负荷曲线（精选四篇）
负荷曲线 篇1
关键词：负荷特性,预测
1. 概述
年负荷曲线特性是负荷特性的重要指标之一, 研究年负荷曲线特性, 便于掌握对电源的需求, 合理安排机组的检修, 从而获得较好的技术经济效益。其中季不均衡系数和最大、最小负荷发生月又是年负荷特性曲线的重要指标, 本文通过对海南现状负荷特性进行分析及权衡产业结构、地理气候、城镇化率、居民生活水平、生活习惯等诸多因素对年负荷特性主要指标的影响程度, 对海南电网的负荷曲线特性未来演变趋势进行判断。
2. 海南省经济社会及用电概况
2012年海南省国民生产总值2855亿元人民币, 三次产业比重为24.9%:28.2%∶46.9%, 经济结构为“三二一”。2012年海南省全社会用电量210亿k Wh, 全社会最大负荷320万k W, 人均用电量大约2370k Wh。全社会用电主要以第二产业为主, 约占全省用电比重52.5%, 第一、二、三产业及居民生活用电比例为5.3∶52.5∶26∶16.3。
3. 海南电网年负荷特性概况
3.1 年负荷曲线特点
季不均衡系数ρ是指全年各月最大负荷的平均值与最大负荷的比值, 表示一年内月最大负荷变化的不均衡性, 是负荷特性的重要指标。如表1所示, 海南电网的季不均衡系数从2003年的0.847逐步上升至2012年的0.946, 2003-2012年十年期间平均值高达0.91, 相对于国内其它地区电网, 表现出ρ值较高的特点, 这主要是受二产用电比重增长和冬季旅游负荷快速增长的影响。
海南地处亚热带、热带, 基本上长夏无冬, 年平均气温23~25℃, 最冷的1、2月10~20℃, 最热的7、8月35~39℃。因此, 海南取暖用电需求较低, 年最大负荷主要受降温负荷影响, 一般出现在7月份。而年最小负荷一般出现在2月份, 这主要是时值春节生产下降造成的。
海南电网2010-2012年年负荷曲线图如图1所示, 全年负荷曲线表现出波动小的特点。
3.2 年负荷特性的影响
1) 对最大负荷利用小时数的影响
最大负荷利用小时数与季不均衡系数、月不均衡系数及日负荷率相关, 由于海南年负荷曲线平滑, 季不均衡系数较高, 因此抬高了海南的最大负荷利用小时数, 导致海南省最大负荷利用小时数高达6300小时左右。
2) 对机组检修的影响
由于年负荷特性曲线比较平缓, 电网负荷曲线的包络面积为92.6%, 而阴影部分面积只有7.4%。因此, 根据负荷曲线可知, 海南机组检修宜安排在11~5月;根据电力平衡的需要, 在高峰月份需设置检修备用, 如图2所示。
4. 影响年负荷特性的主要因素
4.1 造成季不均衡系数值上升的影响因素
1) 旅游业全年化
海南冬季最高负荷较夏季最高负荷降低的幅度远小于其它电网, 这主要是源于冬季旅游负荷的影响。就目前来说, 海南旅游主要集中在南部三亚及周边少数景点, 今后随着“世界一流的海岛休闲度假旅游目的地”的逐步建设, 旅游业增加值比重从2009年的6.4%增加至2015年的9%、2020年12%, 旅游业今后将不再局限在南部地区发展, 中部山区以休闲避暑为主打的夏季旅游将异军突起, 这对ρ值的上升会起到一定的抑制作用, 但考虑到海南作为全国唯一热带省份, 冬季仍将是旅游的高峰季节, 尤其是今后适合冬季旅游的区域将从三亚扩增到南部诸多沿海市县, 因此综合判断在旅游负荷的影响下未来ρ值仍有持续走高的趋势。
2) 现代服务业比重的增加
从产业结构而言, 目前全国大部分地区第三产业是以传统服务业为主, 海南传统服务业比重更是高达71%, 而传统服务业如饮食业、旅店业、商业等具有用电波动性大的特点。今后, 海南第三产业比重将由2009年的45%逐步提高到2020年的60%和2030年的70%, 且在第三产业内部, 现代服务业比重将由2009年的29%逐步提高到2020年的55%、2030年的70%, 即海南未来将着重发展以现代服务业为主导的第三产业。相对于传统服务业, 现代服务业诸如金融保险、物流、创意产业、软件产业、技术咨询与服务等的用电负荷相对稳定、持续性较强、受季节性因素的影响较小, 其用电比重的增加势必对未来海南电网ρ值起到抬升作用。
4.2 造成季不均衡系数值下降的影响因素
1) 降温负荷增加
海南省由于其特定的地理气候条件, 冬季基本没有取暖负荷, 夏季以空调为主的降温负荷对最大负荷的影响较大。降温负荷大小与城镇化率和居民收入水平关系密切, 由于海南省城乡居民收入2015、2020年将分别达到国内中上水平和先进水平, 城镇化率在2015、2020、2030年分别达到54.5%、65%和75%。持续走高的城镇化率和居民收入水平, 将提高居民尤其是农村居民的生活电气化水平, 随着空调的普及降温负荷的增加, 冬、夏最大负荷的差距将进一步加大, 将导致ρ下降。
2) 第二产业比重下降
就用电构成而言, 第二产业用电、尤其是持续性用电负荷的比重变化对ρ值影响较大。从历史数据看, 海南省第二产业用电比重从2005的53%连续2年每年增长2个百分点之后, 在2007-2009年维持在57%左右, 相应地, ρ值由2004的0.885逐步增至2007年0.926后, 在2007-2009年维持在0.93~0.94的高值, 二产用电比重对ρ值的影响显而易见。根据前述用电需求预测结果, 未来海南第二产也用电比重总体上呈下降趋势, 从2009年的56%降至2020年的55%、2030年的51%, 这势必对ρ值带来下降的压力。
