典型负荷曲线（共7篇）
典型负荷曲线 篇1
0 引言
负荷曲线按时间分有日负荷曲线、月(或年)负荷曲线,是表示电力负荷随时间不断变化的特性曲线。从负荷曲线中可以获得用户用电的特征指标,例如负荷率、峰谷差率等,进而描述用户的负荷特性。对于电网来说,了解用户的负荷特性,可以研究调峰措施、调整负荷及规划电源等。然而由于同行业用户的分布具有分散性,较难实际获得行业日用电曲线。
目前的研究多采用模糊C均值聚类法进行负荷分类与综合[1,2,3],然而该方法计算量大,对专业知识要求高,不适合技术人员实际应用。随着全网负荷控制装置的大面积覆盖,我们更关注如何在满足精度要求的基础上方便技术人员操作,从数量巨大的用户日负荷曲线中,拟合出反映各用电行业负荷构成特性的行业日负荷曲线[4]。本文采用数学方法对行业负荷曲线进行拟合,首先采用组合抽样法进行典型用户筛选,然后从统计学原理出发,依据样本到总体的思路,通过求出的各行业负荷扩大系数实现行业负荷曲线的拟合,并用负控系统采集的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
从用户日负荷曲线中进行行业日负荷曲线拟合的思路为:将从负控系统获得的众多用户日负荷曲线,按照行业对其进行分类,并从每个行业中选取若干典型用户,然后按照统计学中从样本到总体的思路,抽取行业典型用户并拟合出对应行业的日负荷曲线。
整体思路如图1所示。
1.2 抽样方法
抽样(即选择典型用户)是决定最终拟合出的行业日负荷曲线是否能反映事实的关键步骤。一般抽样技术分为随机抽样技术和非随机抽样技术2类:随机抽样技术包含简单随机抽样、分层随机抽样、等距离随机抽样、分群随机抽样等;非随机抽样技术包含任意抽样、判断抽样和配额抽样等[5,6,7]。
根据陕西省电网的实际情况,并考虑到实际应用方便,采用随机抽样和非随机抽样相结合的方式:首先结合分群和分层2种随机抽样技术,对所有客户按行业分群,然后根据用电量或设备容量等参数将用户划分为大用户和中小用户;最后采用判断抽样,依据技术人员的经验和专家意见进行样本(典型用户)的选择。
1.3 行业负荷曲线拟合方法描述
应用统计学中从样本到总体的思路,取抽样典型用户的用电量与行业总用电量的比值作为样本到总体的扩大系数,进一步根据典型用户日负荷曲线拟合出地区各典型行业的日负荷曲线:
(1)对某一行业中各企业的第j点的样本进行汇总,得到该行业的在第j时点的样本负荷:
式中:i表行业;k代表企业;j代表24时点;s代表季节;y代表年份;pi,k,j,s,y代表在第y年的s季第i业的第k企业典型日负荷曲线中第j点的负荷;tpi,j,s,y代表第i行业在第y年第s季的第j时点的样本负荷。
(2)计算某个行业下所有用户典型日用电量占各选取行业日用电量的比值,作为该行业的扩大系数:
式中:ei,y代表在第y年第i行业的样本平均日用电量;Ei,j代表在第y年第i行业的平均日用电量;βi,y代表在第y年第i行业的扩大系数。ei,y及Ei,y均通过省调数据获得。
(3)某行业第j时点的典型负荷为:
(4)将由以上3步获得24个时点的各典型负荷Pij,s,y,分别与24个时点对应即可得到某行业的负荷拟合曲线。
2 应用实例分析
2.1 数据来源
为检验本文方法的有效性,选取陕西省1 1个典型行业进行行业负荷曲线拟合,并以石化、高科技以及大型商场这3种典型行业为例进行行业负荷曲线拟合。为保证样本数据能反应总体情况,依据前文所述抽样方法从每个行业中依据专家意见判断抽样至少5个典型用户(大用户),从负控系统选取上述用户2012年7月30日(夏季最大负荷)的24个时点日负荷曲线数据作为原始数据样本。
2.2 陕西省负荷简介
2012年陕西省全社会用电量为9.215 646×1010 kWh。各产业和城乡居民用电量统计如图2所示。
由图2可以看出,陕西省用电量主要集中在第二、三产业和居民用电量上,居民(尤其是城镇居民)用电量占比为15%,与第三产业相当。
陕西省2012年9月至2013年8月的负荷曲线(最大、最小用电负荷及峰谷差)如图3所示。
由图3可知,陕西省的年负荷曲线呈双峰形状,2个高峰分别对应着冬季高峰和夏季高峰,负荷水平也较为接近。
2013年8月16日下午4点30分,全省年最大负荷达夏季最高值15 661 MW,该日负荷曲线如图4所示。
从该日负荷曲线的起伏趋势分析,陕西省夏季高温期间负荷受到制冷空调负荷的影响,呈现出明显的白天高峰负荷拉平的现象。一天中22:00至8:00为负荷的低谷,9:00后受工厂生产、特别是办公空调和工厂降温负荷的影响,负荷急剧上升并在11:00左右形成早峰;此后负荷高峰一直持续至下午17:00下班时刻,随着大型设备、空调等设备的陆续关闭,负荷呈现下降趋势。晚间,随着居民降温负荷的急剧上升,在20:00左右形成了负荷的晚高峰,晚高峰的负荷主要由空调负荷和居民晚间照明负荷组成,并与部分工厂的生产负荷相叠加。
2.3 典型行业负荷曲线拟合
依据前文所述方法对3个典型行业的日负荷曲线进行拟合,如图5～图7所示。
由图5～图7可以得出各行业的负荷曲线特点:石化行业的负荷特性较为良好,负荷波动较小,对于电网企业来说是优质客户,而高科技行业和大型商场的负荷波动较大。进一步分析可知,石化行业属于重工业,由于工艺需要,必须保持主要大型设备处于常开状态,因此用电负荷曲线较为平稳;而高科技由于是智力密集型行业,因此负荷特性受员工的工作班制影响较大,且多为两班制,拟合出的高科技行业的日负荷曲线非常好地反映了该特征;而大型商场属于服务行业,因此商场负荷曲线的形状、趋势与顾客流量保持高度一致。
