姚海燕,於志淵,馮姍姍,顧 悅,丁 力

(1.國(guó)網(wǎng)浙江省電力有限公司杭州市余杭區(qū)供電公司,浙江 杭州 310000;2.北京博思匯眾科技有限公司,北京 100080)

能源節(jié)約是當(dāng)今我國(guó)社會(huì)、經(jīng)濟(jì)發(fā)展中的一項(xiàng)長(zhǎng)遠(yuǎn)戰(zhàn)略方針。在我國(guó)政府工作報(bào)告中,將節(jié)能降損放在了工作突出位置。尤其是電力生產(chǎn)行業(yè),是節(jié)能降損工作中的重點(diǎn)實(shí)施行業(yè)[1]。電加熱爐使用行業(yè)是能源消耗大戶之一,電力工業(yè)發(fā)展以燃煤火電為主,占比可以達(dá)到78%以上,發(fā)電廠供電線損電量高達(dá)324.9TW·h。另外,我國(guó)電力行業(yè)的能源利用效率較低,故在節(jié)能降損方面形勢(shì)較為嚴(yán)峻,提高電力行業(yè)節(jié)能降損能力是亟待解決的重點(diǎn)問(wèn)題之一[2]。

隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展,能源緊張局勢(shì)也在逐漸地加劇,這對(duì)我國(guó)電加熱爐使用行業(yè)節(jié)能降損能力提出了更高的要求。電能是居民生產(chǎn)與生活的主要能源之一,在生產(chǎn)、傳輸、轉(zhuǎn)化、應(yīng)用等環(huán)節(jié)中都存在著一定量的能量損耗,其中以電能線損為主。電能線損指的是電能在輸送、轉(zhuǎn)換、配電與營(yíng)銷環(huán)節(jié)中產(chǎn)生的損失。常規(guī)情況下,在計(jì)算線損電量時(shí),從發(fā)電廠主變壓器一次側(cè)開始,到用戶電能表為止。經(jīng)過(guò)調(diào)查研究發(fā)現(xiàn),電能線損主要集中在輸、配電線路及其變壓設(shè)備中。相對(duì)于發(fā)達(dá)國(guó)家電力行業(yè)來(lái)看,我國(guó)電加熱爐生產(chǎn)行業(yè)配電網(wǎng)損耗率較高,每年都會(huì)產(chǎn)生較大的電能損耗,極大地制約了電力行業(yè)的發(fā)展[3]。

就現(xiàn)有研究成果來(lái)看,電加熱爐生產(chǎn)行業(yè)配電網(wǎng)節(jié)能降損動(dòng)態(tài)優(yōu)化模型由于優(yōu)化因子選取的不合理,致使其存在著配電網(wǎng)線損率較高的問(wèn)題,無(wú)法滿足現(xiàn)今社會(huì)對(duì)配電網(wǎng)節(jié)能降損的需求,因此提出新的電加熱爐生產(chǎn)行業(yè)配電網(wǎng)節(jié)能降損動(dòng)態(tài)優(yōu)化模型研究,希望解決現(xiàn)有模型存在的問(wèn)題,為我國(guó)電力行業(yè)發(fā)展提供一定的幫助。

1 電加熱爐使用行業(yè)配電網(wǎng)節(jié)能降損動(dòng)態(tài)優(yōu)化模型研究

1.1 配電網(wǎng)節(jié)能降損因子分析

電加熱爐使用行業(yè)配電網(wǎng)節(jié)能降損能力會(huì)受到多種因素的影響,故要想對(duì)其進(jìn)行動(dòng)態(tài)優(yōu)化,必須對(duì)節(jié)能降損因子進(jìn)行詳細(xì)分析,具體如下所示:

