李蒙贊
(國(guó)網(wǎng)山西省電力公司 電力科學(xué)研究院,山西 太原 030001)
工業(yè)園區(qū)屬于工業(yè)企業(yè)相對(duì)集中的城市功能區(qū)域,區(qū)域內(nèi)大負(fù)荷用電企業(yè)較為密集,部分企業(yè)采用多電源回路上的專用接入點(diǎn)接入,或在2條以上多電源回路上部署多個(gè)專用接入點(diǎn)接入;部分企業(yè)采用多路專線供電接入,或?qū)>€供電配合多電源回路接入。此處多電源回路包括拉手回路、環(huán)形回路等,拉手回路一般擁有至少2個(gè)電源接入點(diǎn),環(huán)形回路一般擁有至少3個(gè)電源接入點(diǎn),即多電源回路上的電源性質(zhì)本身即為2級(jí)負(fù)荷電源[1]。
綜合能源信息管理管理系統(tǒng)是區(qū)域用電負(fù)荷調(diào)度的重要管理信息系統(tǒng),通過(guò)將特定區(qū)域內(nèi)的用電負(fù)荷需求統(tǒng)一管理,對(duì)不同電壓級(jí)別,不同供電回路的電源狀態(tài)、衍生電源狀態(tài)進(jìn)行統(tǒng)一管理,以確保重點(diǎn)區(qū)域的供電可靠性[2]。
研究采用平衡調(diào)度理念,將某個(gè)案工業(yè)園區(qū)的綜合能源管理信息系統(tǒng)的調(diào)度專家系統(tǒng)算法進(jìn)行充分優(yōu)化,使其策略編制功能更貼近實(shí)際需求。
該個(gè)案工業(yè)園區(qū)面積7.4平方km,為省級(jí)工業(yè)開(kāi)發(fā)區(qū),園區(qū)內(nèi)擁有用電企業(yè)12個(gè),用電總?cè)萘繛?8.1 MW,其中35 kV專線用電容量12.4 MW,共2個(gè)用戶;10 kV專線用電容量6.5 MW,共3個(gè)用戶;10 kV多電源回路雙節(jié)點(diǎn)接入用戶用電容量6.0 MW,共3個(gè)用戶;10 kV多電源回路單節(jié)點(diǎn)接入用戶用電容量3.2 MW,共4個(gè)用戶。具體線路分布情況如表1所示。
表1 園區(qū)內(nèi)供電線路分布示意圖Tab.1 Distribution diagram of power supply lines in the park
由表1可知,園區(qū)內(nèi)供電線路包括針對(duì)5個(gè)用戶的10條供電專線,其中35 kV專線4條,10 kV專線6條,另布置3條10 kV拉手線路[3]。因?yàn)楣I(yè)園區(qū)拉手線路中每個(gè)用電節(jié)點(diǎn)的用電負(fù)荷需求均較高,所以其拉手回路內(nèi)的接入點(diǎn)密度遠(yuǎn)小于居民區(qū)接入點(diǎn)密度,3條拉手線路電源分別來(lái)自35 kV變電所的105站、108站、116站、109站共4個(gè)變電站。10 kV專線電源分別來(lái)自105站、108站、116站共3個(gè)變電站,專線電源站包含在拉手線路變電站內(nèi)。35 kV專線電源分別來(lái)自35 kV的303站、307站、313站共3個(gè)變電站。
涉及到3個(gè)35 kV電源站和4個(gè)10 kV電源站,該7個(gè)電源站均分布在工業(yè)園內(nèi)或工業(yè)園周邊。所有用戶分為4個(gè)級(jí)別,分別為:35 kV雙專線供電、10 kV雙專線供電、拉手線路雙節(jié)點(diǎn)供電、拉手下單節(jié)點(diǎn)供電。該4個(gè)級(jí)別均可實(shí)現(xiàn)2級(jí)負(fù)荷直接供電[4]。
CLASS分析法是將用戶負(fù)荷和電源站負(fù)荷賦予數(shù)學(xué)屬性,將客觀實(shí)體轉(zhuǎn)化為數(shù)學(xué)實(shí)體的研究方法。在對(duì)該個(gè)案的研究中,分析12個(gè)用電用戶的最大用電容量,假定其最大用電容量為PU,則其可能產(chǎn)生負(fù)荷在Rand(0,PU)區(qū)間內(nèi),即采用隨機(jī)數(shù)模擬法可以產(chǎn)生12個(gè)用電用戶分別用電的負(fù)荷量[5]。而電源站的負(fù)荷量為其向用戶供應(yīng)電能的回路通斷情況,即對(duì)于10 kV電源站,如式(1):
