负荷优化（精选9篇）
负荷优化 篇1
0 引言
微电网(microgrid,微型电网、微网)是小型的配电系统,连接若干用户到若干分布式电源和储能系统,它既可以与大电网联网运行,也可以在大电网出现故障时与之断开单独运行。微电网因其环境友好、建设成本低等因素已经成为大电网的有益补充,得到越来越多的重视和研究。
迄今为止,微电网及其相关技术仍然处于实验室研究阶段[1,2,3],为使其能够应用于实际的电力系统,还需要解决多方面的问题。
微电网在实际运行中首先需要解决的技术问题就是控制问题。当微电网中的负荷或网络结构发生变化时,如何通过对微电网中各个分布式电源进行有效的协调控制,保证微电网在不同运行模式下都能满足负荷对电能质量的要求,是微电网能否可靠运行的关键。针对这一问题,国内外学者进行了广泛研究,提出了多种控制策略[4,5,6,7,8,9,10]。
另一方面,微电网的经济性是其吸引用户并能在电力系统中得以推广的关键所在。微电网的经济效益是多方面的,最重要的效益是能源的高效利用和环保以及个性化电能的安全、可靠、优质供应。相比于火力发电占主导的传统大电网,微电网中大量应用了可再生能源,其环保效益非常突出。同时,根据用户对电能供给的不同需求,对负荷进行分类和细化,能够更有效地利用微电网中多样化的电能供给,使微电网系统运行经济性最优。
微电网的经济运行虽然可以从传统大电网的调度原则、电能交易原则、资源配置原则等方面借鉴众多经验,但微电网本身的许多独特之处也使其经济运行问题带有自身特点。这方面的研究也得到了各国学者的关注[11,12,13,14,15],但是国内相关研究开展得还比较少。
本文主要研究了微电网的负荷优化分配问题,即在满足系统运行约束条件下如何优化微电网中各微电源的出力,使系统总发电成本最小。微电网中的负荷优化分配问题与大电网经济负荷分配(economic load dispatch,ELD)问题的不同之处在于:与高压输电网相比,微电网的电压等级较低,系统中输电线的线路电阻起主导作用,线路损耗相对较大,不可忽略;与大电网中火电等传统发电形式占主导地位不同,微电网中新能源发电所占的比例很大,风力发电和太阳能光伏发电等可再生能源电源通常工作于最大功率点跟踪模式,其输出功率受自然条件影响,不遵循人工调度;各种微电源的功耗特性与传统火力发电机组有很大区别,不能简单应用等微增率原则;在联网模式和孤岛模式转换过程中,整个微电网的功率分布可能会发生非常大的变化。如果只考虑各个微电源自身的输出特性对其进行控制,在整个系统的运行状态发生变化时就难以最大限度地利用微电源的发电能力,还可能引起较大的额外线路损耗。因此,为了实现微电网的可靠、经济运行,有必要根据系统运行情况动态地对微电网负荷在各个微电源间进行全局优化分配。
1 微电网负荷优化分配的数学模型
1.1 目标函数
微电网负荷优化分配问题的目标是在满足系统运行约束条件下优化微电网中微电源的出力及系统总运行成本,其数学模型[13]为:
式中:F为系统总发电费用;T为微电网调度周期内的总时段数;t为时段编号;N为系统内可调度的微电源和储能装置的总数;Pi为第i台微电源或储能装置输出的有功功率;Fi(Pi)为第i台微电源或储能装置的运行成本;Pbuy为配电网向微电网中输入的功率;Psell为微电网向配电网输出的功率;Ebuy为微电网从配电网中购电的价格;Esell为微电网向配电网出售电能的价格。
微电网的调度周期常见取值有24 h、1个月、1个季度、1年等。调度周期内总时段数的选取原则上要保证:在一个时段内,微电网内的功率分布基本维持不变,即微电源输出功率和负荷需求功率变化不大。在此前提下,计算分析时可以认为微电网处于稳定状态,不考虑其暂态过程。
式(1)中等号右边的第1项代表了微电网中所有微电源和储能装置的运行成本;第2项和第3项分别代表了微电网和其所接入的上级电网之间的能量交换。
微电源和储能装置的运行成本Fi(Pi)由燃料成本、维护成本和启动成本等组成,可表示为:
式中:Ci(Pi)为第i个微电源运行的燃料成本,即其耗量特性;Mi(Pi)为保证微电源和储能装置运行的维护成本;CSi为微电源的启动成本。
微电源和储能装置运行的维护成本Mi(Pi)可以认为与其输出的电能成正比关系,取比值为KM[15],即
对于柴油发电机(diesel engine,DE)等传统发电机的燃料成本模型,其耗量特性函数Fi(PGi)一般用多项式函数近似表示,本文选取二次函数:
式中:c0,c1,c2为参数。
燃料电池(fuel cell)和微型燃气轮机(micro-turbine,MT)等微电源运行时的燃料成本可以用下式进行计算:
式中:C为微电源所采用燃料的单位成本;η(P)为该时段内微电源的工作效率,随有功输出变化而变化。
微型燃气轮机的典型效率曲线见附录A图A1,其运行效率随着其输出功率的增大而上升。
太阳能光伏发电及风力发电等利用可再生能源型的微电源,一般应通过控制使其工作在最大功率输出状态。由于其输出受自然条件制约,不受微电网中其他电源和负荷的控制,因此本文将其等效为“负”负荷(negative load),不作为优化变量处理。
1.2 约束条件
微电源运行约束为:
式中:P
系统中储能装置的运行约束为:
式中:i=1,2,…,Nst,Nst为系统中储能装置的数量;Pd,st,i和Pc,st,i分别为第i台储能装置的放电功率和充电功率;P
系统功率平衡约束为:
式中:PLoad为系统的总负荷;PLoss为系统的总网损,系统网损通过潮流计算得到。
1.3 优化方法
采用粒子群优化(partical swarm optimization,PSO)算法对上文建立的微电网负荷优化数学模型进行优化计算。粒子群优化算法本质上属于迭代的随机搜索算法,具有并行处理、鲁棒性好等特点, 能以较大的概率找到问题的全局最优解,且计算效率比传统随机方法高[16,17]。其最大的优势在于简单易实现、收敛速度快、依赖的经验参数较少。
取微电网中可调度的微电源和储能装置的有功功率为优化变量,每个优化变量对应粒子的一个维度,即[PGj,Pst,k],其中j=1,2,…,Ng;k=1,2,…,Nst。
对于微电源运行约束条件(式(6))和储能装置充放电功率约束条件(式(7)、式(8)),体现为对相应的优化变量即粒子位置的限制。粒子位置越限时,取其限值。对于储能装置容量约束(式(11))和系统功率平衡约束(式(12)),以罚函数的形式将其计入目标函数中,即
式中:F为原目标函数;σ为惩罚因子;g为不等式约束;h为等式约束。
2 算例分析
根据上述理论模型,采用MATLAB M函数编写优化计算程序。式(12)中微电网的网络损耗根据潮流计算得到,潮流计算基于MATPOWER工具包[18]实现。MATPOWER作为一个比较成熟的电力系统计算工具包,其潮流计算结果可信度比较高。
本文算例基于图1所示的CIGRE 6中压基准系统[19,20,21],系统频率50 Hz,电压等级20 kV。该系统是由CIGRE C6.04.02工作组给出的用于研究分布式电源的基准系统之一。
基准系统正常工作时,MVDC耦合器保持断开状态,从而使整个系统分为2个子系统,在本文中,重点研究图1中子系统1,该子系统的峰值负荷约为3.55 MW。在计算中,将配电网等效为无穷大电源,子系统1中各微电源的位置和容量见表1。
仿真计算中,柴油发电机耗量特性为:
FDE(PDE)=150+0.12PDE+0.000 85P
微型燃气轮机的运行成本根据其典型效率曲线和式(5)求得,取单位燃气成本CMT=0.4,得到微型燃气轮机的耗量特性曲线如图2所示。
如表1所示,子系统1中的光伏发电(PV)电源分布于多个节点上,假设其均工作在最大功率点跟踪模式,每个单元的有功输出都遵循如图3所示的典型曲线。
为了使测试系统更接近实际情况,将系统中的负荷分为工业负荷和家庭负荷2类,其典型日分布曲线如图4所示。
测试系统中采用蓄电池作为储能装置,在本文的研究中暂时不考虑微电网在孤岛和联网状态间的切换过程以及微电网启动的过程,在仿真计算中给定所有电池的初始储能为其额定容量。
应用本文的负荷优化程序进行计算。图5所示为以配电网作为平衡节点时,子系统1中的柴油发电机和微型燃气轮机的日有功输出曲线,同时,节点5和节点10处电池的输出有功曲线如图6所示。
可以看到,当系统负荷或不可控微电源输出发生较大变化,其他微电源的输出不足以满足负荷需求时,储能装置能够起到暂时性的支撑作用。由于微电网中微电源的容量裕度一般不大,运行在孤岛状态下时,容易发生有功容量不足的情况。因此,微电网中需要配置一定容量的储能装置,以保证其可靠运行。
3 结语
本文研究了微电网的负荷优化分配问题,优化目标是在满足系统运行约束条件下优化微电网中各微电源的出力,使系统总运行成本最小。本文首先建立了微电网负荷优化分配问题的数学模型,并基于粒子群优化算法对其进行了数值求解。通过算例求解验证了这一方法的正确性,为进一步研究微电网的组网结构及微电源和储能装置容量的最优化配置提供了有价值的参考。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
负荷优化 篇2
在少年体育教学中,教练是否能合理安排和调节少年的运动负荷和心理负荷,往往直接关系到一节课是否成功,是否达到锻炼少年身体的目的.因此,这个问题必须引起广大体育工作者的.极大重视.
