电力配电网络节能调度模型的仿真分析.docxVIP

电力配电网络节能调度模型的仿真分析 　　摘 要：我国电网规模不断扩大，目前电力系统仿真计算中使用的稳定计算数据常将配电网络简化等效为等值负荷接入主网。随着新能源的快速发展，并入配网的电源不断增多，电力配电网络节能调度模型在电力配电网络中的应用，能够实现配网的高效运行，对电力运输节能降耗意义重大。基于此，文章主要对电力配电网络节能调度模型的仿真进行了分析。　　关键词：电力企业；配电网络；节能调度；模型仿真　　一、电网稳定计算数据构建方法　　电网稳定计算数据是为实际电网的仿真计算分析而构建的基础数据，主要包括电力系统接线，电力系统各种元件、控制装置及负荷的模型和参数，还包括故障类型和故障切除时间、重合闸动作时间、继电保护和安全自动装置的模型和动作时间等。电网稳定计算数据的准确性是电网仿真计算结果能反映电网运行特性的前提，进而影响着电网规划调度与运行决策。　　二、仿真实验分析　　为了验证本文提出的电力配电网络节能调度模型的有效性，需要进行相关的实验分析。实验从平均煤耗、节能情况、收敛情况和出力情况4个方面对节能调度的有效性进行验证，同时将传统基于细化排污函数的节能调度模型作为对比进行分析。　　实验将粒子种群数量分别设置为20，40，60，$0、100，即：POPSIZE={20，40，60，80，100}，电力配电网络节能调度的目标函数的维数设置为D={2，4，6，8，10，20}。不同种群数量和函数维数晴况下，粒子群算法都独立运行20次，每次优化运行最大迭代次数为1000次。设置目标函数值低于时运行停止。　　三、平均煤耗情况分析　　分别采用节能调度和传统基于细化排污函数的节能调度模型对6个省的电力配电网络进行节能调度，2种模型的平均煤耗比较结果如表1所示。　　分析表1可知，本文模型的平均煤耗明显低于传统细化排污模型，充分体现了本文模型带来的节能减排效应。除此之外，还可以看出：夏季平均煤耗明显低于冬季的平均煤耗，这是因为夏季可以用水发电，火电机组的发电需求减少。　　四、电力配电网络节能调度模型算法及求解　　粒子群算法。针对本文提出的电力配电网络节能调度模型，本文采用粒子群算法对其进行求解。首先在标准粒子群算法的基础上引人惯性权重因子，用于优化粒子群算法的收敛性，公式表示：　　式中：为粒子速度；为学习因子；0到1之间的随机数，负责保留群体的多样性；为粒子当前位置；为群体自身最佳位置；为描述粒子发现的最佳位置；为非负，被称作惯性因子，主要用于权衡局部最优能力和全局最优能力。　　粒子群算法求解　　1、粒子编码。将每个粒子的位置向量编码分为两部分，也就是[离散变量：连续变量]。离散变量表示N个电量需求点、K个设备的调度问题，粒子的位置编码为矩阵的前N+k--1列，其排列顺序表示调度的顺序，连续变量表示实数向量，粒子的位置为矩阵的后N列，分别表示N个需求点的电能供应量。本文粒子群算法的适应度函数为电力配电网络节能调度的目标函数。　　2、位置与速度操作。粒子速度用于改变粒子位置，粒子状态由整数和实数混合排列表示，实数部分可继续用原来的速度定义，整数部分速度需重新定义。通过如下操作定义粒子的位置和速度：位置间的加法，定义表示粒子状态上的交换，表示X向量的第i维和第j维交换位置。　　粒子的速度用表示。　　位置与速度的加法，在更新粒子的位置过程中，粒子的新状态基于交换数的顺序将X的元素进行运算，则有。4）速度的加法，表示为个速度和的定义为2个速度中交换数的并集，并且改变交换数的顺序。　　速度的数乘表示为，其中是一个0到1之间的常数，则有即从V中选择个交换数作为新的速度，其中，表示粒子的?L度，指粒子速度中包含的交换数的数量。　　位置间的减法，粒子的2个位置相减为速度，即　　3、更新粒子速度和位置。通过对粒子位置和速度的特殊定义，将“”，“”，“”代人到粒子群速度和位置更新式中，获取离散粒子群优化操作下的粒子速度和位置的更新公式为：　　离散、连续组合优化过程中，各粒子向量速度和位置的更新分为两部分，离散变量部分采用粒子速度和位置的新公式进行更新，连续变量部分通过粒子群算法进行更新。　　五、结语　　综上所述，采用粒子群算法对目标函数进行求解引入惯性权重因子，以优化粒子群算法的收敛性，从而提高电力配电网络系统的节能效果，及收敛速度，进而实现电力配电网络节能调度模型的建立。