PΣ=∑Rand(0,PUi)
(1)
式中:PUi為第i個(gè)接通負(fù)荷的最大負(fù)荷容量;Rand(*)為隨機(jī)數(shù)取值過(guò)程,自變量為隨機(jī)數(shù)取值空間。
對(duì)于35 kV電源站,如式(2):
(2)
假定所有7個(gè)電源站的負(fù)荷量均為PΣi,其中i=7,要實(shí)現(xiàn)該7個(gè)電源站的負(fù)荷均衡,則需要對(duì)其標(biāo)準(zhǔn)偏差率進(jìn)行計(jì)算,如式(3):
(3)
該模型下涉及到不同電壓等級(jí)的多種負(fù)荷,其電氣連接方式包括各種變壓器、互感器等線圈繞組設(shè)備,隔離開(kāi)關(guān)、接地開(kāi)關(guān)、斷路器等開(kāi)關(guān)設(shè)備,且母線結(jié)構(gòu)較為復(fù)雜,如果直接研究上述系統(tǒng),勢(shì)必造成研究對(duì)象的復(fù)雜化導(dǎo)致無(wú)法提取對(duì)應(yīng)的數(shù)學(xué)模型[6]。而該研究的本質(zhì)只考慮到上級(jí)電源站對(duì)下級(jí)電源站的供電回路和對(duì)各負(fù)荷的供電回路,對(duì)任何供電回路來(lái)說(shuō),其回路兩側(cè)斷路器以及邊界回路的對(duì)應(yīng)斷路器,可以看做是其唯一功能節(jié)點(diǎn)。所以,為了研究平衡調(diào)度算法的相關(guān)屬性,將上述系統(tǒng)充分簡(jiǎn)化,即形成一套最簡(jiǎn)開(kāi)關(guān)量構(gòu)成拓?fù)鋄7]。對(duì)網(wǎng)絡(luò)拓?fù)溥M(jìn)行拓?fù)鋵W(xué)模型提取,具體如圖1所示。
圖1 園區(qū)平衡調(diào)度所用開(kāi)關(guān)拓?fù)潢P(guān)系圖Fig.1 Topological diagram of switches used for balanced dispatching in the park
從圖1可以看出,共涉及到33個(gè)開(kāi)關(guān),其中互斥開(kāi)關(guān)共12對(duì),即自由控制開(kāi)關(guān)共21個(gè)。根據(jù)組合定律,上述開(kāi)關(guān)量共可能形成開(kāi)關(guān)組合模式為221=2.097×106種倒閘狀態(tài),而其中經(jīng)常使用的倒閘狀態(tài)遠(yuǎn)小于該值,多數(shù)倒閘狀態(tài)會(huì)造成該網(wǎng)絡(luò)內(nèi)大面積失電,屬于故障倒閘狀態(tài)[8]。所以,通過(guò)機(jī)器學(xué)習(xí)算法,在2.097×106種倒閘狀態(tài)中選擇出最適合當(dāng)前平衡調(diào)度需求的倒閘狀態(tài),避免可能發(fā)生的故障倒閘狀態(tài),是本文研究的重點(diǎn)[9]。
將上述21個(gè)開(kāi)關(guān)節(jié)點(diǎn)設(shè)定為1個(gè)一維矩陣,如式(4):
S={Si=(1,0),i∈1,2,…,n|n=21}
(4)
對(duì)上述7個(gè)母線負(fù)荷設(shè)定為1個(gè)一維矩陣,如式(5):
P={Pi=Rand(0,PUi),i=1,2,…,n|n=7}
(5)
通過(guò)向神經(jīng)網(wǎng)絡(luò)中輸入S與P矩陣,得到最終的S矩陣判斷結(jié)果,將S矩陣判斷結(jié)果輸入到后置仿真模塊中,判斷其產(chǎn)生的P矩陣結(jié)果,比較P矩陣結(jié)果的標(biāo)準(zhǔn)偏差率,當(dāng)P矩陣標(biāo)準(zhǔn)偏差率小于閾值時(shí),則輸出該結(jié)果到倒閘專家系統(tǒng);具體結(jié)果如圖3所示。
圖2 神經(jīng)網(wǎng)絡(luò)及外圍模塊數(shù)據(jù)流圖Fig.2 Data flow diagram of neural network and peripheral modules
