郭樹林 王稹筠 李都紅 歷 莉
(1. 北京新機場建設指揮部,北京 102602;2. 北京大興國際機場,北京 102602;3. 北京市市政工程設計研究總院有限公司,北京 100035)
現(xiàn)階段,智能電網技術在機場供電系統(tǒng)中特別是大型機場供電系統(tǒng)中已逐步開始推廣使用,為供電系統(tǒng)的穩(wěn)定性和安全性帶來了新的機遇。同時,智能電網技術的應用也使得機場電網結構和運行方式日趨復雜,不確定性因素隨之增加,加大了機場電網的運行風險[1-3]。為了更好地在機場中利用智能電網技術,需要研究對應的管控體系及運行安全評價方法。國內外對該領域的研究成果主要集中在配電網的應用方面,針對機場配電網運行安全評價標準方面的研究仍較少。配電網運行安全評價體系是引導機場配電網安全、高效、優(yōu)質發(fā)展的重要技術基礎,通過對配電網運行安全評價指標體系的研究,可提高系統(tǒng)運行安全水平,實現(xiàn)機場配電網的精細化管理。
機場供電系統(tǒng)是一個由供電設備、用電設施、監(jiān)控系統(tǒng)、繼電保護系統(tǒng)、管理人員、運行環(huán)境等因素共同構成的龐大而有序的有機整體,其具有如下特點:①供電區(qū)域內一級負荷所占比重較大,除了餐廳、商鋪等極少數(shù)設施,其余負荷均被定義為一級負荷;②供電區(qū)域內包含的非線性裝置數(shù)量眾多,例如數(shù)量眾多的400Hz中頻電源、大容量不間斷電源(uninterruptible power supply, UPS)、助航站恒流調光器、電機調速與傳動設備、屋頂光伏分布式電源等,這些非線性裝置會向電網注入諧波干擾,導致電壓/頻率畸變,影響系統(tǒng)運行安全;③供電區(qū)域內電力環(huán)境復雜,在投運后,因增減負荷容量、擴建分布式電源裝置,均可能造成原有繼電保護配合整定值區(qū)間失效,使得機場供電系統(tǒng)面臨風險。綜上所述,需要通過研究機場運行安全評價體系,來保證重要負荷的可靠供電,對系統(tǒng)電力環(huán)境進行定量評價,實現(xiàn)機場供電系統(tǒng)運行風險的預判[4-6]。
隨著機場配電網規(guī)劃與管理的日益精益化,配電網運行安全評估方法與模型研究工作變得更加迫切。雖然可借鑒傳統(tǒng)電網運行評價方面已有成果,但是機場配電網運行安全評估方法與模型研究有其自身的特點,如影響運行安全的因素、評價方法的靈活性等方面[7-8]。鑒于此,本文提出一種基于權重系數(shù)反饋校正的機場配電網運行安全評價方法,在進行機場配電網運行安全評估前,通過主成分分析法將評價指標進行精簡整理,保證評價指標的全面性和系統(tǒng)性;在開環(huán)評價結果產生后,基于模糊神經網絡算法的權重系數(shù)調整機制來提高評價系統(tǒng)的靈活性和適應性。本文首次提出一種基于權重系數(shù)反饋校正的機場配電網運行安全評價方法,旨在為機場配電網運行安全指標的確定、評價方法的應用提供參考。
本文所提出的評價方法流程如圖1所示。
圖1 評價方法流程
該方法將機場配電網運行安全評價過程分為確定評價指標體系和運行狀態(tài)評價兩大部分。其中,確定評價指標體系部分用于建立評價所需的指標體系,屬于運行評價的準備過程;運行狀態(tài)評價用于實現(xiàn)對機場配電網運行安全的評價。
在確定評價指標體系部分,本文通過主成分分析法對粗糙的機場配電網運行安全因素集進行精簡,保證所提出的機場配電網運行安全評價指標體系的全面性和系統(tǒng)性。