依據(jù)已有文獻(xiàn)研究可知,影響配電網(wǎng)節(jié)能降損的主要因素為材料因素、技術(shù)因素與檢修改造因素。其中,為了節(jié)能降損,在材料因素方向應(yīng)該使用適當(dāng)?shù)拇蠼孛鎸?dǎo)線、適當(dāng)減小供電導(dǎo)線長(zhǎng)度、更換低電阻率導(dǎo)線等。常規(guī)情況下,導(dǎo)線截面積越大,電子移動(dòng)速度越小,與金屬離子碰撞也就越弱,則電阻越小[4]。線損主要由于電阻增高導(dǎo)致的高溫消耗,并容易引起電氣設(shè)備的損壞,故最好使用大截面導(dǎo)線;由導(dǎo)線電阻計(jì)算公式可知,線路電阻與導(dǎo)線長(zhǎng)度成正比例關(guān)系,也就是說(shuō),在相同條件下,導(dǎo)線長(zhǎng)度越短,其電阻就越小,則線損也越小,故在適當(dāng)范圍內(nèi)減小供電導(dǎo)線的長(zhǎng)度;不同導(dǎo)線材料具有不同的電阻率,一般情況下,導(dǎo)線材料為銅或者鋁,銅導(dǎo)線電阻率更低,其線路損耗也會(huì)更低,故選擇銅導(dǎo)線作為供電導(dǎo)線[5]。

技術(shù)因素是指通過(guò)一定技術(shù)來(lái)降低電加熱爐使用行業(yè)配電網(wǎng)損耗?，F(xiàn)有技術(shù)因素主要分為三種,一是無(wú)功補(bǔ)償。無(wú)功補(bǔ)償裝置能夠提升負(fù)載的功率因數(shù)以及電氣設(shè)備的利用率,同時(shí)降低線路無(wú)功損耗,從而提升配電網(wǎng)的節(jié)能降損能力,為用戶提供優(yōu)質(zhì)的電能。另外,無(wú)功補(bǔ)償還能在一定程度上實(shí)現(xiàn)三相平衡負(fù)荷的目的。二是節(jié)能型變壓器應(yīng)用。節(jié)能型變壓器可以根據(jù)負(fù)荷的變化,動(dòng)態(tài)調(diào)整自身的經(jīng)濟(jì)運(yùn)行狀態(tài),從而降低變壓器的電能損耗。目前,新型變壓器為非晶合金變壓器、S11型變壓器,均具備較好的節(jié)能降損性能。三是電子式電能表普及。研究數(shù)據(jù)表明,原有電能表使用一年耗損電量為12 kW·h,而電子式電能表使用一年耗損電量為4.8 kW·h,降低了約60%的電能損耗,因此普及電子式電能表能夠有效提升配電網(wǎng)的節(jié)能降損能力。

電加熱爐使用行業(yè)配電網(wǎng)具備線路長(zhǎng)、接點(diǎn)較多、連接復(fù)雜等特點(diǎn),故檢修改造因素包含因子較多,由于字符的限制,此研究只對(duì)接點(diǎn)過(guò)熱缺陷治理與增加并列運(yùn)行線路進(jìn)行詳細(xì)分析。其中,由于自然氧化銹蝕、螺栓松動(dòng)、施工工藝差、運(yùn)行時(shí)間長(zhǎng)等因素導(dǎo)致接點(diǎn)部位產(chǎn)生過(guò)熱現(xiàn)象,從而導(dǎo)致設(shè)備損壞事故與電能損耗問(wèn)題。為了降低電加熱爐使用行業(yè)配電網(wǎng)的電能損耗,管理人員必須對(duì)接點(diǎn)進(jìn)行實(shí)時(shí)監(jiān)測(cè),防止接點(diǎn)過(guò)熱現(xiàn)象的出現(xiàn)。若是接點(diǎn)過(guò)熱現(xiàn)象出現(xiàn),需要對(duì)其進(jìn)行及時(shí)處理,降低整體電能消耗;增加并列運(yùn)行線路指的是在原有線路上添加一條或者幾條導(dǎo)線,以此來(lái)加大截面積,降低供電線路的電路,從而起到節(jié)能降損的作用[6]。為了直觀顯示增加并列運(yùn)行線路的功效,節(jié)能損耗百分率數(shù)據(jù)如表1所示。

表1 增加并列運(yùn)行線路功效數(shù)據(jù)表

1.2 配電網(wǎng)負(fù)荷預(yù)測(cè)

