CN106355297B - 一种基于电解铝负荷特性的电网降损优化方法 - Google Patents

Abstract

本发明公开了一种基于电解铝负荷特性的电网降损优化方法，其特征在于，包括如下步骤：步骤1、对电解铝负荷的物理特性进行分析，并结合历史数据得到电解铝负荷的可调节特性；步骤2、在电解铝负荷可调节特性的基础上，建立电解铝负荷调节特性数学模型；步骤3、建立电网降损优化模型，包括目标函数和约束条件；步骤4、利用粒子群算法对电解铝负荷的功率和常规电源的出力进行优化；步骤5、输出优化结果。解决新能源并网电网损耗增加的问题。

Description

一种基于电解铝负荷特性的电网降损优化方法

技术领域

本发明涉及一种基于电解铝负荷特性的电网降损优化方法。

背景技术

进入21世纪后,全球范围内的能源短缺趋势越发明显，以开发新能源和新技术相结合为基础，建立一个新型的清洁、安全、可持续能源系统成为当前能源发展的趋势。然而随着我国新能源产业的快速发展，大规模新能源基地也面临着电网消纳水平有限、外送通道狭窄、外送能力受阻等一系列技术困境。而且大规模的新能源远距离输送增加了网损，降低了地区电网及主网的电压质量，这又进一步增加了网损。此外，由于新能源与常规电源的逆向分布特点，在常规电源调峰时电网损耗巨大，新能源的随机波动导致输电通道电压大幅波动，也会增加输电通道的损耗。

现有技术中，第一种是利用数据挖掘技术，根据风光出力特性采用不同场景数据划分方法对风光资源丰富地区的实际风电、光电出力数据进行场景划分，在划分的典型场景数据下对风光出力互补耦合特性进行分析，研究合成出力跟踪系统负荷的机制特性及提高出力预测精度问题，提出耦合度和跟踪负荷度计算方法。但是该方法只考虑了不同类型新能源之间的耦合，无法解决大规模新能源无法消纳的问题。

第二种是通过优化常规火电机组出力，实现动态经济调度。该方法在优化模型中引入了正、负旋转备用约束，以应对风电功率预测误差给系统调度带来的影响。主要针对优化模型的不可微和多峰值特性，采用光滑化处理技术，并提出粒子群内点混合优化策略。但是该方法只考虑到火电机组的动态经济调度来减轻风电给系统调度带来的影响，没有考虑风电给电网损耗带来的影响。

第三种是基于需求响应消纳风电的积极效用，综合考虑不确定性调度决策的特点，分别建立了基于实时电价的考虑不确定性的风电消纳确定性和随机机组组合模型，并建立了经济调度模型评估2类机组组合决策的效果，但该方法未对需求侧资源进行详细的分析，也未提出针对性的方法。

发明内容

针对上述问题，本发明提供一种基于电解铝负荷特性的电网降损优化方法，解决新能源并网电网损耗增加的问题。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种基于电解铝负荷特性的电网降损优化方法，其特征在于，包括如下步骤：

步骤1、对电解铝负荷的物理特性进行分析，并结合历史数据得到电解铝负荷的可调节特性；

步骤2、在电解铝负荷可调节特性的基础上，建立电解铝负荷调节特性数学模型，如下式所示：

P_min≤P≤P_max

c_min≤c_i≤c_max

式中，P代表负荷功率，P₀代表额定负荷或调节前的负荷，t代表时间，t_on代表负荷调节的触发时间，R_u代表增负荷爬坡率，P_t代表t时刻的负荷功率，t_ret代表返回时间或是下一次调节时间，R_d代表减负荷爬坡率，P_min代表负荷调节范围最小值，P_max代表负荷调节范围最大值，c_i代表负荷产量，T代表时间总长，p_i,t代表负荷在t时刻消耗的有功功率，η_i代表单位产品耗电功率，c_min代表负荷产量范围最小值，c_max代表负荷产量范围最大值；

步骤3、建立电网降损优化模型，包括目标函数和约束条件，其中：

取电网损耗作为目标函数：

式中，P_i，Q_i，U_i分别为支路i首端的有功功率、无功功率及电压，R_Li为线路阻抗，P_j，Q_j，U_j分别为支路j首端的有功功率、无功无功功率及电压，R_Tj为变压器阻抗，N为线路总数，M为变压器总数，T为时间总长，f为目标函数；

