工程硕士学位论文21重工业的主要特征是为三班制运行从而负荷运行平稳波动小。重工业主要包括机械制造、金属冶炼、石油开采及冶炼、Bsport采矿以及化学工业等大型生产行业。轻工业用电设备一般不连续工作受人们作息规律以及产品市场供需规律影响白天负荷较重晚上则相对减少具有一定的波动性。轻工业主要是生产一些生活必需品主要
工程硕士学位论文21重工业的主要特征是为三班制运行从而负荷运行平稳波动小。重工业主要包括机械制造、金属冶炼、石油开采及冶炼、采矿以及化学工业等大型生产行业。轻工业用电设备一般不连续工作受人们作息规律以及产品市场供需规律影响白天负荷较重晚上则相对减少具有一定的波动性。轻工业主要是生产一些生活必需品主要包括烟草、造纸、纺织、食品饮料加工、木材加工以及电子通讯业等。市政生活包括市政负荷和居民生活负荷由于它们的负荷用电规律基本相同所以统称为市政生活。市政生活的负荷功率因数低日负荷曲线有明显的波峰波谷受季节影响明显。市政生活用电主要包括市政机关用电、城乡居民用电以及教育科研机构用电等。第三产业具有较强的时间性和季节性峰谷差明显第三产业用电主要包括商业经营用电、餐饮娱乐用电、医疗用电、邮电通讯用电以及设备安装用电等。农业受其生产的季节性影响春秋两季的负荷比其他季节高主要是排灌负荷白天负荷明显大于晚上小型异步电动机是主要用电设备占总容量的90以上。农业主要包括种植业、渔业、畜牧业、林业及其相应的服务业。筛选行业典型用户各大行业均包含大量的电力用户为了实现行业的综合负荷建模必须对用户进行调查统计然而不可能对所有用户进行调查所以必须对用户进行筛选选择一些极具行业代表性的用户。文献48将等价关系聚类法和模糊C均值聚类法应用于用户设备构成调查统计数据对初选典型用户进一步筛选得到了行业精选典型用户该方法具有很好的适用性和实用性。本文将行业典型用户的筛选工作分为两个部分首先是典型用户的初选根据专家经验挑选出一些认为具有行业代表性的典型用户然后采用模糊C均值聚类算法以初选用户的设备容量比例为样本特征向量选取聚类类别为2在隶属度矩阵中将样本数量最少的一类用户剔除剩下的那一类样本就是行业精选用户。模糊C均值聚类算法在2行业各设备元件比例及用户动静比计算为了根据精选用户的设备构成来计算行业各设备元件比例采用了容量加权平均法。设行业精选的用户数为T每个精选典型用户中的用电设备数为S则该行业的各设备元件的容量比例可以通过式13计算得到行业设备动静比例可以通过式14得到。TiiTiijijPkPK1113实际电网负荷建模及综合负荷特性对暂态稳定性影响研究22其中SjsjjK11。TiTiiTiMiiTiiiMiMPKPPPKK111114式中Kj表示第j类设备元件在该行业总容量中所占的比例KM表示行业动态设备总容量在该行业所有设备总容量中所占的比例Kij表示第i个精选典型用户的第j类设备元件的容量比例KMi表示第i个精选典型用户中动态用电设备所占的比例Pi表示第i个精选典型用户的设备元件容量总和TiiP1表示所有精选典型用户的设备元件总容量。计算行业和变电站的综合特性参数一旦确定了行业的设备元件种类和比例又已知各设备元件的平均负荷特性就可以建立该行业的综合负荷模型。由于各设备元件的平均特性一般用幂函数来描述所以综合负荷用幂函数模型表示。假设某行业有S类用电设备第i类设备的有功功率为Pi无功功率为Qipui、pfi、qui和qfi为幂函数模型的静态特征参数则第i设备的静态特性方程为fiuifiuipqiippiiffUUQQffUUPP00000015S类用电设备的功率总和即行业总的负荷功率为SiiPP1SiiQQ016将和函数P对U求导可得SiidUdPdUdP117有静态特征系数的定义可知第i类设备的静态特征系数满足如下方程式00000000ffdPQdqUUdQQdqffdPPdpUUdPPdpifiiuiifiiui18可知00UPpdUdPiuii19因此可得SiuipiupPUdUdPp10020工程硕士学位论文23同理可知SifiqifSiuiqiuSifipifpqpqpp111pi表示第i类设备有功功率所占的比例SiiipiPP100qi表示第i类设备无功功率所占的比例这就是行业综合负荷模型参数的求解过程用电设备的静态特征参数可以通过实验室模拟或者根据系统实测获取本章列出了部分典型用电设备的静态模型参数如表23所示。如果在此基础之上还已知行业构成比例那么同样可以采用上述方法进一步求取变电站的综合负荷模型参数以及变电站动静比。