伍英偉

(廣西桂冠電力股份有限公司,廣西 南寧 530028)

當前有些水利發(fā)電站的智能化和自動化程度不高,部分自動控制裝置都是獨立運行的,水電站系統(tǒng)數(shù)據(jù)無法共享,對水利發(fā)電裝置的監(jiān)控不全面,水輪發(fā)電機可能出現(xiàn)缺陷[1]。

針對上述存在的問題,據(jù)報道,選擇Unix操作系統(tǒng)建立水電站監(jiān)控系統(tǒng),對相應(yīng)的水文信息進行監(jiān)測,并實現(xiàn)了對水力發(fā)電設(shè)備的集中控制[2]。開發(fā)出TELLEXT水利發(fā)電監(jiān)控系統(tǒng),自動監(jiān)控讀取水電站運行各項數(shù)據(jù),根據(jù)發(fā)電設(shè)備運行參數(shù)自動報警并診斷原因[3]。引入周期性模型,解決水電系統(tǒng)內(nèi)短期調(diào)度問題,計算水電站在調(diào)度周期內(nèi)每個時段的出力運行[4]?；诟倪M遺傳算法,并結(jié)合實際運行經(jīng)驗與發(fā)電出力真實影響因素,對滯時問題產(chǎn)生的影響進行了分析,使水電站自動控制性能得到提升[5]。為此,本研究提出中長期發(fā)電優(yōu)化調(diào)度策略,在調(diào)度周期內(nèi)使水利發(fā)電機組的發(fā)電量最大,制定水電站的最優(yōu)運行策略;應(yīng)用蟻群算法模型實現(xiàn)水利資源數(shù)據(jù)信息的最優(yōu)數(shù)據(jù)分配更加充分利用水力資源,解決電力分配不均勻的問題。

1 優(yōu)化調(diào)度模型架構(gòu)設(shè)計

(1)為更加有效地利用水利資源,使水利發(fā)電取得更多的綜合效益,本研究提出中長期發(fā)電優(yōu)化調(diào)度策略,在調(diào)度周期內(nèi)使水利發(fā)電機組的發(fā)電量最大,制定水電站的最優(yōu)運行策略;

(2)應(yīng)用蟻群算法模型實現(xiàn)水利資源數(shù)據(jù)信息的最優(yōu)數(shù)據(jù)分配,能夠從中長期水利調(diào)度數(shù)據(jù)信息中,比如月度、季度等時間段內(nèi)提取最佳運行調(diào)度方式,更加充分利用水力資源,解決電力分配不均勻的問題。

基于上述設(shè)計思路,本研究對遺傳算法進行改進,保證種群始終朝著最優(yōu)方向,不斷優(yōu)化群體獲取全局最優(yōu)解。在進行Selection操作時,從當前群體中篩選適應(yīng)值較高的個體,然后進行Crossover操作,生成更為復(fù)雜的新個體,通過Mutation保證群體多樣性[6]。下面將本研究方法進行以下描述:

步驟1:初始化,將水利資源數(shù)據(jù)信息進行初始化處理,所有水利數(shù)據(jù)信息被初始化后,以提高數(shù)據(jù)信息,假設(shè)y(t)=ymax,y(t)表示優(yōu)化化處理后的水利數(shù)據(jù)信息,ymax表示最佳水利數(shù)據(jù)信息,則將所有螞蟻元素矩陣的所有元素被初始化為0,然后隨機選擇它們的起始位置,為每一只螞蟻元素選擇節(jié)點以及下一個節(jié)點。

步驟2:設(shè)置電量效益模型的目標函數(shù),水利發(fā)電的綜合效益可分為電量效益和容量效益,水利發(fā)電機組的發(fā)電量越大則電量效益就越高。為進行水利發(fā)電的優(yōu)化調(diào)度,建立電量效益模型和容量效益模型,電量效益模型需考慮各水電站之間存在的電力聯(lián)系,為水電站的實際運行參數(shù)提供依據(jù),使整體的發(fā)電量最大化,電量效益模型的目標函數(shù)為:

(1)

