一種基於電解鋁負荷特性的電網降損優化方法與流程
2023-10-25 12:48:23
本發明涉及一種基於電解鋁負荷特性的電網降損優化方法。
背景技術：
：進入21世紀後,全球範圍內的能源短缺趨勢越發明顯，以開發新能源和新技術相結合為基礎，建立一個新型的清潔、安全、可持續能源系統成為當前能源發展的趨勢。然而隨著我國新能源產業的快速發展，大規模新能源基地也面臨著電網消納水平有限、外送通道狹窄、外送能力受阻等一系列技術困境。而且大規模的新能源遠距離輸送增加了網損，降低了地區電網及主網的電壓質量，這又進一步增加了網損。此外，由於新能源與常規電源的逆向分布特點，在常規電源調峰時電網損耗巨大，新能源的隨機波動導致輸電通道電壓大幅波動，也會增加輸電通道的損耗。現有技術中，第一種是利用數據挖掘技術，根據風光出力特性採用不同場景數據劃分方法對風光資源豐富地區的實際風電、光電出力數據進行場景劃分，在劃分的典型場景數據下對風光出力互補耦合特性進行分析，研究合成出力跟蹤系統負荷的機制特性及提高出力預測精度問題，提出耦合度和跟蹤負荷度計算方法。但是該方法只考慮了不同類型新能源之間的耦合，無法解決大規模新能源無法消納的問題。第二種是通過優化常規火電機組出力，實現動態經濟調度。該方法在優化模型中引入了正、負旋轉備用約束，以應對風電功率預測誤差給系統調度帶來的影響。主要針對優化模型的不可微和多峰值特性，採用光滑化處理技術，並提出粒子群內點混合優化策略。但是該方法只考慮到火電機組的動態經濟調度來減輕風電給系統調度帶來的影響，沒有考慮風電給電網損耗帶來的影響。第三種是基於需求響應消納風電的積極效用，綜合考慮不確定性調度決策的特點，分別建立了基於實時電價的考慮不確定性的風電消納確定性和隨機機組組合模型，並建立了經濟調度模型評估2類機組組合決策的效果，但該方法未對需求側資源進行詳細的分析，也未提出針對性的方法。技術實現要素：針對上述問題，本發明提供一種基於電解鋁負荷特性的電網降損優化方法，解決新能源併網電網損耗增加的問題。為實現上述技術目的，達到上述技術效果，本發明通過以下技術方案實現：一種基於電解鋁負荷特性的電網降損優化方法，其特徵在於，包括如下步驟：步驟1、對電解鋁負荷的物理特性進行分析，並結合歷史數據得到電解鋁負荷的可調節特性；步驟2、在電解鋁負荷可調節特性的基礎上，建立電解鋁負荷調節特性數學模型，如下式所示：P=P0,t≤tonP0+Ru(t-ton),ton<t≤ton+Pt-P0RuPt,ton+Pt-P0Ru<t≤tretpt-Rd(t-tret),trettret+Pt-P0Rd]]>Pmin≤P≤Pmaxci=Σi=1Tpi,tηi]]>cmin≤ci≤cmax式中，P代表負荷功率，P0代表額定負荷或調節前的負荷，t代表時間，ton代表負荷調節的觸發時間，Ru代表增負荷爬坡率，Pt代表t時刻的負荷功率，tret代表返回時間或是下一次調節時間，Rd代表減負荷爬坡率，Pmin代表負荷調節範圍最小值，Pmax代表負荷調節範圍最大值，ci代表負荷產量，T代表時間總長，pi,t代表負荷在t時刻消耗的有功功率，ηi代表單位產品耗電功率，cmin代表負荷產量範圍最小值，cmax代表負荷產量範圍最大值；步驟3、建立電網降損優化模型，包括目標函數和約束條件，其中：取電網損耗作為目標函數：minfΣt=1T(Σi=1NPi2+Qi2Ui2RLi+Σj=1MPj2+Qj2Uj2RTj)]]>式中，Pi，Qi，Ui分別為支路i首端的有功功率、無功功率及電壓，RLi為線路阻抗，Pj，Qj，Uj分別為支路j首端的有功功率、無功無功功率及電壓，RTj為變壓器阻抗，N為線路總數，M為變壓器總數，T為時間總長，f為目標函數；約束條件包括：ΣPG=ΣPL+ΣPLOSSPLmin≤PL≤PLmaxΔPmaxdown≤Padj(w)-Padj(w-1)≤ΔPmaxupPGmin≤PG≤PGmax]]>式中，∑PG、∑PL、∑PLOSS分別為系統的總發電出力、總負荷和總網損，其中總發電出力包括風力發電出力和常規電源出力；PLmin代表總負荷調節範圍最小值，PLmax代表總負荷調節範圍最大值，PL為總負荷功率；ΔPmaxdown為單次調節最大減負荷量，用負數表示，ΔPmaxup為單次調節最大增負荷量，Padj(w)為w調節時刻的負荷功率，Padj(w-1)為(w-1)調節時刻的負荷功率；PGmin代表常規電源調節範圍最小值，PGmax代表常規電源調節範圍最大值，PG為發電機出力功率；步驟4、利用粒子群算法對電解鋁負荷的功率和常規電源的出力進行優化；步驟5、輸出優化結果。