容量优化策略（精选7篇）
容量优化策略 篇1
0引言
电力机车负荷具有非线性、不对称和波动性的特点[1],会将产生的谐波和负序电流注入到电力系统中。 随着高速铁路的快速发展,电力机车的运行对电网电能质量的影响也日益加剧。 采用相序轮换、 提高系统电压等级等方法的治理效果有限,因此高速铁路的电能质量问题成为国内外研究的热点[2-11]。
目前对电气化铁路谐波、负序和无功问题,主要采用投切电容器或者SVC等补偿装置[2-3]来完成,但对无功容易产生过补偿,且对谐波和负序的补偿效果不佳。
铁路功率调节器RPC (Railway static Power Conditioner)[5-6]是一种能够综合补偿谐波、负序和无功的装置,由日本学者首次提出。 现有的利用RPC的综合补偿方法,牵引变压器多采用阻抗匹配平衡变压器,通过调整控制策略,使牵引变压器二次侧两相负荷大小相等、功率因数相同,即可满足一次侧负荷对称的要求[12]。 已有研究RPC在Scott接线变压器情况下的能量优化问题,由于负序和无功电流的补偿各不影响,控制策略中可以单独考虑负序或无功的补偿度[13]。 而对于V / V变压器下的RPC研究较少。 文献[14-15]研究了高速铁路采用V/V牵引变压器的情况下,利用RPC进行负序和谐波电流综合治理的方法,均完全补偿了谐波和负序电流,但是RPC所需容量较高。
本文研究了优化补偿情况下,RPC装置谐波和负序电流补偿量的检测方法。 完全补偿是指将谐波和负序电流尽量消除的补偿方式,优化补偿是指将谐波和负序电流减小到满足国标要求的补偿方式, 从而减小装置补偿所需能量。 针对RPC的补偿能量,本文提出了3个补偿指标,即有功补偿度 γ、无功补偿角度 φ、谐波补偿度 ψ;对RPC进行最优稳态功率分析,采用粒子群优化(PSO)算法[16]计算出RPC最小补偿能量下所需的 γ、φ 和 ψ,通过对这三者的控制实现RPC的最优能量控制。 采用能量优化补偿方法对RPC进行容量配置,并针对补偿的实时性要求,提出了一种工程应用方法。 仿真结果表明, 本文提出的能量优化补偿策略可以减小RPC的补偿容量,提高装置的经济性。
1 RPC补偿的原理
RPC补偿装置结构图如图1所示。 系统电压为220 kV,高速铁路牵引变压器采用V / V接线方式, 两供电臂接触线额定电压为27.5 kV。 定义图中右侧供电臂为 α 供电臂,左侧供电臂为 β 供电臂。 RPC补偿装置通过降压变压器连接到2个供电臂。 RPC的2个电压源变流器通过直流电容给2个变流器提供直流电压。 通过控制RPC来实现谐波、负序的综合补偿。
假设系统电压为理想电压源,一次侧三相电压UA、UB、UC分别为:
其中,U为A、B、C三相相电压有效值。
设V/V接线变压器变比为k,则可得到2个牵引供电臂电压Uα、Uβ分别为:
其中,UAC、UBC分别为牵引变压器一次侧AC、BC相间线电压。
高速铁路采用交直交电力机车,为了分析方便, 假设负荷功率因数近似为1[14],则补偿前 α、β 两供电臂基波电流Iα0、Iβ0为:
其中,Iα0、Iβ0为补偿前 α、β 两供电臂基波电流有效值,IaL、IbL为负荷基波电流。
牵引变压器一次侧电流IA0、IB0分别和二次侧电流Iα0、Iβ0同相位。 由式(1)—(3)可得补偿前的电压、 电流关系,如图2所示,补偿前A、B、C三相电流IA0、 IB0、IC0不平衡,存在负序电流,IA0滞后UA30°,IB0超前UB30°。
要使补偿后三相电流IA、IB、IC平衡,则补偿后IA、IB应分别和UA、UB同相位且大小相等。完全补偿后的三相电流相量图[15]如图3所示,补偿可分为有功补偿和无功补偿,有功补偿的补偿电流方向和IA0、IB0方向平行,补偿量为ΔIPα、ΔIPβ,无功补偿的补偿电流方向和IA0、IB0方向垂直,补偿量为ΔIQα、ΔIQβ。
设Pα0、Pβ0分别为补偿前α、β两供电臂的负荷基波有功功率。根据补偿前后牵引供电系统提供给负荷总有功功率不变的原理,完全补偿需要补偿的有功量ΔPα、ΔPβ的绝对值大小相等,且和为零,分别为:
完全补偿需要补偿的无功量 ΔQα、ΔQβ为:
由图3可见完全补偿后三相电流IA、IB、IC平衡, 大小相等,且相互相差120°。
2补偿装置的能量优化
2.1负序补偿的能量优化
采用V/V接线牵引变压器情况下,正序电流和负序电流的计算公式为:
其中,a=ej120°。
根据GB/T15543《电能质量三相电压不平衡》, 设公共连接点(PCC)的正序阻抗与负序阻抗相等, 则牵引负荷引起的PCC处负序电压不平衡度 εU2计算公式为:
其中,UL为牵引网额定电压,单位为kV;Sk为PCC的三相短路容量,单位为MV·A;I2为电流的负序值,单位为A。
由式(7)可得:
RPC完全补偿负序电流所需能量较高,经济性较差,实际中可仅补偿到满足国标要求。 GB/T15543规定:接于PCC的每个用户引起该点负序电压不平衡度允许值一般为1.3%。 考虑一定的补偿裕度,可令补偿后电压不平衡度小于国标规定。 对于特定的牵引供电系统,UL、Sk已知,即可由式(8)得到补偿后的负序电流目标值I2*。
采用优化补偿时电压、电流关系如图4所示,补偿前电流为图2中对应的IA0、IB0,补偿后电流为I′A、 I′B,有功电流补偿量为 ΔI′Pα、ΔI′Pβ,无功电流补偿量为 ΔI′Qα、ΔI′Qβ。
考虑能量优化补偿情况时,定义2个补偿指标,分别为有功补偿度γ、无功补偿角度φ,其中γ[0,1],φ[0,π/6]。定义φ为I′A和IA0(或IB0和I′B)之间的夹角。需要补偿的有功量ΔP′α、ΔP′β的绝对值大小相等,且和为零。定义γ为:
有功量 ΔP′α、ΔP′β分别为:
无功量 ΔQ′α、ΔQ′β分别为:
α 供电臂需要补偿基波能量为:
β 供电臂需要补偿基波能量为:
RPC补偿需要的总的基波能量S′1为:
RPC在补偿过程中所需的基波总能量是m、n、 φ、γ 的函数,其中在m、n一定的情况下,可以求 φ、γ 的最优解使S′1在最小能量下补偿。
图4中优化补偿情况下,设I′α、I′β为补偿后二次侧目标电流基波,分别和I′A、I′B同相位。将补偿后二次侧基波电流Iα=I′αej(-30°+φ),Iβ=I′βej(-90°-φ)代入式(6),其中I′α、I′β分别为I′α、I′β的有效值,经过计算可以得出I-为:
其中,I-为负序电流I-的有效值。
利用式(8)得到的I2*,可得约束条件:
以式(15)为目标函数,则可以通过PSO算法[16]求满足负序要求的RPC能量优化问题:
由式(18)求得满足S最小时的最优解 φ、γ。
2.2谐波补偿的能量优化
谐波完全补偿时所需谐波能量S2为:
其中,Uα、Uβ分别为 α、β 两供电臂电压有效值,Iαh、Iβh分别为 α、β 两供电臂第h次谐波电流有效值。
根据GB/T14549—93《电能质量公共电网谐波》,可以将比较严重的3、5、7次谐波电流补偿到满足国标要求的谐波电流允许值I*3、I*5、I*7,其他次谐波电流完全补偿,并可使总谐波畸变率THDi低于给定值THD*i。定义谐波补偿度为ψ,优化补偿后的谐波电流为I′αh、I′βh,补偿前谐波电流为Iαh、Iβh,则ψjh(j=α或β;h=3,5,7)为:
若THDi≤THDi*,ψjh可由下式计算得到:
若THDi> THDi*,则 ψjh可由下式计算得到:
ψjh可以根据实时检测到的Ijh由式(21)、(22)直接算得。
谐波优化补偿时所需谐波能量S′2为:
S′2 = S2 - Uα 姨h=3 ，鄱5 ，7(I′α h )2- U β姨h=3 ，鄱5 ，7(I′β h)2(23)
经过负序补偿和谐波补偿的能量优化后,RPC补偿所需总能量S为基波能量S1′和谐波能量S′2之和:
3应用分析
3.1实时补偿解决措施
以某个实际牵引变为例,α、β 两供电臂实际负荷功率Pα0、Pβ0变化范围分别为0~20 MW,以1 MW为变化步长,对Pα0、Pβ0各种负荷组合情况利用2.1节所述方法进行PSO离线计算,求出满足不同负荷情况下的最优解 φ、γ,制定出补偿度和负荷情况对照表。 表中数据满足下式:
以有功补偿度 γ 为例,α 供电臂实际负荷功率为Pα0j时,γ 以 β 供电臂负荷功率Pβ0为变量拟合得到的多项式为:
根据aij随Pα0 j的变化情况,可以拟合得到ai以Pα0为变量的多项式为:
这样就可以拟合得到 γ 以连续量Pα0、Pβ0为变量的多项式为:
同理可以得到 φ 以连续量Pα0、Pβ0为变量的多项式:
对于算得的 φjk、γjk为零的情况,不计入多项式拟合的计算中。 l、l′、h、h′的值根据实际情况和要求的拟合度确定,本算例中参数的拟合度在99%以上。
将式(9)代入式(29)、(30)可以近似得到 φ、γ 用m、n表示的多项式:
其中,m[0,40],n[0,20]。
3.2 RPC容量配置
利用能量优化补偿策略,将RPC的容量配置为S*:
S′1max、 S′2max可根据实际负荷变化情况,利用能量优化方法,事先离线计算得到。 根据谐波的实测数据,谐波含量较低,基本符合国标要求,能量优化补偿下谐波容量S′2max相对于完全补偿下谐波容量S2max有一定降低,但主要是负序问题决定着RPC补偿装置的容量。
以3.1节中实际牵引变为例,当 α、β 两供电臂实际负荷功率Pα0、Pβ0变化范围分别为0~20 MW时, 能量优化补偿所需S′1的最大值S′1max出现在一供电臂负荷为0 MW、另一供电臂负荷为20 MW处,此时 φ、γ 分别为13.03°、0.592 3,S′1max为12.84 MV·A。
由式(4)、(5)可得完全补偿时所需基波能量S1为:
对于不同的负荷情况,S1的最大值S1max出现在两供电臂负荷均为20 MW或一供电臂负荷为0 MW、 另一供电臂负荷为20MW处,此时S1max为23.10MV·A, 能量优化补偿方法下负序容量S′1max仅为完全补偿下负序容量S1max的55.58%,提高了补偿装置的经济性。
3.3对实际负荷功率因数不为1的修正
考虑功率因数不为1的情况下,牵引变电所α、β两供电臂负荷可能出现以下4种情况:两臂均为牵引工况;两臂均为再生制动工况;α供电臂为牵引工况,β供电臂为再生制动工况;α供电臂为再生制动工况,β供电臂为牵引工况。补偿前A、B、C三相电流I′A0、I′B0、I′C0不平衡,存在负序电流。以图5(a)中两臂负荷均为牵引工况为例,I′A0滞后UA角度30°+θα,IB0超前UB角度30°-θβ,θα、θβ分别为α、β供电臂的功率因数角。其他负荷情况见图5(b)、(c)、(d)。
以图5(a)中两臂负荷均为牵引工况为例,由实际负荷电流I′A0、I′B0的基波电流IA1、IB1按2.1、3.1节中方法进行分析,φ、γ由式(31)直接计算得到。
定义 α、β 两供电臂基波负荷的无功补偿角度分别为 φα 、φβ 。 定义 θα 、θβ 值的正负如下:θα 超前UAC取正号,滞后UAC取负号;θβ超前UBC取负号,滞后UBC取正号。
对负荷功率因数不为1进行补偿度修正,φα可由式(34)得到:
φβ可由式(35)得到:
此时补偿的最优程度虽然不及PSO算出来的精确,但是既达到了国标的要求,又满足了补偿的实时性要求,有利于工程的实际应用。
4谐波、负序电流的检测和控制方法
采用的RPC装置谐波和负序检测原理图见图6。
经过RPC装置补偿后的 α、β 供电臂的基波目标电流i′α、i′β为:
将α、β两供电臂负荷电流检测值iaL、ibL与i′α、i′β相减,此时补偿量中包含全部谐波,再减去满足国标要求的谐波电流i′αh、i′βh(h=3,5,7),即可得到需要补偿的谐波和负序电流为:
将得到的 α、β 两供电臂补偿电流目标值iac、ibc通过滞环比较控制环节,即可控制变流器进行谐波、 负序的综合补偿。
5仿真分析和验证
以京津高速铁路某实际牵引变为例,3.2节中已经验证了能量优化补偿策略下的RPC装置容量比完全补偿下的容量减小很多,对于实际负荷需要补偿的能量小于额定容量S*的情况,能够根据式(21)、 (22)、 (31) 实时地计算各补偿度, 采用MATLAB / Simulink仿真验证能量优化补偿策略的优越性。 系统的仿真参数如下:三相电压为220 kV;牵引变压器变比为220∶27.5;牵引变压器短路阻抗Uk为8.6 %; 次边绕组负载损耗为225 kW;RPC降压变压器变比为25∶1.25;RPC输出电感为0.1 mH;RPC直流电压为4 kV;直流侧电容为0.2 F;PI参数为KP= 30,KI= 10;滞环比较器滞环宽度为0.2 H / A。
假设系统电压三相平衡情况下,某工况下 α 供电臂有功功率为19.71 MW,β 供电臂有功功率为4.47 MW。 负载采用电阻负载并联不可控整流负载, 功率因数近似为1且含有谐波[14],满足高速铁路负荷的特性。 设计满足以上功率负荷,α 供电臂负载为0.20 Ω 电阻负载并联不可控整流负载,不可控整流负载为0.23 Ω 电阻串联0.07 H电感,β 供电臂电阻负载为0.75Ω,不可控整流负载1.15Ω 电阻串联0.35 H电感,两供电臂负载功率不相等。 负载通过变比为27.5∶1.5的变压器接入牵引网。 图7(a)为补偿前三相电流波形,可以看出三相电流不对称,且含有谐波。
考虑能量优化补偿的情况下,设系统短路容量为1 000 MV·A,εU2考虑补偿裕度设为1%,可以根据实际情况灵活调整。 将式(37)中补偿电流iac、ibc加上谐波电流i′αh、i′βh(h = 3,5,7),则对负序进行优化补偿,对谐波完全补偿。 由式(8)可得优化补偿时负序电流有效值限值I2*= 26.24 A。 采用式(31)求得对应的无功补偿角度 φ 为13.34°,有功补偿度 γ 为0.5326。 图7(c)为只优化负序时补偿后三相电流波形。 对负序和谐波均进行优化补偿时,3、5、7次谐波电流限值按照国标折算到1 000 MV·A短路容量取4.8 A、 4.8 A、3.4 A,谐波畸变率THDi*限值取3%。 补偿后三相电流波形如图7(d)所示。
补偿前、完全补偿后和优化补偿后各项指标的仿真结果见表1。
由图7和表1可以看出,完全补偿和优化补偿后谐波都明显减少,有良好的治理效果。 负序优化补偿后的谐波电流THDi比完全补偿后谐波电流THDi要低,这是因为在直流侧电容一定的情况下,负序优化补偿时补偿的目标电流比完全补偿时小,所以补偿的效果比完全补偿要好;而谐波和负序综合优化补偿后谐波电流THDi小于且接近3%,与给定的谐波畸变率THDi*限值相符,相对于完全补偿,一定程度上降低了补偿装置所需的谐波能量。
RPC补偿前谐波电流较高,负序电流较大,负序电压不平衡度为1.67%,超过国标规定。 完全补偿后,负序电流可以基本全部消除,三相电流接近平衡, 负序电压不平衡度近似为零,但RPC所需补偿负序能量较高,为20.67 MV·A。 优化补偿后,负序电流可以按需补偿到该系统的负序电流限值,负序电压不平衡度也与给定值 εU2相符,满足国标要求,且RPC所需补偿负序能量大幅减小,减小了10.56 MV·A,优化补偿所需负序能量为完全补偿的48.91%。