通過上述步驟,將m只螞蟻隨機放置在n個水利數(shù)據(jù)檢索路徑上,為了提高檢索效率,設(shè)置循環(huán)次數(shù)為Nc,則根據(jù)Nc+1順序反復(fù)在水利發(fā)電數(shù)據(jù)信息中的經(jīng)濟運行情況、采購情況、生產(chǎn)情況、銷售情況、行業(yè)投資情況等各種數(shù)據(jù)信息中獲取目標數(shù)據(jù)信息。

步驟3:在諸多多種水利數(shù)據(jù)信息中設(shè)置螞蟻元素,分別將螞蟻元素禁忌表索引號設(shè)置為k=1,然后不斷地進行循環(huán)運算,假設(shè)在優(yōu)化調(diào)度中需提高水電站的最小出力值,使水利發(fā)電機組更加安全可靠地運行,盡可能提高調(diào)度期的最小出力值,容量效益模型的目標函數(shù)為:

(2)

其中,N表示水電站的總?cè)萘?。在對水利發(fā)電機組優(yōu)化調(diào)度過程中,需要對水電站出力和機組發(fā)電引用流量進行約束,約束條件為:

(3)

式中:P(m,t)表示水電站出力;QF(m,t)表示機組的發(fā)電引用流量。當螞蟻元素搜索到上述數(shù)據(jù)信息后,則輸出水電站出力數(shù)據(jù)信息,通過蟻群算法的迭代運算搜索最優(yōu)解。最佳算法輸出:

(4)

式中:δ表示螞蟻元素在搜索水利發(fā)電數(shù)據(jù)信息中,路徑可見度因數(shù);α表示螞蟻元素在不斷數(shù)據(jù)計算過程中,其信息素濃度逐步流失的程度;β表示螞蟻元素在逐步檢索過程中能見度因數(shù)在檢索過程中檢索最優(yōu)路徑的重要指數(shù)。Node表示蟻群算法模型中不同數(shù)據(jù)節(jié)點;j表示不同數(shù)據(jù)節(jié)點螞蟻元素選擇選擇最佳路徑的概率。

步驟4:本研究使用權(quán)重法對目標函數(shù)進行處理,并使用改進后的遺傳算法求解優(yōu)化調(diào)度模型的最優(yōu)解[7]。為每個目標函數(shù)設(shè)置相應(yīng)的權(quán)重,將模型中的多個目標轉(zhuǎn)化為單一目標,電量容量綜合效益模型的目標函數(shù):

(5)

式中:F表示綜合效益最大的目標函數(shù);w1表示電路效益的權(quán)重系數(shù);w2表示容量效益最大的權(quán)重系統(tǒng)。使用改進后的遺傳算法對優(yōu)化調(diào)度模型的目標函數(shù)進行求解,借助其全局搜索能力和擴展性較好的特點,輸出模型的優(yōu)化調(diào)度結(jié)果。

步驟5:輸出當前群體中的最優(yōu)解并存儲。

在上述步驟中,通過蟻群算法的迭代運算搜索最優(yōu)解,在應(yīng)用蟻群算法時,最優(yōu)的個體適應(yīng)值結(jié)合最大的迭代次數(shù)能夠在已知范圍內(nèi)進行自適應(yīng)地尋找。在不斷的迭代計算過程中,假設(shè)仍舊未找出合適的功率輸出路徑,本系統(tǒng)能夠保留較小的解;而此時的輸出,即為當前蟻群計算的最優(yōu)解。

2 水利發(fā)電運行評價系統(tǒng)設(shè)計

基于上述大數(shù)據(jù)算法模型,下面對水電站的實際運行情況進行以下分析,考慮到水利發(fā)電裝置的監(jiān)控要求,本研究應(yīng)用大數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù),建立水利發(fā)電運行評價系統(tǒng),對水電站當前整體運行狀態(tài)進行評估,實現(xiàn)水電設(shè)備的全面監(jiān)控。