該神經(jīng)網(wǎng)絡(luò)中,輸入模塊共21+7=28個(gè),為21個(gè)二值化變量(Logical格式)和7個(gè)雙精度浮點(diǎn)變量(Double格式),輸出模塊共21個(gè),為21個(gè)二值化變量(Logical格式)。21個(gè)輸出模塊分別直接從所有28個(gè)輸入模塊讀取信息,經(jīng)過(guò)數(shù)據(jù)處理后輸出二值化分析結(jié)果,即該神經(jīng)網(wǎng)絡(luò)是一族21列分列單模塊神經(jīng)網(wǎng)絡(luò)架構(gòu)[10]。
分析21個(gè)神經(jīng)網(wǎng)絡(luò)模塊屬性,在統(tǒng)計(jì)學(xué)上需要對(duì)28個(gè)輸入數(shù)據(jù)進(jìn)行充分降維融合,7個(gè)雙精度浮點(diǎn)變量即P數(shù)列因子,輸入數(shù)據(jù)之間需要將數(shù)據(jù)投影到[0,1]空間,以避免其量綱差異和投影區(qū)間差異對(duì)[0,1]區(qū)間上的二值化數(shù)據(jù)帶來(lái)影響,其重投影函數(shù)如式(6):
(6)
式中:Pi為數(shù)列中第i個(gè)母線的負(fù)荷值;maxP為7個(gè)母線負(fù)荷值中的最大值;Yi為重投影的輸出值;當(dāng)Pi=0時(shí),Yi=0。
該神經(jīng)網(wǎng)絡(luò)模塊前3層隱藏層的作用為數(shù)據(jù)降維,且在降維時(shí)將損失信息量保存到數(shù)據(jù)節(jié)點(diǎn)中,所以數(shù)據(jù)節(jié)點(diǎn)的待回歸系數(shù)應(yīng)足夠豐富且其曲線拐點(diǎn)豐度應(yīng)滿足復(fù)雜曲線的擬合要求,故應(yīng)采用多項(xiàng)式函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計(jì),其基函數(shù)如式(7):
(7)
式中:Xi為第i個(gè)輸入數(shù)據(jù);Y為輸出數(shù)據(jù);j為多項(xiàng)式階數(shù);Aj為第j階多項(xiàng)式的待回歸系數(shù)。
為實(shí)現(xiàn)充分降維,前3層隱藏層的節(jié)點(diǎn)數(shù)量應(yīng)分別布置為29、11和5個(gè),該45個(gè)節(jié)點(diǎn)均采用式(5)的多項(xiàng)式回歸函數(shù)進(jìn)行節(jié)點(diǎn)設(shè)計(jì),因?yàn)槊總€(gè)節(jié)點(diǎn)包含6個(gè)待回歸系數(shù),則該45個(gè)節(jié)點(diǎn)共包含270個(gè)待回歸系數(shù)[11]。
第4、5層隱藏層的統(tǒng)計(jì)學(xué)意義是將上述數(shù)據(jù)充分二值化,以實(shí)現(xiàn)最后形成1個(gè)充分二值化的輸出值;故第4層布置3個(gè)二值化節(jié)點(diǎn),第5層布置1個(gè)二值化節(jié)點(diǎn),二值化回歸函數(shù)的基函數(shù)可寫為式(8):
(8)
式中:Xi為第i個(gè)輸入數(shù)據(jù);Y為輸出數(shù)據(jù);e為自然常數(shù),此處取近似值e=2.718 281 828;A為待回歸系數(shù)[12]。
經(jīng)過(guò)2層二值化輸出的1個(gè)二值化結(jié)果,因?yàn)榇嬖诙鄠€(gè)二值化值的疊加,所以其二值化效果仍不可靠,所以在數(shù)據(jù)訓(xùn)練過(guò)程中,確保連續(xù)50次未出現(xiàn)所有數(shù)據(jù)二值化結(jié)果未落點(diǎn)在[0.05,0.95]后,方認(rèn)為該神經(jīng)網(wǎng)絡(luò)已經(jīng)充分收斂。