本文所提的能量优化补偿策略能够有效减小RPC装置所需补偿能量,本算例中负序优化补偿使RPC补偿装置的能量从24.16 MV·A减至13.95 MV·A, 谐波和负序均优化补偿后,装置所需能量进一步减小为13.21 MV·A。 RPC补偿能量的减小,一方面靠使谐波和负序电流只补偿到满足国标要求;另一方面对于特定的谐波和负序电流限值,计算出RPC所需总能量S较小情况下的有功补偿度 γ、无功补偿角度 φ 和谐波补偿度 ψ。 由此给出的补偿目标电流量控制方便,易于实现。
6结论
本文提出的RPC容量配置和能量优化补偿策略,能够减小装置的设计容量,且能使装置在较小能量下补偿谐波和负序电流,既能使谐波和负序电压不平衡度满足国标要求,又能提高装置的经济性。
对RPC进行最优稳态功率分析,在满足特定谐波和负序电流限值的情况下,提出的检测方法能够直接计算出补偿总能量S较小时无功、有功补偿指标 φ、γ 和谐波补偿度 ψ。 通过对 φ、γ、ψ 的控制直接给出补偿后的目标电流量,实现RPC的最优能量控制,控制方法简单,易于实现。
通过大量事先离线计算不同负荷情况下的最优解 φ、γ,制定出补偿度和负荷情况对照表。 利用补偿度和负荷情况对照表中的数据,采用参数拟合的方法计算出 φ、γ 的表达式,并对功率因数不为1的情况进行修正,可以由实测负荷迅速算出补偿度,满足实时补偿要求,有利于工程的实际应用。
仿真结果验证了本文提出的能量优化补偿策略在有效治理谐波和负序电流的基础上,大幅提高了RPC补偿装置的经济性。
摘要：针对高速铁路牵引供电系统的谐波、负序问题,提出一种采用铁路功率调节器(RPC)补偿装置的能量优化补偿策略。研究了优化补偿情况下RPC装置谐波和负序电流补偿量的检测方法。针对RPC的补偿能量,对RPC进行最优稳态功率分析,提出了3个补偿指标:有功补偿度γ、无功补偿角度φ、谐波补偿度ψ。采用粒子群优化(PSO)算法计算RPC最小补偿能量下所需的γ、φ和ψ,通过对γ、φ、ψ的控制实现RPC的最优能量控制。采用能量优化补偿方法对RPC进行容量配置,并针对补偿的实时性要求,提出了一种工程应用方法。仿真结果表明,所提出的能量优化补偿策略可以减小RPC的补偿容量,提高了补偿装置的经济性。
关键词：铁路功率调节器,负序电流,谐波电流,能量优化,容量配置,V/V接线变压器,补偿
洛阳机场容量分析及优化 篇2
飞行区被释义为飞机在其上运行的各组成部分的体系, 飞行区的容量直接决定着机场容量的大小。对机场规划来说, 飞行区容量曾以两种方法下了定义。一个定义是美国在过去曾大量使用的, 即容量是在相应于可容许的平均延误程度的一个规定时间间隔里的飞机运行架次数, 称之为“实际容量”。另一个正在得到更多支持的定义是, 容量是当有连续服务 (所谓连续服务需要是指总是有飞机在准备起飞或降落) 需要时在一个规定的时间间隔里飞行区可能容纳的最大飞机运行架次数。飞行区的容量, 通常由跑道的容量所控制。发达国家在机场营运中通常都要公布该跑道的最大运行容量。在雷达管制条件下, 单跑道每小时起降容量约40架次, 例如英国的曼切斯特市机场公布的跑道容量为42架次/小时;双平行跑道每小时起降容量约80架次, 例如英国伦敦希斯特罗机场公布的跑道容量为78~82架次/小时, 法国巴黎戴高乐机场公布为76~82架次/小时。机场的飞行区容量主要受空中交通管制因素, 机场跑道的布局及管理模式, 在机场运行的航空器类别及比例, 气象条件, 空域限制等因素的影响。因此改善飞机在地面的交通, 修建快速脱离道和滑行道, 使地面交通顺畅;合理规划跑道的使用;加强进, 离场飞行的管理, 完善空中交通管制手段等, 都可以在一定程度上提高机场飞行区的容量。
随着民航事业的发展, 进几年全国飞行量增长率将在15%以上, 但是我国航班还远未达到社会需求, 修建机场, 开辟航线、增加航班充分利用跑道的要求仍然比较强烈, 有经验的空中旅行者已逐渐习惯于飞行的延误、超额定票、衔接脱节、缺少停车位置以及在高峰时期的排长队等。在许多航空运输旅程中, 飞机在快速特性方面的相对优点已被机场地面通道、航站体系和空中飞行延误而大大地削弱了。根本来说, 机场系统的拥挤和延误的产生是由于机场系统容量的不足, 航空需求超过了机场系统的容量, 因此, 机场容量的优化十分重要。
洛阳分院始建于1958年11月, 1963年8月由遂宁机场迁至广汉机场后又在1993年9月从四川省广汉机场迁至河南省洛阳机场, 与原洛阳航站合并组建而成。其前身为中国人民解放军第十四航空学校第二训练团。洛阳北郊机场主权隶属于中国民航飞行学院, 机场使用性质为航空运输和训练合用机场, 机场具有塔台管制和航空咨询服务。机场通讯导航设施较为完备, 净空良好, 气象条件优越, 助航灯光设施设备较完备, 是我院培养飞行员的重要基地之一, 承担极为重要的训练任务。因此洛阳机场除了承担着航班运输生产, 各类包机、加班、保障专机以及郑州、西安两大机场的备降任务以外还承担着大量的飞行训练任务, 所以飞行量大, 飞机批次流量多。因此, 如何更合理的调配航班运输与飞行训练的冲突也成为影响洛阳机场容量的一个重要因素。
针对洛阳机场的具体情况, 可以从以下几个方面来改善洛阳机场的容量。1.扩建现有机场设施。如扩建跑道系统、增加停机位、改进滑行道系统等飞行区的扩建以及为适应处理旅客设施的不足而扩建航站楼或新建另一航站楼, 改善保证日常正常机场运行所需的空管办公系统等等。目前, 洛阳机场已建成新的航站候机楼, 基本能满足旅客增长的需要, 但是, 洛阳机场空管办公系统包括电报系统, ATIS自动通波系统, 气象信息显示系统等比较落后, 很多程序完全靠手动操作, 既浪费时间与人力还存在着误差, 在很大程度上制约着机场的发。因此, 为了改善洛阳机场的容量, 更新空管办公设备已迫在眉睫。2.某些航空运行的调整。洛阳机场是以训练飞行为主的机场, 机场空域内一般都是小型飞机, 再加上航班飞行, 这些小型飞机与航空公司的大型飞机一起进行飞行时, 因飞机飞行时存在尾流涡流, 小型飞机在大型飞机后飞行情况更是严重, 因此飞机之间的间隔必须要加大, 所以这些飞机对于机场系统的容量有着极大的影响。将航班跟训练高峰分开则可以显著地增大该机场的容量。3.提供远程服务设施。对于旅客来说, 当其需要乘坐飞机出行时, 一般是购票后乘车 (机场班车、出租车或其他车辆以及其它地面交通系统) 到机场, 或乘车到机场后购票, 在机场办理各种手续 (如办票、托运行李、安检等) 后登机。而远程服务设施则是指这些原本应该在机场办理的手续可以在机场以外进行办理, 在办理完后, 直接由机场当局或航空公司送至登机口, 这样就减轻了传统机场设施 (如办票柜台、托运行李等等) 的负担。4.改善现有航站处理系统。通过对现有航站处理系统的改进, 可以提高航站处理系统的效率, 从而避免机场的拥挤, 这些处理系统如旅客办票柜台、自动购票登机等。现有的旅客办票柜台一般是按航空公司各航班分别办理, 这样当高峰时会形成较长的排队长度, 如果能实现共用办票柜台, 不论那个航班, 在机场的任何一个办票柜台都可以进行办理, 则就可以大大提高办票效率, 减少机场的拥挤程度。同样如果能实现自动购票登机, 更能大大提高机场航站内的工作效率。
随着我国国民经济持续快速的增长, 我国的空中交通流量也高速增长, 机场容量作为机场中最容易形成瓶颈的子系统往往决定了整个空中交通容量水平。因此能够使现机场容量得到最大的优化, 将具有重要的现实意义。