5. 年负荷特性趋势判断
5.1 ρ值的判断
结合上述分析, 未来降温负荷的增加将加大夏季降温负荷从而降低ρ值, 第二产业用电比重的下降也会降低ρ值, 而以冬季旅游为主导的旅游业的持续升温、现代服务业的快速发展则对年负荷曲线有拉平作用, 从而抬高ρ值。
从各种因素的影响程度来看, 尽管第二产业用电比重下降, 但降幅不大, 到2030年用电比重仍高达51%, 而第三产业用电比重仅从目前的25%增至2030年的35%, 居民生活用电比重还有所下降, 从目前的14%降至2030年的9%。因此, 未来第二产业用电特性对海南负荷特性的影响将长期起着主导作用, 随着第二产业用电比重下降, 海南未来季不均衡系数也将呈下降趋势, 但降幅不会太, 预计不会低于0.9。
5.2 未来年最大、最小负荷月预测
海南取暖用电需求较低, 年最大负荷主要受降温负荷影响, 一般出现在7月份, 年最小负荷则一般出现在2月份, 主要是时值春节生产下降造成的。
从未来发展变化看, 第一产业用电比重小, 对年负荷曲线的影响不大, 第二产业用电比重略有下降、第三产业用电比重上升, 由于未来海南第二产业主要是重化工之类、第三产业主要是现代服务业, 它们的用电特征都比较平稳, 受季节因素影响较小, 因此, 未来最大负荷的发生月份仍将是主要受到降温负荷的影响。
从降温负荷的未来需求来看, 目前受居民收入水平的影响, 降温负荷主要集中在三亚、海口等经济相对发达的城市, 未来海南东部、西部和北部其它市县的降温负荷都将随着城乡居民生活水平的提高而大幅增长 (中部多为山区, 夏季凉爽, 降温负荷需求不高) 。以琼海、三亚、儋州、海口分别代表海南省东、南、西、北地区, 其年最高气温大多发生在7月份 (三亚为5月, 7月略低) 。
综上所述, 预计海南未来年最高负荷仍将主要在7月出现。至于年最小负荷发生月, 由于2月份春节放假造成生产下降的因素将长期存在, 未来海南电网最小负荷月仍然主要是2月份。
5.3 海南全省年负荷曲线预测结果如图3所示。
6. 结语
研究年负荷特性曲线变化, 有利于深入了解电网负荷特性, 合理安排机组检修, 使电网投入最小, 而获得较好的技术经济效益。海南电网年最大、最小负荷月通常出现在7月和2月, 负荷曲线较平滑, 季不均衡系数处于较高水平, 随着三产比重的增加, 居民生活水平的提高, 同时考虑到海南地理气候及产业用电比重等特点, 预计未来海南年负荷特性曲线的波动程度将会有较小幅度的增大, 但最大、最小负荷月将继续保持不变。
参考文献
[1]朱东晓, 曹树华, 赵磊, 张文文编著.电力负荷预测技术及其应用.中国电力出版社
负荷曲线 篇2
关键词：联络开关,光伏电源,负荷-光伏等效负荷曲线,动态分段,蚁群算法,优化
0 引言
联络开关在配电线路中主要起到两方面的作用[1]:连接在多电源线路之间的联络开关的主要任务是实现负荷的转供,提高系统可靠性;连接在单电源线路主干线与分支线间的联络开关的主要任务是进行网络重构,实现经济运行。优化配置联络开关对于保证配电线路经济、安全运行具有重要意义,也符合配电自动化DA(Distribution Automation)的技术需求[2]。近几年,世界光伏发电市场发展迅速,光伏发电正逐渐成为占主导地位的分布式电源[3,4]。光伏发电的合理并网既可以削减重载负荷、减少线路损耗,又符合未来智能配电网的发展目标[5,6]。但是光伏电源的功率输出具有时序性和随机性,传统的开关配置方法不能完全适用于光伏电源并网的情况,因而含光伏的联络开关优化配置具有较高的研究价值。
目前对开关配置的研究有了一些成果。文献[7-8]以优化配置分段开关、断路器和熔断器为研究内容,建立了含开关投资、维护费用和用户停电损失费用的目标函数,寻求开关投资与系统可靠性的平衡;文献[9]对中压配电网环网中的联络开关和分段开关进行优化配置,其综合费用计及了网络损耗费用文献[10]对含分布式电源DG(Distributed Generation的配电线路,以开关投资、维护费用、用户停电损失为目标函数进行分段开关的最优配置。目前对配电线路开关配置的研究存在以下不足:
a. 光伏电源的并网运行日益增多,且光伏出力具有时序性和随机性特点,因此含光伏配电线路的开关配置方法有其独特性,但是目前对含光伏发电的配电线路开关优化配置的研究较少,特别是针对含光伏发电的配电线路中的联络开关配置的研究尚未见报道;
b. 联络开关不仅配置在多条线路之间 , 在单电源线路内部的主馈线与分支线之间也常配置有联络开关,主要起到在运行阶段调整运行方式的作用,而现有文献对这类联络开关的配置研究很少;
c. 负荷在一天中是不断变化的,考虑到日后重构的需要,联络开关的配置应考虑负荷的不确定性,当前开关配置研究还未涉及此方面。
负荷不确定性的处理方法大多是将负荷曲线分段等值,并认为段内负荷为定值。负荷曲线分段目前主要有两大类方法:一是基于模糊聚类的分段方法二是基于曲线单调性的分段方法。文献[11]采用第一类方法,将负荷数据分类后再以时序性还原;文献[12]采用第二类方法,先按单调性初步分段,然后采用融合思想使分段满足设备动作次数约束。第一类方法会导致分段数过多,不能满足开关动作次数的约束,而且分段数不确定;第二类方法则可根据需要得到相应的分段数,而且直观、计算速度快,不足之处在于无法计及短时激增负荷、曲线首尾相接时刻开关动作判定等日前规划须考虑的具体问题。