優選，步驟4具體包括如下步驟：步驟401、對電解鋁負荷的功率和常規電源的出力進行編碼，編碼的值即為電解鋁負荷向電網注入的功率和常規電源發出的有功功率；步驟402、取電解鋁負荷和常規電源節點總數α為粒子群維數，對β個粒子進行編碼，得α*β的矩陣變量；同時，對每個粒子的速度進行初始化，將個體的歷史最優zbest設為當前位置，群體中最優者為當前的gbest；步驟403、由電解鋁負荷的功率和常規電源的出力編碼組成的種群為自變量、網損值為因變量，並將網損值作為適應度函數，通過潮流計算，得到各個粒子的適應度函數值；步驟404、如果該粒子當前的適應度函數值比歷史最優值好，那麼歷史最優值將被當前位置所替代；如果該粒子的歷史最優值比全局最優值好，那麼全局最優值將被該粒子的歷史最優值所替代；步驟405、對每個粒子按照下列公式對速度和位置進行更新：vi(k+1)＝ψvi(k)+c1r1(pτ-xi(k))+c2r2(pg-xi(k))xi(k+1)＝xi(k)+vi(k+1)式中，pτ表示個體極值，pg表示全體極值，ψ，c1，c2是常數，vi(k)，vi(k+1)分別是第i個粒子第k步、k+1步迭代時當前粒子的速度，xi(k)、xi(k+1)分別是第i個粒子第k步、k+1步迭代時的位置，r1是隨機數參數，r2是隨機參數；步驟406、迭代次數加1，如果未達到最大迭代次數，則返回至步驟403，否則輸出結果並結束。本發明的有益效果是：本發明在分析了電解鋁負荷調節特性的基礎上，構建了電解鋁負荷調節特性的數學模型，並在電解鋁負荷調節特性數學模型的基礎上，以電網損耗為優化目標，考慮電解鋁負荷調節和常規電源出力的約束，建立了基於電解鋁負荷調節特性的電網降損優化模型。通過粒子群算法對本發明提出的電網降損優化模型進行優化，得到了優化結果，並實例證明了通過對本發明得到的基於電解鋁負荷調節特性的電網降損優化模型進行優化，能夠很好的降低電網的損耗。附圖說明圖1是本發明典型的電解鋁日負荷曲線；圖2是本發明典型電解鋁負荷調節曲線示意圖；圖3是本發明一種基於電解鋁負荷特性的電網降損優化方法的流程圖；圖4是本發明實施例中甘肅電網的結構示意圖；圖5是本發明常規電源調節的降損優化結果；圖6是本發明考慮電解鋁負荷調節的降損優化結果。具體實施方式下面結合附圖和具體的實施例對本發明技術方案作進一步的詳細描述，以使本領域的技術人員可以更好的理解本發明並能予以實施，但所舉實施例不作為對本發明的限定。一種基於電解鋁負荷特性的電網降損優化方法，包括如下步驟：步驟1、對電解鋁負荷的物理特性進行分析，並結合歷史數據得到電解鋁負荷的可調節特性：目前，電解鋁工業生產採用冰晶石-氧化鋁熔鹽電解法，通入強大的直流電後，在高溫下，在電解槽內的兩極上進行電化學反應，電解出鋁金屬。鋁電解生產過程依靠不斷地供給電解槽直流電能，工藝生產要求恆定的直流電流，若直流電流大幅度波動，會顯著影響電解槽運行狀態(尤其是熱平衡)的平穩性，並幹擾鋁電解的正常控制過程，從而顯著影響鋁電解槽的技術經濟指標。因此，對電解鋁負荷進行調節時，要在電解槽能夠承受的範圍內壓低負荷生產，通過控制可控矽的導通角調節電解鋁負荷電流大小，降低系列電流運行。電解鋁負荷在正常情況下，負荷容量變化較小，負荷曲線較為平穩，如附圖1所示。一般的，電解鋁負荷通常有多條饋線，分別連接一臺整流機組，每臺機組均可在一定範圍內進行調節。由現有數據可知，電解鋁負荷調節範圍為-10％～10％。通過步驟1獲得可調節特性，包括負荷功率的調節範圍，負荷調節的單次調節範圍。