摘要：最近几年, 航空需求的急剧增长给机场带来了一系列问题, 如高峰时机场拥挤、延误增加, 服务质量严重下降等。造成这些问题的根本原因在于机场系统容量的有限性和航空需求的无限增长性, 机场需求超过机场容量, 机场容量已不能满足当前航空运输的需求, 机场系统需要进行改善。因此机场容量和延误的资料对机场规划者是很重要的, 在航空界里坚决相信, 通过对产生延误的各因素的了解和采取技术革新方法以减少延误, 大量的提高航空运输效率是能够实现的。规划者通过对机场容量的预测与计算, 确定是否需要进行改善以增加容量, 借以选择确定最有效的构形, 大大提高机场利用率, 减少延误, 以获得更大的收益。本文通过对机场容量的分析, 提出了一些建议, 以促进机场系统的改善, 满足航空运输的要求。
关键词：机场容量,飞行区容量,机场系统
参考文献
[1]倪桂明、杨东援.改善机场系统增加机场容量.民航经济与技术.2000.10
[2]刘得一.民航概论.中国民航出版社.2000
[3]罗伯特·霍隆杰夫, 弗兰西斯·马卡维.机场规划与设计.同济大学出版社.1985.5
[4]潘卫军、陈亚青等.空中交通管制基础.中国民航飞行学院.1998.6
TD-LTE的容量优化研究 篇3
TD-LTE容量分析由控制面和用户面组成。控制面容量指标包括同时调度用户数与同时在线用户数, 其中同时调度用户数是衡量系统的基本指标, 分为上下行控制信道容量 (受限于空中接口资源及信道配置) 。用户面容量指标可按业务类型进行划分, 包括Vo IP业务和数据业务。其中数据业务由小区峰值吞吐量、小区平均吞吐量及小区边缘速率等;Vo IP业务指标即Vo IP用户数。
2 TD-LTE容量估算
2.1 上行控制信道容量估算
TD-LTE上行信道包括PRACH、PUCCH和PUSCH信道, 控制信道容量分析与PRACH、PUCCH信道有关。
(1) PRACH信道容量。从容量角度分析, PRACH信道容量关注在满足确定碰撞概率指标下, 小区可同时接入的用户数。它取决于小区支持的场景 (小区覆盖半径) 、随机信道格式 (Format0~4) 选择及每无线帧随机信道资源配置。
(2) PUCCH信道容量。在TD-LTE系统中, 上行控制信息 (UCI) 包括ACK/NACK、CQI/PMI/RI以及SRI。为了保证上行传输的单载波特性, 用户在没有PUSCH传输的上行子帧中, 利用PUCCH信道传输上行控制信息 (UCI) ;在有PUSCH传输的子帧中, 上行时隙从频域上划分为控制区域和数据区域, 上行控制信息 (UCI) 复用在控制区域传输, 其时频位置与PUCCH一致, 数据区域则用于用户业务数据传输。在实际的网络配置中, CQI/PMI/RI、SRI信息的各种上报周期都可能出现, 而且PUCCH信道分配的RB数也可以根据用户数而变化, 因此, PUCCH容量也会随资源配置的调整而变化。PUCCH信道的容量在确知系统参数的情况下, 往往可以通过查表得到各种控制信息的可调度用户数。
2.2 下行控制信道容量估算
(1) 下行参考信号资源占用。天线端口数固定后, 资源占用是固定的, 所以不影响系统容量, 但在计算PDCCH可用资源块时要扣除资源占用。
(2) PHICH信道容量分析。PHICH信道承载的是对UE上行数据的ACK/NACK反馈信息, 实现LTE系统的HARQ过程。PHICH资源是按照PHICH组来组织的, 对于常规CP, 1个PHICH组可以承载8个用户的ACK/NACK信息, 不同的用户通过正交码进行区分。每个PHICH组占用3个REG的资源。通过上述分析, 对PHICH信道的容量分析, 也就可以转化为对一个无线帧中每个下行子帧可承载的PHICH组的数目, 然后再乘以8就可以得出该子帧最多可以承载的用户数。
(3) PDCCH信道容量分析。PDCCH, 主要承载下行控制信息 (DCI) , 分析PDCCH信道的容量, 与LTE容量分析的控制面指标同时调度用户数有很大的关系。所谓同时调度用户数, 是指系统每TTI可调度的用户数, 主要由控制信道资源决定。首先, 计算下行子帧中控制域总资源数目:控制域总资源数 (REG) =系统总资源数 (RB) ×控制域OFDM符号数 (个) ×3;其次, 确定控制域用于非PDCCH信道的资源数, 主要包括三部分:下行参考信号、PCFICH信道和PHICH信道占用的资源数;最后, 用系统控制域总资源数减去非PDCCH占用的控制域资源数即为PDCCH可用资源数, 然后根据PDCCH聚合等级不同计算每TTI同时可调度用户数。
2.3 业务信道容量估算
TD-LTE系统承载业务包括Vo IP业务和数据业务, 其中Vo IP业务以可承载用户数衡量, 数据业务以小区吞吐量衡量。
3 TD-LTE容量的分析方法
LTE的容量分析方法, 可以划分为下述三方面。
(1) 激活用户数。激活用户数指处于RRC_CONNECTED的用户数。系统中每增加一个激活用户会消耗无线资源、设备、传输资源, 由于UE可以在RRC_IDLE不RRC_CONNEC-TED态之间做转换, 如果激活用户太多, 会导致新的呼叫无法接入, 并会使已接入用户业务感受降低。如果RRC Connection Setup失败率超过1%, 需要立即检查小区内的最大激活用户数利用率, 如果超过扩容门限则需要会导致用户准入失败。
(2) 平均用户速率=小区吞吐率/小区用户数。
(3) PRB使用率。小区物理资源块PRB实际使用情况, 可以反应用户上下行业务的使用情况。PRB利用率=PRB资源使用平均数/带宽总RB数。
(4) PDCCH资源。PDCCH信道容量通过符号数与CCE个数来进行评估, e Node B同时给每帧的上、下行调度用户及其它的公共控制信令分配CCE。如果PDCCH符号数不够, 即PDCCH资源受限, 为调度用户分配CCE失败, 将导致用户调度时延增大, 影响用户业务感受。
(5) PRACH资源。PRACH的负载情况可以通过每秒处理的PRACH数量以及相应的冲突概率评估PRACH负载。如果非竞争接入次数超过100次/秒, 即当前时刻无法为用户分配与用前导, e Node B会指示UE禁止竞争的随机接入。此时用户总的随机接入时延将增大, 对切换用户来说, 即切换时延增大。如果竞争接入次数超过100次/秒, UE収起随机接入遇到冲突的概率增大, 接入时延增大。可以通过e NB的调度算法以平缓RACH负载尖峰, 降低平均RACH时延。
4 TD-LTE容量优化举例
(1) 监测到平均激活用户用户数在34的时候, 建议n Cqi Rb从2调整到5, cqi Per Np从20ms调整到40ms。把CQI的用户数提高到200个, 当监测到激活用户在280个, 建议进行物理扩容。
(2) 当PDCCH下行控制信道资源利用率大于40%时可以通过修改CFI来增加PDCCH的符号数, PDCCH下行控制信道资源利用率大于70%时, 就必须通过扩容来增加PDCCH。CFI符号数越多下行速率越低。
摘要：随着4G用户的逐渐增长, 高负荷网络下的性能及用户感知保持将是后续网络优化工作的重点。通过对高话务场景重要网络参数及信道进行合理配置, 研究一种容量的分析方法合理平衡小区间、频率间和无线接入技术之间的负荷, 使有效的资源得到充分利用。
容量优化策略 篇4
关键词：风力发电系统,混合储能,储能容量优化配置,遗传算法