综上,针对含光伏的配电线路联络开关优化配置问题,本文建立了负荷-光伏等效负荷曲线并提出动态分段策略,以经济性、可靠性为目标建立多目标数学模型,并分季节、分时段求解,求解算法考虑光伏发电出力的随机性,依据不同的天气情况分别计算目标,并依据每种天气出现的概率确定期望目标,采用IEEE标准算例验证所提出模型和方法的有效性。
1 计及光伏发电和负荷不确定性的配电线路联络开关优化配置思路
光伏电源作为集中式发电的有益补充,可以平衡负荷,减少配电线路的功率损耗[13],从整体看,光伏发电可以视为“负的负荷”。因此,本文考虑光伏接入对负荷曲线形状的影响,将光伏时序出力曲线与负荷时序曲线进行叠加,形成负荷-光伏等效负荷曲线,对等效负荷曲线进行分段等值,以确定光伏接入情况下的合理分段点。
配电线路联络开关配置方案需适应变化的负荷。依据波动大小将等效负荷曲线分段并认为每一分段内负荷、开关状态均保持不变,是一种可行的简化处理方法。若等效负荷曲线分段过多,不但会因开关频繁操作而使约束条件不能满足,也会因模型计算量较大而难以获得最优解;若等效负荷曲线分段过少,会出现段内的等值负荷与该时段内各时刻负荷有较大偏移,造成优化效果不佳,所以等效负荷曲线分段对开关配置模型求解有较大影响,等效负荷曲线分段与开关配置模型求解应互相协调。本文提出的计及光伏发电的配电线路联络开关优化配置流程如图1所示。
2 负荷-光伏等效负荷曲线的生成
光伏发电系统的核心器件是太阳能电池板,其输出功率主要取决于电池板上能接收到的太阳光辐射强度,而光辐射强度受天气直接影响[14]。天气分为晴天、阴天、雨天3种情况,认为某种天气条件下光伏电源的出力可由一个二次函数表示[15]:
其中,μ为不同天气状况的状态变量;Iμ(t)为天气状态μ下的光伏时序出力;t为一天中的整点时刻Imaxμ为天气状态μ下的最大日辐射强度。
光辐射强度还受季节的影响,从规划层面而言需要给出每一个季节的典型光伏出力,兼顾季节中可能出现的各类天气,典型光伏出力的计算公式如下:
其中,μmax为天气状态的总数;Pμ为天气状态μ出现的概率,可根据该季节各种天气情况出现的天数确定。
负荷曲线与季节也呈现相关性,因此应基于四季的典型负荷计算数学模型[16],若以所有时刻的负荷采样值计算模型,则计算量十分庞大。为了提高计算速度,需对负荷曲线进行分段等值,认为每一段的负荷波动较小,近似相等。而光伏的接入在一定程度上改变了原始负荷曲线的形状,因此,本文将各种天气下的光伏出力分别与对应的负荷值叠加,形成等效负荷曲线。
下面以春季为例进行等效负荷曲线合成方法说明:设晴天、阴天和雨天在春季的出现概率分别为0.6、0.3和0.1,线路渗透率20 %。已知晴天、阴天和雨天的出力曲线,利用式(2)获得典型光伏出力曲线,如图2所示(图中纵轴为标幺值)。图2中的4条曲线分别与配电线路的总负荷叠加,可获得等效负荷曲线,由于光伏电源受太阳光辐射影响显著,本文仅截取06 : 00至18 : 00的等效负荷曲线,如图3所示。由图3可知:光伏电源在不同的天气条件下对整体负荷水平有一定影响,应对等效负荷曲线进行分段等值;从规划的角度,等效负荷曲线的分段应兼顾光伏电源在不同天气条件下的影响。因此本文对光伏发电典型出力下的等效负荷曲线进行分段,仅以此确定联络开关倒闸操作的时间点。目标函数则需按照各时段的不同天气情况分别计算。
3 等效负荷曲线初始分段策略
本文对单调性分段方法做出如下改进。
a. 以等效负荷曲线单调区间的积分中值所对应的时刻为分段点进行分段,相比以极值点为分段点的方法段内偏差更小。
b. 对负荷短时激增 的可能情 况 , 进行了隔 离处理。
c. 联络开关的配置属规划问题 , 应考虑每天的开关操作。因此分段策略需要考虑曲线的首尾关联问题,避免每日00:00时刻不必要的开关动作。
一般根据经验给定等效负荷曲线初始分段数KS,各季节等效负荷曲线的初始分段策略步骤如下。
Step 1:根据单调区间的积分中值进行分段。记曲线各单调区间的积分中值对应的时间坐标为分段点,此时的时段数记为Num。
Step 2:隔离负荷激增时区。采用相邻整时负荷差的绝对值Ka(a = 1,2,… ,23)表示负荷变化率 ,变化率上限值为Kmax。若曲线在某时刻有极大值且其两侧曲线变化率越限,则认为该极值负荷点激增并将其隔离。所有时段的等值负荷均为段内平均值,记为LPi(i = 1,2,3,… ), 判定此时的Num是否大于KS。如果是,则转Step 3,进一步融合已划分的段;否则转Step 4。
Step 3:相邻时段的融合。Step 2中已得到系统的段内等值有功负荷LPi,则相邻时段i和i-1的等值负荷变化量的绝对值为:
找到最小的ΔLPi,将对应的时段i和i-1合并成一个时段并记为i-1,i+1及其以后全部减1,记Num=Num-1。合并后的等值负荷按下式计算:
其中,m为时段i-1的起始时间;n为时段i的结束时间;Lt为t时刻对应的负荷值。若此时Num>KS,则重复融合过程,直到Num= KS时转Step 4。
Step 4:处理曲线首尾关联。若首尾时段负荷水平差异不大而分别计算,会造成在00:00时进行运行方式调整的错误决策。因此,引入统计学中的相对偏差的计算公式,求取曲线最后时段的段内最大相对偏差ΔPmax。将曲线首时段段内负荷依次划进末时段,并求取与末时段的相对偏差ΔPx,直至ΔPx> ΔPmax, 停止融合。若首时段完全并入末时段,则记Num= Num- 1融合判定公式如下:
其中,Llp为曲线最后时段的等值负荷(k W);Lx为首时段各整点负荷(k W);Llmin为最后时段中的最小负荷(k W);Llmax为最后时段中的最大负荷(k W)。
Step 5: 将Num赋值给KS,输出各分段点对应的时间坐标以及实际分段数KS。
4 联络开关优化配置数学模型及求解方法
4.1 联络开关优化配置数学模型
联络开关一方面可以通过改变线路拓扑来减少线损;另一方面,在故障发生时可以转供负荷,减少停电损失。基于联络开关两方面的主要作用以及第3节得到的分段方案 ,本文考虑光伏发电的随机性分别以晴天、阴天和雨天的等效负荷计算各时段损耗电量和停电电量,以损耗电量减少量以及停电损失减少量的期望按时段和季节叠加作为优化目标:
其中,f1为配电线路年损耗电量的减少量; f2为年停电损失费用的减少量;ω1、ω2分别为f1、f2所占权重。
配电线路年损耗电量的减少量为:
其中,ta为季节a的总天数;KS为等效负荷曲线分段后得到的时段总数;Lj为时段j的时长;E(ΔPalovss j)为与不考虑光伏接入的初始网络相比,时段j损耗电量减少量的期望值;Pμ为天气状态μ出现的概率,同样根据各种天气情况出现的天数确定;P alvoss jμ为在时段天气为μ时,与不考虑光伏接入的初始网络相比,平均线损的减少量,可通过时段j光伏的平均功率以及平均负荷求得。
年停电损失费用的减少量为:
其中,N为配电线路节点总数;E(ΔENSp) 为装设联络开关后节点p停电电量减少量的期望值;CLp为节点p的单位停电损失;Pavp为节点p在时段j的平均功率;Tp为节点p的少停电时间。
约束条件考虑各季节每一时段的节点电压、功率平衡、可靠性、网络拓扑约束以及开关动作次数约束和开关投资约束。
a. 节点电压约束。
b. 功率平衡约束。
其中,Pp、Qp分别为节点p注入的有功功率和无功功率;Gpn、Bpn、δpn分别为节点p、n之间的电导、电纳和电压相角差;Up、Un分别为节点p、n的电压幅值。
c. 可靠性约束。
其中,R0为预定达到的可靠性指标。
d. 网络拓扑约束。
重构后网络依然为辐射状的连通网络,无孤岛、环网存在。
e. 开关允许动作次数约束。
通常,运行部门根据“运行导则”规定[17],对一天内开关操作次数有相应的限制。
其中,Nstotal为指定时段内联络开关以及分段开关总的操作次数,其上限为Nstmax;Nsk为动作开关集中第k台开关在一天内的动作次数,其上限为Nskmax;ns为参与动作的开关数。
f. 开关设备的一次性投资约束。
线路建设的成本有限,需引入联络开关的投资约束限制联络开关的安装台数。
其中,NK为联络开关的安装台数;Cs为联络开关单台投资的现值;Cinv为投资限额。
4.2 模型求解方法
本文采用结合了最小生成树的蚁群优化ACO(Ant Colony Optimization)算法[18]进行求解。采用生成树策略能保证每一只蚂蚁走过的路径遍历所有节点并且满足辐射状拓扑约束。算法流程如下:
a. 设置最大蚁群数量、最大迭代次数及信息素强度;
b. 对联络开关候选位置编码 ,随机选取Nc台候选联络开关加入拓扑信息中,Nc为待安装联络开关个数;
c. 开始第g次迭代过程,第k只蚂蚁开始搜索 ,利用生成树生成可行的辐射状网络,获取开关状态变化向量;
d. 对应当前网络进行潮流计算 ,利用潮流结果计算目标函数;
e. 约束条件检验 ,分别计算节点电压、支路潮流是否越限,若越限则重新生成可行解;
f. 记录并保存最优个体,检验蚁群数量是否达到最大,若是则转步骤g,反之则令k = k + 1,开始下一只蚂蚁的搜索过程;
g. 检验是否满足最大迭代次数 ,若是则搜索结束,否则随机从候选位置中选取Nc台联络开关加入拓扑信息,令g=g+1,开始下一次迭代计算。
5 等效负荷曲线分段方案的动态修正
应用第3节所得分段点分时段计算目标函数将开关实际总操作次数Nstotal与规定上限进行比较若0≤Nstmax- Nstotal< 2 ,表明开关实际动作次数与规定上限之间的裕度不能够满足联络开关配合分段开关进行一次开合操作,则输出目标函数最优解;若NstmaxNstotal≥2,即允许开关配合操作至少1次时,对初始分段方案进行如下修正操作。
a. 找出现有分段方案中段内负荷差值最大的时段,若其单调,则以该时段中点作为分隔点,记KS=KS+ 1;若非单调 ,则采用单调区间融合方法划分 ,记KS= KS+ 1。新段内负荷平均值作为其等值负荷。
b. 基于新的分段方案再次计算联络开关优化配置模型,得到开关配置方案。
c. 再次校验开关动作次数约束 , 若仍有NstmaxNstotal≥2,则再次修正分段方案后进行联络开关优化配置计算,直到Nstmax- Nstotal< 2时结束,输出目标函数最优解。
6 算例分析
本文选用IEEE 33节点系统,系统单线图如图所示。假设各条支路上均装有分段开关,待安装的联络开关投资限额为10万元,联络开关的投资取为2万元 / 台。在节点7、15、23、31接入4台额定功率300 k W的光伏电源 ,功率因数均为0.85。线路的故障率是0.046次 / (a·km),联络开关倒闸操作时间为0.5 h / 次,线路修复时间为2 h / 次。联络开关候选位置如表1所示。