作 者：王海坤 作者单位：哈尔滨市南岗区体校,黑龙江,哈尔滨,150000 刊 名：中国新技术新产品 英文刊名：CHINA NEW TECHNOLOGIES AND PRODUCTS 年，卷(期)：2009 “”(12) 分类号：G80 关键词：运动负荷 心理负荷★ 幼儿与德育工作计划
★ 幼儿发展课堂管理策略论文
★ 幼儿有效学习的引导策略
★ 优化幼儿数学活动教学法的策略
★ 幼儿美术欣赏活动指导策略论文
★ 幼儿园大中小班幼儿年龄特点及指导策略
★ 论如何利用多媒体技术培养幼儿的创造性思维
★ 浅谈早期家庭教育与幼儿习惯培养
★ 浅谈教师如何与幼儿进行语言交流
负荷优化 篇3
一、带负荷误拉刀闸的危险性
拉刀闸本来就是一件令人担心的事情，如果不注意安全，很容易造成事故。然而错误的操作时带负荷拉刀闸，也就是说你虽然关闭了刀闸，但是却没有把二次开关开关合到关的位置。等到用电的时候再次打开刀闸的位置，会导致停电的现象。2008年8月24日15时30分左右就有一件这样的事情发生，某化工厂要对锅炉进行检修，便命令李某去把一号锅炉的开关关了，李某到达后，直接关闭了刀闸，贴了一张字条上面写了：禁止合闸，有人工作。却没有把二次回路的开关打到听得位置。过了几个小时后检修完毕，又安排李某去打开一号锅炉的开关，李某没有经过相关人员的同意就直接把刀闸打开了，但由于二次回路的开关一开始就没有闭合，导致李某打开刀闸，依然没有来电。然后李某就找了另一个人刘某去送电，但刘某也没有仔细检查就直接开启有关按钮直接送电，结果导致出现了大弧度的电火花，全部线路烧毁，整个工厂停电，幸运的是没有造成严重的人员伤亡，出现了这一状况后，李某和刘某都受到了严厉的处罚。该工厂也损失惨重。同时也造成了很多员工没有了工作
二、出现带负荷误拉刀闸的原因
出现了这类事故，我们必须去寻找事故出现的原因，引以为戒，做好下一步的预防工作，这就需要我们从各个方面入手，仔细查找，询问，然后根据现有情况做好计划，尽量有效快速的解决问题。
（一）关于带负荷拉刀闸的知识
虽然出现了严重的事故，但询问其中的人员，也并没有多少人知道问题出在了什么地方，不只是李某的原因，我想就算是换成了另外一个人也会向李某一样的做法而且不知道是自己犯的错误导致了这样的后果。这就是因为关于这方面的知识人们了解和知道的太少，易导致不清楚正确的操作该是什么样的。
（二）相关的法律条文不健全
出现这个问题的原因之一就是相关的法律条文不健全的问题。法律是能约束人们的最好的工具，李某没有经过相关人员的同意擅自做主不正是因为这一原因吗？试想如果相关法律有明确的规定，那么李某估计也不会那么胆大了吧.只有规定的清楚明了才能做到一级制约下一级，才能让工作处理的井然有序，避免出现类似的事件。
（三）工作人员的工作态度
如果刘某可以认真的检查问题出现在什么地方，然后再去送电的话也就可以避免出现这起事故。这就是说相关工作人员的工作态度是一个不能忽视的因素。现在社会偷懒的人越来越多，很多工作人员也是一样，能省一步绝对不会多走一步，这样该检查的问题没有检查出来就开始下一步的工作，工作环节的漏洞将会带来严重的后果。
三、优化方案的分析
知道了问题的源头就需要我们制定相应的方案去实施下去。不仅要做到快速有效的解决当前的问题，还要对以后做好防御的工作，要具体下去，仔细查找每一个细节，争取对症下药。
（一）做好宣传工作
针对大部分人对这方面的知识了解的太少这一现象，我们可以采取到街头访问的方式检测人们到底了解到什么程度，应注意要访问不同阶层的人。根据我们得到的结果，把结果进行统计分析，进行讨论得出结论，然后根据结果对症下药。我们可以开设相应的课程，或者以讲座的方式来扩展人们的知识面，只有人们了解的多了，认识到错误操作带来后果的严重性了才会提高警觉性避免事故的发生。
（二）法律的完善
应该制定相关的法律条文，不仅制约相关工作人员也包括广大人民群众。规定任何人没有经过专业人员的允许不准擅自操作相应的程序，否则将会受到严厉的处罚。
（三）工作人员素质的提高
对于相关的工作人员应按照相关规定定期对他们进行考核，确保他们确定相关的操作程序。还要注意对他们素质的培养，可以定期加以课程的辅导，提高他们的工作热情，让他们知道自己工作的重要性，端正自己的工作态度。当然纯理论的培养是不行的，最好结合相应的实战演习，这样才会有更好的效果。
（四）研发更先进的设备
为了避免这类事故，我们可以自己研发出自动的二次回路的开关控制器。如果能做到相应的自动化，那么在再次关闭刀闸的时候，二次回路的开关可以自行关闭，需要的时候又可以自行的打开，这样不仅节约了时间有提高了安全性能。将会对我们的生活和工作带来非常大的方便，也给相应的部门解决了很多头疼的问题。当然，这还需要我们大家共同努力研发，才能实现自动化，为我们自己造福。
四、结语
总之，电方面是一门很复杂很深的学问，需要我们慢慢地研究，但在需要任何操作时，没有相关人员的认可，千万不要擅自下决定，因为电不单单是复杂还是很危险的。在遇到不确定的操作环节时要借助知识的力量，可以向相关人员请教，也可以等待有能力的人来解决。关刀闸是一件很危险的事情，带负荷关刀闸是绝对不能犯的错误，每个人都需要切记。我们每个人都要互相监督，还要监督工作人员，有任何不对的地方应该及时的加以阻止，并且督促他们积极地工作，端正他们的工作态度，争取各方面都做得完美，尽力为大家的生活和安全做好每一个细节。
参考文献
[1]黑龙江 古铁钧.变电所刀闸安全操作及故障的处理[N].电子报，2011-10-23012.
[2]张建光.禁止带负荷拉刀闸[J].电气试验，2000，01：55.
[3]刘涛.防止带负荷拉合刀闸的措施[J].科技风，2012，09：105+111.
