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。

1 個(gè)案基本情況

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]。

2 平衡調(diào)度算法設(shè)計(jì)

2.1 平衡調(diào)度算法的數(shù)學(xué)模型

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)

2.2 平衡調(diào)度算法下的開(kāi)關(guān)量提取

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]。

2.3 神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)

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。

3 仿真測(cè)試結(jié)果

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]。

4 結(jié)語(yǔ)

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。