典型负荷元件的静态特性用电设备功率因数pupfquqf家用空调实际电网负荷建模及综合负荷特性对暂态稳定性影响研究24行业比例统计传统的行业比例统计建立在大量的电力用户信息的基础上经逐步统计变电站低压母线各线路所带电力用户的报装容量及行业属性最终可得到各大行业所有用户的总装机容量通过式22计算得到行业比例。通过该方法得到的行业比例无法体现负荷的随机时变性与实际比例之间有一定的误差如果将该比例与根据用户的用电量确定的比例相结合所确定的行业比例将会更接近实际。51iiiiSSK其中522其中Ki表示第i个行业的总用户报装容量用电量在变电站总用户报装容量用电量中所占的比例iS表示第i个行业的总用户报装容量用电量51iiS表示变电站总用户报装容量用电量变电站行业比例在线修正方法概述传统的行业比例统计是根据用户报装容量加权求和取得不具有时变性。由于负荷具有时变特性所以基于传统方法获取行业比例越来越不满足电网暂态稳定仿真要求研究发现可以根据其他数据源包含的负荷信息对行业比例在线修正。变电站行业比例在线修正方法一文献将模糊C均值聚类算法和模式识别原理应用于行业比例修正是一种基于统计行业比例的在线修正方法简称为修正方法一。该方法中需要用到三类数据第一类数据是根据传统统计综合法获得的行业构成比例第二类数据是通过用户日负荷曲线得到的行业特征向量第三类数据是典型日和实测日负荷曲线。文献求取行业典型特征矩阵选择负荷率、最小负荷率min、峰谷差率vp以及最大负荷出现时间maxt归一化处理作为行业综合变电站日负荷曲线的特征向量文献研究结果表明通过对用户日负荷曲线进行模糊C均值聚类可得到行业综合日负荷曲线通过对聚类结果中的行业综合日负荷曲线取特征向量即可得到行业特征矩阵用44RB表示vpimax变电站聚类中心矩阵及典型隶属度设定聚类数为N为聚类中心编号通过对变电站典型日负荷曲线的特征向量进行模糊C均值聚类可得变电站聚类中心矩阵4RNH工程硕士学位论文251h2hNhvpkmaxkt。结合行业典型特征矩阵和变电站聚类中心矩阵可求出任一个变电站聚类中心kh隶属于行业特征矩阵的典型隶属度向量41RkLkLkl1kl2kl3kl其中kil表示第k个聚类中心隶属于第i个行业中心的隶属度。所有的典型隶属度向量构成典型隶属度矩阵4RNL1L2LNLT。令第k个变电站聚类中心与第i个行业之间的距离为kid41212maxmax2minmin构建典型隶属度与典型行业比例之间的映射由上述内容可知第k个变电站聚类中心对行业典型特征矩阵的典型隶属度行向量为kL该类内的各变电站通过统计综合法获得的典型行业比例为41R jP jP 1jp2jp 4jp j表示该类变电站中的第j个变电站。采用广义逆矩阵法构建典型隶属度与典型行业比例之间的映射矩阵 jkijPLM1 获取变电站在线行业比例设有变电站j属于第i类变电站 为了实现该变电站在线行业比例 首先需要求取变电站实测日负荷曲线的特征向量 然后根据式 23求得实测隶属度scL 最后将scL与相应的映射ijM相乘得到的结果就是该变电站的在线行业比例。 变电站行业比例在线修正方法二基于韶关电网能够采集到的数据 项目组成员提出了另一种负荷模型参数的在线修正方法 该方法分析了变电站站日负荷曲线和典型用户负控曲线之间的构成关系 实现了变电站行业比例的在线修正 简称为修正方法二。该方法介绍如下 构造变电站功率平衡方程根据文献 中介绍的用电行业分类与综合方法可获得各行业综合日负荷曲线。设有m个行业 用户日日负荷曲线的采集点数为n 典型行业j在时刻i的归一化功率为lij 则行业j的综合日负荷曲线所示。设pib为变电站在时刻i的负荷有功功率有名值 则变电站的日负荷有功功率曲线所示。设每一个典型行业的基准容量为Sj 则根据变电站综合日负荷功率曲线是其供电区域内所有用户日负荷功率曲线的叠加这一基本原理 可以构造出该变电站的功率平衡方程 26所示。 Lj l1j l2j lij lnj 24Pb p1b p2b pib pnb 25实际电网负荷建模及综合负荷特性对暂态稳定性影响研究 26 nbibbbmjnmnjnnimijiimjmjppppSSSSllllllllllllllll 11211 L1L2 Lj Lm 并称之为行业负荷特征矩阵 令SB S1 S2 Sj Sm 并称之为行业负荷容量基向量则变电站的功率平衡方程可以表示为 行业负荷容量基向量的求解方法求解式 27所示方程的基本方法是最小二乘法 根据方程的物理意义确定方程的目标函数为 0min1 minjniibibSppy 28根据式 28即可求出行业负荷容量基向量。 