优化分馏塔冷热负荷 篇4
1 现状调查
经过对中控室一期装置DCS操作系统的观察, 乙烷塔回流量7.8T/H左右, 装置正常情况下塔底温度调节阀开度在30%~42%之间, 丙烷塔的回流量在7.5T/H左右, 底温调节阀的开度维持在30%~50%左右;丁烷塔的回流量在8T/H左右, 底温调节阀的开度维持在40%~65%左右, 可见波动非常大。
干燥塔加热冷吹切换时导热油温度波动很大, 大幅波很容易造成产品质量不合格。
干燥塔延时现象非常明显, 有时长达两个小时, 露点温度由~91.8℃降至~50.3℃, 极易造成冷箱冻堵, 存在较大安全隐患。
2 原因分析
2.1 回流较大
三气厂各精馏塔是通过固定回流量和灵敏板温度控制塔参数的, 经计算乙烷塔回流比为6.56, 丙烷塔为5.03, 丁烷塔为5.12。
2.2 塔底温度调节阀开度过大
因为回流量设定较大, 各个分馏塔只能加大热负荷才能满足工艺条件, 避免轻组分进入下一个塔造成超压放空现象, 巨大的热负荷造成了热油供给不足, 干燥塔加热延时现象。
3 制定对策
3.1 降低回流量, 减少精馏塔冷负荷
回流比越小, 则净功耗越小, 为此, 应在可能条件下减小操作的回流比。据报道, 曾对70个不同的烃类精馏塔统计计算, 最优回流比R都在最小回流的1.11~1.24之间, 回流比和产品纯度密切相关, 为确保得到纯度合格的产品, 设计时有一定的回流余量, 余量越大, 能耗越高, 只要降低回流量, 即可降低塔底重沸器能耗。
3.2 减小塔底温度调节阀开度, 降低塔底热负荷
观察分馏塔参数与客观环境、上游工艺点变化的关系, 并进行间断试验, 适当降低塔底导热油温度和回流量, 注意必须保证不影响装置平稳运行, 通过记录的原始数据进行初步对比:
3.2.1保证丙烷塔顶部底部温度在正常范围情况下, 把回流设定值从7.5t/h降至5.5t/h, 调节灵敏板温度设定值从103.5℃降至98℃, 观察丙烷组分在线分析QE0411中C2H6、C3H8、IC4H10、n C4H10含量, 参数如下:
3.2.2保证丁烷塔顶部底部温度在正常范围情况下, 把回流设定值从8.0t/h降至6t/h, 因TICA0415自动调节波动大, 手动调节开度60%至34%, 观察丙烷组分在线分析QE0411中C2H6、C3H8、IC4H10、n C4H10含量, 参数如下:
结论:降低丙烷塔和丁烷塔冷热负荷, 记录在线分析丙烷和丁烷组分, 发现没有明显变化, 经取样化验丙烷丁烷均合格, 证明以上方法可行有效。
4 实施效果
4.1丙烷塔回流量降至5.5t/h, 灵敏板温度降至98℃;丁烷塔回流量降至6t/h, 灵敏板调节阀开度降至34%, 节约了大量导热油, 导热油调节阀开度也由原来的60%降至了54%左右, 降低了精馏塔的冷热负荷, 避免了导热油系统的大幅度波动造成精馏塔系统的波动, 优化精馏塔参数, 提高了产品收率。
4.2通过降低分馏塔冷热负荷, 避免了干燥塔延时现象
负荷优化 篇5
随着近年来负荷结构的变化和新能源的并网,抽水蓄能电站良好的调节作用在电力系统中日益突出。因此,合理安排抽水蓄能电站的调度计划、优化负荷曲线成为需要研究的问题。文献[1]考虑系统的经济性和可靠性对抽水蓄能机组进行优化调度。文献[2]以抽水蓄能机组削峰填谷效益最大化为目标安排机组运行。文献[3,4,5,6]研究了抽水蓄能机组与清洁能源(核电、风电)的联合优化运行,以充分利用清洁能源和系统经济性最优为目标考虑抽水蓄能机组的运行。上述文献[1,2,3,4,5,6]从系统经济性、可靠性及促进新能源并网的角度分析了抽水蓄能电站的运行特点。
本文基于负荷曲线优化的角度研究抽水蓄能电站的调度问题。以抽水蓄能电站运行后的负荷曲线更为平滑、峰谷差减小为目标,计及抽水蓄能机组的抽水发电功率限制,建立抽水蓄能电站多目标优化调度模型。利用改进的多目标粒子群法对模型进行求解,利用熵权法选取最优解,得到抽水蓄能电站的调度方案。
1 多目标模型
1.1 目标函数
本文以抽水蓄能电站运行后的等效负荷曲线峰谷差尽量小、负荷曲线更为平滑为目标建立多目标模型。
其中,
式中:Rt+1为t+1时刻抽水蓄能电站参与调度后的等效负荷;Rt为t时刻抽水蓄能电站参与调度后的等效负荷;Rav为等效负荷平均值;Pps,t为t时刻抽水蓄能电站的功率;Dt为t时刻负荷功率;T为调度时段;F1为等效负荷曲线各个时段的功率趋近于平均值,可以使得峰谷差最小;F2负荷相邻时刻的波动最小。
1.2 约束条件
(1)抽水蓄能机组抽水功率约束
式中:Pp,t为抽水蓄能机组t时刻的抽水功率;为抽水蓄能机组最大抽水功率。
(2)抽水蓄能机组蓄能量约束
式中:Et为抽水蓄能机组t时刻的蓄能量;Emin、Emax分别为机组最小、最大蓄能量;ηp为水泵抽水效率;ηh为水力发电的效率。
(3)抽水蓄能机组发电功率约束
式中:PG,t为抽水蓄能机组t时刻的发电功率;为抽水蓄能机组的最大发电功率。
2 模型的求解
近几年,多目标粒子群算法在很多领域得到了应用。本文采用文献[7]提出的改进多目标粒子群算法进行求解。将改进的Maxmin函数和ε支配引入多目标粒子群算法之中。
2.1 Maxmin函数的引入
第i个粒子(向量)xi的Maxmin函数如下:
式中:i,j等于1,2,…M;k等于1,2,…N;M为粒子种群数量;N为目标函数个数。
所有fMaxmin值小于零的值均为非劣解。Maxmin适应函数值具有奖励0分散的非劣解[8],惩罚0聚集的非劣解的特性。为有效解决粒子因目标函数值差异所导致的偏向性问题,将某些多目标经典算法(如功效系数法、最大最小选择法)中每迭代一步都进行规范化操作的思想引入Maxmin算法。对所有粒子进行规范化处理,对每个粒子的目标适应函数fk(xi)进行调整,调整方法如下:
将粒子目标函数值fk(xi)代入式(8),可以计算得到xi的最新Maxmin适应值。
2.2 ε支配策略的引入与改进
Teich提出ε支配策略[9],如果一个决策向量ε支配另一个决策向量,则必须满足以下条件:
将ε支配的概念引入Maxmin适应函数值的计算,则式(7)根据其定义可更改为:
ε支配概念的引入,增加了粒子的支配区域。有利于算法剔除距离比较近的非劣解,提高粒子排列的均匀性。在算法进行的初期,较大的ε值有利于全局搜索,并加快粒子的收敛速度,降低算法在时间上的消耗;在算法的后期,较小的ε值有利于局部搜索,保证Pareto前沿所有非劣解的均匀程度。
2.3 算法的计算流程
(1)初始化粒子群,随机产生M个粒子放在Domlist中,粒子初始位置即为个体最优值,粒子初始速度设为0,初始化ε。