1 引言
风能是一种清洁能源,但由于自然条件的变化,风速和风向不断的、随机的变化,导致风力发电输出功率具有不稳定性和不可预测性,直接影响微电网的调度运行,而通过风力发电系统和储能设备的协调配合,可以提高风力发电技术的可调度性和可控性。
近年来,混合储能的容量配置及控制策略得到广泛的关注。混合储能将容量小、寿命长、功率比较高储能环节与容量比较大、循环次数受限、相对能量比高、功率比低的储能环节结合使用,如将超级电容器与蓄电池混合。但是对混合储能的研究仍然处于初级阶段,而且研究主要集中在控制策略上,对容量配置的研究较少。目前对容量配置的研究大多按照经验配置混合储能的容量,未用定量的分析[1,2]。本文中风力发电系统的储能装置是蓄电池和超级电容器混合组成的,混合储能系统的容量配置是一个非线性规划问题,利用遗传算法进行求解,配置混合储能装置的全生命周期最小费用[3,4,5,6,7,8]。
2 模型分析
基于蓄电池和超级电容器混合储能独立风力发电系统的结构如图1所示。当风速比较大时,储能装置处于充电状态,将电能存储起来;当风速比较弱或者峰值负荷时储能装置为负荷供电,以保证系统平稳连续的供电,提高供电可靠性。
2.1 蓄电池的模型
每个蓄电池的额定电压为Ub(V),额定容量为Cb(A·h),假设蓄电池组由m个蓄电池组成,则总的储能量Eb(MW·h)为
当蓄电池放电时,假设最大放电深度为DOD时,则蓄电池组的最小的剩余储能量Eb min(MW·h)为
蓄电池通常以C10的时间率放电,则蓄电池组输出功率的额定值为
2.2 超级电容器的模型
每个超级电容器的端电压为Uc,电容值为Cc,假设超级电容器组由n个超级电容器组成,则总的储能量为
在实际情况中,超级电容器的工作电压有一个范围,记为Uc min~Uc max,则该超级电容器组的最大储能量为
最小值为
假设超级电容器工作电流的最大值为Ic max,则超级电容器组输出功率的最大值可表示为
2.3混合储能系统的充放电状态
系统中风电的输出功率Pw和负荷功率P1都有很大的波动性,导致随着时间的变化储能部分的储能量也在不断变化。
记不平衡功率为
式中:ηc为风电系统中逆变器的功率转换率。
当DP > 0时储能装置处于充电状态,储能装置的储能量可以表示为
当DP < 0时储能装置处于放电状态,储能装置的储能量可以表示为
式中:Eb(kt),Ec(kt)为在kt时刻蓄电池组和超级电容器组的储能量;Eb[(k - 1)t],Ec[(k - 1)t]为(k - 1)t时刻蓄电池组和超级电容器组的储能量;Pb(kt),Pc(kt)为kt时刻蓄电池组和超级电容器组的充电和放电功率;ηbc,ηcc为蓄电池组和超级电容器组充电效率;ηbd,ηcd为蓄电池组和超级电容器组放电效率。
3 基于遗传算法储能容量的优化配置
基于蓄电池和超级电容器互补性,将二者混合使用。其中蓄电池承担不平衡功率ΔP中的基本部分,超级电容器承担不平衡功率ΔP中的波动部分,以减少蓄电池的充放电次数,延长了蓄电池的寿命,改善了储能装置的性能,提高供电可靠性。
3.1 LPSP计算流程
风力发电系统的运行指标是负荷缺电率LPSP(loss of power supply probability),负荷缺电率LPSP是负荷缺电量Elps与负荷总需求量El的比值。即
当风电功率满足负荷需求(ΔP>0)时,负荷缺电量Elps=0,储能装置充电,当风电功率不足(ΔP<0)时,储能装置放电补充电源功率的缺额,即
3.2 生命周期费用
IEC 60300—3—3(国际电工委员会制定的生命周期费用的计算标准)中的条例[9]规定设备的生命周期费用(life cycle cost,LCC)是指设备从规划、设计、制造、安装、使用、维修和废弃的整个过程中产生的总费用[10]。包括购买费用,拥有费用和处理费用即
式中:LCC为生命周期费用;Civ为设备的购买费用;Cow为设备的拥有费用;Cdc为设备的处理费用(残值费用和报废费用)。
设备的生命周期费用中,购买费用随时间增长所占的比例下降,拥有费用随时间的增长而上升,在很多情况下,购买设备的费用低于生命周期的拥有费用,因此应该考虑设备的整个生命周期的费用,而不只是考虑初始价格,这样更符合实际情况,更具有现实意义。
储能系统优化的目标模型为购买费用、运行费用、维护费用和处理费用4大费用之和,即
式中:Civ为购买费用;Coc为运行费用(包括实验、安装、损耗、人工费用等);Cmc为维护费用(包括故障前后的维护费用);Cdc为处理费用(包括报废费用和残值费用)。
3.3 优化约束条件
考虑独立风电系统的运行特性及储能系统的管理策略,建立约束条件如下:
式中:m为储能系统中蓄电池的个数;n为储能系统中超级电容器的个数;α为不平衡功率中基本部分所占的比例;β为额定负荷中重要负荷所占的比例。
3.4 遗传算法
遗传算法是一种借鉴生物界的进化规律而演化来的高度并行、随机搜索和自适应寻优方法[11]。具有鲁棒性能好、方便用于解决离散且复杂的非线性问题等优点。正因为这些优点,使得遗传算法得到了非常广泛的应用。
遗传算法的流程如图2所示,步骤如下:
1)随机产生N个初始个体,构成初始种群;
2)计算每个个体的适用度函数值;
3)基于适用度函数值,选择、交叉和变异产生新一代群体;
4)判断种群是否停止条件,如果不满足返回第2)步,如果满足,执行下一步;
5)从当代群体中选择出最优个体作为优化问题的最优解。
4 算例分析
假设某一风电示范工程规模为60 MW的风电场,当地负荷为40 MW,逆变器效率为0.95,α为0.7,β为0.65,LPSPmax为0.05。现在要为其配置储能容量。具体参数见表1。
图3所示为某地风电输出功率和负荷功率在48 h内的变化曲线,结合表1所列蓄电池和超级电容器的参数及各项约束指标,优化目标在48 h里储能装置的总费用,运用遗传算法在Matlab环境下编程求解,得到了最优点近似值。优化后所得的详细值见表2。
由表2可见,在相同的供电要求下,当单独使用蓄电池作为储能装置时,所用的最小费用为28 316元,当蓄电池-超级电容器混合储能用作储能装置时,所用的费用为25 454元,即在48 h内储能费用减少了2 862元,降低了混合储能的成本,提高了整个系统的经济效益。
图4所示为48 h内两种储能装置的输出功率变化曲线,其中Pb曲线是蓄电池的输出功率变化曲线,Pc曲线是超级电容器的输出功率变化曲线,比较两条曲线看出蓄电池的输出功率比较少,这是由于系统中的不平衡功率主要由超级电容器承担,优化了蓄电池的工作状态,并使其使用寿命延长,从而降低了风电系统中储能装置的生命周期费用。
综上可知,蓄电池-超级电容器混合储能用作储能装置时,不仅降低了储能系统的生命周期费用,而且延长了蓄电池的使用寿命。
5 结论
容量优化策略 篇5
冷热电联供型微电网供能形式多样, 设备组合策略较多, 如何提出一种通用性较强的联供型微电网的优化规划方法很重要。文中分析了不同冷热电联供型微电网的特性, 然后研究了联供型微电网通用规划模型, 最后在CPLEX中编程实现该规划模型并用算例进行验证, 结果显示该规划模型通用性较强, 且规划结果也较优。
1 典型联供型微电网
冷热电联供型微电网中原动机可采用 (微型) 燃气轮机、内燃机、燃料电池、斯特林发动机等, 余热吸收利用中可采用换热器、余热锅炉、余热吸收式制冷机等, 在热负荷或冷负荷较大时还可以采用加入燃气锅炉的形式加以补燃。另外还可以根据系统的储能需求加入一定容量的蓄热或蓄冷装置。
