基于自动化调度的无功电压综合研究.docVIP

基于自动化调度的无功电压综合研究 【摘 要】随着生产生活水平的提升，人们对电压质量的要求不断提高。电压质量主要受电压无功的影响，并决定了电网运行的可靠性和经济性。随着优化理论和计算机通信技术的进步，开展基于自动化调度的无功电压综合研究有着非常重要的意义。笔者结合自身工作经验，采取智能粒子群优化算法对无功电压的管理和优化进行相应的探讨，具有一定推广价值。 【关键词】电网 自动化调度 粒子群算法 无功电压管理 无功电压优化对于降低网络有功损耗、提升电压质量有着非常重要的意义。进行无功电压优化的传统手段是手工控制。但随着我国电网规模不断扩张，若继续沿用传统方法将难以为继，必须采用基于自动化调度的新型控制方法。这种方法的运行基础是合理、有效的无功电压计算模型。当前，该类模型主要包括粒子群算法、遗传算法、模糊理论、专家系统、神经网络等。笔者结合自身工作经验，建立起智能粒子群优化算法，以期起到抛砖引玉作用。 1基于自动化调度的无功电压综合管理的目的和要求 由于电网中的相关用电设备在日常运行中会大量吸收无功功率，降低系统功率因数，导致电能损耗和线路电压大幅下降，这一方面不利于企业经济效益的提升，另一方面还可能造成系统解列、设备损坏。无功电压综合管理的目的就是通过各类有效措施，优化电网运行状态，提高电压质量、降低系统有功损耗。在目标函数选择上，可采用网损最小函数。 2关于粒子群优化算法的阐释 随着电网节点数目的增大，进行电网计算的模型必须在速度、性能上符合要求。 2.1粒子群优化算法的原理 该算法从随机解出发，通过迭代选择最优解。较之遗传算法而言，规则更为简单，摒弃了遗传算法所采取的“变异”和“交叉”操作，基于当前获得的最优值来追寻全局最优。粒子群优化算法有着调整参数少、易于实现等诸多优点。 2.2运算流程简介 以对鸟群捕食行为的模拟来对粒子群优化算法进行阐释，场景设想如下：①鸟群搜寻食物的过程具有随机性。捕食区域内仅有一处食物，每一只鸟事先都不清楚食物的方位，但清楚当前与食物之间的距离。②获得食物的最优策略：对距离食物最近鸟的附近区域进行搜寻。 以上场景可以从一定侧面来阐释粒子群优化算法解决优化问题的思路和方法：①对于算法而言，所有优化问题的解均对应为场景中的鸟，称之为“粒子”。②每一个粒子均由被优化的函数来赋予其相应的适应值，且通过对速度和方向的设定来决定其搜寻的距离和方向。③粒子根据最优粒子来搜寻在解空间。在初始状态下，随机粒子基于迭代来获取最优解。在不断的迭代过程中，相关粒子利用对两个极值的追踪来实现粒子本身的更新。④极值一为粒子本身所寻获的最优解，即个体极值PBest，极值二为粒子群在现阶段所获得的最优解，即全局极值BBest。需要注意的是，可不选择整个族群而只选择局部粒子作为该粒子的邻居，在邻居粒子中的极值即获得局部极值。 3基于自动化调度的无功电压优化管理实例研究 3.1概况简介 A区域由220KV变电站实现供电，含3座110KV变电站（91.5MVA），9座35KV变电站（40.6MVA），1327台配电（96.3MVA），另外，14座中小型水电站装配59台机组共实现3365KW装机容量，部分水电站建设时间久远，且采取的是拦河坝的形式来利用自然水资源，无法实现稳定的发电输出，因此对大电网的依赖性较大。A区域负荷电量历史数据详见表1。 通过上表可以发现，A区域供电量和最高电荷呈现出明显增长的趋势，年递增幅度均超过6%。然而就无功电压优化管理而言，首先，采取单电源供电方式的35KV变电站，无法确保供电的可靠性。其次，变电站数量偏少，部分乡镇只能通过超半径的10KV配电线路来实现供电。最后是变电站的主变容量不足，拉闸限电频次较高，极大制约了区域内社会经济的发展。 3.2优化策略 （1）基于规划容量所设定的上下限来对所有方案开展迭代计算，分析比较后找到最优方案。（2）在设计和建设调度站时，基于现有负载率最高的调度站，在其附近随机生成，直到不再新建调度站为止，以便大幅提升运算速度。（3）将边界控制策略引入到自动化调度工作中，以便实现粒子在规划范围内合理、可控运行。（4）基于初次的最短距离来开展负荷分配工作，以有效解决负载不均衡所产生的问题。（5）基于拟建调度站的辐射区域，找到几何中心，作为站址。 4结语 通过一系列的优化改进工作之后，全部调度站的负载率都得到了明显的优化，供电质量获得极大改善。 参考文献： [1]刘自发，张建华.基于改进多组织粒子群体优化算法的配电网络变电站选址定容[J].中国电机工程学报，2007，27（l）：105-111. [2]牛辉，程浩忠，张焰.电网扩展规划的可靠性和经济性研究综述[J]. 电力系统自动化，2010，24（1）：51-56. [3]徐建亭，王秀英，李兴源.电力系统电压无功的序列二次规划算法[J]