变电站行业构成比例提取设时间点i时典型行业j在变电站总有功功率中所占的比重为Kij 称之为变电站行业构成比例 其求取公式为 ibjijijpSlK 方法简化针对不同的仿真精度要求 该方法可以进行相应简化 一般SCADA系统和负荷控制系统一天记录的日负荷数据点数为48或者96 可以采用分段的方法进行简化。假设将日负荷曲线平均分为T段 则每一段的数据点数为n 第k段的变电站平均有功功率为kbp 第k段的平均行业标幺化有功功率为 kjl 30计算可得。 Tkmllmppmkmmkiijkjmkmmkiibkb 30类似地 可以构建分时段的变电站功率平衡方程 31所示。然后 根据式 28和式 29即可求得分时段的变电站行业构成比例。 工程硕士学位论文 27 变电站综合负荷建模实例对于一个地市级电网来说 220kV电压等级变电站并不多 最常见的是110kV变电站 根据该电网调度运行需求综合负荷建模工作的主要对象是110kV变电站。然而110kV变电站数量众多 如果对每一个变电站均建立一个与实际负荷特性相符的负荷模型 需要大量的人力和物力资源 而且工程实用性不强。因此 在保证一定工程应用实用性与仿真精度要求的前提下 可以对变电站 负荷节点 进行分类 选取同一个负荷模型来描述该类负荷节点的负荷特性。传统的分类方法大多是针对历史数据样本 并没有考虑负荷的随机时变性问题。本文通过聚类分析日负荷曲线之间的相关性 将负荷特性相同或者相近的负荷节点分成一类 是针对负荷的地域分散性特征提出的一种负荷特性在线分类方法。 日负荷曲线之所以能应用于负荷特性分类 是因为 日负荷曲线直观地反应了电力用户的用电行为在时间维度上对负荷的功率变化做了详细描述 包含丰富的负荷特性构成信息。2 随着EMS SCADA系统在各电力部门广泛投入使用 通过访问该系统即可得到大量实时或者历史的变电站日负荷曲线数据 这样 负荷特性的在线分类具有足够的数据来源。3 模糊C均值聚类算法能够很好地提炼出各负荷节点日负荷曲线之间的相似性 为负荷节点的在线分类提供了方法保证。由2 1节介绍的负荷构成特征可知韶关电网中有些变电站负荷行业成分单一 行业特征明了。因此 首先根据行业成分进行分组 将行业成分单一的负荷节点分离 然后根据日负荷曲线对行业成分复杂的负荷节点分类。本文选取夏大和冬大典型日各负荷节点的日负荷曲线作为负荷特性分类的特征向量。 变电站初步分组实际电网负荷构成统计结果表明 韶关电网110kV变电站中某些变电站用电行业成分单一 可以考虑将变电站按用电行业成分分成三组 分别为 重工业用户变电站组 小水电上网变电站组 普通变电站组。前两组变电站 用户用电行业成分单一。而普通变电站组中各变电站下属电力用户行业成分复杂 可以根据各变电站夏大或者冬大典型日负荷曲线所包含的负荷构成信息分类。韶关地区小水电总装机容量大且分布广 小水电综合日负荷曲线对变电站日负荷曲线有着直实际电网负荷建模及综合负荷特性对暂态稳定性影响研究 28接影响 所以 根据含小水电情况将普通变电站组再分成两组 分别称之为不含小水电普通变电站组和含有小水电普通变电站组。根据韶关供电局提供的数据以及从各方面收集到的资料 韶关地区2011年所有投入运行的110kV变电站的初步分组结果如表2 4所示。 韶关电网各110kV变电站初步分组结果组别 组内各变电站编号 变电站负荷行业成分 总数 3、5、11、12、43、46、47、48、49、50、54、56、69、70、72含极少量用电负荷 用于小水电集中上网 15 1、6、9、13、20、21、31、38、41、51、76、77、78、79重工业用户变电站 14 14、15、16、18、24、25、26、27、29、34、35、37、39、40、42、52、67不存在地方小水电电源 17 2、4、7、8、10、17、19、30、32、33、36、44、45、55、57、58、59、60、61、62、63、64、65、66、68、71、73、74、75存在地方小水电电源 29 韶关电网各组变电站的用电行业成分具体分析如下 第1组变电站可定义为小水电上网变电站组 组内各变电站基本不带负荷 小水电通过这些变电站集中上网。 第2组变电站可定义为重工业用户变电站组 该组变电站一般由各电力用户自行建设和管理 行业性质单一 用电量大 属于重工业。 