由于燃料电池和斯特林发动机并没有商业应用, 下面介绍典型的联供型微电网是只考虑原动机为微型燃气轮机和内燃机的情况。
类型一。以内燃机或燃气轮机为原动机, 采用换热器、余热锅炉进行余热回收利用以供应热负荷, 冷负荷供应分产系统采用吸收式制冷机和电制冷机组, 并网不上网, 如图1[1]所示。
类型二。与类型一的主要区别在于类型二联供型微电网包含蓄能罐/箱, 在夏季可以蓄冷, 冬季可以蓄热, 如图2[1]所示。
类型三。与类型一的差别在于, 类型三联供型微电网中的吸收式制冷设备可由燃气锅炉供热或采用部分直燃式的制冷机组。
2 容量规划优化建模
在联供型微电网的规划定容中, 需要确定各分产系统中主要设备的最佳容量及分产系统间的最佳设备组合。因而文中规划模型的变量选定为T, B, A, E, S, 分别为微型燃气轮机/内燃机、燃气锅炉、吸收式制冷机、电制冷机、蓄能罐的容量。由决策变量数组Z确定系统的组成, Z[i]的值可取0或1。
2.1 目标函数
电力规划中, 考虑资金的时间价值是进行方案比较的基础。电力规划模型的目标函数是与项目的经济评价准则相关联的, 常用的电力规划目标函数有净现值最大、内部收益率大于基准收益率、总费用最小及年费用最小4种。然而由于项目未来收益的难预测性及规划模型的计算复杂度较高, 前两种规划模型的目标函数应用并不多[8]。微电网的规划亦如此。
文中联供型微电网规划模型的目标函数选定为初期投资和年运行成本分别乘以权重系数后相加最小, 记为式 (1) 。
2.2 约束条件
微电网内负荷平衡约束, 包括电负荷、热负荷、冷负荷的平衡, 方程为:
式中:ELi, HLi, CLi分别为逐时电负荷、热负荷、冷负荷需求;Gi为微电网与电网的功率交换量。
安全约束包括系统中设备出力约束、设备运行爬坡和下坡约束、微电网联络线上潮流约束等。
式中:Lin, Lout分别为微电网与大电网联络线上吸收或输出功率, 对于并网不上网的微电网形式, Lout为0。
3 算例分析
算例取自文献[1], 北京某新建四星级酒店, 建筑面积为7.3万m2, 其中客房面积4.2万m2, 餐厅宴会面积1.5万m2, 车库及其他等为1.6万m2, 其等效热负荷-电负荷 (Q-E) 散点如图3所示。
在CPLEX环境下编程实现文中提出的规划模型。规划模型中的目标函数中初期投资和年运行成本的权重定为1:1。
分析该酒店的负荷数据及能源价格 (见表1) , 并在此基础上制定数据输入文档。该酒店的最大电负荷为2000 kW, 最大热负荷为2700 kW, 最大生活热水负荷为1200 kW, 最大冷负荷为4900 kW。
在该微电网容量规划模型中, 燃气轮机采用经典变工况运行模型[9,10,11]。
式中:η*, W*和f*分别为燃气轮机发电效率、输出功率和消耗燃料与额定的比值, 即标幺值。
联供微电网系统中余热利用供冷设备常用的为吸收式制冷机组。包括单效或双效的溴化锂吸收式制冷机组和氨水制冷机组等。其中溴化锂制冷机组以水为制冷剂, 溴化锂容易为吸收剂, 一般热源 (低压蒸汽0.12 MPa以上或热水75℃以上) 均可满足要求, 且易于自动化实现, 在负载率10%~100%范围内可以实现制冷量的自动、无级调节。氨水制冷机组以氨作为制冷剂, 能够制取0℃以下的低温, 变工况性能良好, 在负载率30%~100%范围内调节时, 装置的经济性无明显变化[2]。
系统中可采用蓄能罐蓄热或蓄冷, 比较常见的有自然分层水蓄能装置, 其冬天可蓄热, 夏天蓄冷, 数学模型如下:
式中:R为蓄能罐中可用能量;ρ为水的密度;V蓄能罐中可用水的体积;Cp为水的比热容;Δt为蓄能罐进出水温差;ε蓄能罐的完善度;α蓄能罐容积的利用率。能源价格如表1[1]所示。
根据输入的不同状态变量数组Z得到优化配置结果, 结果如表2所示。其中, 原动机模型选用的是微型燃气轮机模型, 额定发电效率0.3;吸收式制冷机组采用的是双效溴化锂吸收式制冷机组, COP=1.2;蓄能罐采用自然分层水蓄能罐, 蓄热密度31.78 k W·h/m3, 蓄冷密度8.47 k W·h/m3。
原动机选用的是内燃机, 其他设备模型同上。同样根据输入的不同状态变量数组Z得到优化配置结果, 结果如下表3所示。
表2中, 联供型微电网系统以微型燃气轮机为原动机, 类型一系统的容量规划结果采用通用型容量规划算法比De ST软件的规划结果较优, 初期投资减少8.5%, 投资回收期也降低10%。表3中, 以内燃机为原动机, 容量规划优化结果也较优。配备蓄能的类型二联供系统的经济性远远优于其他类型的联供系统。
由以上几个算例结果可知, 采用文中提出的通用型规划模型可对不同的系统进行容量配置的优化, 且优化配置结果可有效地提高系统的经济性, 降低运行成本。
4 结束语
在分析几种典型的冷热电联供型微电网系统的基础上提出了一种通用的容量配置优化模型, 并在CPLEX环境中进行建模, 在描述规划模型的同时, 实现系统的优化计算。通过对北京某酒店算例的计算分析, 并与前人工作的对比, 验证了该模型的有效性和可靠性, 研究表明该冷热电联供型微电网容量规划优化算法具有较好的通用性和可靠性。
摘要：与普通能源利用形式相比, 冷热电联供型微电网具有能源利用效率高、利用形式多样、就地解决综合能源需求等特点, 可以很好地满足综合能源用户的需求。目前在运或在建的冷热电联供项目往往存在设备配置比例不合理, 设备利用率低或无法实现较高的能源利用效率。介绍了几种典型的联供型微电网形式, 进行了微电网容量规划优化建模, 并在CPLEX环境下编程实现该模型, 通过算例分析验证了该模型的有效性。
关键词：冷热电联供,微电网,容量规划,优化
参考文献
[1]付林, 李辉.天然气热电冷联供技术及其应用[M].北京:中国建筑工业出版社, 2008.
[2]葛斌.热电冷联产原理与技术[M].北京:中国电力出版社, 2011.
[3]孔祥强.冷热电联供[M].北京:国防工业出版社, 2011.
[4]忻奇峰.冷热电三联供系统在浦东国际机场的应用[J].电力需求侧管理, 2004, 6 (5) :40-42.
[5]赵奕.天津西站冷热电三联供系统经济与节能性分析[J].铁路工程造价管理, 2010, 25 (3) :1-3, 14.
[6]HU Y F, WANG B, GUO L, et al.Combined Cooling, Heating andPower Microgrid System with MW Class Micro Turbine in China[C].20thInternational Conference on Electricity Distribution, 2009.
[7]WANG J J, ZHANG C F, JING Y Y.Multi-criteria Analysis ofCombined Cooling, Heating and Power Systems in Different Cli-mate Zonesin China[J].Applied Energy, 2010, 14 (4) :2263-2278.
[8]电网规划基础及应用[M].北京:中国电力出版社, 2011.
[9]冯志兵, 金红光.燃气轮机冷热电联产系统与蓄能变工况特性[J].中国电机工程学报, 2006, 26 (4) :25-30.
[10]左远志, 杨晓西, 丁静, 等.微型燃气轮机的生产厂商与性能影响因素[J].煤气与热力, 2007, 27 (3) :76-79.