2.1 評價系統(tǒng)總體架構(gòu)設(shè)計

該研究系統(tǒng)使用Visual Studio 2015軟件采用.NET平臺進行WEB客戶端的設(shè)計開發(fā),使用C#編程語言開發(fā)基于C/S和B/S模式混合架構(gòu)的系統(tǒng)[8]。為滿足系統(tǒng)中水利發(fā)電設(shè)備實時產(chǎn)生的海量運行參數(shù)的存儲需求,開發(fā)DFS分布式文件系統(tǒng),滿足半結(jié)構(gòu)化和非結(jié)構(gòu)化的水電大數(shù)據(jù)管理。調(diào)度中心的操作系統(tǒng)中,具有多任務(wù)處理、多用戶登錄的功能,并加入優(yōu)先選擇機制,使系統(tǒng)能夠合理高效地進行資源分配、執(zhí)行任務(wù);水利發(fā)電運行評價系統(tǒng)架構(gòu)如圖1所示。

圖1 水利發(fā)電運行評價系統(tǒng)架構(gòu)

水利發(fā)電運行評價系統(tǒng)采用層次化架構(gòu)設(shè)計,主要劃分為感知層、數(shù)據(jù)層和網(wǎng)絡(luò)層。感知層中各類傳感器設(shè)備主要負責采集狀態(tài)參數(shù),感知層的狀態(tài)數(shù)據(jù)通過RS485通信傳輸?shù)綌?shù)據(jù)層,遵守MODBUS通訊規(guī)則[9]。數(shù)據(jù)層負責對大量水電站數(shù)據(jù)進行存儲和處理,其中關(guān)系型數(shù)據(jù)庫主要存儲歷史監(jiān)控數(shù)據(jù)和設(shè)備故障數(shù)據(jù),支持歷史數(shù)據(jù)的統(tǒng)計查詢。內(nèi)存數(shù)據(jù)庫和列式數(shù)據(jù)庫用來存儲按照時間間隔采集的傳感器測量數(shù)據(jù),包括機組的實時監(jiān)控數(shù)據(jù)和在線監(jiān)測數(shù)據(jù),支持流式計算和實時分析[10]。利用數(shù)據(jù)傳輸加密技術(shù)以及非對稱算法進行密鑰協(xié)商,并對接入系統(tǒng)的報文進行加密,再通過策略配置來過濾應(yīng)用主機直接的報文,在100 M LAN環(huán)境下,加密隧道建立延遲為0 ms[11]。網(wǎng)絡(luò)層由無線分組業(yè)務(wù)、交換機、路由器等組成,使用快速以太網(wǎng)H3CS5560-EI系列交換機實現(xiàn)自動尋址和交換的作用,從而避免出現(xiàn)端口沖突的問題。

2.2 基于數(shù)字簽名加密的系統(tǒng)控制器硬件結(jié)構(gòu)設(shè)計

大多數(shù)水利發(fā)電設(shè)備監(jiān)控系統(tǒng)的控制器通過RS485接口直接與監(jiān)控中心進行通信,當系統(tǒng)總線同時接收到多個設(shè)備的請求信息,使控制器的控制精度下降。本研究設(shè)計出一種能夠進行數(shù)據(jù)加密的系統(tǒng)控制器,增加了GPRS模塊電路,對水利發(fā)電機組進行精確的控制。

本研究控制器使用STM32F103單片機,具有240個物理中斷,ISA支持Thumb和Thumb-2?？刂破髂軌蜻M行加密操作,實現(xiàn)與調(diào)度中心和控制中心的數(shù)據(jù)透明傳輸,處理器把程序加密后通過SPI接口將其存儲在片外FLASH中[12]。電源模塊使用了高效率線性穩(wěn)壓電源AMS1117-3.3進行電壓轉(zhuǎn)換,能夠?qū)⒒鶞孰妷赫`差控制在1.5%之內(nèi),使電源電路的超載壓力降低;系統(tǒng)控制器硬件結(jié)構(gòu)如圖2所示。

圖2 系統(tǒng)控制器硬件結(jié)構(gòu)

控制器包括RS485模塊、電源模塊、處理器、GPRS模塊和WIFI模塊,控制單元與GPRS模塊通過串行接口相連。并在控制器電路中加入了模擬開關(guān),控制器能夠根據(jù)網(wǎng)絡(luò)實際情況選擇通信方式[13],添加了電平轉(zhuǎn)換模塊匹配GRPS模塊與控制單元的電平,控制單元使用AT指令驅(qū)動其他模塊。