第3组变电站可定义为不含小水电普通变电站组 该组变电站成员没有小水电上网 且组内各变电站的用电行业成分多样。 第4组变电站可定义为含有小水电普通变电站组 该组变电站成员都有小水电上网 小水电的综合日负荷曲线对变电站日负荷曲线有一定影响 组内各变电站的用电行业成分复杂。 基于典型日负荷曲线的变电站分类在进行初步分组的基础上 进一步对第3组变电站和第4组变电站分类。 不含小水电普通变电站组分类首先对从SCADA系统中获取的各110kV变电站夏大、冬大典型日负荷曲线 简称样本 进行归一化处理 然后对各样本进行模糊C均值聚类 根据专家经验确定聚类数为3 根据冬大典型日负荷曲线所示 根据夏大典型日负荷曲线所示。 工程硕士学位论文 29 不含小水电变电站冬大典型日负荷曲线聚类结果组别 类别 所属变电站 总数 II14、15、18、24、34、39、67 III26、27、37、35、40 不含小水电变电站夏大典型日负荷曲线聚类结果组别 类别 所属变电站 总数 II14、24、34、39、67 III18、25、26、27、37、40 含有小水电普通变电站组分类组内各变电站日负荷曲线均受到小水电日负荷曲线的影响 变电站典型日负荷曲线在一天中某些时段可能出现负值 不适用于FCM聚类算法。因此 需要先排除小水电日负荷曲线的影响。由于很难获得小水电的日负荷曲线所以对该日负荷曲线作近似处理 认为小水电日负荷曲线中各采样点的有功功率与其总装机容量相同。通过将该曲线与变电站日负荷曲线叠加 即可排除小水电日负荷曲线对变电站日负荷曲线的影响。根据韶关调度部门提供的典型日小水电上网总装机容量 即可得到组内各变电站用电负荷的典型日负荷曲线。对各样本进行归一化处理后 即可采用模糊C均值聚类法对各样本分类 根据专家经验 确定聚类数为3 得到的冬大聚类结果如表2 7、夏大聚类结果如表2 8所示。 含小水电变电站冬大典型日负荷曲线聚类结果组别 类别 所属变电站 总数 IV4、33、44、63、65、68 7、10、17、32、59、61、62、64、74、7510 VI 2、8、19、30、36、45、55、57、58、60、 66、71、73 13 含小水电变电站夏大典型日负荷曲线聚类结果组别 类别 所属变电站 总数 IV4、33、60、63、66、68 7、10、17、19、32、57、59、62、6411 VI 2、8、30、36、44、45、55、58、61、65、 71、73、74、75 14 对比表2 8可知选取的典型日不同 由该日日实际电网负荷建模及综合负荷特性对暂态稳定性影响研究 30负荷曲线聚类得到的分类结果也有所差别。对于含有小水电普通变电站组 分类结果的差别相对来说要更大些。但仍处于合理范围之内 产生这一现象的主要原因有两个 负荷具有时变性选择的典型日不同 日负荷曲线之间的相似度有所不同 消除小水电日负荷曲线对变电站日负荷曲线的影响时作了简单的近似处理 难免产生一定的误差。 典型变电站的确定所有110kV变电站归类后 为了有针对性地进行统计综合法负荷建模 需要从各类中选取一个典型变电站 一般选择负荷特性代表性最强的变电站作为典型变电站。确定典型变电站的基本方法是 求取类中各变电站日负荷曲线归一化 之间的相关系数并在此基础上进一步求取各变电站的相关系数总和以及标准方差 根据相关系数总和最大以及标准方差最小原则来选择典型变电站。以类为单位 求取典型变电站。假设求取第m类变电站中的典型变电站 设该类含有n个变电站 其中变电站i和变电站j的日负荷曲线 归一化 采样点集合分别为数列Xi和数列Xj。对于含有小水电上网的变电站需先按照2 32即可求取第m类变电站中变电站i的日负荷曲线与变电站j的日负荷曲线间的相关系数。 kjjkkiikkjjkiikmjiXxXxXxXxr 32其中 iX为数列Xi Xi xi1 xi2 xik xi96 的平均值 即96961 kikixX jX为数列Xj Xj xj1 xj2 xjk xj96 的平均值 即96961 kjkjxX。 则变电站i的日负荷曲线的相关系数总和 miS和相关系数标准差 mi 即可通过式 33求得。 njmimjiminjmjiminSrnrS1211 33以第II类变电站为例 简要介绍典型变电站的求取过程。表2 9为第II类变电站冬大典型日负荷曲线相关系数分析结果 从表中可知 根据典型变电站选取方法 第II类变电站中的典型变电站为67。类似地 采用同样的方法可以确定其他各类变电站中的典型变电站。