在運行狀態(tài)評價部分,本文除借鑒現(xiàn)有方法在實現(xiàn)指標歸一化處理、確定指標權重系數(shù)、選擇評價模型、多維度評價結果整合、評價結果的量化排序與發(fā)布等開環(huán)評價過程外,還將開環(huán)評價結果用于訓練模糊神經網絡,實現(xiàn)對權重系數(shù)的閉環(huán)調整,從而提高評價系統(tǒng)的靈活性和適應性。
目前尚未見有關機場配電網運行安全評價指標體系的研究成果,相關研究和技術導則主要對大電網進行評估,提出涵蓋系統(tǒng)評估和斷面評估的風險評估指標方法。故為實現(xiàn)對機場配電網的運行安全評價,首先應對已有電網運行安全評價指標體系進行搜集整理。
本文考慮基于電力系統(tǒng)安全穩(wěn)定控制技術導則等已有標準、機場配電網監(jiān)控系統(tǒng)日志、異常報警信息、運維人員操作記錄、規(guī)劃設計條件等信息的機場配電網系統(tǒng)運行文件,對影響機場配電網安全運行的因素進行統(tǒng)計,利用主成分分析法對各因素進行分類精簡,突破性地實現(xiàn)并構建機場配電網運行評價指標體系。
首先,利用系統(tǒng)運行管控后臺,將機場配電網運行中遇到的問題和對應的原因進行統(tǒng)計整理,羅列出系統(tǒng)運行安全相關的因素,構成粗糙的機場配電網運行安全評價指標因素集。然后,通過主成分分析法建立機場配電網運行安全評價指標體系,其過程可以分解為:①原始描述標準化;②計算相關矩陣;③計算特征值及各特征向量;④計算方差貢獻度選擇主成分。實現(xiàn)對粗糙的機場配電網運行安全評價指標因素集的精簡,在保持原始指標因素集信息完整的基礎上,去掉其中混淆重疊的部分,獲得所需的評價指標體系。
根據系統(tǒng)測點描述、界面配置等信息,統(tǒng)計系統(tǒng)日志、異常報警和操作記錄等系統(tǒng)運行文件中關于運行安全影響因素的描述名稱,對原始描述進行標準化處理,避免描述的混亂,并保證各變量之間線性無關。
計算標準化處理后各原始因素矩陣的相關系數(shù)協(xié)方差矩陣,即
式中:n為原始運行安全影響因素的個數(shù);cij(i,j=1, 2,…,n)為因素i和因素j之間的協(xié)方差系數(shù),且cij的計算公式為
式中:m為統(tǒng)計采樣的次數(shù);xki、xkj分別為第k次統(tǒng)計時,因素i和因素j分別與自身均值的差值。
計算矩陣C的特征值向量λ,進而求得特征值向量λ對應的n個單位化特征向量,則這n個單位化的特征向量構成一個矩陣α,并將α按行進行排列,其排列的依據是保證α中每行對應的矩陣C的特征值均按從大到小的順序進行排序。
根據特征向量λ中的每個特征值λi所占比重來確定各方差值的貢獻度,該貢獻度表示主成分對原始樣本的信息反映程度,貢獻度越大,則反映的樣本信息越多。將特征向量λ中的特征值λi按從大到小的順序排序,并選取特征向量中前z個特征值,計算這z個特征值之和占特征值之和的比重Qz,其中Qz的計算公式為
當Qz超過一定閾值(通常取閾值為 0.8)時,表明前z個主成分所代表的樣本信息已滿足需求,則通過矩陣α的前z行篩選這z個主成分特征值對應的分量即可,這z個因素即為精簡后的運行評價指標。
在建立評價指標體系的基礎上,通過指標歸一化處理、確定指標權重系數(shù)、選擇評價模型、多維度評價結果整合、評價結果的量化排序與發(fā)布等過程,實現(xiàn)對機場配電網運行的一次開環(huán)評價。具體過程可以參考文獻[9-12],此處不展開描述。
