值相差越小,熵值较大,说明该指标提供的信息量较小,该指标的权重也应较小。所以熵权法赋权主要是根据各指标传递给决策者的信息量大小来确定其权数,它是一种客观赋权方法,故可以利用其来确定各类负荷密度影响因素的权重。
利用熵权法确定影响因素的权重步骤如下:
(1)设要分析m个同类型负荷的地块,每个地块的负荷密度都有n种影响因子,则得到判别矩阵:为保证影响因子量值属性不变和消除不同物理量纲的影响,首先对判断矩阵进行无量纲化处理得到标准化矩阵R=(rij)mn×=。式中:rij表示第j个评价对象在第i个评价指标上的标准值,rij∈[1,0]。
(2)由标准化矩阵R=(rij)m×n求影响因子的出现概率Pij:
(3)求第j个影响因子输出的熵Ej:
式中:K=1/lnm。由于0≤Pij≤1,所以由此可知:0≤Ej≤1。
(4)第j个影响因子的熵权Dj定义为:
2 自适应神经模糊推理系统
自适应神经模糊推理系统(ANFIS)[14,15,16,17]是一种基于Takagi-Sugeno模型的模糊推理系统,它将人工神经网络的自学习功能和模糊推理系统的模糊语言表达能力有机地结合起来,进行优势互补。它采用神经网络来实现模糊推理,将模糊控制的模糊化、模糊推理和反模糊化三个基本过程全部用神经网络来实现;并且利用神经网络的学习机制自动地从输入输出数据中抽取规则,并利用学习算法,依照人类的知识和给定的输入/输出数据对建立起一个输入/输出映射。其中模糊隶属度函数及模糊规则是通过大量已知数据的学习完成的,而不是基于经验或直觉任意给定的。
2.1 经典ANFIS的结构
经典的两输入网络结构如图1所示。
第一层:输入参数的选择和模糊化。输入变量的选择和模糊化是模糊规则建立的第1步,图1中X1,X2为输入变量,A1(或B1)为与该节点相关的模糊变量(如可表示高、中、低),O1i,O2i分别是模糊集Ai和Bi的隶属函数,i=1,2。本文中隶属函数选钟形函数[14,15,16,17]。
第二层:规则推理层。节点在结构图中用П表示,不同的模糊集合之间组合成相应的规则,规则库由if-then规则组成,即:
推理机将输入的模糊集合映射成输出的模糊集合,它表示模糊输入与模糊输出的关系。这一层的每个节点输出是所有输入信号的积:
每个节点的输出标识一条规则的激励强度。
第三层:激励强度归一化,用N表示,输出为:
第四层:模糊规则的输出层。该层每个节点为自适应节点,计算每条规则的贡献,其输出为:
其中,pi,qi,ri为参数集,也称为模糊推理规则后件参数,可通过最小二乘法进行辨识。
第五层:解模糊层。该层的输出是所有输入信号的和,即总输出为:
2.2 改进型ANFIS的学习算法
经典ANFIS的学习算法是BP算法和最小二乘法相结合的一种混合算法,但是BP算法存在收敛速度慢,容易陷入局部最优等缺点。为了弥补其缺点,提高ANFIS的函数逼近精度,本文采用共扼梯度法对ANFIS训练中使用的BP算法进行改进。
共扼梯度法第一步是沿着负梯度方向搜索,D0=G0=-∇f(Wn),接着进行线性搜索以确定沿当前搜索方向移动的最优距离:
其中:Dn为共扼梯度法的搜索方向;Wn为当前权重矢量;∇f(Wn)为当前梯度βn采用Fletcher-通八达Reeves共扼梯度法来计算。
在搜索过程中,为使算法能收敛,需对方向进行修正。方法为:每当训练次数为权重数的整数倍时,βn取零。同时,在训练的每一步进行判断,如果即新的搜索方向用负梯度方向,从而保证总是沿着误差下降的方向搜索。
3 基于ANFIS的负荷密度指标求取新方法的步骤
3.1 负荷密度指标体系的建立
建立负荷密度指标体系的主要目标就是要为下步确定各类负荷影响因素提供依据,使其有据可查,只需对照归类即可,本文依照以下步骤来完成。
1)采用负荷密度指标法进行负荷预测时,负荷的精细分类可增强预测的准确性,本文将负荷类型按性质细化为10类:工业负荷;居民住宅负荷;行政办公负荷;商业负荷;文化娱乐负荷;研发负荷;教育、医疗、体育等公共设施负荷;市政设施负荷;仓储物流负荷;绿化、广场及道路负荷[18]。
2)通过对从电力部门的负控、集抄、营销、SCADA等相关系统和规划建筑部门采集的相关数据进行整理分析,确定各类细分负荷密度的主要影响因素、并保存各类细分负荷密度值和其影响因素值的历史数据。比如,经过分析,可以把影响居民住宅负荷密度的因素定为:人均收入、人口密度、人均电力、电煤价格比率等;把影响商业负荷密度的主要因素定为:地理位置、商场定位、商场面积、当地生活消费水平等;把影响工业负荷密度的主要因素定为:工厂规模、作业方式、当地经济水平、产品定位等。
3)随着知识手段的不断进步和发展,各类数据越来越容易获得,我们应对每类细分负荷的影响因素不断完善和修正,以使得该体系更加精确、更适应社会的发展和变化。
3.2 利用熵权法确定影响因素的权重
由于我国的特有国情,我国的城市规划中对未来土地的使用性质已有了明确的指定和规划。因此只要对照详细的城市规划图,就可以查到待预测地块在预测年内的负荷类型。然后参照负荷密度指标模型,即可确定该负荷类型的影响因素。
由于负荷密度的各个影响因素对其的影响程度不一样,其相对重要程度也就不一样,所以在求取负荷密度时需要考虑各因素的权重。引入熵值法来确定各影响因素的权重,即利用影响因素信息的价值系数来衡量其对负荷密度的重要程度(价值系数越高,其重要性越大),可以提高预测精度。
3.3 利用自适应神经模糊系统预测待预测地块的负荷密度
由于自适应神经模糊系统(ANFIS)将模糊推理系统中的模糊逻辑规则及隶属度函数参数通过神经网络的自学习来制定,并自动产生模糊规则,克服了模糊控制系统中模糊推理规则主要根据专家经验设计的缺点,且又继承了神经网络在未知非线性的建模方面已显示出好的性能,具有以任意精度逼近非线性函数的能力。与BP神经网络相比,具有更强的自学习能力、鲁棒性和自适应性,所以本文采用自适应神经模糊推理系统(ANFIS)来预测负荷密度,其步骤如下:
1)确定输入/输出向量和输入数据:以待预测的该类负荷密度的各个影响因素作为输入向量;以待预测地块的负荷密度作为输出向量;以经过熵权法加权处理的各影响因素数据集作为输入数据。
2)模型初始化:由Matlab7.0模糊系统工具箱里的genfis1()函数生成Takagi-sugeno模糊推理系统结构及初值,其中可以指定ANFIS中的初始输入变量的隶属度函数的数目、类型和输出隶属度函数的类型。本文算例中,由于输入变量的模糊划分为“很低”、“低”、“中”、“高”、“很高”,所以每个输入变量的隶属度函数指定为五个,类型指定为钟形隶属度函数。
3)建立ANFIS模型(多输入单输出):利用上述改进算法来完成对输入输出数据对的建模,从数据集中提取相应信息(模糊规则)。通过学习能够有效地计算出隶属度函数的最佳参数,使得设计出来的Takagi-sugeno型模糊推理系统能够最好地模拟出希望的或者实际的输入输出关系。