以上述電加熱爐使用行業(yè)配電網(wǎng)節(jié)能降損因子分析結(jié)果為基礎(chǔ),應(yīng)用神經(jīng)網(wǎng)絡(luò)算法對(duì)電加熱爐使用行業(yè)配電網(wǎng)的負(fù)荷進(jìn)行預(yù)測(cè),為后續(xù)配電網(wǎng)重構(gòu)與無(wú)功補(bǔ)償提供基礎(chǔ)與依據(jù)[7]。

此研究設(shè)置電加熱爐使用行業(yè)配電網(wǎng)負(fù)荷預(yù)測(cè)間隔時(shí)間為2 h,則整天時(shí)間被劃分為12段。電加熱爐使用行業(yè)配電網(wǎng)負(fù)荷曲線具有連續(xù)性特點(diǎn),若無(wú)較大事故的發(fā)生,負(fù)荷曲線不會(huì)出現(xiàn)較大的變化。應(yīng)用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行配電網(wǎng)負(fù)荷預(yù)測(cè)時(shí),設(shè)置算法的輸入向量為負(fù)荷數(shù)據(jù)(12個(gè)分量),每個(gè)分量指的是前一日對(duì)應(yīng)負(fù)荷段的數(shù)值。輸出向量也是負(fù)荷數(shù)據(jù)(12個(gè)分量),表示的是未來(lái)一天負(fù)荷的預(yù)測(cè)數(shù)值[8]。

神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練集合選取歷史電加熱爐使用行業(yè)配電網(wǎng)負(fù)荷實(shí)際數(shù)據(jù),在神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練開始前,需要對(duì)訓(xùn)練集合中的負(fù)荷數(shù)據(jù)進(jìn)行歸一化處理,表達(dá)式為

(1)

神經(jīng)網(wǎng)絡(luò)算法采用Matlab7進(jìn)行編程,具體算法流程如下:

步驟一:對(duì)神經(jīng)網(wǎng)絡(luò)算法基本參數(shù)進(jìn)行適當(dāng)選擇,例如傳遞函數(shù)、輸入閾值、輸出閾值、神經(jīng)元數(shù)量等。

步驟二:對(duì)采集的全部歷史負(fù)荷實(shí)際數(shù)據(jù)進(jìn)行統(tǒng)一的歸一化處理。

步驟三:在歷史負(fù)荷實(shí)際數(shù)據(jù)中隨機(jī)選取固定數(shù)量數(shù)據(jù),整合為訓(xùn)練集合,以此為基礎(chǔ),訓(xùn)練神經(jīng)網(wǎng)絡(luò)算法。在算法訓(xùn)練完成后,利用測(cè)試集合對(duì)神經(jīng)網(wǎng)絡(luò)算法的性能進(jìn)行測(cè)試。

步驟四:將歷史負(fù)荷數(shù)據(jù)輸入至步驟三獲得的神經(jīng)網(wǎng)絡(luò)算法中,即可獲得電加熱爐使用行業(yè)配電網(wǎng)負(fù)荷預(yù)測(cè)數(shù)值結(jié)果[9]。

1.3 配電網(wǎng)重構(gòu)模型建立

以上述獲得的電加熱爐使用行業(yè)配電網(wǎng)負(fù)荷預(yù)測(cè)結(jié)果為依據(jù),劃分負(fù)荷等級(jí),建立配電網(wǎng)重構(gòu)模型,優(yōu)化電加熱爐使用行業(yè)配電網(wǎng)的結(jié)構(gòu),以此來(lái)達(dá)到節(jié)能降損的目的。

為了方便研究的進(jìn)行,此研究將連續(xù)變化的配電網(wǎng)負(fù)荷數(shù)據(jù)表達(dá)為離散的變量,同時(shí)將其劃分為七個(gè)等級(jí),如表2所示。

表2 負(fù)荷等級(jí)劃分表

對(duì)于電加熱爐使用行業(yè)配電網(wǎng)來(lái)說(shuō),若每段負(fù)荷母線的負(fù)荷數(shù)值均為確定的等級(jí)時(shí),即形成了一個(gè)固定的負(fù)荷模式。也就是說(shuō)假設(shè)電加熱爐使用行業(yè)配電網(wǎng)中具有m條負(fù)荷母線,則配電網(wǎng)負(fù)荷模式有7m種。若是配電網(wǎng)負(fù)荷數(shù)值出現(xiàn)變化,對(duì)應(yīng)的負(fù)荷模式也會(huì)產(chǎn)生變化[10]。