(2)根据目标函数计算所有粒子的目标函数值,利用式(8)对每个粒子目标函数值进行规范化处理,并根据式(10)确定每个粒子的适应函数值。将适应值为负的粒子存放在外部集(非劣解)nonDomList中。对外部集(非劣解)nonDomList中粒子重新利用式(10)计算适应函数值,从而消除劣解的影响[10]。
(3)对DomList中的每个粒子进行迭代计算。根据适应值大小,在nonDomList中选取前20%的非劣粒子作为候选粒子,通过轮盘赌法在其中选择1个Pg作为粒子i的全局最优值。根据速度更新公式(11)和位置更新公式(12)计算出粒子i的后代,并存储在DomList中。
式中:i=1,2,…M,M为种群数量;c1、c2分别为认知参数和社会参数;w为惯性权重;r1、r2为0-1之间均匀分布的随机数。
(4)调整ε支配的取值,迭代次数加1。
(5)如果已经满足停止准则,如nonDomList(非劣解)已经达到最大数量或已经达到最大迭代次数,则中止计算,输出nonDomList;否则,转步骤2。
2.4 约束的处理方法
本文的约束主要为抽水蓄能机组的有关约束。约束条件式(3)～式(6)均表示设备的物理极限需强制满足。当运算过程中超出这些约束时,将其设为其边界值。
3 算例分析
为了验证所建模型及求解方法的有效性,对某地区抽水蓄能电站进行24 h运行优化,负荷预测见图1。取ηp=0.8,由于,抽水发电的转换效率ηg取为0.75,则ηh=0.937 5。抽水蓄能电站的最大蓄能量700 MWh,最大发电功率Pgmax为160 MW,最大抽水功率Ppmax,按照Ppmax=ChPgmax(Ch为比例系数[2],对于抽水蓄能电站一般取为1.0～1.2,这里取1.2),水库一天的初始蓄能量为0 MWh。本次优化时间段取为一天,共分为24个时间段,即T=24。粒子种群数设置为100,精英集的容量设置为50,最大迭代次数设为2000,初始设为0.3。
图2做出了本文所用算法与文献[11]所提NSGA-Ⅱ算法(种群规模为100,迭代次数2 000)的运算结果。由图2可知本文所用算法得到的Pareto前沿更为均匀,相同的目标函数值f1时,本文所用算法得到的目标函数f2值更优,因此本文所提算法得到的Pareto前沿更优。
图3做出了原始负荷曲线与抽水蓄能电站运行后的等效负荷曲线。由图3可知抽水蓄能电站工作后的等效负荷曲线较原始负荷曲线低谷时段负荷值上升,高峰时段负荷值下降,负荷的峰谷差减小;等效负荷曲线的波动较原始负荷曲线减小,等效负荷曲线更为光滑。
本文利用文献[12]所提方法选取最优折中解,图4做出了最优折中解情况下抽水蓄能电站的抽水发电状况以及蓄能量变化图。图4中抽水蓄能电站功率负值表示抽水,正值表示发电。抽水蓄能电站在负荷高峰时段发电,等效负荷减小,负荷低谷时段抽水,等效负荷增加,从而起到削峰填谷的作用。由此,抽水蓄能电站的工作状况得到了较为合理的安排,而不是单纯的负荷低谷时段满功率抽水高峰时段发电。抽水蓄能电站的蓄能量由初始时刻的0 MWh,调度时段结束时回归到0 MWh,从而为第二天的蓄水做准备,抽水蓄能电站的库容量得到了充分利用。
4 结语
本文提出了基于等效负荷曲线优化的抽水蓄能电站调度新方法,以使得抽水蓄能电站运行后的等效负荷曲线峰谷差减小、更为平滑为目标建立多目标调度模型。利用改进多目标粒子群算法进行求解,由算例可知模型能够合理安排抽水蓄能电站工作情况。
摘要：随着负荷峰谷差增大,电力系统调峰困难问题日益突出。抽水蓄能电站具有启停迅速、削峰填谷等良好的运行特性,可以作为调峰电源优化负荷曲线,减小负荷峰谷差和波动性。建立了以抽水蓄能电站运行后的等效负荷曲线峰谷差减小、曲线更为平滑为目标的多目标抽水蓄能电站优化调度模型。利用引入Maxmin函数和ε支配的改讲多目标粒子群算法对模型进行求解。通过算例验证了本文所提模型和算法的有效性和合理性。
关键词：抽水蓄能,等效负荷曲线,优化调度,多目标粒子群
参考文献
[1]肖颖,印永华,郭剑波.利用多目标模糊动态规划法进行抽水蓄能电站的运行优化[J].电网技术,1997,40(10):15-18.22.
[2]黄蕾,李丰伟,秦俊宁.基于效益分析的抽水蓄能电站运行工况优化调度[J].电力系统保护与控制,2009,36(22):94-98.
[3]赵洁,刘涤尘,雷庆生,等.核电机组参与电网调峰及与抽水蓄能电站联合运行研究[J].中国电机工程学报,201 1,47(7):1-6.
[4]胡泽春,丁华杰,孔涛.风电—抽水蓄能联合日运行优化调度模型[J].电力系统自动化,2012,36(2):36-41,57.
[5]李志伟.风电—抽水蓄能电站联合运行的多目标优化[D].兰州:兰州理工大学,2011.
[6]祝瑞金,邴焕帅,王建军,等.考虑调峰效益和电量效益的风蓄联合运行优化模型及算法[J].华东电力,2012,40(4):564-567.
[7]徐鸣,沈希,马龙华,等.一种多目标粒子群改进算法的研究[J].控制与决策,2009,23(11):1713-1718,1728.
[8]徐家,李绍军,王慧,等.基于最大最小适应度函数的多目标粒子群算法[J].计算机与数字工程,2006,34(8):31-34.
[9]MOSTAGHIM S,TEICH J.The Role ofε-dominance in Multi Objective Particle Swarm Optimization Methods[C].Canberra;Proceedings of the 2003 Congress on Evolutionary Computation,2003.
[10]LI X.Better Spread and Conver Gence:Particle Swarm Multi-objective Optimization Using the Maxmin Fitness Function[C].Seattle:Proceedings of the 2004 Genetic and Evolutionary Computation Conference,2004.
[11]DEB K,PRATAP A.AGARWAL S,et al.A Fast and EUtist Multi-objective Genetic Algorithm:NSGA-II[J].IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.