期间系统通过数据的训练和学习,自动生成科学的、符合实际的模糊规则。如在预测居民负荷地块的负荷密度时,ANFIS的模糊规则通过对大量已知数据的学习完成后,其规则之一表现形式为:
if人口密度‘中’;and人均收入‘高’;and人均电量‘中’;and煤电价格比增长率‘中’;then该地块的负荷密度值会‘高’,经反模糊化后就可得到一具体数据值。
系统利用这些最佳参数和模糊规则来有效地模拟负荷密度与其影响因素的非线性关系,使系统输出值无限逼近其实际值。
4)把待预测地块相对应的属性数据值载入改进型ANFIS模型中,我们就能得到待预测地块的负荷密度输出值。
3.4 基于改进型ANFIS的负荷密度指标求取新方法的总体流程
综合上述三个部分,基于ANFIS的负荷密度指标求取新方法的总体流程见图2。
4 算例分析
本文以预测居民负荷密度为例,对本文的模型和算法进行验证和分析。由上可知,参照负荷密度指标体系后,以人口密度A1(人/km2)、人均收入A2(元)、人均电量A3(k Wh)、煤电价格比增长率A4(%),作为ANFIS预测模型的输入向量。
收集100个居民负荷样本如表1。
利用式(12)将输入/输出量归一化到[0,1]区间。
其中,xmax表示各影响因素值的最大值。
按照公式(2)~(4)逐次计算,即可得到影响因素的熵值Ej及熵权Dj如表2所示,其中易看出式中m=100,n=4。
将每个影响因素的值与其对应的熵权相乘,得到新的加权输入矩阵,以此作为ANFIS预测模型的输入数据。
按照3.3节步骤3)建立ANFIS模型(四输入单输出)来进行仿真分析。以上面100数据与其对应的熵权相乘得到的加权输入矩阵作为训练样本,以待预测地块2008年的属性数据作为验证(检验)样本。其中每个输入变量的隶属度函数为五个,类型指定为钟形隶属度函数,输出变量的隶属度函数类型为线型隶属度函数,训练次数为200,学习算法采用共扼梯度法改进的学习算法。
已知该待预测的空间地块在待预测年(本文选取的是2008年)里各因素属性值为:{28126,1235,402,2.089},以该数据作为验证数据,载入ANFIS模型中,我们可以得到其输出值为:8.13k W/km2,与其实际负荷密度为8.32k W/km2相比,相对误差为2.28%。
如我们采用ANFIS默认的混合学习算法,得到输出值为8.06k W/km2,相对误差为3.23%。两者算法的训练误差曲线如图3、4。
如果对上述输入数据不经熵权法加权处理,得到的输出值为:8.96k W/km2,其相对误差为7.69%。可见,引入熵权法和改进的学习算法能提高预测精度,三者比较如表3所示。
5 结论
1)本文在确定影响因素的权重时引入信息论中的熵值理论,通过信息熵反映实测数据本身的效用值确定权重,充分考虑了各个影响因素对负荷密度的影响程度,使得权重的分配有了一定的理论依据,同时也有效地提高了预测精度。
2)由于ANFIS中的模糊隶属度函数及模糊规则是通过大量已知数据的学习完成的,且又继承了神经网络在未知非线性的建模方面已显示出好的性能,具有以任意精度逼近任意线性和非线性函数等功能,本文利用它建立模型,从负荷密度与其影响因素之间的非线性映射关系的角度出发求取负荷密度,不同于以往“归类再修正”的方法,为求取负荷密度指标法提供了一种新思路和新方法。
3)本文使用Fletcher-Reeves共轭梯度法改进了ANFIS原始的学习算法,克服了BP算法容易陷入局部最优的缺点,加快ANFIS的收敛速度,提高其函数逼近精度。
4)本文提出的基于改进型ANFIS的负荷密度指标求取新方法克服了以往通过简单类比或经验选取密度指标的主观随意性太大、结果欠量化等问题,具有输出直观、精度较高等优点,因此有很强的理论性和实用性。
值得说明的是,影响负荷密度指标的因素和负荷密度指标体系的建立不是唯一和固定的,是随着社会的发展和变化而变化,因此还需要在实际工作不断修正和完善。
负荷密度指标 篇2
微网[1,2,3,4]从系统观点看问题,将发电机、负荷、储能装置及控制装置等结合,形成一个单一可控的单元,同时向用户供给电能和热能。微网能够整合分布式发电的优势,协调分布式电源与大电网间的矛盾,充分利用各种分散能源,结合本地负荷、储能装置及相关监控和保护装置,构成具有自我控制、保护和管理能力的新型电力微系统[7]。但是如何实现微网的运行控制、能量管理和调度等方面仍存在诸多的问题。其中,微网的负荷预测也是难点之一。
目前,国内外学者对配电网的负荷预测方法进行大量研究,但对微网负荷预测方法的研究甚少。微网负荷预测是电力系统调度、用电、计划和规划等部门的重要工作之一,对负荷的准确预测是微网规划和建设的首要条件。由于微网的规模小、负荷种类繁多、运行方式不一,因此其进行负荷预测不能直接套用配电网的方法,应选择一套适用于微网的模型。本文提出的改进的负荷密度模型便充分考虑了用户背景、消费水平、区域经济环境及各种其他因素,引入负荷密度的主成分分析和多元回归分析,符合微网异于配电网的特点。
IBM® SPSS® Statistics19是一种用于分析数据的综合系统。本文利用SPSS强大的数据处理功能,对影响负荷密度的众因素和负荷密度进行主成分回归分析,量化负荷密度的选取过程,使预测结果更加精细可靠。
1微网负荷分类与常用负荷预测方法
相对配电网而言,微网的空间有限,负荷特性的不准确评估将导致微网内电力电量的不平衡,同时,微网用户对电能质量和供电可靠性的要求各不相同,因此需要对微网进行有别于配电网的负荷分类[3,4,5,6]。
用于电力系统负荷预测的方法很多且各有其优缺点,梳理常用方法为微网负荷预测方法的选择提供依据。目前配电网常用的负荷预测方法可从以下几方面进行分类[6]:
(1)根据负荷预测的范围分类:负荷总量预测、空间负荷预测。
(2)根据负荷预测时间分类:超短期负荷预测、短期负荷预测、中期负荷预测、长期负荷预测。
(3)根据负荷预测采用的数学方法分类:相关分析法、趋势外推法、回归分析法、负荷密度法、时间序列预测法、人工神经网络。
除上述方法,还有多种方法可用于负荷预测,如灰色模型法、人均电量法、傅里叶分析法、小波分析法、混沌理论、卡尔曼滤波算法、模糊预测法、专家系统预测法、系统动力法以及上述方法的混合算法等。
2改进的负荷密度法
2.1可用于微网的负荷预测方法
传统负荷预测法得到的预测结果只能反映一个区域电网负荷的总体水平,然后把预测的总体负荷水平平均分配至各个功能分区,得到的是负荷总量预测结果,它的预测属于战略预测,受历史和现有负荷数据以及经济因素的影响。由于微网的空间特性,其规划及建设需要将各分布式电源和线路落实到微网内具体位置上,并依据轻重缓急分期实施。