约束条件包括：

式中，∑P_G、∑P_L、∑P_LOSS分别为系统的总发电出力、总负荷和总网损，其中总发电出力包括风力发电出力和常规电源出力；P_Lmin代表总负荷调节范围最小值，P_Lmax代表总负荷调节范围最大值，P_L为总负荷功率；ΔP_maxdown为单次调节最大减负荷量，用负数表示，ΔP_maxup为单次调节最大增负荷量，P_adj(w)为w调节时刻的负荷功率，P_adj(w-1)为(w-1)调节时刻的负荷功率；P_Gmin代表常规电源调节范围最小值，P_Gmax代表常规电源调节范围最大值，P_G为发电机出力功率；

步骤4、利用粒子群算法对电解铝负荷的功率和常规电源的出力进行优化；

步骤5、输出优化结果。

优选，步骤4具体包括如下步骤：

步骤401、对电解铝负荷的功率和常规电源的出力进行编码，编码的值即为电解铝负荷向电网注入的功率和常规电源发出的有功功率；

步骤402、取电解铝负荷和常规电源节点总数α为粒子群维数，对β个粒子进行编码，得α*β的矩阵变量；同时，对每个粒子的速度进行初始化，将个体的历史最优zbest设为当前位置，群体中最优者为当前的gbest；

步骤403、由电解铝负荷的功率和常规电源的出力编码组成的种群为自变量、网损值为因变量，并将网损值作为适应度函数，通过潮流计算，得到各个粒子的适应度函数值；

步骤404、

如果该粒子当前的适应度函数值比历史最优值好，那么历史最优值将被当前位置所替代；

如果该粒子的历史最优值比全局最优值好，那么全局最优值将被该粒子的历史最优值所替代；

步骤405、对每个粒子按照下列公式对速度和位置进行更新：

v_i(k+1)＝ψv_i(k)+c₁r₁(p_τ-x_i(k))+c₂r₂(p_g-x_i(k))

x_i(k+1)＝x_i(k)+v_i(k+1)

式中，p_τ表示个体极值，p_g表示全体极值，ψ，c₁，c₂是常数，v_i(k)，v_i(k+1)分别是第i个粒子第k步、k+1步迭代时当前粒子的速度，x_i(k)、x_i(k+1)分别是第i个粒子第k步、k+1步迭代时的位置，r₁是随机数参数，r₂是随机参数；

步骤406、迭代次数加1，如果未达到最大迭代次数，则返回至步骤403，否则输出结果并结束。

本发明的有益效果是：

本发明在分析了电解铝负荷调节特性的基础上，构建了电解铝负荷调节特性的数学模型，并在电解铝负荷调节特性数学模型的基础上，以电网损耗为优化目标，考虑电解铝负荷调节和常规电源出力的约束，建立了基于电解铝负荷调节特性的电网降损优化模型。通过粒子群算法对本发明提出的电网降损优化模型进行优化，得到了优化结果，并实例证明了通过对本发明得到的基于电解铝负荷调节特性的电网降损优化模型进行优化，能够很好的降低电网的损耗。

附图说明

图1是本发明典型的电解铝日负荷曲线；

图2是本发明典型电解铝负荷调节曲线示意图；

图3是本发明一种基于电解铝负荷特性的电网降损优化方法的流程图；

图4是本发明实施例中甘肃电网的结构示意图；

图5是本发明常规电源调节的降损优化结果；

图6是本发明考虑电解铝负荷调节的降损优化结果。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

一种基于电解铝负荷特性的电网降损优化方法，包括如下步骤：

步骤1、对电解铝负荷的物理特性进行分析，并结合历史数据得到电解铝负荷的可调节特性：

目前，电解铝工业生产采用冰晶石-氧化铝熔盐电解法，通入强大的直流电后，在高温下，在电解槽内的两极上进行电化学反应，电解出铝金属。铝电解生产过程依靠不断地供给电解槽直流电能，工艺生产要求恒定的直流电流，若直流电流大幅度波动，会显著影响电解槽运行状态(尤其是热平衡)的平稳性，并干扰铝电解的正常控制过程，从而显著影响铝电解槽的技术经济指标。因此，对电解铝负荷进行调节时，要在电解槽能够承受的范围内压低负荷生产，通过控制可控硅的导通角调节电解铝负荷电流大小，降低系列电流运行。

