法律状态公告日
法律状态信息
法律状态
2018-06-19
授权
授权
2016-09-21
实质审查的生效 IPC(主分类):H02J3/00 申请日:20160629
实质审查的生效
2016-08-24
公开
公开
技术领域
本发明属于负荷建模技术领域,尤其涉及一种基于实测数据的厂用电负荷修正模型建模方法。
背景技术
随着系统规模的不断扩大和新型用电设备不断出现,负荷的动态特性也变得越来越复杂。采用乐观或保守的负荷模型将会对电网安全或经济运行造成不利影响。1996北美大停电就是由于研究人员采用了较为保守的负荷模型导致仿真结果过于乐观,引发了一场损失负荷30GW的特大事故。负荷模型的精确程度对电力系统的短路电流、小干扰、暂态稳定和电压稳定等计算以及直流动态特性都有着重要影响。
传统的负荷建模方法主要有两种:统计综合法和总体测辨法。随着负荷规模和种类的扩大,统计综合法效率和精度均不高,已较少采用。总体测辨法将负荷视为一个整体,基于实测数据并利用现代控制理论和辨识算法确定负荷模型中的未知变量。目前研究成果中,常用的一些负荷建模方法大多只考虑负荷的有功功率和无功功率与系统的电压和频率之间的关系,忽略了负荷功率的其他影响因素。
发明内容
本发明针对现有技术存在的问题,提供一种一种基于实测数据的厂用电负荷修正模型建模方法,所建立的静态修正模型能有效解决传统厂用电负荷模型结果与实际数据的偏差,精度更高,合理性更强,对实际电网的计算具有重要意义。
本发明所采用的技术方案是,一种基于实测数据的厂用电负荷修正模型建模方法,包括如下步骤:
步骤1)确立火电厂的厂用电中压负荷组成,包括锅炉系统负荷和汽轮机系统负荷,其中锅炉系统负荷包括风机和磨煤机的负荷,汽轮机系统负荷包括中压辅机的负荷;
步骤2)确立锅炉系统中的负荷与机组工况的关系,即研究风机以及磨煤机与机组有功出力的波动趋势;
步骤3)确立汽轮机系统的中压辅机在不同机组出力时的负荷特性;
步骤4)根据包括风机、磨煤机在内的厂用电负荷大小与机组有功出力存在正比例关系, 以及厂用电负荷的电压和频率静态特性,建立厂用电的静态修正负荷模型;
步骤5)根据实测数据通过最小二乘法得到厂用电静态修正负荷模型中未知的有功功率和无功功率与机组有功出力的相关参数。
进一步的,所述步骤4)中建立厂用电的静态修正负荷模型具体如下:
基于传统常用电负荷模型建立厂用电负荷修正模型如下:
其中,P和Q分别为厂用电负荷的有功功率和无功功率,PN和QN分别为厂用电负荷的额定有功功率和无功功率,PGα和PGβ分别表示厂用电负荷的有功功率和无功功率与机组有功出力的相关系数,α和β分别为厂用电负荷的有功功率和无功功率与机组有功出力的相关指数,U为厂用电母线的电压标幺值,Δf为频率偏差的标幺值。
更进一步的,所述步骤5)根据实测数据通过最小二乘法得到厂用电静态修正负荷模型中未知的有功功率和无功功率与机组有功出力的相关参数具体为:
对式(2)修正模型进行变换可得:
令
y1=lnP,a0=lnPN,x1=lnPG,x2=lnU,x3=ln(1+2.9Δf),y2=lnQ,b0=lnQN,
x4=ln(1+1.8Δf),则(3)式可变换为:
再利用最小二乘法进行参数估计可以描述为:
利用极值条件:
通过式(5)求得参数a0,α,b0,β的值,α和β分别为厂用电负荷的有功功率和无功功率与机组有功出力的相关指数,a0和b0分别为厂用电负荷额定有功功率和无功功率的自然对数。
本发明的有益效果是:通过本发明所建立的静态修正模型能有效解决传统厂用电负荷模型结果与实际数据的偏差,精度更高,合理性更强,对实际电网的计算具有重要意义。
附图说明
图1本发明的流程图;
图2一次风机和送风机的负荷特性图;
图3磨煤机负荷特性图;
图4为循环水泵负荷特性图;
图5为厂用电有功负荷与机组有功出力的关系图;
图6为厂用电无功负荷与机组有功出力的关系图。
具体实施方式
现在对本发明的技术方案作进一步详细的说明。
如图1-图6所示,本发明一种基于实测数据的厂用电负荷修正模型建模方法,步骤1)确立火电厂主要的厂用电中压负荷:锅炉系统和汽轮系统的用电量占全厂的70%以上,其中锅炉系统中的最大负荷是风机和磨煤机,汽轮系统中的主要负荷是中压辅机,中压辅机中较大的负荷是循环水泵、凝泵和闭冷泵;