數(shù)據(jù)訓(xùn)練過(guò)程中,選擇該工業(yè)園區(qū)自2018年1月1日至2019年12月31日實(shí)際運(yùn)行數(shù)據(jù)作為訓(xùn)練數(shù)據(jù),在該時(shí)間戳范圍內(nèi)隨機(jī)抽取真實(shí)運(yùn)行數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,使神經(jīng)網(wǎng)絡(luò)得到充分收斂[13]。
仿真測(cè)試選用電力CAE平臺(tái)下的SimuWorks仿真控件,采用隨機(jī)負(fù)荷法對(duì)上述模型進(jìn)行仿真分析。參照組選用該工業(yè)園之前使用的早期平衡調(diào)度平臺(tái)算法,采用同一數(shù)據(jù)對(duì)早期平衡調(diào)度平臺(tái)算法和革新平衡調(diào)度算法進(jìn)行比較分析[14]。
2種算法平衡負(fù)荷后,實(shí)際負(fù)荷變化率曲線的標(biāo)準(zhǔn)偏差率σ如式(3)和最大偏差比如式(9):
(9)
式中:maxP、minP分別為7個(gè)母線負(fù)荷值的最大值和最小值。
該σ值和ΔP值仿真比較結(jié)果如表2所示。
表2 系統(tǒng)控制精度仿真比較結(jié)果表Tab.2 Comparison results of system control accuracy simulation
由表2可知,革新算法平衡后的7個(gè)個(gè)案變電站負(fù)荷均得到了更為有效的平衡,革新算法較早期算法的標(biāo)準(zhǔn)偏差率提升5.1倍,最大偏差比提升3.8倍。標(biāo)準(zhǔn)偏差率和最大偏差比取值減小,標(biāo)志著7個(gè)個(gè)案變電站的電源母線負(fù)荷的均一性得到更大程度的統(tǒng)一,電網(wǎng)負(fù)荷的平衡性更佳[15-16]。標(biāo)準(zhǔn)偏差率和最大偏差比關(guān)系到電網(wǎng)節(jié)點(diǎn)的調(diào)度控制精度,早期全人工編制倒閘策略,人工執(zhí)行倒閘的過(guò)程中,因?yàn)榈归l頻率較低,倒閘過(guò)程的復(fù)雜性和現(xiàn)場(chǎng)管理風(fēng)險(xiǎn)導(dǎo)致現(xiàn)場(chǎng)無(wú)法對(duì)變電站節(jié)點(diǎn)的負(fù)荷比給出精密控制。
為考察該目標(biāo)的實(shí)際控制效果,使用電力CAE平臺(tái)下的SimuWorks仿真控件產(chǎn)生12個(gè)用電用戶負(fù)荷的連續(xù)時(shí)域變化量,比較電網(wǎng)內(nèi)的電能質(zhì)量,結(jié)果如表3所示。
表3 電能質(zhì)量控制效果比較表Tab.3 Comparison of power quality control effects
由表3可知,無(wú)功增壓比標(biāo)志著工業(yè)園配電網(wǎng)絡(luò)中無(wú)功功率對(duì)電能質(zhì)量的影響;電壓峰值波動(dòng)比標(biāo)志著工業(yè)園內(nèi)的沖擊電壓對(duì)電能質(zhì)量的影響,該2項(xiàng)指標(biāo)的評(píng)價(jià)結(jié)果中,革新算法的表現(xiàn)顯著優(yōu)于早期算法。而在革新算法的驅(qū)動(dòng)下,開(kāi)關(guān)倒閘頻率較早期算法略有增加,無(wú)功補(bǔ)償器投切頻率基本保持不變[17]。
革新算法將倒閘頻率提升43.9%的前提下,實(shí)現(xiàn)無(wú)功增壓比和電壓峰值波動(dòng)比分別下降71.2%和50.6%,同時(shí)實(shí)現(xiàn)7個(gè)電源站負(fù)荷情況最大偏差比提升3.8倍的控制效果。經(jīng)過(guò)該技術(shù)革新,變電站的負(fù)荷管理控制過(guò)程更加精細(xì)化,對(duì)用電側(cè)提供的電能波形更加接近于理論波形,工業(yè)園企業(yè)獲得的電能質(zhì)量服務(wù)更加負(fù)荷智能電網(wǎng)高質(zhì)量純凈電能供應(yīng)的技術(shù)要求,即,該算法對(duì)實(shí)現(xiàn)工業(yè)園區(qū)用電環(huán)境的平衡調(diào)度有積極意義。