步驟2、在電解鋁負荷可調節特性的基礎上，建立電解鋁負荷調節特性數學模型：在電解鋁負荷可調狀態下，負荷開始參與調節時，負荷按照爬坡率從額定值開始變化，直至設定值為止。從額定值往下調時負荷爬坡率稱為減負荷爬坡率，往上調節時稱為增負荷爬坡率，並且不同機組的電解鋁負荷爬坡率存在差異。為不影響電解鋁負荷的正常生產，要保證電解鋁負荷的產量在允許波動範圍內，負荷調節設定值需限制在可調範圍內。以單次調節為例，假定由額定值調節到某設定值再返回到額定值，可得典型的電解鋁負荷調節曲線如附圖2所示。由上述調節曲線可建立電解鋁負荷調節特性的數學模型，具體如下：P=P0,t≤tonP0+Ru(t-ton),ton<t≤ton+Pt-P0RuPt,ton+Pt-P0Ru<t≤tretpt-Rd(t-tret),trettret+Pt-P0Rd]]>Pmin≤P≤Pmaxci=Σi=1Tpi,tηi]]>cmin≤ci≤cmax式中，P代表負荷功率，P0代表額定負荷或調節前的負荷，t代表時間，ton代表負荷調節的觸發時間，Ru代表增負荷爬坡率，Pt代表t時刻的負荷功率，tret代表返回時間或是下一次調節時間，Rd代表減負荷爬坡率，Pmin代表負荷調節範圍最小值，Pmax代表負荷調節範圍最大值，ci代表負荷產量，T代表時間總長，pi,t代表負荷在t時刻消耗的有功功率，ηi代表單位產品耗電功率，cmin代表負荷產量範圍最小值，cmax代表負荷產量範圍最大值。步驟3、建立電網降損優化模型，包括目標函數和約束條件，其中：取電網損耗作為目標函數：minfΣt=1T(Σi=1NPi2+Qi2Ui2RLi+Σj=1MPj2+Qj2Uj2RTj)]]>式中，Pi，Qi，Ui分別為支路i首端的有功功率、無功功率及電壓，RLi為線路阻抗，Pj，Qj，Uj分別為支路j首端的有功功率、無功無功功率及電壓，RTj為變壓器阻抗，N為線路總數，M為變壓器總數，T為時間總長，f為目標函數；分別考慮電網有功功率的約束、電解鋁負荷的調節特性、負荷調節的爬坡速率約束和常規電源出力約束，約束條件包括：ΣPG=ΣPL+ΣPLOSSPLmin≤PL≤PLmaxΔPmaxdown≤Padj(w)-Padj(w-1)≤ΔPmaxupPGmin≤PG≤PGmax]]>式中，∑PG、∑PL、∑PLOSS分別為系統的總發電出力、總負荷和總網損，其中總發電出力包括風力發電出力和常規電源出力；PLmin代表總負荷調節範圍最小值，PLmax代表總負荷調節範圍最大值，PL為總負荷功率；ΔPmaxdown為單次調節最大減負荷量，用負數表示，ΔPmaxup為單次調節最大增負荷量，Padj(w)為w調節時刻的負荷功率，Padj(w-1)為(w-1)調節時刻的負荷功率；PGmin代表常規電源調節範圍最小值，PGmax代表常規電源調節範圍最大值，PG為發電機出力功率。步驟4、利用粒子群算法對電解鋁負荷的功率和常規電源(火力發電機，水力發電機等)的出力進行優化：優選，如圖3所示，具體包括如下步驟：步驟401、對電解鋁負荷的功率和常規電源的出力進行編碼，編碼的值即為電解鋁負荷向電網注入的功率和常規電源發出的有功功率；步驟402、取電解鋁負荷和常規電源節點總數α為粒子群維數，對β個粒子進行編碼，得α*β的矩陣變量；同時，對每個粒子的速度進行初始化，將個體的歷史最優zbest(zbest即算法上次計算結果的pBest)設為當前位置，群體中最優者為當前的gbest；粒子群算法初始化為一群隨機粒子(隨機解)，然後通過迭代找到最優解，在每一次迭代中，粒子通過跟蹤兩個「極值」來更新自己：第一個就是粒子本身所找到的最優解，這個解叫做個體極值pBest；另一個極值是整個種群目前找到的最優解，這個極值是全局極值gBest。一般的，依次運用隨機函數對β個粒子進行編碼，同時，運用隨機函數對每個粒子的速度進行初始化。