图5～图7所示结果表明,依据本文所述方法所获得的各行业日负荷曲线具有较显著的区分特点,并与实际情况相吻合,能够很好地描述各行业的用电特性。
将拟合出的各行业负荷曲线叠加可拟合出汇总负荷曲线(如图8所示),与陕西省实际负荷曲线相比,吻合程度较高,证明了本文所述的行业负荷曲线拟合方法可取,并且计算方便,有很高的实用价值。
3 结语
基于统计学中样本到总体的思路,提出了根据电力用户负荷曲线进行行业负荷曲线拟合的方法。文中分析了行业用电与负荷特性的对应关系,对于研究各行业负荷特性、分行业典型日负荷曲线叠加法进行负荷预测提供了理论依据和数据支持。由于分行业典型日负荷曲线叠加法能有效反映产业结构、用电结构变化对负荷特性的影响,因此本文提出的方法成为构筑行业日负荷曲线的可行方法,并能作为负荷预测的前期工作[8]。另外,目前重点实施的削峰填谷等措施实际上都在一定程度上改变了负荷曲线的形状[9],因此,从行业负荷曲线入手进行分析,能够帮助更好地实施需求侧管理措施。实际应用表明,本文所提出的行业负荷曲线拟合方法能很好地描述实际情况,且应用简便。
摘要：研究行业的负荷曲线对于了解各行业的负荷特性有很大帮助,目前的研究多应用模糊C均值聚类法拟合行业日负荷曲线,然而该方法对于专业知识要求高,计算量大,实际应用难度大。首先采用随机抽样与非随机抽样相结合的方式抽取典型用户,然后从统计学原理出发,依据样本到总体的思路,计算各行业的扩大系数,进而进行行业的负荷曲线拟合,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。实际应用表明,本文所提出的行业负荷曲线拟合方法能很好地描述实际情况,且应用简便。
关键词：负荷特性,典型行业,日负荷曲线
参考文献
[1]李欣然,姜学皎,钱军,等.基于用户日负荷曲线的用电行业分类与综合方法[J].电力系统自动化,2010,34(10):56-61.
[2]林雄,邢诒杏.模糊聚类方法在负荷曲线分析中的应用[J].信息技术,2008,(2):94-96.
[3]李培强,李欣然,陈辉华,等.基于模糊聚类的电力负荷特性的分类与综合[J].中国电机工程学报,2005,25(24):73-78.
[4]赵希正,周小谦,姜绍俊.中国电力负荷特性分析与预测[M].北京:中国电力出版社,2002.
[5]钟巍峰.供电公司客户关系管理研究与实证分析[D].北京:华北电力大学.2007.
[6]李良.区间估计与抽样误差关系的研究[J].科技经济市场,2007,(3):36-37.
[7]徐波.统计推断与抽样[J].黔西南民族师范高等专科学校学报,2009,(1):71-78.
[8]仲伟宽.数据挖掘技术在负荷特性分析中的应用[D].南京:东南大学,2006.
[9]赵建保,谭忠富.负荷管理对需求侧管理影响的分析[J].中国电力教育,2008,(S2):179-180.
典型负荷曲线 篇2
光伏并网的发电系统属于分布式发电系统当中的一部分,其中具有两种典型的系统结构,单级式光伏发电系统和两级式光伏发电系统。单级式光伏发电系统的系统拓扑结构是相对简单的,其中所需要的元器件比较少。
在本文当中重点对单级式光伏发电系统得基本原理进行叙述,根据电子学的理论,太阳能的等效电路图如图1所示。
在图1当中,可以根据电压和电流的正方向,可以得到太阳电池的I-V方程为:,在式子当中,光生电流用Iph来表示,反向饱和电流用I0来进行表示,影响二极管的因子为n,Rs为串联电阻,Rsh为并联电阻,q为电子电荷的常数,也就是1.6×10-19C,温度用T来表示,温度的单位是K。
此外,太阳电池的I-V方程还可以简化成为:
二、光伏电站接入系统方案
在该地区建设的光伏电站当中,规划场的总面积为8570亩,预计一期的电站规模为50MW,预计在25年间的总发电量可以得到177448万kw。在该光伏电站的工程设计当中用到了50个1000kwp的单晶硅光伏发电单元系统,在其中采用了180wp的固定式的单晶硅的太阳组件配置500kw的并网逆变器。在每2个的500kwp的光伏发电单元系统可以徐成一个1mwp的光伏发电系统方阵。
在本光伏电站的并网方案当中,以1回110kv的线路‘T’字型的形式来接到110kv的线路上方,线路的长度大约为7km,导线的界面选择为240mm2。
三、光伏电站对电网负荷曲线造成的影响
(一)PV位置的不同对电网电压造成的影响
如果光伏电站的额定容量为80WM的情况下,接入实际电网母线电压为110KV的时候,选择14个不同的光伏接入位置,对每个110节点的电压变化进行充分观察,在光伏电站进行接入电网之后,节点电压和光伏电站接入之前相比较,要相对高一些,并且每个节点的平均电压值都处于允许范围之内。
如果对相同容量下的光伏,进行不同位置的接入,也会对电压造成不同程度的影响,接入点如果越来劲负荷的末端,对其电压的提升作用也就越来越大,需要选择6个接入点来进行分析,在容量为80MW的时候,对系统所产生的潮流和电压分布情况造成的影响并不是太明显。在并网点和距离并网点最近的母线节点之间,所受到的影响是相对较大。如果光伏电站并网点当中的节点距离相对较远,在容量的关系之下,电压的水平在容量增加的情况下也会产生一定范围内的变化。在系统能可以容纳的光伏发电站的功率范围之内,在一定容量之下进行进行光伏的接入就可以在一定程度上提高整体电压的水平,从而对系统电压进行改善。
