区域设备最优化控制的精准配网多级画像应用研究
2022-03-16杨小磊路轶陈刚胡佳佳周哲民
杨小磊,路轶,陈刚,胡佳佳,周哲民
(1.国网四川省电力公司,成都 610041; 2.国网资阳供电公司, 四川 资阳 641300; 3.清华大学 电机工程与应用电子技术系,北京 100084)
0 引 言
当下,配电网络在我国迅速发展、更新换代[1-6],同时,由于配电系统结构复杂多样,线路电力设备繁多,配电网络所面临的过电压问题逐渐突出,设备运行故障时有发生[7-9]。目前学者已越来越多关注对各种配电网运行问题开展快速和有效的监测控制,从而可以减少停电造成的经济损失[10-11]。
当前,运行数据显示,配电网运行中重过载、设备低电压、线损等问题依旧突出[12-14]。针对部分线路(包括配网馈线段)仅在波峰时段出现短时重载或过负荷的情况,如何对此类异常运行情况进行联络线路负荷分配调整,使运行曲线画像更优化,提出最优联络线控制策略成为众多学者的研究重点。
此外,如何根据已知低电压类型特征,使用低电压模式识别方法,筛选可通过转供或改变负荷分配等解决的线路低电压问题类型。如何针对配网画像中线损较高的线路,调整部分高负荷、长时间、长距离线路供电策略,提高设备利用率,降低线损均为当下配电网运行中急需解决的问题。
一些学者已经分别对上述问题进行了研究分析,文献[15-16]对配电网低电压的问题提出处理措施,例如,做到分批、全面地对该线路所配变压器运行档位进行排查与建档;加强低电压用户的负荷需求管理,装设配变综合监测仪;采用相应的并联补偿及串联补偿方案等措施。文献[17-20]对线损计算与降损技术措施进行了研究,研究者分别提出了基于深度学习的,以及基于改进K-Means聚类和BP神经网络的台区线损率计算方法。基于此,提出优化电网结构和运行方式、增加无功补偿装置、合理分配电流密度、减少高耗能设备使用、加强低压线路三相负荷平衡管理和谐波治理等节能降损措施。但如何考虑重过载、低电压、线损问题的多种运行方式下的最优选择仍没有文献进行深入研究。
基于此,本文充分利用营销用系统配变负荷数据、用户行业分类,主配一体化系统网络拓扑及配网相关运行信息,拓展调控云大馈线精准负荷画像并完善配电网多级画像功能。最后提出考虑重过载、低电压、线损问题的多种运行方式下的最优选择,并给出案例分析。
1 精准配网多级画像
本文目的在于研究基于历史大数据的配电网负荷画像方法。具体言之,基于海量仿真数据和运行数据,利用人工智能方法,根据负荷的类型和负荷特性指标进行负荷画像的特征提取;根据负荷的调控能力分类进行画像,包括强可调控、弱可调控、不可调控几种类型。根据负荷画像标准和画像特征,以决策树方法进行多级分类,通过聚类等方法进行精细化分类。
1.1 数据来源
(1)用采系统:配变的P 、Q、 三相电压电流值(历史值)。
(2)营销系统:配变基础台账,行业分类。
(3)主配一体化系统:配变与大馈线对应关系,线路联络关系,遥信位置。
(4)调控云:线路及配变基本参数
(5)供服系统:重过载、低电压台区等。
(6)open3000系统:10 kV母线电压、站内开关P、Q、I。
(7)同期系统:线损信息。
数据需做如下准备:
(1)需将用采系统配变与主配一体化系统配变对应,采集值处理成高压侧值,异常值需排除,空值需处理。
(2)需提供供服系统与oms系统接口,以便将异常运行信息、敏感用户信息等上传至调控云。供服系统统计的配变异常运行信息需与主配一体化体系配变对应。本文以宜宾地区为例,展示数据统计结果。分别为网损统计、过载设备统计、重载设备统计和低压设备统计。