容量优化策略 篇6
在化石资源短缺与环境污染的双重约束下,采取合理的措施降低电力系统综合能耗已成为重要的全球性课题。在这一背景下,国家相继出台了一系列鼓励以风电为代表的清洁能源的发展政策。相关学者考虑局部地区效益均衡,建立了风电社会效益数学模型,保守估算了风电的社会效益[1,2,3]。但在风电、光伏等清洁能源迅猛发展的同时,其出力间歇性、反调峰特 性等将影响到系统潮流指标,制约其在节能减排中作用的发 挥,这就降低了风力发电的社会效益[4]。
为解决风电发展的瓶颈问题,发挥其在节能减排中的积极作用,储能技术因其良好的电功率“吞”、“吐”特性,成为解决风电出力间歇性、反调峰特性等瓶颈问题最为直观的一种方 案,相应技术手段已取得一定成果:利用储能系统提供快速无功支撑和平滑风电出力,从根本上改善系统功率平衡度。研究储能系统能间接提高风电短期功率预报精度,优化系统潮流,改善风电并网带来的电压偏差、电压闪变等电能质量问题,增强系统稳定性,减少风电并网对系统热备用容量的需求,优化风电经济性。
但在一系列研究成果中,并未出现储能系统量化提高风电节能减排社会效益层面的相关研究。因此,本文将在已有研究的基础上,提出储能系统提高风电社会效益的量化评价指 标,建立风/储联合运行社会效益评价模型,通过优化计算得到风/储系统容量配置。
1降低风电场社会效益的因素
风电出力的波动性以及电力系统要求功率实时 平衡的特点,决定了风电难以独立向用户供电,只能依托大电网实现 风电最大限度的利用。而现存电网的规模及坚韧度无法满足 间歇性风电的消纳,是制约风电规模发展的根本因素,降低了风电在节能减排中所发挥的积极作用。具体可总结如下:(1)大规模风电并网后的风电功率波动常常与负荷波动趋势相反,即在负荷高峰时段无 风可发,而在负荷 低谷时段 来大风需 要满发,这就加大了电网等效峰谷差,恶化了系统负荷特性,对系统旋转备用容量提出了很高的要求。(2)风力发电的不可预测性决定了需增加系统备用电源,这类电厂需随时保持运转但并不发电,在产生碳排放的同时,也造成了资源浪费。(3)造成系统频率突变和联络线功率偏差较大,使系统频率特性恶化,对系统的快速调频提出了很高的要求。(4)风电场作为电源接入电网,将改变系统原有潮流,可能恶化潮流指标,增大系统网损。
风电并网引起的潮流问题及对系统调峰调频的需求都将不同程度地增大系统能耗与碳排放,降低风力发电在节能减排中的积极作用。而在节能减排相关措施中,储能技术因其实现同样的减排效果成本最低,成为目前最经济有效的技术手段之一。
2储能系统提高风电场社会效益的量化评价
与发电系统不同,储能系统发挥的社会效益所带来的经济效益很难以一种标准来量化评价,应根据其发挥的作用来进行综合评价。其与风力发电相结合,发挥的风电节能减排积极作用可用如下指标进行评价:(1)储能系统平滑风电出力,减少相同调频效果下热电系统容量的节能减排量化计算。(2)储能系统改善风电反调峰特性,减少相同调峰效果下热电系统容量的节能减排量化计算。(3)储能系统改善风电并网潮流指标,减少网损的节能减排量化计算。
因此,根据具体风电与区域电网匹配 特性,选择上述 一种或几种指标量化计算,可以对储能系统与风电结合所发挥的社会效益作量化评价。
3风/储系统联合运行社会效益评价模型
3.1风/储系统联合运行目标函数
以系统节能减排效益最大 化为目标 函数,建立风/储系统联合运行优化模型。节能减排效益可由系统总煤耗 量和污染物排放量表征,通过煤炭价格、污染物排放成本折算至同 一度量单位,则目标函数可表示为:
式中,Ctotal为系统减少的能耗与污染物排放总成本;C1.total、C2.total分别为热电系统出力的能耗与污染物排放及系统因网损所带来的能耗成本和污染物排放成本;Ccoal、Ceniv分别为能耗总成本及污染物排放总成本;f(p)、m(p)分别为系统机组p出力时的发电能耗及发电污染物排放量;Vcoal、Veniv分别为单位能耗成本和单位污染物环境成本。
本文中标准煤单价取0.4元/kg,污染物排 放环境成 本取6元/kg。f(p)、m(p)可通过煤 耗率系数、污 染物排放 系数量化,如式(2)所示:
3.2风/储系统联合运行约束条件
3.2.1技术约束
在不考虑经济约束的条件下,考虑系统 功率平衡 约束、出力上下限约束以及节点电压上下限约束,具体如式(3)所示:
式中,PGi、PC、PDi、P损分别为 火电机组/储能系统 出力与负 荷功率、有功网损;Vi为节点电压值。
3.2.2经济约束
经济约束指储能系统的固定费用与运行维护各 项费用应小于等于储能系统提高风电节能减排社会效益所带来的经 济效益量化计算值。满足 经济约束 时,系统的建 设才有实 际意义,如式(4)所示:
式中,ΔCtotal为储能系统提高的风 力发电节 能减排社 会效益量化的经济效益值;m1、m2分别为储能系统的固定成本与可变成本;ΔCc(o0a)l、ΔCe(n0iv)、ΔCc(o1a)l、ΔCe(n1iv)分别为储能系统 加入前后 系统总能耗成本与污染物排放成本。
3.2.3计算流程
本文采用的遗传算法较一般优化算法容易获得 全局最优解,能很好地解决非线性、规模大的优化模型问题,其一般步骤如下:(1)输入系统火电机组年基础调度规划信息;(2)设定种群规模和最大进化代数,以储能系统容量为优化控制变量,产生初始种群;(3)根据不同个体代表的储能系统容量,产生相应的代替火电机组规划方案,依据适应度函数计算每个个体的适应度;(4)判断是否满足优化准则,若满足则输出结果,若不满足则进行下 一步;(5)经个体适 应度比较 排序,选择再生个体;(6)按照自适应交叉率执行交叉运算,产生种群转步骤(3)。
4算例仿真
在仅考虑该地区风力资源条件约束的情况下,系统内最大装机容量为500MW,风电场风速一般服从威布尔分布,但当研究时段较短时,风电场风速可认为服从正态分布。本文选取单位兆瓦风电装机的典型日,根据较短时间内服从正态分布进行随机模拟,其出力曲线如图1所示。
按照风电场输出波动的限值,系统热电因参与风电调峰调频而产生的能耗与污染物排放总成本如图2所示。
系统能耗与污染物排放总成本随着风电场容量 增加而增大,风电场容量达到250 MW时,系统能耗成本上升趋势逐渐减缓,最终进入平台期,这是因为随着风电容量逼近系统 的最大接纳能力,会导致一部分风电脱网。系统因总有功网损而产生的能耗成本如图3所示。
风电在一 定范围内 随着容量 的增长对 系统有功 网损有一定 贡献 ,增长到300 MW时 ,网损增大 ,其能耗成 本随之增加 。
系统接纳风电能力受系统调峰容量的制约,储能系统的接入一方面可替代常规热电机组参与调频调峰,另一方面由于减少了热电系统的出力以及优化系统潮流减少有功网损从而减少了系统能耗,也实现了节能减排效益。现对风电与储能系统的匹配容量进行优化计算。
4.1不考虑经济约束时
由图4分析可得,当储能系统容量定为[30 MW,40 MW]时,系统接纳风电能力幅度增加,原因在于上述区间的储 能系统对常规机组发生了替代效应。相应的总能耗与污染 物排放成本曲线如图5所示。
总成本在储能容量为[30 MW,40 MW]时显著降低,表明因储能系统的作用,常规机组逐渐向最优运行点运行;随之是一定的平台期,表明常规机组保持在最优运行点运行;当储能容量为[70 MW、80 MW]时,一部分机组偏离最优运行点,系统成本又大幅度上升。
4.2考虑经济约束时
在考虑经济约束时,如图6所示,系统接纳 风电能力 曲线没有变化,而匹配容量优化只有在[30MW,40MW]、[70MW,80 MW]时有解;在其他区 间,储能系统 一方面替 代效应不 明显,另一方面风电接纳能力提高也不明显,使得储能系统的 经济效益为负,因此无解。
综上所述,储能系统在考虑经济约束和不考虑经济约束时的优化结果一致,即风电取[270 MW,300 MW]和[310 MW,330 MW]之间的值,而储能系统取值则在[30 MW,40 MW]和[70 MW,80 MW]之间为最佳。
5结语
容量优化策略 篇7