如果光伏电站当中的接入点和电源点的负荷保持距离较远的情况下,电压的变化率是相对较大的。在光伏电站接入汉能达到110的时候,在这个节点当中的电压变化率就高达4.1%,会很有可能对光伏电源造成一定程度的影响。
(二)PV不同容量之下的接入点对电网电压造成的影响
在不同的光伏出力之下,电站的接入点对电网的电压也会造成一定的影响,在光伏电站当中设置有功率为0MW、20MW、40MW、60MW、70MW、80MW、90MW、100MW以及120MW几种不同的情况,并且要进行潮流计算,从而对电网的节点电压产生的幅值进行充分平谷,对其中的110kv的负荷母线节点和110kv重要的母线节点进行充分评估,在不同容量的情况下,光伏的出力对系统的电压是会造成不同程度的影响的。光伏功率中所注入的功率会对多电源结构的系统造成极其不利的影响,并而且其中的潮流的大小和方向也会随着发生巨大的改变,从而对系统的电压分布和稳定支撑能力造成不同程度的影响。
(三)对配电电网网损产生的影响
在对不同的接入点进行不同容量之下的系统网损进行研究的时候,需要进行试验研究,光伏电站在接入点不同以及容量也不相同的情况下,对系统的网损产生的影响也是不尽相同的。如果接入点为节点220新和110的时候,这种情况下对系统产生的网损和其他的接入点相比而言,都要小很多。充分说明了在采用分布式的光伏对电网进行接入的时候,如果接入点的位置离线路的末端越近,对于系统所产生的网损消耗程度也就越小,呈现出反比的状态。
四、结语
综上所述,在光伏电站和电网进行衔接之后,节点电压要相对较高一些,并且所有的节点电压都会处于允许波动的范围之内;此外,在形同容量之下的光伏发电的介入位置会对电压造成不同的影响;另外,不同容量下的光伏处理对系统电压所造成的影响也是不尽相同的。在电站当中的容量越大,对电力系统当中各母线的电压所造成的影响也就越大。
参考文献
[1]丁玎,钱赤忠.基于P-V曲线的光伏接入地区电网安全稳定性分析[J].软件,201(11):106-112.
[2]陈虎,张田,裴辉明,石巍,张雪焱.分布式光伏接入对电网电压和网损的影响分析[J].电测与仪表,2015(23):63-69.
[3]陈云锋,丁宁.光伏电站接入区域电网的影响分析[J].电气技术,2013(02):54-57+63.
典型负荷曲线 篇3
负荷历时曲线(Load Duration Curve,简称LDC)是以流量历时曲线(Flow duration curve,简称FDC)为基础,是污染物浓度与流量的乘积与历时范围的关系曲线,以对数坐标的形式反应污染负荷在不同水期的分布特征。近年来,负荷历时曲线成为美国最大日负荷计划制定的关键技术[1,2,3,4,5]。我国也利用LDC法进行流域污染负荷的分析。如杨国华等利用LDC方法分析赣江流域多个水文站的污染物通量[6];程艳等利用LDC方法分析洱海弥苴河流域水质,提出两种水质标准的污染负荷评判方法[7];丁京涛[8]利用LDC方法估算大宁河巫溪流域总磷通量,找出总磷污染源及其随径流变化特征,以及总磷的削减。
1 基于LDC的通量估算方法的建立
1.1 基于负荷历时曲线的通量估算方法简介
基于负荷历时曲线(Load Duration curves,简称LDC)的负荷通量计算,通过LDC将流量与污染物负荷通量合理的联系在一起,曲线上各点代表不同流量保证率(即代表不同的流量值)的河道断面特定污染物负荷通量。LDC图能够反映流域现状负荷通量(最大日负荷量、当前日负荷量)的变化特征信息。
1.2 负荷历时曲线构建方法
1.2.1 绘制流量历时曲线
将流量Q序列降序排列,求出等于或大于每一个流量值出现的累计流量个数,用累计个数除以整个序列的流量总个数,得到历时保证率P,计算公式见公式(1)。以历时保证率和相应的流量值绘制出流量历时曲线。为了合理反应完整水文流量模式,径流系列需采用某一典型年或多年日流量资料,无资料或缺资料的地区,可以用相似流域的径流量替代研究河流的流量。
式中:P为历时保证率;m为流量排序后,等于或大于每一个流量值出现的累计流量个数;n为总流量个数。
典型FDC如图1所示,X轴变化范围1%～100%,为流量频率历时范围,简称历时范围;Y轴表示流量。
1.2.2 绘制负荷历时曲线
依据控制站所在区域的水质要求,将污染物标准浓度(或某一特定浓度值)与流量系列相乘得到污染物通量作为纵坐标,仍以历时保证率为横坐标,绘制曲线即得到污染物负荷历时曲线,如图2所示,估算公式如公式(2)所示。
式中:Fluxref、Qd及Cd分别为逐日的通量、流量及污染物浓度数据,单位分别为kg/d、m3/s及mg/L。
2 基于LDC的通量估算方法分析
2.1 数据资料选择
研究采用的数据资料来源于新疆北疆多条河流监测站1980年的年内逐日水沙监测数据(日均流量,含沙量实测资料)。数据资料的详细清单见表1。
2.2 分析基于LDC通量估算的不确定性方法
分析基于LDC泥沙通量估算的不确定性方法步骤是:第一步,根据年内逐日流量和含沙量数据,采用公式(2)计算泥沙年通量的参考值;第二步,将逐日流量、含沙量监测数据重新筛选抽样构造,形成多组不同监测频次的数据抽样样本,将样本内的含沙量数据作为相应监测周期的水质监测数据;第三步,依据年内逐日流量数据按降序排列,绘制流量历时曲线,则同步流量的含沙量数据会落在不同的历时范围;第四步,将历时范围划分为不同的时段,读出分界点的横坐标(P)的值,将其作为特征频率(如10%,20%等),从低频率到高频率依次给出历时范围的划分时段(0%～10%等);第五步,计算各时段的平均含沙量,将其作为对应时段的逐日含沙量。根据逐日流量和逐日含沙量按上述方法建立负荷历时曲线;第六步,计算特征频率对应的流量值,给出时段相应的流量范围,即对应的初、末流量,计算时段平均流量,历时天数;第七步,用基于LDC的两种通量估算方法计算泥沙通量;第八步,根据公式(5)获得基于LDC的2种通量估算方法的相对误差,由此分析监测频次对通量估算的不确定性和基于LDC的通量估算方法的不确定性。