1.2 实现平台
目前配网设备已结构化上调控云,主配一体化系统的遥信值通过人工置位上传至调控云,调控云图计算及负荷画像功能可结合线路拓扑关系分析负荷特征,潮流计算可在调控云上部署实施,后续在调控云维护线路和配变的参数信息后,分析程序可基于调控云部署实施。精准配网多级画像实现平台如图1所示。
图1 精准配网多级画像实现平台
1.3 基于运行特性的配网多级精准画像方法
本文以已有的调控云提供的负荷成分画像为基础,结合配电网运行特性分析与历史数据库,丰富并完善针对运行特征的配网多级精准画像,可将配网分解为配变、馈线和变电站等逐级设备进行分别画像,并形成静态画像部分和动态画像部分。
由于负荷特性是引起配网运行问题的主要对象,因此负荷的画像以配变为单位,在分类画像中完善负荷特性指标,比如可包括不同时间尺度的最大(小)负荷、平均负荷、峰谷差、负荷率、最小负荷率等;同时分类进行负荷变化的影响因素画像,比如可定义为温度敏感性负荷、经济敏感性负荷、价格敏感性负荷、政策敏感性、节假日敏感性等;分类进行调控能力画像,比如强可调控、弱可调控、不可调控等。还可考虑与检修营销策略相关的画像。负荷画像的主要方法是确定画像评价标准,以决策树方法进行多级分类,通过聚类方法进行精细化分类。负荷固有属性的变化随时间的变化比较小,将其定义为静态画像。
下面以配电网用户用电行为为例,给出静态画像的相关模型。用电行为的画像核心是获得用户用电的特征,即通过真实的量测数据进行聚类分析:
(1)
式中SSE表示传统的误差平方和计算方法;k表示该划分中的个体数量;ci表示第i个划分;x表示ci中的个体;mi表示样本均值。
式(1)描述了样本分类过程中的计算准则,然后使用K-means聚类算法能够获得具有多个特征的聚类。
在传统K-means聚类算法基础上,进一步采用最大熵原理来进行特征精细化过滤,随机变量x的计算熵为:
(2)
式中Ω为随机变量x取值集合;p(x)为随机变量x的概率。
在传统K-means聚类分类d中,所有用户特性的熵为:
(3)
式中Nd表示分类总数;Mi表示第i个分类的总样本,M表示总样本。
获得用户特性熵后,可以计算特征ti与用户类别之间的最大相关信息熵D(s,d):
(4)
式中Muv表示特征ti在分类v中的总样本;I(ti,d)表示S中的特征ti与分类d之间的信息相关度;S表示经过筛选后的最优特征集;NS表示该集合中的特征数量。
获得式(4)后可以辨别特征与分类之间的信息相关度,进而定义相关系数ρ(ti,tj):
(5)
式中cov(ti,tj)表示特征ti和tj的协方差;ρti和ρtj分别为特征ti和tj的标准差。
用相关系数来表示特征之间的关系,还需要从最优的角度进行去除分类内的冗余,因此要设置冗余指标:
(6)
结合式(5)和式(6),可以获得最优特征分类:
I=max{D(S,d)-R(S)}
(7)
利用人工智能中的深度学习方法求解式(7)后即可得到用户用电特征的最优分类,从而形成用户用电特征画像。
在负荷画像基础上,运用配网运行特性的分析,有针对性地根据异常运行状态分级对配变、馈线和变电站进行逐级画像,比如配变重载、过载、低电压等属性画像,馈线过载、低电压、高线损等属性画像,变电站负荷高密度、联络不足等属性画像。对于某些可量化的指标可采用层次分析法等评价归类,对于不可完全量化的指标可采用模糊聚类等方法进行归属。与运行相关的画像可能由于运行方式改变而变化,可定义为动态画像。
通过配网精准画像,可明确各级配网的运行状况,为精准优化调控奠定基础。
2 配网运行问题解决方法
2.1 线路重过载问题