因此需要对常用负荷预测方法改进才可用于微网。结合微网的空间特性,可能适用于微网的负荷预测方法有人均用电量法、人工神经网络法和负荷密度法。
2.2负荷密度法
负荷密度法的主要思想是将微网划分为很多小网格,对各小网格内部进行预测。它根据供电地区内不同功能分区或不同功能用地来分别进行预测,并考虑不同功能用地的最大用电负荷同时率[9]。
微网负荷按终端用户需求的分类,在一定程度上反映了该微网的用地划分。各功能用地具有不同的用电特点、用电方式、年最大负荷利用小时数和用电负荷密度。
微网明确的功能划分适合采用负荷密度法来进行负荷预测。该方法凭借主观经验类比同种用地性质的地块负荷密度来确定规划区的负荷密度值,从而得到规划区的负荷值。此外,对于传统城市配电网而言,根据不同的规模可以有不同的划分,划分的越细,预测精度也会随之越高。微网相较传统的城市电网用地规模小,用地划分可以做得更为精细,因此更适合采用负荷密度法。
负荷密度法预测的总体思路如下:
(1)根据微网规划用地进行负荷分类,并按照用地性质进行用地划分;
(2)通过类比各类用地性质的负荷密度指标调查结果确定单位建筑面积负荷指标Ji,通过容积率FAR确定单位用地面积负荷指标Pi;
(3)得到各种用地类型的建筑负荷密度、容积率、单位用地面积负荷指标等参数资料后,结合各地块的用地面积,可以确定各类用地的分区负荷值,即:
式中:Li为第i类用地的负荷值;Si为第i类用地的用地面积;Ji为第i类用地的单位建筑面积负荷指标;Pi为第i类用地的单位用地面积负荷指标,且Pi=FAR×Ji。
(4)根据分区负荷结果结合同时率进行累加,从而得到整个微网总体的负荷值情况。即:
式中:Kp为负荷同时率。
2.3改进的负荷密度法概述
以上分析的是传统的负荷密度法,它根据该区域内各地块的用地性质,采用与其他地区类比的方法来确定该区域的负荷密度。微网负荷密度受到各种因素的影响,凭借经验判断来估计负荷密度值的传统负荷密度法预测精度并不理想。因此,有必要考虑影响负荷密度的各种因素。结合微网特点,本文提出一种改进的负荷密度法,对影响负荷密度的社会经济因素进行主成分回归分析,更精确地求取微网负荷密度。
影响负荷密度变化的因素有很多,以居民小区为例,它除了与小区内的人口密度、人均收入、人均电量、电煤价格比增长率密切相关外,还与小区所在城市的整体区域经济环境有关。因为一个居民小区的发展状况是所在城市的缩影,在一定程度上能折射出该小区所在城市的区域经济发展水平。因而,即使居住区人口不断增加、设施不断完善,小区本身建设趋于稳定和饱和,其负荷密度仍然会受到当地国民经济发展状况的制约。具体的区域经济环境指标有很多,比如人均GDP、规模以上工业企业总资产、人均社会消费品零售总额、地区金融效率等,这4个指标则是分别从经济基础、工业化程度、经济活跃程度和地区金融发展这四个层面来反映一个地区的区域经济环境状况。
由上分析可考虑采用计及区域经济环境的负荷密度法,结合影响负荷密度的各种因素,包括小区内部因素和小区所在区域的经济环境因素两个方面,在传统定性的选取负荷密度值的基础上,量化负荷密度值的选取过程,从而使预测结果更加精确可靠。可将微网所在城市的区域经济发展水平引入负荷密度的多元回归分析。首先研究负荷密度与各区域经济环境指标的关联性,从中选取相关系数最大的指标来表征区域经济环境因素对小区负荷密度的影响,称该指标为“区域经济环境综合指标”。然后结合小区内部各影响因素对负荷密度进行分析。具体可采用主成分回归分析方法来进行研究。
2.4主成分回归分析法
事物的各个变量之间常常存在着相互联系,这种相关性增加了问题研究的难度。若能从中提取出互不相关的指标变量,来综合表达原始多个变量反映的信息,这样既减少了变量个数和研究的复杂度,又达到了问题研究的实质。主成分分析就是这样一种方法,提取出的互不相关的综合指标又称为主成分或是因子。
降维是主成分分析的核心,通过指标重组和浓缩,变成一组新的综合指标,使得变量个数减少,又不失原有信息。
主成分求解步骤如下:
(1)标准化。标准化的过程避免了数据受到数量级和量纲的影响,达到统一后有利于问题的简化和研究。
其中
(2)求相关系数矩阵R。
其中
(3)求特征值、特征向量。特征值可以用来表征解释初始信息能力的大小。特征值越大,表明能较大程度的将原始信息表达出来,反之,则不能较好的表征原始信息数据。
特征根λ1≥λ2≥λp≥0
特征向量为
(4)求ak和a(k)。
方差贡献率能综合反映该主成分综合原始信息的能力。如果前几个的累积方差贡献率已经足够大,说明这几个主成分已经足以将原始信息表达出来,则无需进行剩余主成分的研究,这样简化了问题研究的复杂度,提高了研究效率。
(5)主成分个数的确定。理想的情况下时既要使得主成分的个数最小,同时又要最大限度的解释原始信息。一般情况下,常用的方法是首先求取出平均特征值,选择所有满足
(6)求主成分值。主成分用原始指标X1,X2,…,Xp可表示为:
3实例研究
以湖北省各主要城市小区为例,介绍改进负荷密度法的实例研究。首先通过对不同地区小区的负荷密度调查结果,分析区域经济环境因素对负荷密度的影响,具体数据见表2(各区域经济环境数据均来自2011年《湖北统计年鉴》[10]。
使用SPSS19.0对以上数据进行相关性分析,得出相关系数矩阵,由该矩阵知金融效率指标与负荷密度指标的相关系数最大,故选其为表征区域经济环境的综合指标,并结合小区内部的各影响因素对负荷密度进行主成分分析[8]。
表3为收集的全国不同地区居民小区负荷密度数据,选取的5个自变量为小区人口密度、人均收入、人均电量、电煤价格比增长率和小区所在城市的区域经济环境综合指标,采用SPSS19.0对其进行主成分回归分析的相关操作。
运用SPSS19.0对表中确定的5个自变量进行主成分分析,得到的各种运算结果见表4。
由成分矩阵可得:
提取出主成分F1,再运用SPSS19.0对主成分与因变量Y进行线性回归分析,得到F1与Y之间的线性关系,去标准化得到一般线性回归方程:
得到负荷密度与各影响因素之间的数学关系。由具体数据计算出相应的负荷密度,再结合用地面积、容积率、同时率等数据计算出用电量。
3结论
本文对传统的负荷密度法进行改进,实现了改进的负荷密度法用于微网进行负荷预测。改进的负荷密度模型在考虑了用户背景、消费水平、区域经济环境及各种其他因素的前提下,引入负荷密度的主成分分析和多元回归分析,量化了负荷密度的选取过程,使预测结果精确可靠。该模型充分反映了城市规划的意图和远期建设用户的需求,它是建立在城市规划现状和规划预测数据的基础上的,城市规划的实施程度直接影响着模型预测结果的准确度。实例研究结果表明,与配网常用的负荷预测方法相比,改进的负荷密度法提高了负荷预测精度,更适用于微网。
参考文献
[1]袁越,李振杰,冯宇,等.中国发展微网的目的方向前景[J].电力系统自动化,2010,(1):59-63.