基于LDC有2种通量估算方法:①平均浓度估算方法记作LDC1,见公式(3);②平均通量估算方法记作LDC2,公式(4)。
式中:
式中:Q为逐日流量,m3/s;
式中:δ为通量估算相对误差。
为了进一步说明泥沙负荷的年内变化特征,这里分别绘制了伊犁河、特克斯河不同监测频次的泥沙负荷历时曲线(图3),并且给出基于LDC计算的河流泥沙负荷通量相对误差,见表2。
3 泥沙负荷通量年内变化特征分析
从图3典型河流各测站泥沙负荷历时曲线可以看出,河流总体上丰水期泥沙通量较高,平水期泥沙通量次之,枯水期泥沙通量较低,在年内显著呈递减趋势,特丰和特枯条件下特克斯河泥沙通量差异尤为显著。在高流量条件下,泥沙通量明显高于低流量条件,说明了泥沙通量的变化具有明显的随径流而增加的特征,表明汛期降雨径流是造成河道水质污染的主要原因。
从基于LDC的通估算相对误差表2可知,2种方法估算的泥沙通量相对误差总体较小。LDC1方法与LDC2方法比较,误差范围大体在一个数量级,变化幅度不大。因此基于LDC的这两种通量估算方法可同时用来计算污染物通量,相对误差较小的通量更逼近实际污染物通量。
综上所述,对于年内流量变化较大的河流,负荷历时曲线能够直观地反映出污染物通量的变化特征,准确地估算年通量,为制定更精确和有效的河流污染物总量控制措施提供一个最佳方案,且方法简单易懂,非常适合应用在水文、水质监测数据相对缺乏的新疆河流。
结合图3和表2可以发现,基于LDC估算泥沙通量时,考虑流量与含沙量因素,由不同监测频次的通量相对误差得出,监测频次是引起通量估算不确定性的因素,制定适宜监测频次是准确计算泥沙通量的有效途径。此外,泥沙时空分布的变异性、产沙原理等也能引起泥沙通量不确定,综合考虑引起通量的不确定性因素,是提出合理可行的污染物总量控制措施的前提。
4 结 语
本文采用1980年新疆北疆多条河流同步河流流量和含沙量资料,基于负荷历时曲线估算河流泥沙通量,探讨泥沙通量的年内变化及其影响因素,深入分析了基于负荷历时曲线的通量估算方法的不确定性和适用性。得出以下结论:
(1)LDC法不受土地利用方式、水文状况等其他因素限制,更适用于时空分布不确定的河流泥沙总量控制。
(2)对于流量年内变化大的河流,负荷历时曲线能够直观地反映出泥沙通量的年内变化状况,准确地计算泥沙年通量,且对有限含沙量监测资料的通量估算十分有利。
(3)受水质监测频次的影响,基于负荷历时曲线的通量估算存在不确定性,提高监测频次有利于提高通量估算精度。
(4)基于LDC的通量估算方法,可为新疆河流泥沙通量的深入研究提供方法指引及技术支持,对新疆境内流域实施科学、有效的泥沙防治工作具有一定的理论和实践意义。
参考文献
[1]Sullivan J A.Use of Load Duration Curves for the Development of Nonpoint Source Bacteria TMDLs in Texas[C]∥ASAE Proceed-ings of the Watershed Management to Meet Emerging TMDL Regulations Conference.Fort Worth,TX.2002:355-360.
[2]Stiles T C.A Simple Method to Define Bacteria TMDLs in Kansas[C].ASIWPCA/ACWF/WEF TMDL Science Issues Confer-ence:On-site Program.St.Louis,MO.2001:375-378.
[3]UDEQ(Utah Department of Environmental Quality).TMDL Water Quality Study of the Middle and Lower Sevier River Wa-tersheds[R].Prepared by Tetra Tech,Inc.March30,2004.
[4]OEPA(Ohio Environmental Protection Agency).Total Maximum Daily Loads for the Lower Cuyah-oga River Final Report[R].Prepared by Ohio Environmental Protection Agency,Division of Surface Water.September2003.
[5]Mississippi Department of Environment Quality of Pollution Con-trol.Fecal conliform TMDL for the Yazoo river[Z].www.deq.state ms.us.
[6]杨国华,陈小兰,刘慧丽.污染负荷历时曲线法在赣江流域水污染物总量监控中的应用[J].江西科学,2007,25(6):726-729.
[7]程艳,李炳花,和寿芳,等.水污染LDC在洱海弥苴河流域水质分析中的应用[J].水电能源科学,2008,26(4):27-30.