控制器在與調(diào)度中心進行數(shù)據(jù)傳輸交換之前,進行雙向的身份認證,獲得臨時會話密鑰(SK)?？刂破髋c調(diào)度中心經(jīng)過密鑰協(xié)商獲得密鑰(SK)數(shù)據(jù)的長度為klen,發(fā)起者為控制器,響應(yīng)者為調(diào)度中心[14]?？刂破魃擅荑€協(xié)商請求報文,并發(fā)送到調(diào)度中心;密鑰協(xié)商請求報文如表1所示。

表1 密鑰協(xié)商請求報文Tab.1 Key negotiation request packets

控制器A隨機選擇一個隨機數(shù)rA,隨機數(shù)范圍在[1,N-1];控制器根據(jù)調(diào)度中心B的身份標識IDB計算QB,發(fā)送m1‖IDA‖RA報文到調(diào)度中心B。調(diào)度中心接收到后生成密鑰協(xié)商應(yīng)答報文,調(diào)度中心選擇一個隨機數(shù)rB,根據(jù)控制器的身份標識IDA計算QA,獲得SKB和消息RA的數(shù)字簽名SB,調(diào)度中心發(fā)送m2‖IDB‖RB到控制器[15-16]?？刂破鹘邮盏胶髮ο⒑秃灻M行驗證,生成密鑰協(xié)商確認報文,通過數(shù)字簽名驗證S1是否等于SB。驗證成功后表示控制器與調(diào)度中心通過了身份驗證,雙方持有臨時會話密鑰SKB,在數(shù)據(jù)傳輸過程中可抵抗消息重放攻擊和消息偽造攻擊,增加了水利發(fā)電系統(tǒng)數(shù)據(jù)的安全性[17]。

3 應(yīng)用測試實驗

本研究水利發(fā)電運行評價系統(tǒng)能夠?qū)⑺娬局骶€以組態(tài)的方式反映在監(jiān)控中心的監(jiān)控軟件上,可以直觀感知到水電站中各水利發(fā)電設(shè)備的運行情況。

通過系統(tǒng)的監(jiān)控界面顯示水利發(fā)電機組的有功負荷、系統(tǒng)電流等運行參數(shù),通過監(jiān)控各水利設(shè)備的狀態(tài)信息,運行人員能夠?qū)λ娬镜倪\行水平做出整體評價,水利發(fā)電機組的實驗環(huán)境架構(gòu)如圖3所示。

圖3 水利發(fā)電機組的實驗環(huán)境架構(gòu)

為驗證本研究水利發(fā)電運行評價系統(tǒng)的性能,分別使用文獻[3]系統(tǒng)、文獻[4]系統(tǒng)和本研究系統(tǒng)進行實驗;本研究實驗環(huán)境配置參數(shù)如表2所示。

表2 實驗環(huán)境配置參數(shù)Tab.2 Experimental environment configuration parameters

為驗證本研究系統(tǒng)大數(shù)據(jù)模型在處理水利發(fā)電數(shù)據(jù)的性能,進行數(shù)據(jù)分析實驗并記錄各系統(tǒng)的執(zhí)行時間。從系統(tǒng)數(shù)據(jù)層中選擇部分歷史監(jiān)控數(shù)據(jù)和水電設(shè)備運行數(shù)據(jù)作為實驗數(shù)據(jù),數(shù)據(jù)集的采集頻率設(shè)定為1 min,并在數(shù)據(jù)集中加入了公開數(shù)據(jù)的6條時序數(shù)據(jù)。為保證數(shù)據(jù)集中各類型參數(shù)的一致性,進行實驗前對數(shù)據(jù)集進行預(yù)處理,實驗數(shù)據(jù)集如表3所示。

表3 實驗數(shù)據(jù)集Tab.3 Experimental data sets

為測試不同數(shù)據(jù)量對系統(tǒng)數(shù)據(jù)模型的影響,對數(shù)據(jù)集進行擴充,原始數(shù)據(jù)集為T1,將T1數(shù)據(jù)集擴充為2、3、4和5倍分為T2、T3、T4、T5數(shù)據(jù)集,在數(shù)據(jù)分析實驗過程中記錄數(shù)據(jù)模型的執(zhí)行時間,實驗結(jié)果如圖4所示。