[2]丁明,张颖媛,茆美琴.微网研究中的关键技术[J].电网技术,2009,(11).
[3]鲁宗相,王彩霞,闵勇,等.微网研究综述[J].电力系统自动化,2007,(19):100-107.
[4]盛鹍,孔力,齐智平,等.新型电网-微网(Micro-grid)研究综述[J].继电器,2007,35(12):75-79.
[5]杨慢慢,王金凤,李燕青,等.改进的空间负荷预测法及其应用[J].电力科学与工程,2011,27(11):35-38.
[6]牛东晓,曹树华,赵磊,等.电力负荷预测技术及其应用[M].北京:中国电力出版社,1998.
[7]马力.CCHP及其所构成微网的运行特性研究[D].天津:天津大学电气与自动化工程学院,2008:1-6.
[8]徐东升,杨巍,魏哲,等.基于SPSS的短期负荷特性分析及其预测研究[J].电力系统保护与控制,2009,37(21):147-151.
[9]孙威.基于负荷密度指标法的配电网空间负荷预测方法研究[D].重庆:重庆大学,2010.
负荷密度指标 篇3
关键词：供电方案,负荷密度,电压制,城市电网规划,220/20kV,Voronoi图
0 引言
城市电网供电电压的确定,对城市发展及现代化程度的提高有着深远的意义。目前我国各省会城市和沿海发达城市先后建立了500 k V或220 k V的超高压外环网、双环网,我国城市电网的电压等级配置基本分5级,电压等级的划分基本上以500 k V、330 k V220 k V为输电电压等级,以110 k V、35 k V为高压配电电压等级,以20 k V、10 k V为中压配电电压等级[1]文献[2~4]肯定了城市高负荷密度地区采用20 k V的经济技术优越性;江苏省一些城市电网的实践也证实了中压配电电压由10 k V升高为20 k V是可行的。然而,三级电压供电方案下,110 k V和220 k V变电层级小,不符合“求三舍二”原则[5],其暴露出的缺点,如两级电压供电面积重叠多、变电设备容量重复建设以及网损大,仍然没有得到解决。
因此,探索与20 k V中压配电电压相对应的高压配电电压等级,研究高负荷密度地区采用220/20 k V代替220/110/20 k V供电方案的可行性,以简化电压等级、减少变电层次,成为中压采用20 k V之后所带来的新问题。鉴于110 k V电压等级在我国电网中存在时间长,分布范围广,牵扯面大,要想考虑的因素十分复杂。本文借鉴巴黎城网的供电方案的特点[6,7],对此问题做了一些探索性的研究,以规划年单位负荷供电费用为决策指标,通过计算得出在220/110/20 k V既定电压制下逐步取消110 k V,将高压配电电压提高至220 k V的合理负荷密度,供电力系统规划设计部门参考。
1 数学模型
随着负荷密度的不断增长,不同电压制的供电总费用必定不同,故提出以规划年单位负荷供电费用为经济性评估指标的数学模型。对于不同的电压制供电系统,计算其规划年单位负荷的供电费用,作为衡量电压制优劣的经济性指标。假定某地区规划年负荷均匀分布。在不同的电压制供电方案下,求得单位负荷的综合供电费用。假定第k级单座变电站主变容量为STk(MVA),主变台数为kn。建立以下的数学模型:
其中:σ为负荷密度,MW/km²;A为供电区域面积,km²;Cl,k和Cs,k+1分别表示供电区域内第k级线路及其上级电源变电站的综合费用;M为电压等级数,若采用220/20 k V电压制,M取2;若采用220/110/20 k V电压制,M取3。本文中,220 k V对应第M+1级,20 k V开关站出线对应第1级。220/110/20 k V电压制中,20 k V开关站出线对应第1级,20 k V开关站和20 k V线路为第2级,110 k V变电站及110 k V线路为第3级,等等。若采用220/20 k V电压制,情况类似。
2 模型求解
假设分压负荷比例,即第k级网络的分压负荷比例为αk;第k级网络容载比βk;20 k V开关站采用2回进线。则第k(k≥3)级变电总容量Sk为:
第k级变电站座数:
式(3)中函数ceiling()表示向上取整函数。这样,得到了供电区域内各级变电站(开关站)的座数Nk,k=2,3,4,…,M+1。
供电区域内各级变电站(开关站)的座数确定之后,接下来需要确定的是它们各自的供电区域。
2.1 基于Voronoi图的供电区域划分
文献[8]建立了变电站经济供电半径优选的几何规划和Fuzzy几何规划模型,为城市变电站最经济供电半径以及最佳容量的确定[9~11],和变电站个数的合理设置,提供了科学的依据。本文引入计算几何学中的Voronoi图来确定变电站(开关站)的最优供电区域[12,13]。在计算几何学中,Voronoi图是一个重要的几何结构,在求解点集或其它几何对象与距离有关的问题时起重要作用。
将Voronoi图结合到变电站供电区域优化中,假定平面A内有变电站集合S={S 1,S 2,…,S n}。∀Si∈S,i=1,2,…,n,集合Ai={S∈A|d(S,S i)
文献[14,15]给出了已知平面A上变电站集合S作该平面的Voronoi图的算法。
设供电区域A上均匀分布有变电站集合这些变电站的电压等级和容量均相同。要确定每个变电站的供电区域,问题实质是,对每个变电站Si,找出一个区域,使得在这个区域中的任何负荷点PiS,到变电站Si的距离小于该负荷点到其它任意一座变电站的距离,即满足(i≠j)。由Voronoi图的定义可知,与每个变电站Si关联的Voronoi域即是该变电站的供电区域。所以,作出含有n个变电站的供电区域A的Voronoi图,即可确定每个变电站的供电区域。
对第k级变电站(开关站)的集合Sk={S1k,S2k,…,Snk}来说,其上级变电站的供电区域已经划分好,该集合中的变电站已经被分配到上级变电站各自的供电区域中。计算集合Sk的供电区域时,只需以上级变电站的供电区域为单位,分别计算该区域内每个第k级变电站的供电区域即可。
江苏省某市2020年远景当负荷密度σ达到30 MW/km²时,220/20 k V及220/110/20 k V电压制供电方案下220 k V变电站供电区域划分比较如图2。
由图2可知,220/20 k V变电站的供电区域较220/110 k V的为小,在一定程度上兼顾了220/110/20 k V电压制中220 k V变电站和110 k V变电站联系220 k V系统和20 k V系统的纽带作用,减少了220 k V系统和110 k V系统的重复供电范围。各级变电站的供电区域划分好之后,下面计算整个供电区域规划年的供电费用,包括各级线路和变电站固定费用及法。
2.2 线路投资
第k级配电网主干线建设投资费用(万元/回):