基于遗传算法的轧制负荷分配优化 篇6
负荷分配是冷连轧过程控制设定计算的前提和基础,从本质上讲,负荷分配作为冷连轧过程控制中的一个重要环节,其合理与否不仅决定了轧制过程的状态特性,而且对产品质量和产量均有重要影响。因此,在进行各机架设定值计算时,制定最优的压下负荷分配方案是十分重要和有意义的。
经典的负荷分配方法可分为两大类,一类是经验法,另一类是最优化方法。目前现场用的较多是经验法,这种方法虽然可以使用但并非最佳。追求最优状态的最优化方法越来越成为负荷分配的重要手段,本文针对某钢厂单机架可逆式冷轧机为研究对象,实现了基于遗传算法的轧制负荷分配优化。
1 负荷分配优化
轧制规程是生产工艺的核心内容,是轧机生产能力发挥、产品厚度精度及板形质量的根本保证。轧制规程的计算涉及众多变量,模型复杂,依赖经验的负荷分配方法,尽管能够满足工艺要求,但是对于某些方面来说不一定是最优的,显然已不能满足自动化生产的需要,负荷分配的高精确和最优化越来越重要。
对轧制规程优化就是在众多的轧制方案中寻找一种最优化的轧制方案,在寻求优化轧制规程时,首先要确定优化的目标,即建立目标函数。对于同一组轧机,使用原料及产品均相同,由于寻优目标不相同,会导致工艺参数不同。因此对于冷轧带钢来说,确定最优的轧制规程,有其十分重要的意义[1]。
轧制负荷分配优化的基本思想为:在来料厚度及终轧目标厚度已知的情况下,将工艺所追求的目标表示成目标函数,在满足各种限制条件下,寻求一组板带厚度分配值,使目标函数值最小。这种方法的关键在于目标函数的建立和优化方法的确定[2]。
在单机架可逆式冷轧机上,尤其是在没有液压弯辊的可逆轧机上,各道次的辊凸度变化很小,为使带钢板形良好,通常以等轧制力轧制原则分配各道次压下量,即对轧制力而言各道次都是相等的,而对相对压下率来说则是依道次下降的。在首道次带钢塑性较好,是以大压下使传动功率得以充分的利用,但实际上较大的来料厚度波动限制了第一道次压下不能最大;以后几道次随着加工硬化的加剧,压下量受到设备能力的限制而下降;在成品道次压下最小,主要考虑到板形质量。这样就使得各个道次的轧制力不是完全或近似相等,而是首尾道次小,中间道次大。这种分配原则运用现代理论和计算技术使压下分配实现优化,更好地体现了等轧制力分配原则[3]。
综合以上考虑,为了充分发挥设备能力,本文采用轧制力成比例分配方式。
设各个道次轧制力成比例,即:
其中,pi为第机架的轧制力,ai为轧制力比值。可导出下式:
2 基于遗传算法的轧制负荷分配优化
目前,遗传算法已在组合优化问题求解、自适应控制、程序自动生成、机器学习、神经网络训练、人工生命研究、经济组合等领域取得了令人瞩目的应用成果,遗传算法也成为当前人工智能及其应用的热门课题,并越来越多的应用到工业生产中[4,5,6]。
2.1 遗传运算
遗传运算也叫遗传操作或遗传算子,遗传算法有三个基本运算:选择、交叉和变异。
选择运算选择运算又称为繁殖、再生或复制运算,用于模拟生物界去劣存优的自然选择现象。
交叉运算交叉运算又称为交换、杂交运算,是遗传算法中最重要的运算,模拟生物进化过程中的繁殖现象。选择运算能够从旧种群中选择出优秀者,交叉运算可以得到新一代个体,新个体组合了父辈个体的特性。
变异运算变异运算用来模拟生物在自然界的遗传环境中由于各种偶然因素引起的基因突变,它以很小概率随机地改变遗传基因(表示染色体的符号串的某一位)的值。通过变异操作,可确保群体中遗传基因类型的多样性,以使搜索能在尽可能大的空间中进行,避免丢失在搜索中有用的遗传信息而陷入局部解,获得质量较高的优化解答。
2.2 遗传参数选择
2.2.1 种群规模的选取
为选择合适的种群数,在种群个体为以10为最小种群规模,以10为步长递增,以最大遗传代数为80分别进行了遗传优化。对不同种群,各计算了10次,以10个最优解的平均值代表当前种群数的寻优能力。得到种群数对遗传算法的寻优能力的影响如图1所示。由图可知,当种群数小于80时,寻优能力随种群增大而明显提高,但种群数大于80时,寻优能力随种群变化不明显。说明当种群数大于80时,再增大种群已经对改善算法的性能作用不大。因此,确定种群数为80。
2.2.2 遗传代数的选取
首先将最大遗传代数取为100,以种群数为80进行遗传算法优化,由图2可以看出遗传结果的收敛速度与迭代次数的关系。我们发现,当遗传代数小于60时,优化结果收敛迅速;而60代以后,收敛速度变得比较缓慢。经多次优化后,结果大致相同。因此,将最大遗传代数取为60。
2.2.3 遗传概率的确定
遗传概率(包括交叉概率和变异概率)的选取与具体的问题有关,通常交叉概率的取值范围为0.75～0.90,变异概率的取值范围为0.01～0.1。对于为选择合适的遗传概率,设计了不同的概率组合进行了计算,结果发现这些概率组合对最终结果影响不大。因此,我们选取了其中相对较好的一组作为遗传概率,交叉概率为0.8,变异概率为0.01。
2.3 遗传算法优化
在初始化种群设计中,染色体的选取可有不同的方法。采用压下率作为染色体染色体,既直观,又便于计算。因此,本文将染色体定义为1～n-1道次的压下率。
染色体给定以后,就可以根据前n-1道次的压下率,以及来料厚度和成品厚度,确定一组厚度分配,与其对应的各道次轧制力、转矩、速度等未知量也可以根据数学模型求出,由此可以进行染色体的可行性检验,计算对应的目标函数值,剔除超限的染色体,保留适应度强的染色体,进而求得最优值。
本文将适应度选取为式(1)所示的目标函数,以此来评价染色体,继而进行选择、交叉、变异运算,最后满足收敛条件或达到最大迭代次数后,得到优化结果。
3 试验结果
来料厚度2.5mm,成品厚度0.38mm,带钢宽度1250mm,材质为SPHC。以轧制力成比例为目标,按式(1)设置目标函数,按上述遗传参数进行轧制规程优化,得到优化结果见表1,相应的该工厂原生产中所用轧制规程见表2。
通过表2和表3我们可以看到,与原生产中所用规程相比,优化后的轧制规程更加合理,不但使设备的能力得到了充分的发挥,而且兼顾了板形良好。取第二道次轧制力为基准,优化后各道次轧制力比为[0.8984:1.0000:0.9965:0.9997:0.8987:0.8482],对应6道次的目标分配比为[0.9:1:1:1:1:0.9:0.85],优化后的目标函数值为8.0907×10-6,用时6.13秒。可见优化结果合理,且在误差范围之内,达到了精度要求,能满足生产需要。
4 结论
本文运用遗传算法对单机架可逆冷轧机轧制规程进行了优化,从结果来看,优化结果接近目标值,达到了精度要求,设备的能力得到了充分发挥,板形得到了保证,从而提高了轧机的生产力,提高了工作效率,降低了生产成本。经试验证明,该方法无论从计算精度还是求解的稳定性方面,均能满足生产需要,是一种适合单机架可逆冷轧机的负荷分配方法。
摘要：利用遗传算法设计了一种冷连轧轧制负荷分配的优化方法。根据某厂单机架可逆式冷轧机生产工况,以轧制力成比例分配为目标函数进行优化。实验证明,遗传算法在轧制负荷分配计算中,具有算法实现简便、运算速度快等优点,使用该策略能够获得良好的板形及生产的平稳过渡,可用于指导冷连轧生产。
关键词：遗传算法,负荷分配,冷轧机
参考文献
[1]刘战英.轧制变形规程优化设计.北京:冶金工业出版社, 1996:1-6.
[2]姜万录,陈东宁.冷连轧机负荷分配优化研究进展[J].燕山大学学报,2007,31(3):189-193.
[3]傅作宝.冷轧薄板生产.第2版.北京:冶金工业出版社,2005: 125-132.
[4]Wang D W,Yung K L,Ip W H.Partner selection model and soft computing approach for dynamic alliance of enterprises. Science in China,2002,45(1):68-80.
[5]Mitsuo Gen,Runwei Cheng.GeneticAlgorithms and Engineering Optimization.New York:Wiley Interscience,1999,1- 17.