依據(jù)上述描述可知,神經(jīng)網(wǎng)絡(luò)算法輸入向量分量數(shù)量為m,每個(gè)分量對(duì)應(yīng)的數(shù)值就是負(fù)荷母線的負(fù)荷數(shù)值。神經(jīng)網(wǎng)絡(luò)算法輸出層神經(jīng)元數(shù)量由配電網(wǎng)中開關(guān)的數(shù)量決定,記為n,則每一個(gè)輸出分量與配電網(wǎng)中的一個(gè)開關(guān)相對(duì)應(yīng)。算法輸出數(shù)值表示的是開關(guān)的開合狀態(tài),常規(guī)情況下,神經(jīng)網(wǎng)絡(luò)算法輸出數(shù)值為0,認(rèn)為開關(guān)狀態(tài)為打開,輸出數(shù)值為1,認(rèn)為開關(guān)狀態(tài)為閉合[11]。

在所有配電網(wǎng)負(fù)荷模式中隨機(jī)選取訓(xùn)練集合與測(cè)試集合,并尋找出負(fù)荷模式下,損耗最小的拓?fù)浣Y(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練后必須滿足誤差需求,再應(yīng)用測(cè)試集合測(cè)試神經(jīng)網(wǎng)絡(luò)算法,將輸出結(jié)果與最優(yōu)拓?fù)浣Y(jié)構(gòu)進(jìn)行比較,以此來(lái)驗(yàn)證神經(jīng)網(wǎng)絡(luò)算法的性能[12]。

則配電網(wǎng)重構(gòu)具體步驟如下:

步驟一:依據(jù)電加熱爐使用行業(yè)配電網(wǎng)具體結(jié)構(gòu)尋找出全部的負(fù)荷模式。

步驟二:對(duì)神經(jīng)網(wǎng)絡(luò)算法基本參數(shù)進(jìn)行適當(dāng)選擇,例如傳遞函數(shù)、輸入閾值、輸出閾值、神經(jīng)元數(shù)量等。

步驟三:在步驟一結(jié)果中,隨機(jī)選取訓(xùn)練集合與測(cè)試集合,訓(xùn)練并測(cè)試神經(jīng)網(wǎng)絡(luò)算法。

步驟四:將1.2節(jié)配電網(wǎng)負(fù)荷預(yù)測(cè)結(jié)果輸入至訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)算法中,輸出結(jié)果即為損耗最小的配電網(wǎng)重構(gòu)模型。

1.4 配電網(wǎng)無(wú)功補(bǔ)償

無(wú)功補(bǔ)償是電加熱爐使用行業(yè)配電網(wǎng)節(jié)能降損動(dòng)態(tài)優(yōu)化過(guò)程中的關(guān)鍵環(huán)節(jié)。在無(wú)功補(bǔ)償問(wèn)題解決過(guò)程中,神經(jīng)網(wǎng)絡(luò)數(shù)量與無(wú)功補(bǔ)償裝置數(shù)量保持一致,每組無(wú)功補(bǔ)償裝置問(wèn)題均由對(duì)應(yīng)神經(jīng)網(wǎng)絡(luò)解決。

該環(huán)節(jié)與配電網(wǎng)重構(gòu)環(huán)節(jié)類似,神經(jīng)網(wǎng)絡(luò)算法輸入向量不變,而輸出層神經(jīng)元的數(shù)量由無(wú)功補(bǔ)償裝置容量調(diào)節(jié)范圍(投切位置)決定,設(shè)置投切位置數(shù)量為p,輸出向量即為p個(gè)分量構(gòu)成的向量[13]。

在7m種負(fù)荷模式中隨機(jī)選取一部分,并尋找出負(fù)荷模式下?lián)p耗最低的無(wú)功補(bǔ)償容量(投切位置),對(duì)神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練與測(cè)試。

則配電網(wǎng)無(wú)功補(bǔ)償具體步驟如下:

步驟一:依據(jù)不同無(wú)功補(bǔ)償裝置選取對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)。