其中:Rk是第k级配电网每回线路直线长度,km;Ek是线路曲折系数,与线路走廊的地形有关;Sk为第k级配电网每回线路额定输送容量,MVA;ϕk为第k级配电网每回线路功率因数角;Pavk为第k级配电网每回线路实际平均输送有功功率,MW;alk、blk是分别表征配电网主干线建设投资费用与线路截面积无关和与线路截面积呈线型关系的比例系数;Slk为第k级配电网线路截面积型号,mm²。
2.3 变电站投资
第k级变电站建设投资费:
其中:ask、bsk是分别表征变电站建设投资费用与变电站主变容量无关和与变电站主变容量有关的比例系数。由于变电站主变台数的增多,将导致出线断路器的增多,考虑到采用220/20 k V主变时,出口20 k V断路器的开断电流很大,导致其造价昂贵,故在220/20 k V变电站中p取为0.5,即认为主变台数对变电站造价的影响大于单台主变容量的影响,赋予主变台数相对于主变容量更高的价格指数;而在220/110 k V或者110/20 k V变电站中,p可酌情选取为1左右。
2.4 运行费用
各级配电网及其上级变电站的运行费用包含不变部分和可变部分,分别计算如下:
对不变部分,有:
其中:Cks是第k级网络及其上级变电站运行费用的不变部分,包括折旧费用、人员维护费用等,H是对总投资提取年运行费的年提取系数。
对可变部分,有:
Ckd是第k级网络及其上级变电站运行费用的可变部分,包括第k级网络的可变运行费用Cl,k和上级变电站的可变运行费用Cs,k+1。其中,
其中:ρk是k级网络每回线路的导线电阻率,Ωimm2/km;J是经济电流密度,A/mm2;τ是第k级网络的最大负荷损耗时间,h;Ck是k级网络的电价,元/k Wh。
其中:kFe是变压器铁损系数,k W/k VA0.75;τs是变压器铜耗等值小时数;kCu是变压器铜耗系数,k W/k VA0.75;SNL,k+1是第k+1级变电站变压器额定负荷,MVA。
由式(5)~(9),代入式(1),得到:
可得规划年不同电压制供电方案下单位供电费用。
3 计算实例
以江苏省某市为例,当规划年负荷密度σ(单位:MW/km²,下同)由20增长到80时分别计算220/20 k V(下称二级电压制)和220/110/20 k V(下称三级电压制)两种电压制下单位供电容量的费用(单位:万元,下同)。
计算边界条件按照相关规定[16~18]设置:
(1)220/20 k V变电站采用3台主变,单台主变容量考虑100 MVA;220/110 k V变电站采用3台主变,单台主变容量考虑240 MVA;110/20 k V变电站可采用3台主变,单台主变容量考虑80 MVA。
(2)整个供电面积100 km²。
在上述前提下,分别求得220/20 k V和220/110/20 k V两种电压制供电方案下单位负荷供电费用。
随着负荷密度的增大,两种电压制下,单位负荷供电费用如图3;全网最大电压损耗如图4;全网网损率如图5。
由图3可以看出,当负荷密度小于35 MW/km²时,采用三级电压制比采用二级电压制将获得较小的单位负荷供电费用;当负荷密度高于35 MW/km²时,情况发生了质的变化,采用二级电压制将获得较小的单位负荷供电费用。在整个20~80 MW/km²的负荷密度区间上,不论采用哪种电压制,单位负荷供电费用总体呈现上升趋势,且采用二级电压制较三级电压制而言,由于节省了110 k V等级系统相关的投资和运行费用,使得其上升趋势较缓。
用二级电压制代替三级电压制,实际上等效于在满足同样供电容量的前提下,取消110 k V级变电站及110 k V线路,同时延长220 k V线路和20 k V线路,增加220 k V变电站的数量,并降低220 k V变电站的容量。在这一过程中,20 k V断路器需要开断的电流增大,导致其价格骤升。
当负荷密度水平较低时,20 k V开关站的电源由原来的220 k V和110 k V两级电压系统变为220 k V单级电压系统,节省了110 k V变电站和110 k V线路的费用,但增加了220 k V变电站数量,计算表明,由此而增加的20 k V断路器等开关设备的费用等将抵消甚至超过节省下来的相对较少的110 k V变电站和110 k V线路的费用,因此是不经济的。而当负荷密度较高时,110 k V变电站和110 k V线路数量均较多,费用也较多,用二级电压制取代三级电压制,由此节省的110 k V变电站和110 k V线路的费用将抵消甚至超过由于增加220 k V变电站数量,并且由此增加的20 k V断路器等开关设备的费用,故此时呈现较好的经济性。
图4说明了两种电压制下全网最大电压损耗随负荷密度增长变化的情况。显然,采用二级电压制,比采用三级电压制,有更小的电压损耗。随着负荷密度的增长,采用二级电压制时,取消了110 k V变电站,减少了110 k V变电站主变的电压损耗,从而使得二级电压制跟三级电压制相比有更小的电压损耗。
图5说明了两种电压制下全网网损率随负荷密度增长变化的情况。当负荷密度小于55 MW/km²时,采用三级电压制比采用二级电压制有更小的网损率;当负荷密度超过55 MW/km²时,在三级电压制中,全网网损率以较快速度上升最后趋于3.5%左右;在二级电压制中,全网网损率波动前进,但基本维持在相对三级电压制而言较低的水平。
随着负荷密度的增长,在20~80 MW/km²的负荷密度范围内,三级电压制相比二级电压制而言,由于多了110 k V级变电站,导致全网网损率相对而言迅速增大,并最终稳定到较高的水平。尤其是负荷密度超过55 MW/km²,由于220/20 k V供电方案中由于220 k V变电站数目较多而增加的网损迅速被220/110/20 k V供电方案中大量额外的110 k V主变引起的网损超过,导致网损率较低。因此,即使当城市负荷密度发展到35 MW/km²时由于其它原因不能将与20 k V相对应的高压配电电压提高为220 k V,在未来城市负荷密度发展到更高的55 MW/km²的水平时,从降低能耗的角度来讲,此时采用220/20 k V电压制供电方案也是有积极意义的。
4 结论
本文研究了不同负荷密度水平下220/110/20 k V三级电压制供电方案中取消110 k V电压等级的可行性。计及从500 k V变电站低压侧出线到20 k V开关站高压侧进线之间所有变电站和线路的建设费用和年运行费用,采用Voronoi图确定各级变电站的合理供电范围,并在此基础上计算了不同负荷密度水平下两种电压制供电方案各自的单位负荷供电费用、全网最大电压损耗、全网网损率三个经济及技术性指标,并以单位负荷供电费用为最终决策指标。通过本文计算,可得下面结论:
(1)在一定条件下,当城市负荷密度高于35 MW/km²时,采用二级电压制跟三级电压制相比,节省的110 k V变电站和相应的110 k V线路投资以及相应的网损费用将超过增加的220 k V变电站投资及其站内损耗费用,从而总体上将获得较小的单位负荷供电费用。