典型负荷曲线 篇4
随着近年来负荷结构的变化和新能源的并网,抽水蓄能电站良好的调节作用在电力系统中日益突出。因此,合理安排抽水蓄能电站的调度计划、优化负荷曲线成为需要研究的问题。文献[1]考虑系统的经济性和可靠性对抽水蓄能机组进行优化调度。文献[2]以抽水蓄能机组削峰填谷效益最大化为目标安排机组运行。文献[3,4,5,6]研究了抽水蓄能机组与清洁能源(核电、风电)的联合优化运行,以充分利用清洁能源和系统经济性最优为目标考虑抽水蓄能机组的运行。上述文献[1,2,3,4,5,6]从系统经济性、可靠性及促进新能源并网的角度分析了抽水蓄能电站的运行特点。
本文基于负荷曲线优化的角度研究抽水蓄能电站的调度问题。以抽水蓄能电站运行后的负荷曲线更为平滑、峰谷差减小为目标,计及抽水蓄能机组的抽水发电功率限制,建立抽水蓄能电站多目标优化调度模型。利用改进的多目标粒子群法对模型进行求解,利用熵权法选取最优解,得到抽水蓄能电站的调度方案。
1 多目标模型
1.1 目标函数
本文以抽水蓄能电站运行后的等效负荷曲线峰谷差尽量小、负荷曲线更为平滑为目标建立多目标模型。
其中,
式中:Rt+1为t+1时刻抽水蓄能电站参与调度后的等效负荷;Rt为t时刻抽水蓄能电站参与调度后的等效负荷;Rav为等效负荷平均值;Pps,t为t时刻抽水蓄能电站的功率;Dt为t时刻负荷功率;T为调度时段;F1为等效负荷曲线各个时段的功率趋近于平均值,可以使得峰谷差最小;F2负荷相邻时刻的波动最小。
1.2 约束条件
(1)抽水蓄能机组抽水功率约束
式中:Pp,t为抽水蓄能机组t时刻的抽水功率;为抽水蓄能机组最大抽水功率。
(2)抽水蓄能机组蓄能量约束
式中:Et为抽水蓄能机组t时刻的蓄能量;Emin、Emax分别为机组最小、最大蓄能量;ηp为水泵抽水效率;ηh为水力发电的效率。
(3)抽水蓄能机组发电功率约束
式中:PG,t为抽水蓄能机组t时刻的发电功率;为抽水蓄能机组的最大发电功率。
2 模型的求解
近几年,多目标粒子群算法在很多领域得到了应用。本文采用文献[7]提出的改进多目标粒子群算法进行求解。将改进的Maxmin函数和ε支配引入多目标粒子群算法之中。
2.1 Maxmin函数的引入
第i个粒子(向量)xi的Maxmin函数如下:
式中:i,j等于1,2,…M;k等于1,2,…N;M为粒子种群数量;N为目标函数个数。
所有fMaxmin值小于零的值均为非劣解。Maxmin适应函数值具有奖励0分散的非劣解[8],惩罚0聚集的非劣解的特性。为有效解决粒子因目标函数值差异所导致的偏向性问题,将某些多目标经典算法(如功效系数法、最大最小选择法)中每迭代一步都进行规范化操作的思想引入Maxmin算法。对所有粒子进行规范化处理,对每个粒子的目标适应函数fk(xi)进行调整,调整方法如下:
将粒子目标函数值fk(xi)代入式(8),可以计算得到xi的最新Maxmin适应值。
2.2 ε支配策略的引入与改进
Teich提出ε支配策略[9],如果一个决策向量ε支配另一个决策向量,则必须满足以下条件:
将ε支配的概念引入Maxmin适应函数值的计算,则式(7)根据其定义可更改为:
ε支配概念的引入,增加了粒子的支配区域。有利于算法剔除距离比较近的非劣解,提高粒子排列的均匀性。在算法进行的初期,较大的ε值有利于全局搜索,并加快粒子的收敛速度,降低算法在时间上的消耗;在算法的后期,较小的ε值有利于局部搜索,保证Pareto前沿所有非劣解的均匀程度。
2.3 算法的计算流程
(1)初始化粒子群,随机产生M个粒子放在Domlist中,粒子初始位置即为个体最优值,粒子初始速度设为0,初始化ε。
(2)根据目标函数计算所有粒子的目标函数值,利用式(8)对每个粒子目标函数值进行规范化处理,并根据式(10)确定每个粒子的适应函数值。将适应值为负的粒子存放在外部集(非劣解)nonDomList中。对外部集(非劣解)nonDomList中粒子重新利用式(10)计算适应函数值,从而消除劣解的影响[10]。
(3)对DomList中的每个粒子进行迭代计算。根据适应值大小,在nonDomList中选取前20%的非劣粒子作为候选粒子,通过轮盘赌法在其中选择1个Pg作为粒子i的全局最优值。根据速度更新公式(11)和位置更新公式(12)计算出粒子i的后代,并存储在DomList中。
式中:i=1,2,…M,M为种群数量;c1、c2分别为认知参数和社会参数;w为惯性权重;r1、r2为0-1之间均匀分布的随机数。
(4)调整ε支配的取值,迭代次数加1。
(5)如果已经满足停止准则,如nonDomList(非劣解)已经达到最大数量或已经达到最大迭代次数,则中止计算,输出nonDomList;否则,转步骤2。
2.4 约束的处理方法
本文的约束主要为抽水蓄能机组的有关约束。约束条件式(3)～式(6)均表示设备的物理极限需强制满足。当运算过程中超出这些约束时,将其设为其边界值。
3 算例分析
为了验证所建模型及求解方法的有效性,对某地区抽水蓄能电站进行24 h运行优化,负荷预测见图1。取ηp=0.8,由于,抽水发电的转换效率ηg取为0.75,则ηh=0.937 5。抽水蓄能电站的最大蓄能量700 MWh,最大发电功率Pgmax为160 MW,最大抽水功率Ppmax,按照Ppmax=ChPgmax(Ch为比例系数[2],对于抽水蓄能电站一般取为1.0～1.2,这里取1.2),水库一天的初始蓄能量为0 MWh。本次优化时间段取为一天,共分为24个时间段,即T=24。粒子种群数设置为100,精英集的容量设置为50,最大迭代次数设为2000,初始设为0.3。
图2做出了本文所用算法与文献[11]所提NSGA-Ⅱ算法(种群规模为100,迭代次数2 000)的运算结果。由图2可知本文所用算法得到的Pareto前沿更为均匀,相同的目标函数值f1时,本文所用算法得到的目标函数f2值更优,因此本文所提算法得到的Pareto前沿更优。
图3做出了原始负荷曲线与抽水蓄能电站运行后的等效负荷曲线。由图3可知抽水蓄能电站工作后的等效负荷曲线较原始负荷曲线低谷时段负荷值上升,高峰时段负荷值下降,负荷的峰谷差减小;等效负荷曲线的波动较原始负荷曲线减小,等效负荷曲线更为光滑。
本文利用文献[12]所提方法选取最优折中解,图4做出了最优折中解情况下抽水蓄能电站的抽水发电状况以及蓄能量变化图。图4中抽水蓄能电站功率负值表示抽水,正值表示发电。抽水蓄能电站在负荷高峰时段发电,等效负荷减小,负荷低谷时段抽水,等效负荷增加,从而起到削峰填谷的作用。由此,抽水蓄能电站的工作状况得到了较为合理的安排,而不是单纯的负荷低谷时段满功率抽水高峰时段发电。抽水蓄能电站的蓄能量由初始时刻的0 MWh,调度时段结束时回归到0 MWh,从而为第二天的蓄水做准备,抽水蓄能电站的库容量得到了充分利用。
4 结语
本文提出了基于等效负荷曲线优化的抽水蓄能电站调度新方法,以使得抽水蓄能电站运行后的等效负荷曲线峰谷差减小、更为平滑为目标建立多目标调度模型。利用改进多目标粒子群算法进行求解,由算例可知模型能够合理安排抽水蓄能电站工作情况。
摘要：随着负荷峰谷差增大,电力系统调峰困难问题日益突出。抽水蓄能电站具有启停迅速、削峰填谷等良好的运行特性,可以作为调峰电源优化负荷曲线,减小负荷峰谷差和波动性。建立了以抽水蓄能电站运行后的等效负荷曲线峰谷差减小、曲线更为平滑为目标的多目标抽水蓄能电站优化调度模型。利用引入Maxmin函数和ε支配的改讲多目标粒子群算法对模型进行求解。通过算例验证了本文所提模型和算法的有效性和合理性。
关键词：抽水蓄能,等效负荷曲线,优化调度,多目标粒子群
参考文献
[1]肖颖,印永华,郭剑波.利用多目标模糊动态规划法进行抽水蓄能电站的运行优化[J].电网技术,1997,40(10):15-18.22.
