欢迎访问《电力勘测设计》杂志社官方投稿处 投稿咨询:

主管单位:国务院国有资产监督管理委员会

主办单位:中国电力规划设计协会

国际统一刊号:1671-9913

国内统一刊号:11-4908/TK


由结果可得出系统发电机的功率输出情况。异步电机在负荷率达到70%以上时,功率因数最高,在0.850.95之间,而电机在负荷较低的情况下,功率因数较低,仅在0.20.3之间。系统功率因数在0.9以上时为正常,当功率因数较低时则需通过无功补偿进行调节。
3 电网调度自动化系统是现代化电网不可缺少的组成部分,针对电网监控的应用要求设计的电网调度自动化系统是进行电网电能的科学分配、电网运行状态的有效监控的强力手段。在调度自动化系统中,应用线性外推法对负荷曲线的基本趋势进行预测,并通过神经元算法对天气因素造成的误差进行纠正,可以得到比较准确的负荷预测值。利用改进型的牛顿-拉夫逊法对电网潮流进行计算,在实际应用中也具有很高的实际应用价值。在现有的电镀自动化系统基础上,进一步提高系统的预测精度,以及对新能源风电、水电等模块单元的计算是系统研究的重要方向。
王明俊,我国电网调度自动化的发展——从SCADAEMS[J];电网技术,2004,(4).
[2] 李小四.浅谈电网调度自动化系统发展[J].河南电力.2012(03).
[3] 肖坤勇;潼南供电公司完成调度自动化改造[N];中国电力报;2006.
[4] 房亮;35kV无人变电站中调度自动化系统的研究与实现[D];华北电力大学;2011.
[返回列表]

版权信息

联系我们

 
电网调度自动化系统的应用分析

        调度自动化系统经过多年的应用研究已经日趋成熟,如今调度自动化系统已经成为电网运行管理中不可缺少的重要组成。它已经成为工作人员对电网状态进行监控、调度的重要手段,也是对系统信息进行分析和决策的重要工具。随着电力生产对电网调度自动化系统依赖程度的不断增加,电力系统对电网调度自动化系统的要求也在不断提高。电网调度自动化系统的主要功能有调度管理功能、SCADA数据采集和监控功能、EMS功能、数据通讯功能以及WEB功能等。电网调度自动化系统的发展主要朝着开放化和标准化、系统结构的分布式、数据库的统一化、主站功能的一体化以及控制的智能化。本文主要对电网调度自动化系统的负荷预测和潮流计算的应用进行了分析和研究。

1 电网单日负荷预测。
电网的单日负荷预测是对电网未来一天的负荷进行预测,其过程非常复杂,常用的预测方法有如下几种:
模型法。该方法比较常用,其主要优点在于运算简便、计算过程只需较少的数据即可;但是该方法的计算精度较低。
人工神经网络法。该方法可以拟合历史负荷曲线,并且可以对非线性系统进行有效分析。其主要优点在于计算精度较高;但是预测所需的历史数据量较大,计算过程所需的运算量较大。[1]
综合法。该方法是整合多种算法,对负荷进行预测。该方法综合了所用算法的优点,运算精度往往较高。
1.2 人工神经网络算法分析。
某电网在实际应用中采用的经网络负荷预测法运用多层次感知的算法模型。该算法相互连接数个神经元,将输入和输出组成可以对复杂非线性模型进行处理的分析系统。该方法可以对历史复杂非线性的输映射关系的特点进行输入输出记忆,从而根据历史数据对负荷进行预测。[2]具有隐层的前馈型神经网络是最常用的预测法,其主要有输入层、数个隐层以及输出层构成。前馈神经网络的单隐层结构如下图所示。
神经网络算法在电网负荷预测中的应用。
在实际应用中可以发现,线性外推法在气象条件没有突然变化的情况下的运算精度还是很高的。当气象变化较大时,虽然负荷曲线的趋势走向比较吻合,但预测精度已经变得比较大。这时如果采用人工神经网络算法对误差进行修正就可以得到比较理想的负荷曲线。因此运用线性外推和人工神经元算法相结合的方式是对电网负荷进行预测的有效手段。
1)人工神经网络算法输入数据的处理方法。
气象因素是人工神经网络算法需要进行输入的数据,因此需要事先对其进行处理。要尽量提高负荷预测的精度就要尽量全面考虑影响负荷的各种因素。由于天气状况很难用数据进行表述,因此我们借助气象局的帮助,对天气状况的详细情况进行了了解。通过对气象局所提供数据的分析,根据对负荷变动影响的大小,得出49种天气状况,并对各种因素进行了量化,如下表所示。

由于以上主要是对气象因素的输入量进行分析,为了提高预测精度,我们还需对线性外推的误差进行修正,为尽量降低天气因素对预测误差的影响,我们需要从预测地区的负荷特点和气象特性着手,进行分析。这时我们可以对地区内电力负荷较大的区域进行分析,将该区域的气象条件当做样本,对整个地区情况进行近似分析,这种方法简单实用,但是分析数据仅适合本地区使用。

 
2)数据样本的选择。
可以通过对历史负荷数据和影响负荷变化的因素历史数据进行统计分析对样本进行组织训练,通过学习和记忆,系统得到分析经验,从而具有了负荷预测能力。
3)输出结果的分析。
运用线性外推法和人工神经网络算法对某地区的负荷情况进行综合分析,首先用线性外推法得出基本的负荷趋势走向,然后在通过神经网络算法对气象因素进行考虑,从而对预测误差进行纠正,通过两者预测结果的叠加从而得到该区域最终的负荷预测曲线,预测曲线与实际负荷的对比图如下所示,可见两条曲线的契合度还是比较高的。
2.1 潮流计算运算方法的选择。除对电压稳定极限进行运算外,连续潮流还可以对电压稳定裕度进行运算,得出PV曲线,甚至对分叉点的具体位置和特性进行判断。
电网潮流的计算通常选用牛顿-拉夫逊的法的改进型,即首先初始迭代运用P-Q分解法进行,而潮流的最终求解采用牛顿-拉夫逊法进行。该方法适用于于R/X比值太大造成收敛效果不好的情况,经常用于低压配电网络、经化简的等值网络以及有串补的网络系统潮流的计算。此外该方法还可以对Vθ节点进行处理,即BPA程序中BJBK以及BL三种节点类型,在计算中这三种节点的职能如下表所示。

可以看出,这三种Vθ节点在运算时首先看作系统的平衡节点处理,在应用牛顿-拉夫逊法进行运算时在看作PQPV节点进行处理,这样就是计算的灵活性和结果的收敛性能都提高了。

2.2 电网潮流计算的程序设计。
下图为计算电网潮流的程序输入、输出模型。
图中输入部分主要的功能主要为定义工程作业名称、对程序功能进行运算以及输入输出文件的选取等。网络数据主要包括支路和节点数据,其调用主要通过程序控制语句进行。老库文件是潮流作业得出的结果文件,其潮流解和网络数据是完整的。对老库文件进行计算分析时被看作输入部分数据。输出部分的潮流解和网络数据是完整的,该部分文件在其他潮流计算中可作为输入文件。[3]
2.3 静态电压稳定极限的运算。
电压稳定极限运算时连续潮流的基本功能之一,该运算结果代表了确保电网电压稳定的最大负荷值。其计算过程为,在系统正常运行的负荷基础上,将系统负荷逐渐加大,直到系统电压跌落的临界状态,此时的稳定极限则为电压稳定极限。[4]其运算流程如图3.2所示。
 
2.4潮流计算实例的结果分析。
运用潮流计算的程序对某电网的计算结果如下表所示。