(1)在20~80 MW/km2的负荷密度范围内,二级电压制跟三级电压制相比,有更小的电压损耗。
(2)当负荷密度大于55 MW/km²时,二级电压制跟三级电压制相比,由于减少的110 k V这一级线路和变压器损耗超过220 k V变压器增加的损耗,从而总体上全网损耗减少。
基于负荷裕度的在线电压稳定指标 篇4
电压稳定是一个相当复杂的问题。对于系统电压稳定性的研究，一方面有必要继续深入研究电压失稳的机理，另一方面需要对电压稳定问题进行简化描述，以便于运行人员对电压失稳的判别和预防控制[1,2]。电压稳定指标[3]能够反映电力系统在承受元件开断和负荷增加等扰动方面的鲁棒性，并且容易计算和理解。其中，最基本的、被广泛接受的是裕度指标[3,4]，它是指由系统给定运行状态出发，按照某种模式，通过负荷增长或传输功率的增长逐步逼近电压崩溃点，则系统当前运行点到电压崩溃点的距离可作为电压稳定性程度的指标。其大小直接反映了当前系统承受负荷及故障扰动、维持电压稳定能力的大小。
由于对电压失稳机理的理解不同，求取电压稳定极限的方法也不同，从而得出各种不同的裕度指标[5]。文献[6,7,8,9,10]分别从系统临界电压崩溃点的功率损耗特征、受端有功功率方程、动态负荷的有功功率最大点、等值负荷阻抗及负荷静态特性等不同角度对电压稳定裕度指标进行了研究。考虑到现代互联电网对电压稳定在线监测要求，负荷裕度指标在计算的实时性及对实际系统的适应能力等方面还有待提高。
本文基于系统当前的运行点，采用PMU的同步测量数据，推导了负荷节点有功极限和无功极限的快速计算新方法，并由此分别得出电压稳定的有功裕度指标和无功裕度指标，能够为电压稳定的在线判别和控制提供准确的参考依据。
1 基于π型电路的参数辨识
电压稳定分析通常是建立在简单系统模型的基础上，因此需要将局部负荷支路等值成简单系统。系统等值模型很大程度上影响着电压稳定的分析结果，如何选取适当的算法和模型，以提高其等值的准确性与实时性是问题的关键[11,12]。
目前，静态电压稳定分析常采用如图1所示的无穷大母线通过支路接负荷的简单2节点系统[13]。其中，支路大都采用阻抗(或纯电感)的模型。
然而，对于高压输电网络，线路分布电容的存在和无功补偿装置的使用，使得无功功率的分布发生了较大改变，因此这种简单的系统模型不再适合高压输电系统的静态电压稳定问题的研究，需要采用图2所示的π型支路模型。
对于某一个时刻k:Ur为负荷母线的电压幅值;Us为外部系统等值电势的幅值;δ为外部等值电势与负荷母线电压的相角差;B为等值支路的充电电容导纳;等值支路阻抗Z∠θ=R+j X。
为了得到图2所示的任意时刻k的等值π型电路，需要对电网进行实时的参数辨识。由于PMU能够直接测量节点的电压以及各支路的电流，可以采用不同时刻的同步测量数据对负荷节点进行实时等值[14,15,16]。由于采样数据的不断刷新，为避免数据溢出，本文采用递推最小二乘法[17,18]，对外部等值系统的电势、阻抗以及电容参数进行实时等值。
2 负荷功率极限的在线计算
由图2可得受端(负荷母线)功率的表达式如下：
由式(3)和式(4)消去θ-δ可以得到：
图3给出了当Us=1 p.u.，θ=85°，Z=0.1 p.u.时，受端电压Ur分别为0.9 p.u.和0.95 p.u.时的P-Q功率圆图。功率圆图是描述功率传输极限的更一般和准确的方法，本文所提出的负荷功率极限的快速计算就是以此为基础的。
由图3可见，受端有功功率Pr、无功功率Qr以及受端母线电压Ur3个变量之间相互影响。
因此，本文在推导功率传输极限时，分别考虑了当前运行点的无功和有功负荷对临界电压和功率传输极限的影响，使得计算结果更加准确。
2.1 有功极大值Prmax
将式(5)展开成有功功率Pr的表达式：
解方程式(6)可得：
图4给出了在不同的无功负荷Qr情况下的P-U
曲线。由图可知，当d Pr/d Ur=0时，Pr取得最大值，可以计算得到临界电压值：
当Qr>0时，式中的±号取负;当Qr<0时，式中的±号取正。
将Ucri,p代入式(7)即可得到有功的最大值Pr,max。
图5为不同无功负荷Qr水平下有功取得极大值时对应的临界电压Ucri,p曲线。
由图4和图5可得以下结论：有功传输的极限Pmax随着Qr的增大而减小，临界电压Ucri,p也随之降低。因此，在求取有功功率极大值Pr,max时，必须考虑当前无功负荷的影响，否则求得的结果将偏于乐观。
2.2 无功极大值Qmax
同理，将式(5)展开成如下Qr的表达式，来求取无功极大值Qmax。
可得：
图6给出了在不同有功负荷Pr下的Q-U曲线。
当d Qr/d Ur=0时，Qr取得最大值，可以计算得到临界电压值为
将Ucri,q代入式(11)即可得无功功率极大值Qmax。
图7为不同有功负荷Pr水平下无功取得极大值时对应的临界电压Ucri,q曲线。
由图6和图7可知：无功功率的传输极限Qmax随着Pr的增大而减小，临界电压Ucri,q也随之升高。可见，在求取无功功率的极大值Qr,max时，也必须考虑有功功率的影响，否则求得的结果不准确。
2.3 电压稳定裕度
在得到Pr,max和Qr,max后，就可以分别得到当前运行点的有功裕度Pr,margin和无功裕度Qr,margin。
定义电压稳定指标VSI(Voltage Stability Index):
当指标VSI趋向于零时，负荷母线的电压失稳。其中，有功指标VSIp反映由于有功过重而引起的电压临界崩溃程度;无功指标VSIq反映由于无功缺乏所导致的电压临界崩溃程度。
3 算例
本文以IEEE 118节点系统为例进行仿真计算，节点69为平衡节点。计算过程考虑无功越限，当PV节点无功越限时，转化为PQ节点进行计算。
a.仿真事件1：逐渐增加母线B43上负荷的有功功率，无功功率不变。
在B43有功负荷增长过程中，U43跌落最快，图8为B43有功负荷增长时的P-U曲线和电压稳定指标变化曲线。可见，当临近电压崩溃点(Pr,max=3.24 p.u.)时，有功指标VSIp也接近0，而无功指标VSIq却基本不变。由电压稳定指标可以看出是由有功过载而引起的电压失稳，与实际情况相符。并且在负荷变化的过程中，有功指标VSIp呈现了良好的线性。
b.仿真事件2：逐渐增加母线B43上负荷的无功功率，有功功率不变。
在B43无功负荷增长过程中，U43跌落最快，图9为B43无功负荷增长时的Q-U曲线和VSI曲线。
由图9可见，当临近电压崩溃点(Qr,max=2.04 p.u.)时，无功指标VSIq也接近0，有功指标VSIp虽然也在邻近崩溃过程中下降较大，但其幅值仍然远高于VSIq。由指标分析可见，电压失稳是由于有功过载而引起的，与实际情况相符。在负荷变化的过程中，无功指标VSIq也呈现了良好的线性度。