基于负荷密度的供电优化方案分析 篇7
1 数学模型的建立
1.1 数学模型
为了便于建立优化选择分区电网内220 k V变电站供电方案的数学模型,做如下假设。
(1)分区电网是由1个500 k V变电站供一片220 k V地区负荷的格局,且负荷均匀分布。
(2)220 k V变电站供电范围是以变电站为圆心的圆,各220 k V变电站供电区域相等。
根据工程经济学的相关理论,以建设投资与运行损耗总费用最小为目标函数,该数学模型表示为:
式中:i为方案编号;Fi为各方案在投资有效年限内电网建设投资和年运行损耗费用归算到投资年的现值费用;Ki和Ni分别为各方案的网络建设投资费用和网络年运行损耗费用;β为年费用的折现系数。鉴于电网运行的实际情况,所建立的数学模型还须满足下列约束条件:
式中:NT,NT max和NT min分别为单座220 k V变电站内主变压器台数以及及其最大值和最小值;ST,ST max和ST min分别为单台220 k V变压器额定容量以及其最大值和最小值;Y1为单座220 k V变电站进线总数;∑Y1max为所有220 k V变电站进线总数的最大允许值;NS为220 k V变电站个数;Kc min和Kc max为220k V电网容载比最小值和最大值;P为分区电网内总负荷,MW。
1.2 网络建设投资费用
假设整个建设投资费用发生在规划末期,则网络建设投资费用可以表示为:
式中:ZB为220 k V变电站投资;ZL1为220 k V变电站进线投资;ZL2为110 k V高压配电网主干线建设投资。
220 k V变电站建设投资可表示为:
式中:ZB1,ZB2,ZB3和ZB4分别为建筑工程费、设备购置费、安装工程费和征地费等。
220 k V变电站进线投资可表示为:
式中:JL1为220 k V线路每公里单价;L1为变电站平均进线长度,可进一步表示为:
式中:D为地形修正系数;R为单座220 k V变电站的平均供电半径,与负荷密度δ(MW/km2)有着密切关系。
R表示为:
110 k V高压配电网主干线建设投资为:
式中:Y2为单台220 k V变压器110 k V侧出线回路数;L2为110 k V高压配电网出线每回线路长度;JL2为110 k V线路每公里单价。
1.3 年运行损耗费用
根据相关理论,220 k V进线的年电能线路损耗费用NZ 1、110 k V高压配电网的年电能线路损耗费用NZ 2和220 k V变电站三绕组变压器的年综合电能损失费用NZ 3可以表示为:
式中:
式中:ΔP1为变电站220 k V进线线路总的有功损耗;ΔP2为110 k V高压配电网的年电能线路损耗;ΔPZ为220 k V变电站三绕组变压器的年综合电能损失;τ为年平均最大负荷损耗小时数;T为变压器年投入运行小时数;Jd为平均电价;r1和r2分别为220 k V和110 k V线路的单位电阻;UN1和UN2分别为220 k V和110 k V;cosφ为功率因数;Ku为不均匀系数;KP和KQ分别为有功和无功经济当量;ΔP,ΔQ为变压器有功和无功功率损耗;P0和Q0分别为变压器空载损耗和空载励磁功率;S1为变压器一次侧平均负载视在功率;PKi和QKi(i=1,2,3)分别为各绕组的短路损耗和漏磁功率;C2和C3分别为三绕组变压器二次和三次负载分配系数;KT为负载波动损耗系数;S1N,S2N和S3N为三绕组变压器各侧额定容量。
年运行损耗费用主要包括年折旧维护费NZ0和年电能损耗费用NZY2个方面,即:
2 优化方法
根据电网运行实际情况,初步确定分区电网内220 k V变电站主变容量与台数的组合,去除不满足约束条件的供电方案,即得可选供电方案集合,然后通过计算比较得出最优方案。具体步骤如下:
(1)根据电网运行实际情况,确定模型相关参数值;
(2)根据约束条件得到可选供电方案集合;
(3)计算集合中各供电方案下建设投资与运行损耗总费用;
(4)比较各供电方案所需总费用得到最优供电方案。
3 算例及结果分析
当分区电网是由1座500 k V变电站供一片220 k V地区负荷时,以此作为算例,重点研究了不同负荷密度下分区电网内220 k V变电站个数、变电容量和变压器台数三者合理配置的最优供电方案。其参考江苏电网运行实际情况得到相关参数如下:
(1)500 k V变压器容量主要考虑500 MV·A、750 MV·A和1000 MV·A;
(2)500 k V变电站容载比为1.6;220 k V电网容载比最小值和最大值分别为1.6和2.1;
(3)500 k V变电站220 k V侧出线为10~16回;220 k V变电站110 k V侧出线按单台主变4回出线计算;
(4)220 k V变电站主变容量主要考虑90 MV·A、120 MV·A、150 MV·A、180 MV·A和240 MV·A;主变压器最少为2台,最多为3台;
(5)变压器全年运行小时数为8 760 h,年平均最大负荷损耗小时数为5 000 h。功率因数为0.9,平均电价为0.55元/(k W·h),地形修正系数为1.3;
(6)负载波动损耗系数为1.018;有功和无功经济当量分别为0.1和0.05;220 k V三绕组变压器二次和三次负载分配系数为0.95和0.05;
(7)220 k V进线线路单位电阻为r1=0.039Ω/km;110 k V出线线路单位电阻为r2=0.093 5Ω/km。
根据以上参数,结合上文所给出的数学模型和优化方法,以年费用最小为目标,得到不同容量等级下500 k V变电站供电时分区电网内220 k V变电站个数、变电容量和变压器台数三者合理配置的最优供电方案。表1为分区电网由一座2×500 MV·A的500 k V变电站供电时的最优供电方案结果,表2为分区电网由一座2×750 MV·A的500 k V变电站供电时的最优供电方案结果,表3为分区电网由一座2×1 000 MV·A的500 k V变电站供电时的最优供电方案结果。
从表1中可看出:分区电网由一座2×500 MV·A的500 k V变电站供电,负荷密度不超过20 MW/km2时,220 k V变电站内容量组合选用2×120 MV·A较为经济,分区电网内需建设5座220 k V变电站;当负荷密度增大至20 MW/km2以上,选用容量组合3×120 MV·A较为经济,此时分区电网内只需建设3座220 k V变电站。
从表2中看出:分区电网由一座2×750 MV·A的500 k V变电站供电,负荷密度不超过10 MW/km2时,220 k V变电站内容量组合选用2×120 MV·A较为经济,分区电网内需建设7座220 k V变电站;当负荷密度增大至10 MW/km2以上,选用容量组合2×180 MV·A较为经济,此时分区电网内只需建设5座220 k V变电站。
从表3中看出:分区电网由一座2×1 000 MV·A的500 k V变电站供电,负荷密度不超过4 MW/km2时,220 k V变电站内容量组合选用3×150 MV·A较为经济,分区电网内需建设5座220 k V变电站;当负荷密度增大至4 MW/km2以上,选用容量组合3×180 MV·A较为经济,此时分区电网内只需建设4座220 k V变电站。
4 结束语
文章以建立优化选择分区电网供电方案的数学模型为基础,充分考虑电网实际运行中各种约束条件,讨论不同负荷密度下分区电网最优供电方案。结果表明,当分区电网内负荷密度较小时,应优选220k V变电站容量较小的供电方案,此时变电站个数虽较多,但整体经济效益占优;当分区电网内负荷密度较大时,选用220 k V变电站容量较大的供电方案较,此时所需建设变电站个数也相应较少。该结果对于电网规划具有参考价值。
参考文献
[1]蓝毓俊.现代城市电网规划设计与建设改造[M].北京:中国电力出版社,2004.
[2]刘友强,李欣然,刘杨华.变电站经济容量及经济供电半径的探讨[A].中国城市供电学术年会论文集[C],2005.
[3]葛少云,李慧,刘洪.基于加权Voronoi图的变电站优化规划[J].电力系统自动化,2007,3(31):29-34.
[4]黄民翔,周满,尹建兵.110/10kV高压变电所优化方案[J].江南大学学报(自然科学版),2006,5(3):313-315.
[5]王建兴,刘静萍,尹琼.城网110kV变电所个数及变电容量、台数的优化选择[J].电力自动化设备,2001,21(8):31-33.
[6]中华人民共和国能源部、建设部.城市电力网规划设计导则[R].上海:中国电机工程学会城市供电专业委员会,1993.
[7]胡景生.变压器能效与节电技术[M].北京:机械工业出版社,2007.
[8]闵宏生,阙之玫,吴丹,等.不同负荷密度下的配电网供电模式研究[J].供用电,2006,23(2):19-24.