步驟二:對(duì)不同神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行適當(dāng)選擇。

步驟三:在全部負(fù)荷模式中隨機(jī)選取訓(xùn)練集合與測(cè)試集合,訓(xùn)練并測(cè)試神經(jīng)網(wǎng)絡(luò)算法。

步驟四:將負(fù)荷預(yù)測(cè)結(jié)果與配電網(wǎng)重構(gòu)結(jié)果輸入至步驟三訓(xùn)練好的各個(gè)神經(jīng)網(wǎng)絡(luò)中,輸出結(jié)果即為損耗最低的無(wú)功補(bǔ)償投切位置數(shù)據(jù)。

通過(guò)上述過(guò)程即實(shí)現(xiàn)了電加熱爐使用行業(yè)配電網(wǎng)節(jié)能降損的動(dòng)態(tài)優(yōu)化,為電加熱爐使用行業(yè)配電網(wǎng)穩(wěn)定運(yùn)行提供幫助,也為居民提供更加優(yōu)質(zhì)的電能。

2 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證構(gòu)建模型與現(xiàn)有模型之間的應(yīng)用性能差異,應(yīng)用Matlab仿真平臺(tái)設(shè)計(jì)實(shí)驗(yàn),具體實(shí)驗(yàn)過(guò)程如下所示。

2.1 實(shí)驗(yàn)準(zhǔn)備階段

此研究選取某電加熱爐使用行業(yè)的配電網(wǎng)作為實(shí)驗(yàn)對(duì)象,其實(shí)物圖如圖1所示。

圖1 實(shí)驗(yàn)對(duì)象實(shí)物圖

實(shí)驗(yàn)對(duì)象——配電網(wǎng)中存在多種類型的線損,例如配變有功線損、支路有功線損、配變無(wú)功線損、支路無(wú)功線損等。

2.2 實(shí)驗(yàn)結(jié)果分析

依據(jù)上述選取的實(shí)驗(yàn)對(duì)象為基礎(chǔ),將現(xiàn)有模型與構(gòu)建模型均應(yīng)用到實(shí)驗(yàn)對(duì)象中,將節(jié)能降損數(shù)據(jù)進(jìn)行比較,以此來(lái)顯示模型的應(yīng)用性能。實(shí)驗(yàn)過(guò)程中,采用SVG選取實(shí)驗(yàn)對(duì)象10個(gè)節(jié)點(diǎn),并測(cè)量固定節(jié)點(diǎn)對(duì)應(yīng)的線損率數(shù)據(jù)。常規(guī)情況下,線損率數(shù)值越大,表明模型節(jié)能降損性能越差;反之,線損率數(shù)值越小,表明模型節(jié)能降損性能越好。

通過(guò)實(shí)驗(yàn)獲得線損率數(shù)據(jù)如表3所示。

表3 線損率數(shù)據(jù)表 %

如表3數(shù)據(jù)顯示,現(xiàn)有模型線損率數(shù)值范圍為20.01%～30.12%,構(gòu)建模型線損率數(shù)值范圍為10.03%～12.07%。通過(guò)上述實(shí)驗(yàn)數(shù)值對(duì)比發(fā)現(xiàn),相較于現(xiàn)有模型,構(gòu)建模型線損率得到了大幅度的降低,充分證實(shí)了構(gòu)建模型應(yīng)用性能更好。

3 結(jié) 語(yǔ)

此研究引入神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了新的電加熱爐使用行業(yè)配電網(wǎng)節(jié)能降損動(dòng)態(tài)優(yōu)化模型,大幅度降低了配電網(wǎng)線損率,能夠?yàn)榕潆娋W(wǎng)穩(wěn)定運(yùn)行提供更加有效的幫助。但是此研究實(shí)驗(yàn)部分依然存在著不足,主要表現(xiàn)在測(cè)量數(shù)據(jù)的準(zhǔn)確性上,為了方便實(shí)驗(yàn),缺少了測(cè)量數(shù)據(jù)檢驗(yàn)的步驟。雖然不會(huì)對(duì)實(shí)驗(yàn)結(jié)論不會(huì)產(chǎn)生較大影響,但對(duì)節(jié)能降損優(yōu)化分析研究不夠嚴(yán)謹(jǐn),需要對(duì)其進(jìn)行進(jìn)一步的探究。