在獲得系統(tǒng)運行狀態(tài)的開環(huán)評價結果后,根據基礎指標臨界越限水平、指標與運行狀態(tài)一致性水平、指標與操作指令關聯(lián)度調整等因素,利用模糊神經網絡算法對權重系數(shù)進行調整,從而使得評價系統(tǒng)能滿足系統(tǒng)運行的客觀需要。
指標臨界越限水平指某一指標與其對應運行安全越限值之間的距離,當指標臨近或超過其運行安全越限值時,應增大該指標權重,對主要指標的越限行為進行預警,且避免由于權重較小,而造成越限指標被掩蓋,防止指標越限的情況“漏報”。
指標與運行狀態(tài)一致性水平反映指標綜合評價結果與系統(tǒng)實際運行狀態(tài)之間的相符程度,當指標綜合評價結果越限,但系統(tǒng)的運行安全狀態(tài)并未改變時,應減小相應指標權重,防止運行安全指標“誤報”情況的發(fā)生。
指標與操作指令關聯(lián)度調整指根據指標與操作指令之間的關聯(lián)程度,對指標權重進行調整,使得指標權重設定和系統(tǒng)運行狀態(tài)之間具有一定的選擇性。
采用模糊神經網絡的方法將算法結構分為輸入單元層、隸屬函數(shù)模糊化層、模糊規(guī)則層和反模糊輸出層?;谀:窠浘W絡的權重系數(shù)校正方法如圖2所示[13]。
圖2 基于模糊神經網絡的權重系數(shù)校正方法
第1層是輸入單元層,輸入層負責將值直接傳遞給下一層,該層的輸入、輸出關系為
第2層是隸屬函數(shù)模糊化層,將輸入變量進行模糊化。該層共有15個節(jié)點,其作用是將輸入信號進行模糊化處理,具體分為極小型、偏小型、中間型、偏大型、極大型5個模糊集合??紤]到高斯隸屬函數(shù)在處理非二值輸入和空間映射方面的優(yōu)勢,選擇高斯函數(shù)作為隸屬度函數(shù),則第2層輸入和輸出關系為
第3層為模糊規(guī)則層,節(jié)點個數(shù)為模糊規(guī)則數(shù),其輸入輸出關系為
第4層為反模糊輸出層,節(jié)點的作用是將模糊函數(shù)反模糊化,節(jié)點的輸出為對應第3層所獲控制規(guī)則的線性組合,其輸入與輸出的關系為
定義模糊神經網絡的損失函數(shù)E為
式中:dr為期望輸出值;yr為實際輸出值,即輸出層中的值;N為進行神經網絡訓練的次數(shù)。則可以使用損失函數(shù)E對mij、σij、ωij參數(shù)進行迭代更新,具體方式為
式(9)~式(11)中:η為學習率;t為學習迭代的次數(shù);?為偏微分的運算符。
通過對某機場運行操控平臺的系統(tǒng)日志、異常報警、操作記錄、規(guī)劃設計條件的資料進行搜集整理,獲取系統(tǒng)運行文件中與機場配電網運行安全相關的影響因素,構成粗糙的機場配電網運行評價指標因素集。經過標準化處理后,確定與該機場配電網運行安全相關的影響因素包括線路載流裕度、電網解列片數(shù)和分布式電源利用率這三項影響因素進行數(shù)據舉例,且對這三項因素共有 5條記錄,即m=5,則可以將這三項因素以數(shù)據集的形式表示為
其中,上述數(shù)據集的第一行表示5條線路載流裕度的記錄,第二行表示5條電網解列片數(shù)的記錄,第三行表示5條分布式電源利用率的記錄。
對式(12)進行標準化處理(減去行數(shù)據均值)得
根據式(2),得到式(1)對應的C矩陣為
計算矩陣C的特征值和特征向量,得特征值從大到小的排列結果為λ1=7.523 6,λ2=1.143 1,λ3=0。對應的單位特征向量α為
通過計算可知,前兩項特征值占特征值之和的比重為
則可通過α矩陣的前兩行篩選出在線路載流裕度、電網解列片數(shù)、分布式電源利用率中影響機場配電網運行安全的主因素為線路載流裕度、電網解列片數(shù),故在構建影響機場配電網運行安全的評價指標中不考慮分布式電源利用率這項。