在风光互补微网中,储能系统是必要的能量缓冲环节,可以减弱抗干扰能力弱等弊端,还可以削弱风能、太阳能等分布式能源的间歇性对系统的影响,从而提高微网的稳定性与可调控性[1]。因此,构建了一种应用于风光互补微网中的超级电容器蓄电池混合储能系统。现有的储能介质可以分为能量型和功率型两类[2],以蓄电池等为代表的能量型储能介质和以超级电容器等为代表的功率型储能介质。为使储能系统同时具备容量和功率性能,本文将能量型储能介质和功率型储能介质组成混合储能系统。目前,国内外学者对同一类储能单元的容量优化配置做了许多研究,但混合储能优化配置的研究还比较少[3]。
为了储能系统容量得到优化控制,本文利用滑动平均滤波法将目标平抑功率在储能单元间进行分配。充分考虑储能元件的荷电状态[4],采用模糊控制改善滑动平均时间常数,使得系统在平滑输出功率的同时确保储能的荷电状态在合理范围内,让整个控制系统得到改良[5]。并且通过MATLAB/Simulink搭建仿真模型进行模拟,对所提策略的有效性进行验证。
1 滑动平均滤波的基本原理
面对全长为N的离散采样的数据,滑动平均滤波沿着数据逐个的取m个相邻数据做加权平均,使得随机波动大的数据得到平均,重新获得一组平滑的数据,其算式可表达如下:
其中,ωi为权系数,p、q为小于m的整数,。
在本文中不考虑端点平滑,所以p取值为非零。K=m+1,m+2,…,N-m。平滑区间的取值直接对平滑效果有影响,m越大,滤波通带变窄,平滑作用较大;m越小,滤波通带变宽,平滑作用不明显,所以m一般选择个适中的值。
2 基于滑动平均滤波器的储能控制
2.1 固定滑动平均值下的系统控制
风光互补发电与混合储能组成的系统如图1所示。
从系统结构出发,考虑滑动平均滤波平滑原理[6]。功率分配的目的是实现系统的功率平衡,根据负载的功率需求和分布式电源的功率出计算出混合储能系统需要平抑的功率值PES[7],如式(2)-(3)所示:
其中,Pwind为风力发电功率;Ppv为光伏发电功率;Pload为负载功率。
充分利用蓄电池和超级电容器的互补性,因此确定了混合储能系统的能量管理方式:超级电容器承担混合储能系统功率中的频繁波动部分,蓄电池承担混合储能系统功率中的平滑部分。为区分储能系统功率中的频繁波动部分和平滑部分,本文采用滑动平均滤波的方法。设蓄电池的参考功率为Pb at,t,超级电容器的参考功率为Puc,t。利用滑动平均滤波器分配功率的过程如图2所示。
其中,ωi为权系数,取值为T-1。
通过MATLAB模拟储能单元承担的总功率Pref,直接了解T对平滑效果的影响,如图3所示。
T=2.0与T=3.0时,蓄电池及超级电容所分配的功率如图3所示。由此可见,T越小,滑动滤波器的通带越窄,则Pref经过滑动滤波器后的所得到的Puc,t越大、Pbat,t越小,超级电容器所分配的能量越多,蓄电池所分配的能量越少。T越大,滑动滤波器的通带越宽,则Pref经过滑动滤波器后的所得到的Puc,t越小、Pbat,t越大,超级电容器所分配的能量越少,蓄电池所分配的能量越多[7]。
2.2 基于模糊控制的时间常数调整
采用滑动平均滤波时,蓄电池和超级电容器在t时刻的荷电状态SOC(t)分别为:
其中,T为设定好的,未考虑储能单元的荷电状态,容易导致储能单元过充、过放电。
在考虑充放电状态的前提下,根据蓄电池和超级电容器的荷电状态值的大小对滑动平均滤波值T进行修正,使得两者的SOC始终稳定在一定范围。为此,设置SOC极限值:
当Pref<0时,
①SOCbat、SOCuc为中间值,维持预设的T不变。
②SOCbat等于SOCbat.min,SOCuc等于SOCuc.max时,T减小,增大蓄电池的充电功率。
③SOCbat等于SOCbat.max,SOCuc等于SOCuc.min时,适当调大T,增大超级电容器的充电功率。
当Pref>0时,
①SOCbat、SOCuc为中间值,维持预设的T不变。
②SOCbat等于SOCbat.mn,SOCuc等于SOCuc.max时,适当调大T,减小蓄电池的放电功率。
③SOCbat等于SOCbat.max,SOCuc等于SOCuc.min时,适当调小时间常数T,减小超级电容器的放电功率。
储能系统控制图如图4所示。
因此本文在滑动平均滤波控制的基础上加入模糊控制器,根据蓄电池和超级电容器的SOC和系统的当前充/放电状态,改变滑动平均项值T,从而使荷电状态稳定在限定范围内[8]。
①确立输入、输出的模糊子集和隶属函数
本文选择各储能单元的SOCbat和SOCuc为输入量,时间定值的修正系数ΔΦ为输出量。首先对蓄电池的荷电状态SOCbat和超级电容器的荷电状态SOCuc进行归一化处理。储能荷电状态的隶属度如下:
其中,SOCbat.mid为蓄电池荷电状态的中值。
超级电容器SOCuc与蓄电池隶属度公式是相类似的:
将μbat、μuc作为模糊控制的输入,设输入量的模糊集为{NL,ZE,PL},对应的其中μbat的论域为[-m,m],μuc的论域为[-n,n],其中m,n均在0,1之间,一般超级电容器的充放电深度大于蓄电池,所以n>m。取ΔΦ为模糊控制的输出量,模糊集为{NL,NS,ZE,PS,PL},相应的输出模糊论域为[-0.98,-0.4,0,0.4,0.98]。无论Pref大于或小于零,其输入隶属函数、输出隶属函数均相同,如图5所示。
②制定模糊规则
从Pref分别大于零、小于零的两种情况下,制定模糊控制规则,如表1-2所示。
③去模糊化
本文采用加权平均法进行去模糊计算,得到参考功率的修正系数ΔΦ(精确量),-1<ΔΦ<1。
其中,μ1i(SOCbat)为输入SOCbat的第i个隶属度值;μ2j(SOCuc)为输入SOCuc的第j个隶属度值;Δkij为两个输入量相对应的输出量。
修正后的时间定值为:
3 仿真分析
利用蓄电池和超级电容组成混合储能系统来验证,MATLAB/Simulink中搭建仿真模型进行仿真[9]。仿真结构图如图6所示。
主要给出具体的混合储能模型,由蓄电池储能系统模型、超级电容器储能系统模型及双向变流器、PWM、储能变流器组成,储能设备平抑的功率通过PWM输入进储能变流器。设蓄电池容量1278Ah,有效电压220V,有效电流110A;超级电容器容量65F,有效电压100V。直流母线有效电压350V。蓄电池的荷电状态区间为[0.3,0.8],超级电容器的荷电状态区间为[0.02,1.0],蓄电池和超级电容器的荷电状态初值均设为0.5,滑动平均控制的初始时间T设为1min。
图7-8和图9-10分别为采用模糊策略前后的储能单元的荷电状态曲线,在不使用模糊控制的情况下,从图中可以看出,超级电容器有多处超过荷电状态的上下限。
采用模糊控制后,超级电容器荷电状态的变化范围有所收窄,被控制在合理的范围内。由于本文中蓄电池的容量较大,荷电状态基本保持[0.4,0.6]范围内,容量充足,因此在超级电容器荷电状态将要越过上限时,通过模糊控制调小T,蓄电池吸收更多的功率;在超级电容器荷电状态将要越过下限时,通过模糊控制调大T,蓄电池发出更多的功率,降低超级电容器应发出的功率,避免超级电容器容量枯竭。
4 结束语
本文提出了基于模糊控制的改变时间定值的功率分配策略,根据各储能单元的荷电状态,制定相应的模糊控制规则,适当的调节滑动平均设定时间的大小。并在MATLAB/Simulink中搭建了混合储能系统仿真模型,仿真结果证明了本文所提出的控制策略的正确性。
参考文献
[1]杨仁花,黄伟,关丽,等.微网结构和运行控制[J].电网与清洁能源,2010,26(1):48-55.
[2]骆妮,李建林.储能技术在电力系统中的研究进展[J].电网与清洁能源,2012,28(2):71-79.
[3]王虹富,曹军,邱家驹,等.一种用于分布式发电系统的有功功率补偿模型[J].电力系统自动化,2009,33(8):94-98.
[4]张国驹,唐西胜,齐智平.超级电容器与蓄电池混合储能系统在微网中的应用[J].电力系统自动化,2010,34(12):85-89.
[5]于芃,赵瑜,周玮,等.基于混合储能系统的平抑风电波动功率方法的研究[J].电力系统保护与控制,2011,39(24):37-40.
[6]马亚辉.含分布式电源的综合负载建模方法研究[D].湖南:湖南大学,2013.
[7]张明锐,林承鑫,王少波,等.一种并网型风光互补发电系统的建模与仿真[J].电网与清洁能源,2014,30(1):68-80.
[8]赵永来.混合储能系统抑制电网波动功率控制策略研究[D].沈阳:沈阳工业大学,2014.