线路重过载包括变电站10 kV出线重过载和配网馈线段重过载。变电站10 kV出线重载即线路负载电流达到70%的CT(电流的互感器)额定值1小时及以上,过载即线路负载电流超过CT额定值;配网馈线段重载即该段线路的负载电流达到70%的额定载流量1小时及以上,过载即负载电流大于该段线路额定载流量。
线路供电半径不合理、线径较小、负荷较为集中、用电负荷较大等均会引起线路重过载,会影响线路的供电能力。可定位线路重过载区段,结合网络结构进行负荷画像,进行分类解决。
如可调整其所在配网线路结构或负荷分配改善重过载问题。
(1) 负荷波动导致的线路短时过载。
如图2所示运行方式, L3断开,根据负荷曲线,A线路在t1~t2时刻出现短时过载。
图2 线路重过载
①可结合配网拓扑对配变精准画像,定位区域T5配变在t1,t2的相邻时刻t1′,t2′时刻与A线路负荷曲线高度拟合,可能是引起A线路(馈线段)短时过负荷的主要原因;
②可通过负荷画像定位t1′,t2′时刻负荷增长过多的配变,若此类配变较为集中,考虑改变运行方式,如增设断开点。
改变运行方式,将T5区域倒换方式至B线路供电:合上L3,断开L2。通过对T3、T4、T5区域负荷画像,得到B线路新的负荷曲线,对比线路参数,判断是否会过负荷。通过对T1、T2区域负荷画像,得到A线路新的负荷曲线,若均不过载,可调换运行方式,解决A线路短时过载问题。
(2)配变重载。
进行单台配变负荷画像,对负荷超过80%额定容量2小时及以上的配变根据网络拓扑进行定位,查找负荷密集区,解决由于配变布点不足引起的配变重过载问题。
以变电站10 kV出线过载为例,给出配网最优的网络重构算法。
变电站出线过载后,要及时切除过载部分,因此配网最优的网络重构过程包含两部分:未过载配网区域的最大化恢复供电、失电网络的失负荷量最小。
未过载配网区域的最大化恢复供电模型为:
(8)
失电网络的失负荷量最小模型如下:
(9)
式中βj表示节点j的负荷比例系数;Pjd和Qjd分别表示节点j的有功负荷和无功负荷。
式(9)中还应该服从式(8)中的约束条件。求解式(8)和式(9)是二层规划求解问题,利用传统非线性规划求解法即可以获得最优解。
2.2 低电压问题
(1)使用配变低电压模式识别方法,即对各配变进行画像,对比已知低电压类型配变画像,区分引起配变低电压的原因,分类解决。已知配变低电压类型:
①中性点未接地;
②三相负荷不平衡;
③配变档位不合理;
④配变重过载或负荷集中区;
⑤供电半径不合理;
⑥大工业生产负荷;
⑦其他。
对于前三类低电压问题,可协调运检营销解决,对于④、⑤、⑥类低电压问题,对此类配变通过网络拓扑进行定位,对存在多台配变低电压的区域进行分析。对于前三类低电压问题,本文给出案例处理结果如下:首先通过筛选用采数据,获取出现过的所有低电压时刻,进一步,获取低电压最严重的配变,咨询调度人员低电压参考值,输出低压曲线与实际电压的对比。
通过筛选出的配变在低电压时刻点进行调整档位或者投入电容器查看是否对电压造成影响。最后在每一个低电压时刻验证调整后可改善电压输出策略内容展示。
(2)供电半径不合理导致的低电压问题。
如图3所示,运行方式1为A线路与B线路间联络开关L3断开,配变区域T5出现低电压。
图3 运行方式1
若改变运行方式,如图4所示,以方式2运行时,通过潮流计算,可得到T5新的电压值,可判断是否解决低电压问题。
图4 运行方式2
(3)大工业生产负荷引起的低电压问题。
针对负荷性质复杂的线路,尤其是工业性质负荷占比较高的联络线,通过负荷画像,对无功分布情况、电压降落情况进行分析。从而选择合理的断开点。运行方式1如图5所示。