[2]黄蕾,李丰伟,秦俊宁.基于效益分析的抽水蓄能电站运行工况优化调度[J].电力系统保护与控制,2009,36(22):94-98.
[3]赵洁,刘涤尘,雷庆生,等.核电机组参与电网调峰及与抽水蓄能电站联合运行研究[J].中国电机工程学报,201 1,47(7):1-6.
[4]胡泽春,丁华杰,孔涛.风电—抽水蓄能联合日运行优化调度模型[J].电力系统自动化,2012,36(2):36-41,57.
[5]李志伟.风电—抽水蓄能电站联合运行的多目标优化[D].兰州:兰州理工大学,2011.
[6]祝瑞金,邴焕帅,王建军,等.考虑调峰效益和电量效益的风蓄联合运行优化模型及算法[J].华东电力,2012,40(4):564-567.
[7]徐鸣,沈希,马龙华,等.一种多目标粒子群改进算法的研究[J].控制与决策,2009,23(11):1713-1718,1728.
[8]徐家,李绍军,王慧,等.基于最大最小适应度函数的多目标粒子群算法[J].计算机与数字工程,2006,34(8):31-34.
[9]MOSTAGHIM S,TEICH J.The Role ofε-dominance in Multi Objective Particle Swarm Optimization Methods[C].Canberra;Proceedings of the 2003 Congress on Evolutionary Computation,2003.
[10]LI X.Better Spread and Conver Gence:Particle Swarm Multi-objective Optimization Using the Maxmin Fitness Function[C].Seattle:Proceedings of the 2004 Genetic and Evolutionary Computation Conference,2004.
[11]DEB K,PRATAP A.AGARWAL S,et al.A Fast and EUtist Multi-objective Genetic Algorithm:NSGA-II[J].IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.
典型负荷曲线 篇5
1.1 手持终端功能原理
(1) 手持终端是一种抄表器, 又名抄表机、数据采集器。它实际上是用于数据采集的掌上型设备, 外形小巧, 以内含的CPU为控制核心, 带有键盘、显示屏、大容量储存器及与计算机连接的通信端口。
(2) 手持终端的功能:收集并储存大量的数据, 对自身存储的数据进行计算、统计和查询, 与计算机进行信息交互。
1.2 多功能电能表使用现状
由于多功能电能表内部有储存功能、事件记录功能, 有表尾、表上盖开盖记录。窃电分子要想安装窃电模块, 必须打开表上盖。表上盖从合格出厂, 到进公司计量检定、现场安装使用, 整个使用过程是不允许打开的。表尾在安装使用以后, 一般也不允许打开。所以表尾、表上盖的开盖记录就成了查处窃电的有效依据。
1.3 应用案例
2013年12月20日, 某供电所怀疑某用户窃电, 所以夜间突查, 但未发现问题。第二天, 将电能表更换。
在实验室, 用手持终端查询其开盖记录, 发现电能表内储存有两次开盖记录, 其中第一次是2012年10月20日凌晨4时30分;第二次是2013年12月21日凌晨3时50分。据情况分析, 第一次是一年前用户在电能表内安装了窃电模块, 第二次是用户窃电被突查后受惊, 把窃电模块去掉, 消除了证据, 但多功能电能表记录了这两次事件。经过供电所人员的调查和核对用户负荷记录, 在证据面前, 用户承认了窃电行为。
该局紧急配置了10套抄表终端, 对供电所可疑台区和用户多功能电能表进行检查, 取得了理想效果。
2 用电信息采集系统负荷曲线 (简称负荷曲线) 在防窃电的应用
远抄系统建成后, 线损率和电能表表码数据、配电变压器电压、电流数据, 时时刻刻都在远抄系统的监控之下。如果在某一刻某一块电能表某相失压或失流, 远抄系统就会将该表失压或失流的时刻、相别都记录在电能表终端中, 通过GPRS无线传输到公司远抄数据库服务器中。应用服务器根据这一条件, 即可进行分析、判断, 自动进行异常报警。其防窃电应用就是观察有窃电嫌疑的用户的负荷曲线。
2.1 案例一
2014年9月1日某台区负荷曲线如图1所示。该图中三条负荷曲线正常波动, 三相负荷平稳变化。9月26日该台区负荷曲线如图2所示。该图中三条负荷曲线中, L3相曲线正常, L1相和L2相电流几乎为零, 为异常变化。
1 0 月7日该台区负荷曲线与9月26日一样, L3相曲线正常, L1相和L2相电流几乎为零, 为异常变化。分析得出L1相和L2相电流回路一定有问题。
10月8日, 工作人员到现场查看, 打开电流互感器箱, 发现:L1相和L2相电流互感器被人用细铜丝短接, 导致分流, 属于窃电行为。然后, 供电所管理人员询问台区责任电工。在充分证据的基础上, 台区电工承认窃电行为, 并愿意承担责任。经处理后, 电流互感器恢复正常。10时, 负荷曲线恢复正常。
2.2案例二
典型负荷曲线 篇6