通過重復上述方法,可以完成對影響因素集的精簡,并最終獲得機場配電網運行安全評價指標體系示例見表1。
表1 機場配電網運行安全評價指標體系示例
獲得機場配電網運行安全評價體系后,可以使用開環(huán)運行評價方法對運行狀態(tài)進行評價。但在實際使用過程中會由于評價指標權重較小而造成越限指標被掩蓋,即出現(xiàn)指標越限情況的“漏報”。例如,在正常情況下,負載率對系統(tǒng)運行安全的影響程度不大,會給負載率賦予一個較小的權重,可能導致其嚴重偏離正常值時,機場配電網運行安全的綜合評價結果仍處于安全水平,無法反映系統(tǒng)的真實運行情況。當負載率臨界或超過安全限值時,應通過權重系數(shù)反饋算法來對負載率的權重系數(shù)進行適當調整。也可能出現(xiàn)指標權重取值過大,而造成安全指標“誤報”。例如,當機場某區(qū)域配電網孤島運行(僅使用微電源供電,不與大電網連接)時,由于缺少大電網的支撐,可能導致該區(qū)域內系統(tǒng)電壓合格率和頻率合格率這兩項指標均較差,但是此時孤島運行的系統(tǒng)仍能安全運行,則此時應通過權重系數(shù)反饋算法,減小系統(tǒng)電壓合格率和頻率合格率這兩項指標權重。
對機場配電網正常操作時,若不對相應指標權重進行調整,則也可能引起系統(tǒng)“誤報”。例如,當機場配電網中,某個孤島運行的區(qū)域需要進行并離網轉換時,涉及某些微電源的起停和運行模式的轉變,從而導致諸如分布式電源/儲能/微電網容量、系統(tǒng)電壓合格率、系統(tǒng)頻率合格率等指標的波動,但是此時系統(tǒng)仍是安全運行的。則此時應該根據并/離網控制指令,通過權重系數(shù)反饋算法,調整受影響項權重系數(shù)。
在復雜的機場配電網系統(tǒng)中,系統(tǒng)運行安全影響因素的權重很難以一個固定值表示。需要使用本文所述權重系數(shù)反饋算法,首先使用海量的機場配電網運行記錄信息,對模糊神經網絡進行訓練。再使用訓練后的模糊神經網絡模型,根據指標臨界越限水平、指標與運行狀態(tài)一致性水平、指標與操作指令關聯(lián)度調整等因素,調整評價指標的權重系數(shù),從而提高整個算法的準確性和靈活性。
針對機場電網運行安全評價指標體系的構建是一個不斷實踐迭代的過程,本文僅是基于前期的調查研究提出的一種基于權重系數(shù)反饋校正的機場配電網運行評價方法,并通過該方法給出了機場配電網安全評價指標體系的示例,希望通過該方法和示例為機場電網運行安全評價這一課題提供解決思路,后續(xù)還需要針對不同規(guī)格機場配電網的實際運行狀況進行驗證迭代。
本文提出了一種基于權重系數(shù)反饋校正的機場配電網運行安全評價方法。
1)首先基于系統(tǒng)日志、異常報警、操作記錄等機場配電網系統(tǒng)運行文件,對影響機場配電網安全運行的因素進行統(tǒng)計,利用主成分分析法對各因素進行分類精簡,構建機場配電網運行評價指標體系。
2)通過指標歸一化、確定權重系數(shù)、選擇評價模型、多維度評價結果整合、評價結果的量化排序與發(fā)布等過程,形成對機場配電網運行安全的評價結果。
3)在獲得系統(tǒng)運行狀態(tài)的開環(huán)評價結果后,根據指標臨界越限水平、指標與運行狀態(tài)一致性水平、指標與操作指令關聯(lián)度調整等因素,引入基于模糊神經網絡算法的權重系數(shù)反饋調整過程,來提高評估算法的準確性和靈活性,因此具有良好的工程應用前景。