图5 运行方式1
如图6所示,T2、T5区域工业负荷性质占比较高,T2区域无功不足导致配变低电压。可通过改变运行方式,改变线路无功分布,改善低电压问题,如方式2所示。
图6 运行方式2
2.3 线损问题
将同期系统定位的高损元件与网络拓扑和配变负荷性质相结合,调整负荷分布,降低线损。
通过负荷画像,定位长期轻载或空载配变区域,通过改变此类负荷分配,改善线损。
如图3和图4所示,方式1由于T5区域长期轻载运行,A线线损较大。A线实际线损:(W为电能,单位kW·h)
∇WA=WA-(WL1+WL2+WL5)
(10)
B线实际线损:
∇WB=WB-(WL3+WL4)
(11)
方式2,A、B线理论线损∇WA′、∇WB′可通过潮流计算得到,若∇WA′+∇WB′ 在运行方式2下, A线实际线损: ∇WA″=WA″-(WL1+WL2) (12) B线实际线损: ∇WB″=WB″-(WL1+WL2) (13) 若∇WA″+∇WB″ 对于联络情况较为复杂的网络,存在多种运行方式选择。将线路重载率、低电压率、平均线损率分配不同的分值,作为一个综合指标,考量不同运行方式的合理性。 线路重载率=线路负荷/额定容量×100%。 低电压率=低电压台数/总配变台数×100%。 线损率=(供电量-售电量)/供电量×100%。 平均线损率=(线损率1+线损率2+率率线损率n)/n。 若在某一运行方式下,线路重载率在70%及以上,分值为0,线路重载率低于70%,分值为50;低电压率在30%及以上,分值为0,低电压率在20%~30%,分值为10,低电压率在10%~20%,分值为20,低电压率在0%~10%,分值为30;平均线损率在40%及以上,分值为0,平均线损率在20%~40%,分值为10,平均线损率在0%~20%,分值为20。(总分100分)。分值分布如表1所示。 表1 分值分布 本文选取如图7~图9三种运行方式下的方案进行案例分析,图7~图9分别对应方案1,2和3,具体如下: 如图7所示,如方式1所示,开关L3、L5、L6断开,T12区域出现低电压(低电压率32%),C线路线损率50%,A线路重载(重载率72%)。A线线损率为a1,B线线损率为b1,D线线损率为d1,平均线损率为35%。方案1得分为10分。 图7 运行方式1 如图8所示,将方式调整为方式2,A线路重载问题得到解决,T12区域仍旧低电压(低电压率21%),C线路线损率降低至30%,A线线损率为a2,B线线损率为b2,D线线损率为d2(d2=d1),平均线损率为15%。则方案2得分为80分。 图8 运行方式2 如图9所示,将方式调整为方式3,A线路重载问题得到解决,T12区域低电压问题解决(低电压率1%),C线路线损率降低至30%,A线线损率为a3(a3=a2),B线线损率为b3(b3=b1),D线线损率为d3,平均线损率为35%。方案3得分为90分。 图9 运行方式3 将运行方式方案按得分值进行排序,得分高的为优选方案。即方案3为优选方案。 本文提出了区域设备最优化控制的精准配网多级画像应用方法。 首先充分利用营销用系统配变负荷数据、用户行业分类,主配一体化系统网络拓扑及配网相关运行信息,拓展调控云大馈线精准负荷画像并完善配电网多级画像功能。 其次提出考虑重过载、低电压、线损问题的多种运行方式下的最优选择,并给出案例分析,对运行方式方案按得分值进行排序,得分高的为优选方案。 以本文研究结果为基础的最大优化配网区域设备控制策略,可以有效改善重过载、低电压、线损、最优方式选择等问题。2.4 多种运行方式下的最优选择及案例分析
3 结束语