圖4 數(shù)據(jù)分析結(jié)果

由圖4可以看出,在數(shù)據(jù)量較小時各系統(tǒng)數(shù)據(jù)模型的執(zhí)行時間不超過15 000 ms,隨著數(shù)據(jù)集中數(shù)據(jù)量的增加,文獻[3]系統(tǒng)數(shù)據(jù)模型的執(zhí)行時間增加速率加快,算法執(zhí)行耗時增加,分析處理T3數(shù)據(jù)集的執(zhí)行時間超過了20 000 ms,在T5數(shù)據(jù)集的耗時高達40 752 ms;文獻[3]系統(tǒng)模型需要在數(shù)據(jù)集群中通信,增加了數(shù)據(jù)分析時間,影響了算法的執(zhí)行效率。文獻[4]系統(tǒng)模型在處理3倍原始數(shù)據(jù)集的數(shù)據(jù)量時,模型的執(zhí)行時間不超過20 000 ms,在對數(shù)據(jù)集T4、T5進行處理分析時,系統(tǒng)耗時高達22 000 ms以上,其中執(zhí)行時間最大為26 150 ms,文獻[4]系統(tǒng)在處理數(shù)據(jù)量較大的數(shù)據(jù)集時,掃描數(shù)據(jù)庫花費的時間影響了整體的執(zhí)行效率。

本研究的數(shù)據(jù)模型的整體執(zhí)行時間不超過15 000 ms,對前3個數(shù)據(jù)集進行處理分析的執(zhí)行時間小于10 000 ms,處理數(shù)據(jù)量較大的T5數(shù)據(jù)集使用的時間為12 850 ms。本研究數(shù)據(jù)模型采用了并行分布式的計算方式,減少了數(shù)據(jù)庫的掃描時間,進行數(shù)據(jù)分析時對數(shù)據(jù)量進行估算,對數(shù)據(jù)量較大的數(shù)據(jù)集能夠進行關(guān)聯(lián)規(guī)則的挖掘,加快了系統(tǒng)處理水利信息的速度。

本研究優(yōu)化調(diào)度模型以電量容量綜合效益最大為目標,調(diào)度周期選擇6月為起始月份,調(diào)度周期設(shè)定為6個月,文獻[3]系統(tǒng)作為對比實驗,水電站出力和引用流量作為約束條件,水利發(fā)電優(yōu)化調(diào)度結(jié)果,具體數(shù)據(jù)如表4所示。

表4 發(fā)電量數(shù)據(jù)Tab.4 Power generation data

由水電站各月份的發(fā)電優(yōu)化調(diào)度結(jié)果可知,水電站在9、10月份的發(fā)電量較大,文獻[3]系統(tǒng)的優(yōu)化調(diào)度結(jié)果在9月份的發(fā)電量最大為83.24億kW·h,在7月份發(fā)電量最小為62.58億kW·h。

本研究優(yōu)化調(diào)度模型在總發(fā)電量最大目標的基礎(chǔ)上,考慮到了水利發(fā)電機組的時段最小出力,在9、10月份的發(fā)電量分別為93.12、90.98億kW·h,9月份比文獻[3]系統(tǒng)多出9.88億kW·h。在7月份的發(fā)電量為74.08億kW·h,這說明本研究優(yōu)化調(diào)度模型能夠有效提高水利發(fā)電量,增加了水電站的容量效益,從而提高了系統(tǒng)的供電可靠性。

4 結(jié)語

本研究建立水利發(fā)電運行評價系統(tǒng),并提出一種水利發(fā)電機組的中長期發(fā)電優(yōu)化調(diào)度策略,建立優(yōu)化調(diào)度模型,使用權(quán)重法將多目標問題轉(zhuǎn)化為單目標問題,利用改進后的遺傳算法對模型的目標函數(shù)進行求解。在移動通信技術(shù)和大數(shù)據(jù)技術(shù)的輔助下,實現(xiàn)隨時隨地獲取水利發(fā)電設(shè)備的遠程監(jiān)控數(shù)據(jù)信息,并評價水電站當前運行整體水平。水電站的全自動智能運維將成為以后的發(fā)展趨勢,應(yīng)用自動化元件或者控制部件,并將復(fù)雜的智能控制回路化繁為簡,在以后的工作中還需進一步研究。