换热器一般采用KD布置方式, 即顺流冷凝-反流冷凝的布置方式。70%到80%的蒸汽在通过由上部的配汽管道到顺流冷凝的换热器中被冷凝成凝结水, 凝结水流到底部的蒸汽/凝结水联箱中。顺流管束称为冷凝管束或称K管束。
其余的蒸汽在成为D管束的反流管束中被冷凝, 蒸汽是由蒸汽/凝结水联箱向上流动的, 而凝结水由冷凝的位置向下流到蒸汽/凝结水联箱中并被排出。这种KD形式的布置方式确保了在任何区域内蒸汽都与凝结水有直接接触, 因此将保持凝结水的水温与蒸汽温度相同, 从而避免了凝结水的过冷、溶氧和冻害。从汽轮机到凝结水箱的整个系统都是在真空状态下。由于采用全焊接结构, 从而保证整个系统的气密性。由于在与汽轮机连接的法兰处不可避免地会有空气漏进冷凝系统中, 为了保持系统地真空, 在反流管束的上端未冷凝的蒸汽和空气的混合物将被抽出。通过在上端部位的过冷冷却, 使不可冷凝蒸汽的汽量被减小了。
反流 (D) 部分的设计应保证在任何运行条件下, 不会在顺流 (K) 部分造成完全冷凝, 以避免过冷和溶氧以及冻害的危险。在不同热容量和环境温度下, 通过调节空气流量的变化来控制汽轮机尾气的排汽压力。在正常运行条件下, 电厂的控制系统会设定一个背压值, 它与ACC控制系统的背压值进行比较。如果实际的背压值高于设定值, 则风机被调解到较高转速, 如果低于设定值, 则调解到较低转速。
单速或双速电机可以通过接线线路进行转换, 从而给电机一个的启动时间间隔。利用变频器可以实现风机转速的无级调速, 它也可被选用于控制系统并有下列优点: (1) 当只有少量风机时可以连续调节汽轮机的排气压力从而避免了大的压力波动。 (2) 可以将风机的转速调解到需要值从而减少风机的能耗。
控制单元可以设计成利用PLC控制, 其主要构成包括一个主控单元、有缓冲电池的电源单元、有存储模块的CPU单元、模拟输入、数字输入、数字输出、手动转换开关、显示单元以及如果需要的话, 一组用于与电厂控制系统进行数据交换的数据总线。
另一种方案是将ACC的控制系统和整个电厂的过程控制系统结合在一起。直接空冷系统散热目前均采用强制通风, 大型空冷机组采用大直径轴流风机, 风机使用变频调速。就目前国内外设计和运行经验, 在寒冷地区或昼夜温差变化较大的地区, 采用变频调速使风机有利于变工况运行, 同时也可降低厂用电耗。
直接空冷, 经过多年运行实践, 证明均是可靠的。但空冷系统在运行中无法回避的问题有: (1) 背压高; (2) 由于强制通风的风机, 电耗大。所以空冷系统耗电以成为机组厂用电居高不下的主要原因之一。
运城电厂#1机组进入夏季后, 空冷变频风机无论负荷高低都保持在50HZ, 甚至更高的55HZ, 耗电量高达5100KW/h, 负荷在300MW时耗电量占厂用电达到1.8%, 因此空冷系统节能已成为各空冷机组必须面临的问题。
而在实际运行中, 并不是背压越低越经济, 在低负荷时, 背压耗电增加量, 大于对应背压降低对负荷的增加量, 这样反而不经济。我们以运城电厂#1机 (额定功率600MW) 功率在300MW时进行试验, 目的是找出空冷系统最经济背压。
若环境温度不变、耗煤量不变、机组效率不变, 设定: (1) 机组实际背压为:b实际; (2) 实际背压对应的负荷:P实; (3) 实际背压对应的空冷耗电量:K实; (4) 经济背压为:b经济; (5) 经济背压对应的负荷:P经济; (6) 经济背压对应的负荷:K经济
则:X= (K实际-K经济) + (P实际-P经济)
当X≥0时, 此时空冷系统电耗为经济值。 (见表1)
在负荷300MW不变的情况下, 背压从10.2KPa升至13.2KPa时, 空冷的耗电量从4157KW将至2240KW, 空冷总耗电量可省去1917KW。既:K实际-K经济=1917KW。若背压从10.2KPa升至13.2KPa时, (P实际-P经济) 既可由背压-功率曲线得出, 若X≥0则较经济, 而且X值越大, 越经济可通过实验将低负荷最佳经济曲线得出。但由于运城电厂所在地区昼夜温差较大, 冬夏温差较大, 次实验是在设定温度不变所得出。而相同负荷, 温度不同时, 空冷风扇频率是不同的, 耗电量是不同的, 因此将温度设定为不变所得出的曲线并不完全合理。在实际运用中我们设定低负荷经济曲线设定的最高负荷为400MW, 背压最高值为13KPa, 运算公式为:
X= (K实际-K经济) + (P实际-P经济)
当X=0时, 此时空冷系统电耗相对经济值。在此公式中负荷限制为400MW以下, 背压13KPa以下。
云南分产业典型负荷特性分析 篇7
关键词：产业,负荷特性,负荷曲线,预测
0前言
“十二五”期间云南省全社会用电量及最大负荷持续较快速增长, 各产业用电负荷比重有较大的变化, 这给电力负荷预测分析、电网规划工作带来诸多困难。因此, 有必要加强各产业负荷特性分析。
本文以2012年为基础进行抽样调查, 采用以点带面的方法, 全面分析了云南省各产业负荷特性, 从而把握云南省负荷特性的特点和变化规律, 并且根据实际情况对2015年和2020年用电情况及负荷特性进行了预测。
1 2012云南省主要行业用电现状
2012年云南省全社会用电量为1 213亿k Wh。
1.1 第一产业用电概述