步骤2)确立锅炉系统中的重要负荷与机组工况的关系。锅炉系统中最大的负荷是风机,风机包括一次风机、送风机和引风机。一次风机、送风机和引风机的负荷大小与机组所需的煤粉量、燃烧所需要的空气、产生的烟气量有着直接的关联。以某百万机组为例,不同机组出力时一次风机和送风机的负荷特性如图2所示。一次风机和送风机负荷与机组有功出力的波动趋势一致。但机组有功出力的波动滞后于一次风机和送风机的波动,即接收到调度指令后,一次风机和送风机会先做出调整,机组出力需要一段时间后才能符合调度指令。
除了风机,磨煤机也是锅炉系统中的重要负荷,其大小取决于锅炉所需煤粉的数量,与机组的运行工况直接相关。以百万机组为例,不同机组出力时磨煤机负荷特性如图3所示。与风机相似,磨煤机负荷与机组出力的波动趋势完全一致,且机组出力的波动滞后于磨煤机负荷的波动。
步骤3)确立汽机系统的中压辅机在不同机组出力时的负荷特性。汽机系统中的主要负 荷是中压辅机,中压辅机主要是循环水泵、凝泵和闭冷泵,其负荷大小通常与机组工况无关,波动很小。以百万机组为例,不同机组出力时循环水泵负荷特性如图4所示。循环水泵负荷波动范围很小,与机组有功出力的大小没有关系,可以认为是定负荷。
步骤4)建立厂用电的静态修正负荷模型。
传统厂用电负荷静态模型如下所示:
式中:P和Q分别为厂用电负荷的有功功率和无功功率,PN和QN分别为厂用电负荷的额定有功功率和无功功率,U为厂用电母线的电压标幺值,Δf为频率偏差的标幺值。
由步骤2)和步骤3)可知,一次风机、送风机、引风机和磨煤机等厂用电负荷的大小与机组的有功出力存在正比例的关系,循环水泵等汽机系统负荷是定负荷。因此,厂用电负荷与机组出力的关系可以用幂函数来表示,同时考虑到厂用电负荷的电压和频率静态特性,基于公式(1)提出厂用电负荷修正模型如下:
上式中,PGα和PGβ分别表示厂用电负荷的有功功率和无功功率与机组有功出力的相关系数,其中,PG为机组出力的标幺值,为实测数据,α和β分别为厂用电负荷的有功功率和无功功率与机组有功出力的相关指数。
步骤5)完善厂用电负荷修正模型中的未知参数。
公式(14)中,α和β分别为厂用电负荷的有功功率和无功功率与机组有功出力的相关指数,需要利用实测数据辨识得到。此外,由于火电厂厂用电负荷规模庞大,无法统计出厂用电负荷的额定有功功率PN和额定无功功率QN。因此,厂用电负荷的额定有功功率PN和额定无功功率QN也需要利用实测数据辨识得到。
本发明运用最小二乘法辨识厂用电负荷修正模型中的未知参数,具体方法如下:
对修正模型进行变换可得:
令
y1=lnP,a0=lnPN,x1=lnPG,x2=lnU,x3=ln(1+2.9Δf),y2=lnQ,b0=lnQN,x4=ln(1+1.8Δf),则(3)式可变换为:
利用线性最小二乘法进行参数估计可以描述为:
利用极值条件:
利用该方程组即可求得参数a0,α,b0,β的值。其中,α和β分别为厂用电负荷的有功功率和无功功率与机组有功出力的相关指数,a0和b0分别为厂用电负荷额定有功功率和无功功率的自然对数,J1、J2为所建立的模型与实际数据的偏差。
从某电厂2015年6月的实测数据抽取100组数据,根据式(2)利用最小二乘法进行参数辨识可得到厂用电负荷模型如下:
图5和图6分别为公式(7)与实测数据的对比,由图5和图6实验结果可以看出,本发明涉及的负荷模型结果整体误差较小,平均误差均不超过3%。
将最小二乘法采用的100组数据作为神经网络的训练集,将得到的结果与厂用电负荷修正模型进行对比,结果如表1所示:
表1两种模型误差对比
从表1可知,厂用电负荷的修正模型和神经网络模型结果较为接近,与实际数据偏差较小,平均误差分别为2.17%和1.70%。上述结果表明,厂用电负荷修正模型所假设的厂用电负荷与发电机组的有功出力之间呈幂函数关系具有一定的合理性。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
机译: 基于实测几何数据的房间声学建模方法与装置
机译: 基于实测几何数据的房间声学建模方法与装置
机译: 基于实测几何数据的房间声学建模方法与装置