c.仿真事件3：同时增大B43的有功和无功负荷。
现在按照负荷的初始功角θ=arctan(P0/Q0)=68.7°逐渐增大B43的视在功率Sr。
图10中，有功指标VSIp下降较快，率先接近0，说明此时有功负荷达到极限，此时对应的Sr=3.18p.u.，Pr,max=2.97 p.u.，Qr=1.15 p.u.。与图8比较可知，无功增大会减小有功传输的极限，反之亦然。
4 结论
a.所提出的求取有功和无功功率传输极限的方法，采用简单的代数运算即可求得负荷的功率极限，计算速度快，并且不受系统规模的制约;还充分考虑了当前运行状态对有功和无功传输极限的影响，使结果更加准确。
b.采用了基于节点功率的电压稳定指标，具有良好的单调性和线性特征;并且采用π型电路模型进行分析，更接近高压电网的实际情况。
c.所提出的有功裕度指标VSIp和无功裕度指标VSIq，能够明确区分由于有功过重还是无功缺乏引起的电压失稳，能够为调度人员定量给出有功和无功的控制量作为电压稳定控制的参考依据。
负荷密度指标 篇5
1材料与方法
1.1供试材料。供试材料为优质高产玉米品种陕单8806、京科519和郑单958, 试验于2014~2015年在扶风县张中村农民大田中进行。采用大田小区栽培, 每品种设置4.5万株/hm2、6万株/hm2和7.5万株/hm2三个密度, 以品种为主区、密度为副区进行裂区设计, 随机排列, 无重复。小区面积为180m2 (12m×15m) , 行距80cm+40cm (宽窄行种植) 。6月15日播种, 施有机肥 (鸡粪) 60000kg/hm2, 纯氮480kg/hm2, 纯磷240kg/hm2, 纯钾480kg/hm2, 有机肥在整地时结合旋地一次性施入, 磷肥、钾肥和40%氮肥在播种时施入, 另外60%氮肥在拔节时作为追肥施入。管理同一般大田, 试验地可以灌溉。
1.2调查项目。叶展、7叶展、13叶展、吐丝期、吐丝25d和成熟期调查单株叶面积和单株干重;7叶展、13叶展、吐丝期调查群体内光分布;收获前调查病虫害、倒伏情况和空秆率、实收株数;每个品种按梅花型取样, 收取20个果穗进行室内考种, 内容包括:果穗长、结实长、行粒数、穗行数和千粒重等;收获计产, 每个品种收取小区中间3行的全部果穗, 称其鲜重, 根据考种的20个果穗的折干率计算的实际产量, 折合成单位面积的产量, 公式为产量 (kg/hm2) =收获果穗鲜重 (kg) ×果穗折干率 (%) /收获的面积 (hm2) =收获果穗鲜重 (kg) ×20穗干重/20穗鲜重/收获面积 (hm2) 。
2结果分析
2.1不同群体的产量和产量构成。3个品种不同密度下的产量如表1所示。种植密度的不断升高会使得各个品种的穗长和穗粗以及穗粒数明显的下降, 秃尖率明显升高, 陕单8806和郑单958的产量和密度之间存在着十分明显的正相关关系。其中, 7.5万株/hm2的产量明显要高于其他的品种。比普通的玉米田产量要高出36.4%和40.67%, 京科519在6万株/hm2密度的条件下其产量是最高的, 比普通的玉米田产量要高出41.28%。
2.2不同群体LAI的变化。不同群体的叶面积指数和生育期之间存在着明显的正相关关系, 吐丝期的LAI达到最大值, 之后又开始呈现出下降的趋势。如表2所示。LAI随着随着生育期变化的实际情况也充分的说明在拔节期之后, 玉米叶面积出现了快速增长的趋势, 到打喇叭口时期, LAI增加的具体量也得到了显著的提升。LAI在这一过程中也可能会受到密度因素的影响, 密度的上升也会使得LAI呈现出上升的趋势。不同品种的比较。京科519的群体LAI和陕单8806和郑单958相比相对较大, 陕单88096和郑单958在经历过吐丝期之后LAI下降的速度并不是很快。尤其是陕单8806在成熟期的时候其LAI还是可以保持在1.61—1.74。如果从产量的角度上来看, 吐丝期期间, 京科519的高产群体LAI一直处在5.6上下, 陕单的LAI处在5.4上下, 而郑单958的LAI在5.7上下。
2.3不同群体的GGR变化。作物生长率通常也被人们称为GGR, 它主要是对单位土地面积上的群体感悟追增长速度加以衡量, 它也是干物质累积曲线在数据上的表现。我们就可以看出, 玉米干物质积累的增长速度最快的时期是拔节期和吐丝期之间, 吐丝期到成熟期之间, 干物质累积的速度就开始呈现出放缓的趋势。拔节期之前干物质积累的速度是最为缓慢的。此外, 密度对于GGR的影响是十分显著的。陕单8806和郑单958的GGR会随着密度的增加而呈现明显的增加趋群体躯体密度就不能设置的过大, 如果其群体密度达到了7.5万株/hm2的时候, GGR会呈现出下降的趋势。这样也就使得吐丝之后的干物质积累数量明显减少, 通过对不同群体的产量结果研究之后, 相关的研究人员发现, 高产群体的GGR都在14.0g/m2.d以上。
2.4不同群体的光能截获量。光能截获量主要是对光合物质生产进行衡量的一个重要的指标。其主要是体现在整株和穗位两个层面当中, 而如果整株的光能截获量相对较小的时候, 其就会使得植株下方的叶片消耗大大增加。这样的情况下不会完成光合物质的生产, 同时还会在这一过程中对上部的光合物质产生较大的消耗。这样一来也就使得总产量大幅下降, 只有在二者达到了一个相对协调状态的时候才能保证其效益。我们可以清晰的看到, 整株光能截获量和密度之间呈现出较为明显的正相关关系, 穗位之下叶的光能截获量则出现不断下降的态势。
3结论与讨论
玉米育种专家指出, 玉米品种对产量的贡献率为20%~30%70%的贡献率必须依靠栽培技术和其它环境因素。关于普通玉米品种的配套技术和生理方面的研究较多, 然而品种不同其内部生理性状不同, 从而决定了其栽培技术和群体生理指标上的差异。对于“超级玉米”品种来说, 由于其具有特定的高产潜力和良好性状, 更加需要有相配套的适宜栽培技术指标。通过试验我们发现, 陕单8806和郑单958适宜密度在6万~7.5万株/hm2, 不能低于6万株/hm2;京科519适宜密度在6万株/hm2左右, 不能高于7.5万株/hm2。
超高产栽培由于其具有较高的产量要求, 从而决定了其在群体密度和田间肥水供应上有一个高的管理水平。本试验是在肥料较高水平下进行的群体密度水平及相关性状指标初步研究, 具体的施肥水平和肥料配比以及群体的光和物质生产、物质积累、物质运转与分配等还有待进一步研究。
摘要：主要对三个综合性状都十分典型的玉米品种在高产施肥条件下开展不同密度的栽培试验。结果显示不同品种的玉米所适合的高产栽培密度也有着十分明显的差异。主要分析了玉米高产栽培群体密度与性状指标, 以供参考和借鉴。
关键词：玉米,高产栽培,密度,产量,群体指标
参考文献
[1]李美金, 廖凤兰.美国甜玉米高产栽培技术[J].中国种业, 2005 (3) .