2012年云南省第一产业用电量约为12亿k Wh, 占全社会用电量的1.0%, 其中:农业约4.4亿k Wh, 占37%;林业0.7亿k Wh, 占6%;畜牧业1.3亿k Wh, 占11%;渔业0.2亿k Wh, 占2%;农林牧渔服务业5.2亿k Wh, 占44%。
1.2 第一产业负荷特性分析
1) 第一产业用电主要集中在汛前最枯季, 季不均衡系数在0.81-0.93之间, 最大负荷利用小时数约为2 200 h。
2) 一产日负荷具有很明显的双高峰特性, 分别出现在10:00和19:00-21:00左右;负荷低谷出现3:00-5:00左右, 约为最大负荷的0-20%。
1.3 第二产业
2012年云南省第二产业用电量约为960.6亿k Wh, 占全社会用电量的79%;二产用电主要以有色金属冶炼、钢铁、铁合金、工业硅、黄磷、肥料、水泥、电石和采选矿为主, 用电量共计644.8亿k Wh, 约占二产用电量的67%。
1) 主要用电行业中, 电解铝用电较为平稳, 季不均衡系数为0.99, 最大负荷利用小时数在8000 h以上;钢铁负荷相对平稳, 季不均衡系数为0.91, 最大负荷利用小时数在6 000 h以上;铁合金用电受市场影响很大, 季不均衡系数为0.92, 最大负荷利用小时数在7 400 h;工业硅负荷主要受电价的影响, 季不均衡系数为0.58, 最大负荷利用小时数在3 500 h以内;黄磷负荷受市场和电价政策的影响较大, 波动明显, 季不均衡系数为0.76, 最大负荷利用小时数在4500 h左右;肥料生产负荷较为稳定, 季不均衡系数为0.85, 最大负荷利用小时数在6 500 h左右;水泥负荷受雨季的影响大, 季不均衡系数为0.80, 最大负荷利用小时数在5 500 h以内;电石负荷主要受电价的影响, 季不均衡系数为0.69, 最大负荷利用小时数在4 100 h左右。
2) 从日负荷曲线可得:电解铝一天24 h负荷的最大波动小于5%;钢铁行业受轧钢过程中冲击性负荷的影响, 日负荷的波动频率相对较高, 波动范围基本在20%以内;铁合金由于受生产过程中塌料或悬料的影响, 在某些特定时刻会出现负荷暂降。工业硅一天24 h负荷波动较小, 基本在20%以内;黄磷一天24 h负荷的波动较小;肥料生产日负荷较为平稳, 波动范围在20%以内。水泥受峰谷电价因素影响明显, 在谷时段的1:00-8:00负荷较大, 负荷在80%-100%之间, 下午及晚上负荷相对较小, 最低降到40%;电石正常生产情况下, 负荷变化较为平稳。
1.4 第三产业
2012年云南省第三产业用电量约为107亿k Wh, 约占全社会用电量的8.8%。
三产用电以旅游、房地产、商业饮食以及公共事务等相关服务业为主, 主要集中在昆明、曲靖、红河、昭通、大理等旅游业及经济较为发达的地州, 约占全省三产用电量的69%。
1) 第三产业用电主要受地域、气候及节假日的影响, 典型线路各月最大负荷总体变化不大, 在60%-100%之间;季不均衡系数在0.76-0.83之间, 最大负荷利用小时数约为4 200 h。
2) 三产日负荷具有很明显的双高峰特性, 分别出现在11:00和18:00-21:00左右;负荷低谷出现4:00-5:00左右, 约为最大负荷的20%。
1.5 居民生活
2012年云南省居民生活用电量约为134亿k Wh, 约占全社会用电量的11.0%。
1) 居民生活用电主要受气候变化影响, 冬、春季居民家用电器使用率增大, 采暖负荷增加, 典型线路各月最大负荷总体变化不大, 在50%-100%之间。昭通市由于全年气温变化明显, 全年居民用电负荷变化比其它地州明显。居民生活用电季不均衡系数在0.56-0.91之间, 最大负荷利用小时数约为4 300 h。
2) 居民生活日负荷具有很明显的双高峰特性, 分别出现在11:00和18:00-21:00左右;负荷低谷出现3:00-5:00左右, 约为最大负荷的20%。
2 负荷特性预测
2.1 负荷规模及构成预测
全省预计至2015年、2020年全社会用电量分别达到1 810亿k Wh和2 650亿k Wh, “十二五”、“十三五”年均增长率分别为12.5%和7.9%。用电结构将发生变化, 二产用电比重将由2012年的79.2%降低至78.5%和76.7%。三产和居民生活用电合计由2012年的20%提高至20.5%和22.4%。
2.2 负荷特性变化趋势
2015年、2020年负荷特性预测结果如表4及图5所示。随着用电结构的变化, 季不均衡系数保持在0.91左右, 最大负荷利用小时数、年平均日负荷率、年平均日最小负荷率均呈下降趋势, 峰谷差呈增大趋势。同时, 加强需求侧管理在一定程度上也会改善电网的日负荷特性, 因此负荷特性恶化的趋势会有所减缓。
3 结束语
收集2012年云南省负荷特性相关数据, 对云南各产业典型负荷特性进行了分析, 对2015年、2020年云南省全社会用电量和负荷特性进行了预测, 展望了云南各产业负荷发展趋势。
参考文献
[1]陈健, 刘明波, 樊亚亮, 徐兵.广州电网负荷特性分析.电力系统及其自动化学报, 2009, 21 (6) :78-83.
[2]赵希正, 周小谦, 姜绍俊.中国电力负荷特性分析与预测[M].北京:中国电力出版社, 2002.