负荷优化 篇8
目前,国内外学者对传统无功优化作了一定的研究和探索,主要侧重于满足电压、设备动作次数等约束条件下,达到网损最小等目标[1—3],但其均为静态单时段优化,由于负荷具有时序波动性,并且控制设备动作寿命有限等因素,因此越来越多的文献开始尝试动态无功优化的研究。文献[4]建立了动态无功优化模型,采用启发式规则制定了控制设备的动作序列,并根据负荷曲线波动程度进行时段划分,把动态无功优化问题转化成几个时间断面上的静态无功优化问题。文献[5]提出计及控制设备动作次数的动态无功优化方法,将负荷曲线划分成24 个时段,在每个时段上转化成与静态无功优化相似的模型进行求解。然而,文献[4,5]均未考虑负荷不确定性,而负荷预测模型误差对控制设备动作策略等具有不可忽略的影响。文献[6]提出单个时间断面下计及负荷不确定性的无功优化模型,采用概率方法来刻画负荷的不确定性,将系统总负荷分段并得到多组负荷样本及其对应的概率值,再针对每一负荷样本分别进行优化,但未考虑动态多时段过程。场景技术作为解决概率性问题的一种良好方法,在概率潮流模型、分布式能源出力和负荷预测等方面得到的广泛应用和发展[7—10]。因此现采用多场景技术获得负荷样本,并通过场景削减技术可获得合理的负荷样本数量及概率。
此外,动态无功优化的求解不仅需要考虑时段之间的耦合关系,在系统节点较多时会陷入“维数灾”。因此较多学者开始研究时空解耦方法来解决动态无功的求解问题,即静态分段思想进行求解[11—13]。合理的时段划分将简化优化过程,而如何进行时段划分也需要进一步研究[14]。文献[15]采用基于统计学数据分析指标的分段,利用负荷曲线的极差和标准差两个指标设定阈值,小于阈值即合并分段,因此阈值的选取对结果影响较大。文献[16]采用自适应分段方法,将负荷曲线如何分段转化为优化问题进行求解,目标函数设定为划分的每个时段内的标准差。文献[17]采用基于重要点的特征趋势建立时间序列的划分模型,从而获得合理的时段划分结果。实际上,负荷曲线时段划分可视作时间序列时段划分问题,因此可借鉴时间序列分析方法,时段划分以后,动态无功优化问题就转化成了与静态无功优化问题相似的模型进行求解。
综上研究,为解决存在的与问题,现在利用多场景技术,并充分结合动态无功优化问题特性,借鉴时间序列分析方法进行时段划分,提出考虑负荷不确定性和时段优化的动态无功优化方法。首先,构建负荷的不确定模型,并基于此进行拉丁超立方抽样及场景削减; 其次,对负荷样本期望值采用统计学指标归一化处理形成综合负荷趋势序列; 然后,设计基于特征趋势的自适应时段划分方法; 最后,以网损最小为目标,令电压越限和发电机无功出力越限为惩罚因子,计及场景概率,构建多目标动态无功优化模型,采用遗传算法进行求解及算例仿真。
1 负荷的不确定性模型及场景削减技术
对于负荷预测误差模型的研究较多,研究者认为负荷的预测误差服从均值为0 的正态分布,即,eLt~ N( 0,σl,t) ,Lpre表示负荷预测数据,σ 为标准差。
一般取k = 2% ~ 5% ,则考虑负荷预测误差后的t时刻的考虑负荷预测误差后的负荷值L为
负荷的不确定性可以采用多场景技术进行刻画,然而随机抽样方法使得样本更容易聚集在高发生概率的空间,采用拉丁超立方抽样技术对累积概率曲线进行分层后取得样本,可以保证覆盖整个样本空间。现采用拉丁超立方抽样技术对负荷预测误差进行抽样,具体过程参考文献[7]。假设共抽样产生S个场景,随机变量个数X = [x1,x2,…,xz],第i个样本定义为Xi= [xi1,xi2,…,xiz]。但过多的场景会造成计算复杂,采用通过定义场景距离函数进行场景削减,假设每个场景的初始概率为
( 1) 定义任意两个场景之间的距离函数如下,该函数综合考虑场景的平均距离
式( 4) 中,为场景的平均距离。Xiw和Xjw分别为各场景下的样本值。
( 2) 从场景集合中删除Dij最小的样本j
pj为场景i出现的概率,dij为定义的场景i和场景j之间距离。
( 3) 更新样本i出现的概率
( 4) 重复步骤( 1) ~ 步骤( 3) ,直到场景数缩减至所需数量S。
2 基于负荷曲线综合特征指标的自适应时段划分方法
对负荷进行时段划分不仅在求解维数上降低,并可在计及控制设备动作次数约束情况下达到无功优化目标。针对负荷曲线具有时序性这一特性,借鉴时间序列划分方法,建立负荷曲线趋势特征指标,形成综合趋势特征序列。
2. 1 负荷曲线趋势特征指标
针对多场景下的多负荷曲线序列,取每个时刻负荷值的期望值构成用于划分时段的负荷曲线时间序列,设形成的负荷曲线时间序列为L={l(ti)}Ni=0,其中l(ti)为ti时刻的负荷值,即
2. 1. 1 定义趋势特征指标h1
则,由所有时刻组成的趋势特征值序列为H1
2. 1. 2 定义趋势特征指标h2
同上,所有时刻组成的趋势特征值序列为H2
2. 1. 3 归一化处理
对上述两个指标进行归一化处理,并用权重系数方法将其转化成综合指标,形成综合趋势序列
式( 11) 中,H1mean和H2mean为趋势特征序列H1和H2中的均值。由所有时刻的h( t) 组成的构成负荷曲线序列的综合趋势特征序列H
式( 12) 中,N为1 d内负荷曲线时刻点数,可以取24 个时刻或48 个时刻,最后时刻与0 时刻重叠,取负荷值相等进行计算。
2. 2 自适应时段划分方法
根据统计学知识,标准差可反应数据的波动情况,计算综合趋势特征序列的标准差
对综合趋势特征序列进行分段,设分段数为M,每段持续时间为pi( i = 1,2,…,M) ,同理,各时段内的标准差为pL,i,各时段持续时间为tp( i),建立的时段划分优化目标为
约束条件为
针对该优化问题,可采用贪婪搜索算法进行求解。由于负荷曲线的有功功率和无功功率变化趋势一致,可采用负荷曲线的有功功率值进行分段计算。进行时段划分后,时段内各场景的负荷序列可用其均值代替参与后续优化。
3 计及负荷不确定性的无功优化模型
3. 1 目标函数
建立计及负荷不确定性的无功优化模型的目标函数为
式中,G( i,j) 为支路导纳,Ui节点i的电压幅值,Uimin和Uimax为节点i的电压上下限,cosθij为支路两端电压相角差,QGi为i所在的发电机无功出力,QGmin,i和QGmax,i分别为发电机无功出力的上下限,λv和 λG分别为电压越限和发电机无功出力越限的罚因子。
3. 2 约束条件
无功优化的约束条件主要有
3. 2. 1 等式约束
式中,式( 21) 和式( 22) 为潮流平衡约束条件,PGi,s、PLi,s分别为场景S下节点i所连发电机有功出力和负荷消耗的有功功率,QGi,s、QLi,s分别为场景S下节点i发电机组无功出力和负荷消耗无功功率,Bij为连接节点i和节点j的支路电纳。
3. 2. 2 不等式约束
不等式约束包括了发电机机端电压、无功出力、电容器容量、变压器变比等上下限值,以及一天内电容器最大投切次数及变压器最大调档次数限值等。
式中,式( 23) 为电压约束,式( 24) 为PV型发电机无功出力上下限,式( 25) 和式( 26) 分别为电容器组容量和变压器变比范围。式( 27) 和式( 28) 分别为在一个调度周期N内控制设备动作次数约束。NB、NG、NC、NT分别为系统节点数、发电机节点数、电容器组节点数、变压器组节点数。
3. 3 基于精英保留策略的遗传算法无功优化
3. 3. 1 遗传算法
遗传算法[18]是一种模拟生物进化的人工智能启发式进化算法,适用于解决非线性优化问题。其中,所有潜在的可行解定义为种群,染色体的适应度代表解的优劣程度,编码方式和适应度函数选择对求解较为重要。
( 1) 编码: 无功优化的电容器组和可调变压器档位采用整数编码,由控制变量形成的染色体为
解码格式为