6.1 计及光伏发电的配电线路联络开关优化配置结果分析
由于各季节的联络开关优化配置步骤相似,因此本节仅以春季为例,详细说明分段方案的动态修正过程。
将蚁群的迭代上限设置为50代。取Nstmax= 20Nskmax= 4。根据经验令KS= 4 , 运用第3节Step 1至Step 5所述的初始分段方法得到初始分段方案如图5所示(双向箭头上方的“1”表示时段1,其他类似)。
取ω1= 0.7、ω2= 0.3,基于初始分段方案求解数学模型,得到春季拟重构方案如表2所示。表2、3中重构时段一列,初始为所有联络开关断开时,Ⅰ—Ⅴ分别对应时段1—5。
此时Nstmax- Nstotal= 20 - 12 = 8 > 2, 因此执行动态修正,即基于段内负荷波动修正分段方案。修正后的分段方案如图6所示。
基于修正后的等效负荷曲线分段方案求解数学模型,得到春季拟重构方案如表3所示。
此时Nstotal= 24 > Nstmax,不满足开关动作次数约束 ,因此选择图5的四分段方案为最终分段方案,同理可得夏、秋、冬季的分段方案以及开关动作方案。综合四季的结果,可得联络开关的安装位置如表4所示。
6.2 各季节负荷-光伏等效负荷曲线分段结果分析
采用与联络开关优化配置数学模型相协调的负荷-光伏等效负荷曲线分段策略,与第6.1节计算过程相似地可得到其他季节等效负荷曲线分段方案如图7—9所示。
由图5—9可以得到如下结论:
a. 以单调区间的中值点为分隔点相比以极值点为分隔点而言,减小了段内的负荷波动;
b. 提出的分段方法考虑到了曲线首尾关联问题,使得分段策略可兼顾配电线路每天的运行方式符合联络开关配置规划的需要;
c. 在开关动作次数的引导下进行时段的动态划分,分段方案以及开关配置方案更加符合工程实际需要。
6.3 联络开关优化配置的结果分析比较
计算计及负荷不确定性和光伏接入的联络开关优化配置多目标数学模型,经统计,得到的结果如表5、表6所示。
从表中可以看出:随着季节平均负荷的增减,联络开关在减少线路损耗和提高可靠性方面的贡献也随之增减;光伏的接入可降低线路上的损耗,由于本文采用的光伏发电渗透率较低,因此在降损方面,光伏的作用不及配置联络开关效果明显。但是,未来分布式电源更大规模接入配电线路后,光伏在配电线路运行方面会有更加显著的影响。
7 结论
采用基于负荷-光伏等效负荷曲线动态分段策略,对含光伏电源的配电线路联络开关进行优化配置采用改进的蚁群算法进行求解,可得到如下结论。
a. 在光伏低渗透率情况下 ,考虑不同季节、不同天气条件的光伏发电特性建立了负荷-光伏等效负荷曲线。基于等效负荷曲线分段获得的联络开关配置方案使计算效率大幅提高,而且相比无光伏发电接入的情况网损电量节约11.05%,停电损失费用节约13.56%。若光伏以高渗透率模式接入线路,其随机性会对负荷曲线形状有较大影响,则不宜通过等效负荷曲线分段来确定开关动作时间,应逐点计算目标函数,以目标函数引导开关动作时间。
b. 等效负荷曲线的分段策略考虑了负荷水平负荷变化率及曲线首尾关联,避免了现有单调性分段方法可能存在的段内负荷波动过大问题,更加符合开关配置的实际需求。
负荷曲线 篇3
在电力系统暂态稳定仿真的综合负荷模型中,恒定阻抗(或恒阻抗-恒电流-恒功率负荷)并联一定比例感应电动机的机理模型是最为常见的一种,其中的负荷动静比例是一个很重要的模型参数,获得该参数的基本途径有基于量测的总体测辨方法和基于元件的统计综合方法2种。总体测辨建模可以获得综合负荷动静比例[1],但原则上只能对应于被辨识的实测样本,将之应用于不同变电站乃至同一变电站的不同时段时,会面临模型覆盖能力不够的问题,这是总体测辨法负荷建模亟待解决的工程实用化难题,其解决的有效途径之一就是负荷动特性的分类与综合[2,3,4,5,6,7,8,9,10,11,12]。统计综合法通过负荷构成特性的调查统计以获取负荷动静比例,但传统的统计综合方法在实际应用中面临两大亟需解决的难题:一是调查统计花费的时间及人力巨大,况且由于众多条件的局限,很难保证调查结果的准确性;二是用电行业的负荷构成及变电站的用电行业构成调查只能是静止的,实际综合负荷的构成特性则随时间变化且具有随机性,基于调查统计所得结果很难反映其随时间变化的特点。上述问题是传统统计综合法的固有缺陷,尽管可以通过典型用户精选基础上的重点用户精细调查、变电站负荷构成特性分类综合等方法提高统计综合法的准确性和工程实用性[13,14,15,16],但仍然很难从根本上克服这种缺陷。
综合负荷构成成分的随机时变是其负荷特性具有随机时变性的本质原因。这种时变性必然导致电力用户和变电站的日负荷曲线具有时变性。因此,用户和变电站的日负荷曲线必然含有反映负荷构成特性的丰富信息。通过对用户和变电站日负荷曲线的特征分析,就能确定与之对应的各个典型用电行业用电设备构成比例及变电站的用电行业构成比例。由于数据采集与监控(SCADA)系统及负荷控制管理系统(简称负控系统)能够分别提供实时的变电站综合负荷的日负荷曲线和电力用户的日负荷曲线,因此,由此确定的综合负荷构成比例将具有在线、实时建模的性质,从而能够从根本上克服传统统计综合法负荷建模的固有缺陷。因此,文献[17]提出了基于日负荷曲线进行负荷分类的思想,并得到成功的实际应用[18,19]。