步驟403、由電解鋁負荷的功率和常規電源的出力編碼組成的種群為自變量、網損值為因變量，並將網損值作為適應度函數，通過潮流計算，得到各個粒子的適應度函數值；步驟404、如果該粒子當前的適應度函數值比歷史最優值好，那麼歷史最優值將被當前位置所替代；如果該粒子的歷史最優值比全局最優值好，那麼全局最優值將被該粒子的歷史最優值所替代；步驟405、對每個粒子按照下列公式對速度和位置進行更新：vi(k+1)＝ψvi(k)+c1r1(pτ-xi(k))+c2r2(pg-xi(k))xi(k+1)＝xi(k)+vi(k+1)式中，pτ表示個體極值，pg表示全體極值，ψ，c1，c2是常數，vi(k)，vi(k+1)分別是第i個粒子第k步、k+1步迭代時當前粒子的速度，xi(k)、xi(k+1)分別是第i個粒子第k步、k+1步迭代時的位置，r1是隨機參數，r2是隨機參數。步驟406、迭代次數加1，如果未達到最大迭代次數，則返回至步驟403，否則輸出結果並結束。步驟5、輸出優化結果。如圖4所示，以甘肅電網為基礎，其中有2颱風電機組，2颱風電機組併網功率分別為60MW和70MW，並分別通過節點1和9併網，節點6和節點11所連發電機均為常規電源，節點7接入電解鋁負荷，其有功功率為310MW。利用粒子群算法對電解鋁負荷功率和常規電源出力進行優化，具體步驟如下：第一步，對電解鋁負荷的功率和常規電源的出力進行編碼，編碼的值即為電解鋁負荷向電網注入的功率和常規電源發出的有功功率，根據給定的負荷確定編碼的取值區間。設定粒子群規模為N＝50，慣性權重係數的最大值和最小值分別為：ωmax＝0.9,ωmin＝0.1，加速係數c＝2，迭代次數為50等參數。第二步，取電解鋁負荷和常規電源節點總數3為粒子群維數，依次運用隨機函數對50個粒子進行編碼，可得3*50的矩陣變量，代表了粒子群算法中的種群。同時，運用隨機函數對每個粒子的速度進行初始化，將個體的歷史最優zbest設為當前位置，群體中最優者為當前的gbest。第三步，由電解鋁負荷功率和常規電源出力編碼組成的種群為自變量，網損值為因變量，並將網損值作為適應度函數，通過潮流計算，得到各個粒子的適應度函數值。第四步，如果該粒子當前的適應度函數值比歷史最優值好，那麼歷史最優值將被當前位置所替代。第五步，如果該粒子的歷史最優值比全局最優值好，那麼全局最優值將被該粒子的歷史最優值所替代。第六步，對每個粒子進行粒子的速度和位置更新。每次更新後，檢查速度是否超過最大值Vmax＝2或是最小值Vmim＝-2，若超過最大值，則將速度取值為2，若速度小於最小值，則將速度取值為-2，其他情況速度的取值不變。第七步，更新粒子的飛行對粒子進行更新，並重新計算適應度函數值。第八步，若達到最大迭代次數，則停止計算；否則返回第六步。由上述步驟可得優化結果，即電解鋁負荷的功率及常規能源的出力的值。若僅對常規能源進行調節，則在第二步中僅對常規能源進行編碼，可得優化結果如附圖5所示，若對常規能源與電解鋁負荷同時調節，則可得優化結果如附圖6所示。電解鋁負荷具有調節特性，裝機容量大，絕大部分採用330/750kV高壓直供電模式。基於電解鋁負荷的可調節特性，使其與新能源出力配合，將有助於消納新能源、降低電網損耗。本發明結合電解鋁負荷歷史數據，對電解鋁負荷物理特性進行分析，說明電解鋁負荷具有可調節特性，能夠配合新能源出力，在一定程度上解決新能源消納的問題，並降低由新能源併網帶來的電網損耗的增加。且電解鋁負荷在參與調節的過程中受到一定的約束，因此，深入分析電解鋁負荷的調節特性對於建立電解鋁負荷調節特性數學模型具有十分重要的意義。本發明在分析了電解鋁負荷調節特性的基礎上，構建了電解鋁負荷調節特性的數學模型，並在電解鋁負荷調節特性數學模型的基礎上，以電網損耗為優化目標，考慮電解鋁負荷調節和常規電源出力的約束，建立了基於電解鋁負荷調節特性的電網降損優化模型。通過粒子群算法對本發明提出的電網降損優化模型進行優化，得到了優化結果，並實例證明了通過對本發明得到的基於電解鋁負荷調節特性的電網降損優化模型進行優化，最大程度的降低了電網損耗。以上僅為本發明的優選實施例，並非因此限制本發明的專利範圍，凡是利用本發明說明書及附圖內容所作的等效結構或者等效流程變換，或者直接或間接運用在其他相關的
技術領域：
，均同理包括在本發明的專利保護範圍內。當前第1頁1 2 3