式中,Qci和Ti分别为第i个节点上的补偿电容器的容量和变压器档位,Ci为电容器投入的组数,Δci为调节步长,即单位电容器容量,Ti,min为变压器档位下限,ΔTi为变压器档位调节步长。
( 2) 适应度函数: 因为最小值优化问题,且保证了优化目标为正,可以通过导数操作将其转化成最大值。
3. 3. 2 精英保存策略
理论证明,精英保存策略可使得遗传算法获得全局最优解。为避免最优个体或其周围的个体在杂交过程中被破坏,精英保存策略将父代中的优良个体直接保留到子代,不参与交叉和变异等遗传操作,精英保存策略具体过程如下:
( 1) 设种群规模为N,将父代和子代全部各体形成规模为2N的统一种群;
( 2) 将新形成的种群进行非支配排序并根循环拥挤距离,从高到低选取N个个体形成新的父代种群;
( 3) 对新的父代种群进行遗传操作,通过交叉和变异等形成新的子代种群。
3. 3. 3 交叉和变异
交叉是产生新个体的主要手段,也是遗传算法寻优的关键,通过设定交叉率对个体某些基因和其他个体相同位置基因进行互换,从而在种群中形成新的个体。变异则对个体中基因随机数小于变异率的个体进行变异产生新的个体,从而覆盖全局最优解,是遗传算法寻优的辅助手段。
4 仿真算例
现在所提方法分别在IEEE30 节点系统进行仿真仿真计算。
4. 1 基础数据
IEEE30 节点系统的参数参见文献[19],其中,发电机在1、2、5、8、11、13 节点,变压器支路位于6 ~ 9,6 ~ 10,4 ~ 12,27 ~ 28 节点,无功补偿点在10,24 节点,控制变量及约束条件如表1 所示。
取某地区电网未来24 h负荷有功功率和无功功率预测数据如表2,表3。
4. 2 场景削减及时段划分结果
设定负荷预测误差模型中的标准差取各时刻负荷预测值的5% ,采用拉丁超立方抽样方法对负荷预测误差抽样1 000 次,形成的考虑负荷预测误差下的有功负荷样本结果如图1 所示。
通过定义的场景距离进行削减后,各时刻的负荷期望值形成用于时段划分的负荷序列。一般取控制设备日最大动作次数为3 ~ 5 次作为分段次数,现取5 次进行分段,式( 9) 中的权重系数为为0. 5。进行自适应时段划分,划分后时段内进行阶梯化处理,对各节点负荷采用相同比例分配,采用平均值参与计算,分段结果及负荷期望值如图2 所示,可知负荷的时段划分时刻点为5: 00,9: 00,14: 00,21: 00,追踪反应负荷预测值的变化趋势,反应了负荷的波动情况。
4. 3 无功优化结果及分析
现分别采用3 种案例进行动态无功优化,方案1 分为24 个时段后对每个时刻负荷预测值进行静态无功优化,方案2 为进行时段划分后,分段内采用负荷预测值进行无功优化,方案3 采用考虑时段划分和负荷不确定性的无功优化方法,遗传迭代次数100 次。设以安装在10 号节点的电容器投入容量为例,对3 种方案的仿真结果对比如图4 所示。
对比方案1 和方案2,方案1 由于划分成24 个时段后每个分段的优化结果不同,造成电容器动作频繁,方案2 采用时段划分,明显减少了电容器投切次数。对比方案2 和方案3 可知,考虑负荷不确定性后电容器的投入容量在每个时段内均与方案2 不同,所以考虑负荷不确定性将影响优化的电容器投切容量。
进一步统计所有变压器和电容器的动作情况,对比方案1 和方案3,结果如表4 所示。对比可见,采用本文所提方法可降低控制设备动作次数,避免设备动作频繁,符合实际要求。
图4 给出了3 种方案下所得到的网损结果对比,分析可知,方案3 采用式( 17) 作为目标函数所得的网损低于不考虑负荷预测误差情况下所得的网损。
5 结论
负荷优化 篇9
随着生产能力的不断提升, 电力系统生产电能的效率越来越高, 极大的满足了人们的生产生活需要。但是, 电网建设也逐渐复杂化, 其安全性与稳定性运行问题时有发生, 对电力系统的发展造成不利影响。因此, 要求有关技术工作人员要不断进行相应的技术研究与优化调控, 实现这一问题的完满解决。
一、电力负荷特性
1.1电力负荷的周期特性
在电力系统运行过程中电力负荷特性有多种表现类型, 但是最为常见的有三种, 即居民用电负荷、工业用电负荷和商业用电负荷。并且通过观察可以发现, 三种类型的负荷特性具备着不同的特点及规律。电能在生产完成后无法进行大量的存储, 因此电能的生产与使用通常是在一瞬间完成的具有极强的及时性, 相应的电力负荷的变化就具备周期性的特性[1]。并且电力负荷的周期性变化并不是进行简单的重复动作, 还存在着随机分量, 从而使周期在运转过程中数值发生变化。除此之外, 电力负荷还具备连续性的特点, 这一特点能够保障电力系统在运行过程中不被较大的电流冲击, 确保其运行的稳定性。
1.2电力负荷的季节性特性
电力负荷的季节性特性主要是由负荷结构决定的, 因此极易受外界气候环境等的影响在不同的季节会发生不同的变化[2]。首先, 在春季和秋季这两个气候适宜的季节中, 不会在电力系统的运行过程中发生高温或是低温的情况, 所以相应的电力负荷受到影响程度就较小, 电力系统的运行也不会发生大的波动。与此同时, 降水量、风力等变化也会对电力负荷造成影响, 电力负荷具有连续性的运行特点, 所以变化过程中不会出现大幅度的跃变。
二、电力负荷优化调控方法
2.1电价引导负荷平衡法
电力企业通过对电价进行合理的制定, 能够实现电力负荷的优化控制。电力企业在发展过程中具有一定的垄断特性, 所以在电价的制定过程中就要注意不能单从经济利润的角度进行, 还要对用户的接受范围、企业的未来发展以及自身的运行条件等方面进行综合的考量, 以此来维护社会的稳定与安全。针对当前电力行业发展遇到的问题, 电力企业可以通过制定合理的电价措施来实现电力负荷的平衡性控制, 从而促进电力系统运行的安全性与稳定性提升。可以采用边际成本定价法, 对商业用电负荷、居民用电负荷以及工业用电负荷等主要用电负荷进行有效的平衡处理, 实现电力负荷的平稳。
2.2需求侧管理平衡负荷法
需求侧管理简称DSM, 是一种被广泛应用于国际管理领域中的一种先进的资源规划方法, 将其应用在电力负荷的管理中, 对其平衡性与稳定性具有积极作用。DMS管理办法一经推出就受到各领域的广泛好评与应用, 在热力、供水、煤气等方面的管理中都起到一定促进作用[3]。但是, 在不断的推广与使用过程中发现, 此种办法对电力管理效果最为明显。DSM主要是指导电力部门运用经济、行政和技术等方面的手段, 来控制电量的消耗, 减少电力的需求量, 从而提升电力行业经济效益与环境效益的一种优质管理办法。电力企业也是处在市场经济下进行发展的, 因此进行电力负荷特性的优化调控也要满足市场竞争发展需求的需要。
通过此种办法中的不同提调控手段的运用能够实现对电力负荷的有效平衡, 首先, 在行政手段方面, 政府以及相关的电力发展部门可以依据相应个、法律法规的制定来规范电力市场中的销售与消费行为, 从而实现电力系统运行的稳定性状态维护, 确保电力负荷的稳定。其次, 技术手段方面, 电力企业可以引进先进的节能设备和负荷管理技术, 从而有效的改变电力系统的供电方式, 以此提升用电效率, 达到电力负荷的平衡状态。
三、结语
综上所述, 电力企业发展过程中, 通过对用电负荷特性的有效分析与研究, 制定相应的用电负荷平衡办法, 能够有效的提升电力系统的运行效率, 促进企业经济效益的提升。用电负荷具有周期性与季节性等特性, 在发展过程中极易受到外界干扰而产生变化, 从而影响电力系统的稳定运行与发展。因此可以运用电价引导负荷平衡法、DSM等办法对其进行有效的优化控制, 促进电力行业的快速健康发展。
参考文献
[1]杨力俊, 牛亚平, 韩伟国.城市电力负荷特性分析及其优化控制[J].现代电力, 2005, 03:89-93.
[2]师瑞峰, 崔灿.电力负荷分配模型及其优化方法综述[J].陕西电力, 2011, 04:10-15.