将SCADA系统及负控系统实时的日负荷曲线应用于综合负荷在线建模,需解决一系列理论与技术问题。关键问题如下:一是如何对覆盖全网的负荷控制装置获得的数量巨大的用户日负荷曲线进行有效分类与综合,以得到反映各用电行业负荷构成特性的行业综合日负荷曲线及其描述特征参数;二是如何建立变电站综合负荷的日负荷曲线与行业综合日负荷曲线之间的有效关联关系,以确定各变电站综合负荷的实时用电行业构成比例。
本文针对上述第1个问题,运用模糊C均值聚类原理,提出一种对电力用户日负荷曲线进行行业归属分类及行业等效日负荷曲线综合的系统方法,并采用负控系统采集的大量实际用户日负荷曲线进行应用检验。
1整体思路与实现方法
1.1 整体思路
对用户日负荷曲线进行用电行业分类及综合的思路如下:一是将从负控系统获得的众多用户日负荷曲线按照一定的特征进行分类,所得每个类的用户将具有相似的负荷特性,它们归属为一个用电行业(本文称为用户的行业归属分类);二是对每个用户类即行业的所有用户日负荷曲线进行综合,得到一个对应此类(行业)的等效日负荷曲线(本文称为行业综合日负荷曲线)。
整体思路如图1所示。
1.2 方法描述
本文根据图1所提出的整体思路,采用模糊C均值聚类原理[20]进行用户日负荷曲线的行业归属分类及行业综合日负荷曲线等效综合;运用模式识别原理对行业综合日负荷曲线进行合理性检验。基本的实现方法描述如下。
1)选取原始样本特征向量,构成用户日负荷曲线的样本特征向量集。
样本特征向量的选取要求能完全代表样本的本质特征,将负控系统采集到的每天的48点(0.5 h1个采样点)负荷有功功率作为特征向量。因为各时间点负荷功率反映了用户不同时段的用电情况,且同行业用户具有相似的负荷特性,所以在不同行业用户之间其日负荷曲线具有较强的区分性;而对于同行业用户,为了避免负荷水平差异较大时归属分类不准确,必须对每时间点功率进行如下的标准化处理。设U=U1,U2,…,Ui,…,UNT∈RN×n,为N个用户每天n点负荷功率构成的原始功率矩阵,其中Ui=∈R1×n 为第i个用户的n点功率值。将Ui 元素根据式(1)进行归一化处理即得相应的标准值
式中:j=1,2,…,n,为用户负荷功率采样点的编号;i=1,2,…,N,为被采集用户的编号;uimax=max(ui1,ui2,…,uin),为第i个用户的n点实时功率最大值;uij′为第i个用户标准化处理后的功率值,uij′∈[0,1]。
2)初始化。
令U′=U1′,U2′,…,Ui′,…,UN′T,给定聚类个数即用电行业数L(2≤L≤N)和初始值聚类中心矩阵C=C1,C2,…,Ck,…,CLT∈RL×n,Ck=∈R1×n,则Ui′属于第k个聚类中心的隶属度Vik′如下:
式中:
3)根据下式构建目标函数F(V,C):
式中:m∈[0,2],为加权指数。
判断目标函数F(V,C)是否达到最小值,若未达到最小值,按式(4)更新聚类中心矩阵C,重新计算隶属度,直至F(V,C)达到最小值为止。
F(V,C)达到最小值时的隶属度矩阵V和聚类中心矩阵C即为聚类结果,它给出了各聚类中心及其包含的样本,即各分类的行业综合日负荷曲线及每类行业所含用户。
4)根据式(5)定义计算各聚类中心(行业综合日负荷曲线)的特征参数,分析检验分类与综合结果的合理性。
式中:Pave为日平均负荷;Pmax为日最大负荷;Pmin为日最小负荷;k1,k2,k3分别为日负荷率、日峰谷差率和日最大负荷利用时间。
实践表明,特征参数k1,k2,k3能较充分地描述不同行业类的综合日负荷曲线的基本特征,并具有良好的行业区分度。
2 应用实例分析
2.1 原始数据样本来源
为检验本文方法的有效性,在某省全网范围内选取80家用户作为研究对象。用户选取时,以负控系统给定的用户名为初始依据,使所选用户覆盖市政生活、第三产业、重工业、轻工业等4类用电行业,每类行业用户20个,负控系统无专供农业用户。从负控系统选取上述用户2009年8月22日(夏季最大负荷日)的48点日负荷曲线数据作为原始数据样本。所选用户列于附录A表A1,表中依次用Ⅰ～Ⅳ表示上述4类用户(下同)。
2.2 分类与综合结果
根据原始样本及其所涵盖的用电行业类,令:N=80,n=48,L=4。
首先对80个初选用户进行初始分类,结果列于附录A表A2。由表可知:归属市政生活类用户18个,含第三产业类7个,占39%;归属第三产业类用户21个,含市政生活类9个,占43%;归属重工业类用户20个,含轻工业类6个,占30%;归属轻工业类用户21个,含其他3类的用户共8个,占38%。由此可见,每个行业类中均含有一定(乃至较大)比例的非本类用户。导致此现象的主要原因如下:一是负控系统给出的用户名称不一定与该用户的实际行业归属一致,因此依原始用户名称的行业归属分类结果无法反映所有用户的实际负荷特性;二是某些不占主导地位又无显著行业特点的用户不可避免地有误分情况。若直接以上述初始分类结果为依据进行行业综合,得到的行业综合日负荷曲线将可能难以最大限度地反映同行业用户的共同本质特征。从而有必要进行行业用户精选。
行业用户精选结果列于附录A表A3,相对于初始分类的用户数比例统计列于表1。由此可见,精选后用户共62个,更加突出了重要用户的主导地位。
以精选结果为依据进行行业综合即可获得各聚类中心的日负荷曲线,即各用电行业的综合日负荷曲线,分别见图2～图5,功率P为标准化后的值。