[2]张富才, 杨振廷.河南省夏玉米高产栽培技术[J].中国农村小康科技, 2005 (5) .
负荷密度指标 篇6
国宏化工有限公司的变换气净化装置采用了鲁齐公司的低温甲醇洗工艺, 处理变换气量218038Nm3/h, 净化气为141678Nm3/h, 运行一直比较稳定, 但近期由于生产负荷, 需要将净化气由141678Nm3/h, 提高至165000Nm3/h, 故依据现有系统指标分析, 优化运行条件, 实现了高负荷稳定运行, 显示出该工艺吸收能力强、操作弹性大的优势。本文就影响低温甲醇洗净化效果的因素及优化操作条件进行探讨。
1 影响因素
1.1 冷量的回收控制
在低温甲醇洗工艺中, 温度是影响甲醇洗净化效果的最重要因素之一, 因此也是决定系统负荷提高的重要指标之一。低温甲醇洗的净化效果取决于气体在甲醇中的溶解度和达到气液平衡时气体在气相中的分压, 而这两项因素都是温度的函数。气体在液体中的溶解度随温度的降低而增大, 因此, 需采用较低的洗涤温度对气体的净化过程有利。另外, 甲醇的蒸汽压也是温度的函数, 温度升高, 甲醇蒸汽压增大, 甲醇的损失就增加。因此, 保持低温下操作, 不但能保证甲醇有较好的吸收效果, 而且能减少净化气带走的甲醇, 甲醇损失就小。在实际操作上可以通过以下手段来实现冷量的控制。
(1) 尽量降低甲醇减压闪蒸后气体压力, 适当增加气提氮气, 以降低气体的表面分压, 促使溶解在溶液中的CO2尽可能多解吸出来, 以保证系统的冷量, 但要注意保证尾气中的硫指标合格。详情见表1。
(2) 调整丙烯制冷装置工艺, 主要通过适当提高丙烯压缩机的负荷, 丙烯的出口温度由-34℃降至-36.3℃, 来确保冷量的供给;
(3) 在保证净化气中总硫不超标的前提下, 尽可能的降低主洗塔T2201进脱硫段的甲醇流量, 以保证进闪蒸甲醇冷却器的流量, 更多的吸收丙烯冷量, 降低系统温度;
(4) 在保证再生正常的情况下, 尽量降低再生的温度, 不仅有利于减少甲醇的夹带, 降低蒸汽用量, 还能减少进入系统中的热量。
1.2 系统操作压力的控制
从传质动力学角度来看, 吸收过程的压力越高气体分子的扩散速度越快, 吸收推动力就越大因而吸收速率越快, 吸收效果也越好。因此, 吸收过程保证压力, 有利于吸收过程的进行和净化效果的提高。主要通过调整净化气出工段大阀的开度, 调节联合压缩机转速和防喘振阀的开度来实现, 维持系统压力, 保证吸收效果。
1.3 甲醇循环量的控制
气体在甲醇中的溶解度主要是温度和压力的函数, 温度、压力确定后, 气体的溶解度基本恒定。从传质动力学角度分析, 液气比大, 相平衡常数小, 有利于组分的吸收。在塔的正常操作范围内, 增加循环量, 增大液气比值, 气液两相在塔内接触越充分, 传质效果越好。但循环量的增大也会导致循环动力消耗及再生能耗增加, 因此, 甲醇循环量应在保证气体指标的前提下, 尽量选取一个适宜的液气比值, 合理匹配甲醇循环。
1.4 再生甲醇的控制
影响主洗塔洗涤甲醇的主要因素是甲醇的再生度和甲醇中的水含量等, 其直接影响了甲醇的吸收效果及出工段净化气指标。甲醇的再生度低, 精洗甲醇中的硫含量高, 吸收率大幅降低, 导致出口净化气指标不合格, 直接影响系统产量;其次是甲醇的含水量, 当含水量达5%时, CO2在甲醇中的溶解度将降低15%, H2S的溶解度也会大幅度下降。另外, 甲醇含水量增大, 溶液比重增高, 动能损耗增加, 此外含水量增加导致设备的腐蚀加剧, 增加过滤器的清洗频率, 影响系统稳定。保证再生甲醇的合格度主要通过以下几个方面实现。
(1) 维持甲醇的再生与系统的热量平衡, 甲醇再生温度的高低直接影响系统指标的好坏, 温度低再生不合格, 温度高影响系统温度, 通过以下数据 (见表2) 分析得出甲醇的再生温度应控制在80-83℃为最佳。
(2) 加强对甲醇水分离塔的监控, 加大排水力度, 控制贫甲醇中的水含量在1%左右。
(3) 定时排放含氨甲醇。
(4) 在保证尾气指标排放正常的前提下适当增加气提氮气量, 以降低再生负荷。
2 结语
通过增加系统冷量, 提高系统压力, 加大净化甲醇循环量, 以及提高再生度等操作手段, 实现了本厂提高生产负荷的要求。可见低温甲醇洗是这项气体净化技术, 具有吸收能力强、操作弹性大等优点, 仍有很大的研究空间。
参考文献
[1]陈敏恒, 等编.化工原理[M].北京:化学工业出版社, 1999.
[2]诸林.天然气加工工程[M].北京:石油工业出版社, 1996.