图2～图5所示结果表明,所获得的各行业综合日负荷曲线具有较显著的区分特点:市政生活用电和第三产业用电白天变化比较平缓,晚间00:00后显著减小,凌晨05:00左右出现全天的用电低谷。这是因为这类用户白天各用电时间段具有互补性(如居民生活用电和市政办公类用电)。重工业用户白天(07:00至19:00)和晚间(19:00至次日07:00)用电负荷变化较平缓,且晚间为负荷高峰,07:00左右和19:00左右为负荷低谷,这时因为所选重工业用户多为高能耗冶炼和采矿类负荷,一般三班作业,且受分段电价政策影响,夜间负荷很大,同时该类负荷具有明显的冲击性。轻工业类负荷多为单班制和两班制企业,白天除午间出现相对负荷低谷外总体变化较平缓,晚间(20:00至次日08:00)负荷大大降低。上述特点完全符合所选各类用户的实际用电情况,较好地反映了各行业的用电特点和负荷特性。
2.3 行业日负荷曲线特征分析
对2.2节的归属分类及综合等效结果,采用式(5)进行日负荷曲线特征分析,可得附录A表A3所对应的精选后各类行业用户日负荷曲线特征参数的变化范围以及对应的各行业综合日负荷曲线的特征参数,见表2、表3。
2.4 讨论
基于2.2节、2.3节所得结果,对应用本文方法值得注意的若干问题简要讨论如下。
1)分类特征量选择问题。
表2结果表明,尽管各类同行业用户通过初始分类和精选的2次筛选基本保证了其用电特性的相似性,但各自的特征参数变化范围仍然较大且各行业类别间有交叉现象,如果用户归属分类时以上述参数作为分类特征量,很难保证用电特性相近的用户归属为同一行业类。因此,本文直接采用各采样时间点对应的负荷功率空间作为分类特征空间量,能最大限度地保证归属分类的准确性。
表3结果表明,对于各行业用户,聚类后的行业综合日负荷曲线特征参数具有足够的行业区分度(市政生活类与第三产业类除外),其结果完全支持2.2节的分析,因而可作为各行业用电特性,行业综合负荷特性的描述特征量是合理且有效的,它便于后续的变电站综合负荷构成的行业分析。
2)行业类别划分问题。
由图2、图3及表2、表3可见,市政生活用电和第三产业用电不仅其行业综合日负荷曲线相似,且特征参数区分度也很小,这说明所选时间段内二者的用电特性是接近的。由附录A表A3可知,由于原始样本的限制,所选第三产业用户主要是商场、宾馆和餐饮服务业,市政生活主要是机关、学校等办公用电和少量居民生活用电,这些用户的用电特点及其负荷特性(尤其在夏季大负荷方式)是接近的,且在一天的不同时段(上班工作时段和下班时段)其负荷大小具有互补性。但是,这种特点在不同季节、特别是在气候条件不同的区域(如南北方)不一定具有普遍规律性。因此本文认为,作为一般原则,市政生活用电和第三产业用电作为2种不同的用电行业划分是合理的,况且在电力营销部门是分别计量的。
3)初始样本选择问题。
一般而言,负控系统的监控对象是10 kV～35 kV电压等级的专供用户,其装机容量较大(如不小于4 MW)且用户数量巨大(在一个省级电网中可能数以万计)。为了节约在线分析时间,从工程角度考虑,没有必要将所有用户都作为分类初始样本,可以依据经验选择各行业中最有代表性的部分典型用户(如本文方法在应用于实际工程问题时选择的用户数为80个)。就本文应用实例而言,所选择的用户是省网全网范围的,其目的是更好地检验方法的可行性和有效性。在实际应用中,可以根据电网规模、应用要求和用户的多样性程度合理地选择样本区域。同时,各行业综合日负荷曲线的特征参数一般也将因时段、地区、季节的不同而异。但本文所提出的方法具有普遍适应性,既可以解决用户日负荷曲线的行业归属分类与综合问题,也可应用于变电站的分类与综合。
4)日负荷曲线归属分类中的用户精选问题。
负控系统所给用户名称只是在选择用户时作为其行业覆盖情况的参考,初始行业归属分类则完全由分类算法决定而不能以用户名称为依据。实践表明,在初始分类基础上再对每行业类进行用户精选,可以大大提高归属分类的准确性以及不同行业综合日负荷曲线之间的特征区分度。用户精选仍然可以采用1.2节所描述的方法,只需对每个初选用户类(行业)令其聚类数L=2即可。
3 结语
将SCADA系统及负控系统的实时日负荷曲线应用于综合负荷在线建模,需解决2个关键问题:用户日负荷曲线的正确分类与有效综合以及变电站综合日负荷曲线的行业构成比例分析。本文基于模糊C均值聚类和模式识别原理,提出了一种根据电力用户日负荷曲线进行用户用电行业归属分类及行业等效综合的方法。本文工作是基于日负荷曲线数据的变电站综合负荷用电行业构成成分在线分析的基础。实际应用表明,本文所提出的方法是有效的且应用简便。基于本文方法开发的实际系统已经应用于在线综合负荷建模。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
负荷曲线 篇4
一、牵引变压器典型负荷曲线分析
1.根据两供电臂空载概率的大小, 确定重、轻供电臂。
2.根据两供电臂负荷情况把日负荷曲线分为三个阶段。第一阶段, 两个供电臂都没有负荷;第二阶段, 只有一个供电臂有负荷;第三阶段, 两个供电臂都有负荷。
3.确定典型负荷曲线阶梯数目及每一阶梯取值范围。典型负荷曲线一般分为若干个阶梯, 阶梯的数目要根据负荷的实际情况确定。考虑到牵引负荷的实际情况和变压器的过载能力, 仅考虑有一臂有负荷情况下, 重臂取3个阶梯, 轻臂取2个阶梯, 在两臂同时有负荷情况下, 为充分反映牵引变压器过负荷运行情况, 两臂各取5个阶梯。每一阶梯范围按该负荷范围内阶梯个数平均分配。
4.根据已确定的阶梯个数确定每一阶梯具体数值。为了使各阶梯值能准确的反应该阶梯范围的负荷情况, 则以该阶梯范围内各负荷值的数学期望为每一阶梯的具体数值。
5.做出典型负荷曲线。经过数理统计可德奥典型负荷曲线模型, 模型如图1所示。
图1中, A1, A2, A3, A4, A5, A6, A7, A8重臂负荷的阶梯值, B1, B2, B3, B4, B5, B6, B7为轻臂负荷的阶梯值, t1, t2, t3, t4, t5, t6, t7, t8, t9, t10, t11为各阶梯负荷的运行时间, 且满足t1+t2+t3+t4+t5+t6+t7+t8+t9+t10+t11=24 h。根据馈线电流数字特征计算方法可以计算出重臂负荷日平均相对电流值Ia、轻臂负荷日平均相对电流值Ib、重臂负荷日平均相对有效电流值Iεa、轻臂负荷日平均相对有效电流值Iεb, 计算公式如下:
由于在两臂均无负荷和仅有一臂有负荷的情况下, 不会涉及牵引负荷同时性问题, 因此t1, t2, t3, t4, t5, t6均由实测数
据统计可得, 故式 (1) , (2) , (3) , (4) 可化为
式 (5) 中, 有
二、牵引变压器温升和寿命损失计算模型分析
1.变压器的温升计算分析。在变压器的实际运行过程中, 负荷是不断变化的, 由于变压器油和绕组均有一定的发热时间常数, 所以在负荷波动的情况下温升也在不断变化。一般情况下, 变压器油的发热时间常数为2.5~3.5 h, 绕组的发热时间常数为5~6 min。变压器绕组热容量小, 可以被变压器油冷却, 加之绕组的发热时间常数比油的时间常数小得多, 因此可以认为, 绕组对油的温升能够瞬时跃变, 即从负荷为K1时的稳定值可以直接跳到负荷为K2时的稳定值。任意负荷下绕组对油的温升 (最大值) 可以从理论上求得。但实际负荷曲线是多段的, 并且每段持续时间短, 一般情况下每段的温升都达不到稳定值。在这种情况下, 油对空气的温升可采用下式计算。
式中, Ai=eti/T, τ为油的发热时间常数 (一般取3.5 h) , ti为从计算段开始的各段时间, i为段的序号, n为段数。τiw为i段负荷为Ki时的稳定温升。
若取额定条件下空气的平均温度为20℃, 则变压器绕组最热点温升为
2.变压器的寿命损失计算。IEC354采用6℃准则, 即当变压器温度在80~140℃时, 温度每增加6℃, 变压器的寿命损失率将增加1倍。利用蒙特辛格关系式可以求得由温度和时间引起的变压器绝缘寿命损失, 即
式中, T为绝缘寿命损失, ρ为常数, θ为温度。
同时, 利用蒙特辛格关系式还可求得绕组在最热点温度θc (任意负荷条件下) 时与在温度为θe (额定负荷条件下) 时的相对寿命损失率:
按照IEC规定, 变压器在额定使用条件下运行时, 变压器绕组最热点的温度为98℃, 取环境温度为20℃, 则绕组对空气的温升为78℃。把θe=98℃带入式 (14) , 通过取以10为底的对数, 得公式
变压器温度在80~140℃时, 相对寿命损失率与温度的关系见表1。
由表1中数据可知, 在80℃以下, 变压器寿命损失很小, 可以忽略不计;而当温度超过98℃时, 即变压器过负荷运行后, 变压器的寿命损失增长很快。
在相对寿命损失基础上, 可以得到变压器的绝缘寿命损失
式 (16) 中, n为时间段的总数, i为每个时间段的序数, Δti为负载作用的持续时间。
三、变压器温升仿真计算
为方便对变压器温升进行计算, 编写了变压器温升与寿命损失计算软件 (简称Tem Tra Sim) 。该软件能够利用实测或仿真的变压器数据统计出典型负荷曲线, 并给出基于实测和典型负荷的温升曲线以及变压器寿命损失, 并采用灵活的报表输出, 以为设计和分析提供方便。变压器温升计算模型如图2所示。
Tem Tra Sim软件采用基于统计阶梯和实测数据的模型及算法, 可以读取实测或仿真数据, 统计典型负荷曲线, 计算变压器各类温度、最热点温升、寿命损失, 可以输出重、轻臂典型负荷曲线、基于实测数据和基于统计阶梯的油温曲线及最热点温升曲线和数据报表等。
四、实例分析
某客货共线铁路, 既有牵引变压器容量为25 MV·A, 已运行15 a, 现进行扩能改造, 采用双机SS4牵引, 设计时速65 km/h, 牵引定数4 000 t, 追踪间隔6 min。牵引变电所馈线电流统计值见表2。
经计算, 牵引变压器校核容量为31.5 MV·A, 牵引变压器选择YND, 11接线形式, 初步选择变压器容量为31.5MV·A。该变电所牵引变压器容量分别选择25 MV·A和31.5MV·A, 计算温升, 结果如图3所示。
2种牵引变压器不同容量的寿命损失与绕组最热点温升结果见表3。
由表3可知, 2种容量的牵引变压器最热点温升均满足国标要求, 但25 MV·A牵引变压器寿命损失加大, 为1.53 d, 仍可继续使用9.8年 (按照设计寿命30 a计算) 。基本电费按每月25元/k V·A计算, 采用25 MV·A容量较采用31.5 MV·A容量可节省电费约1 910万元, 经济效益显著。
五、结论
1.本文, 笔者以实际牵引负荷的数字特征作为主要依据, 通过数理统计的方法建立了典型牵引负荷曲线, 采用牵引供电系统仿真结果计算了牵引变压器的温升及评估寿命损失。