电解铝负荷在正常情况下，负荷容量变化较小，负荷曲线较为平稳，如附图1所示。一般的，电解铝负荷通常有多条馈线，分别连接一台整流机组，每台机组均可在一定范围内进行调节。由现有数据可知，电解铝负荷调节范围为-10％～10％。通过步骤1获得可调节特性，包括负荷功率的调节范围，负荷调节的单次调节范围。

步骤2、在电解铝负荷可调节特性的基础上，建立电解铝负荷调节特性数学模型：

在电解铝负荷可调状态下，负荷开始参与调节时，负荷按照爬坡率从额定值开始变化，直至设定值为止。从额定值往下调时负荷爬坡率称为减负荷爬坡率，往上调节时称为增负荷爬坡率，并且不同机组的电解铝负荷爬坡率存在差异。

为不影响电解铝负荷的正常生产，要保证电解铝负荷的产量在允许波动范围内，负荷调节设定值需限制在可调范围内。以单次调节为例，假定由额定值调节到某设定值再返回到额定值，可得典型的电解铝负荷调节曲线如附图2所示。由上述调节曲线可建立电解铝负荷调节特性的数学模型，具体如下：

P_min≤P≤P_max

c_min≤c_i≤c_max

式中，P代表负荷功率，P₀代表额定负荷或调节前的负荷，t代表时间，t_on代表负荷调节的触发时间，R_u代表增负荷爬坡率，P_t代表t时刻的负荷功率，t_ret代表返回时间或是下一次调节时间，R_d代表减负荷爬坡率，P_min代表负荷调节范围最小值，P_max代表负荷调节范围最大值，c_i代表负荷产量，T代表时间总长，p_i,t代表负荷在t时刻消耗的有功功率，η_i代表单位产品耗电功率，c_min代表负荷产量范围最小值，c_max代表负荷产量范围最大值。

步骤3、建立电网降损优化模型，包括目标函数和约束条件，其中：

取电网损耗作为目标函数：

式中，P_i，Q_i，U_i分别为支路i首端的有功功率、无功功率及电压，R_Li为线路阻抗，P_j，Q_j，U_j分别为支路j首端的有功功率、无功无功功率及电压，R_Tj为变压器阻抗，N为线路总数，M为变压器总数，T为时间总长，f为目标函数；

分别考虑电网有功功率的约束、电解铝负荷的调节特性、负荷调节的爬坡速率约束和常规电源出力约束，约束条件包括：

式中，∑P_G、∑P_L、∑P_LOSS分别为系统的总发电出力、总负荷和总网损，其中总发电出力包括风力发电出力和常规电源出力；P_Lmin代表总负荷调节范围最小值，P_Lmax代表总负荷调节范围最大值，P_L为总负荷功率；ΔP_maxdown为单次调节最大减负荷量，用负数表示，ΔP_maxup为单次调节最大增负荷量，P_adj(w)为w调节时刻的负荷功率，P_adj(w-1)为(w-1)调节时刻的负荷功率；P_Gmin代表常规电源调节范围最小值，P_Gmax代表常规电源调节范围最大值，P_G为发电机出力功率。

步骤4、利用粒子群算法对电解铝负荷的功率和常规电源(火力发电机，水力发电机等)的出力进行优化：

优选，如图3所示，具体包括如下步骤：

步骤401、对电解铝负荷的功率和常规电源的出力进行编码，编码的值即为电解铝负荷向电网注入的功率和常规电源发出的有功功率；

步骤402、取电解铝负荷和常规电源节点总数α为粒子群维数，对β个粒子进行编码，得α*β的矩阵变量；同时，对每个粒子的速度进行初始化，将个体的历史最优zbest(zbest即算法上次计算结果的pBest)设为当前位置，群体中最优者为当前的gbest；

粒子群算法初始化为一群随机粒子(随机解)，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个“极值”来更新自己：第一个就是粒子本身所找到的最优解，这个解叫做个体极值pBest；另一个极值是整个种群目前找到的最优解，这个极值是全局极值gBest。一般的，依次运用随机函数对β个粒子进行编码，同时，运用随机函数对每个粒子的速度进行初始化。

步骤403、由电解铝负荷的功率和常规电源的出力编码组成的种群为自变量、网损值为因变量，并将网损值作为适应度函数，通过潮流计算，得到各个粒子的适应度函数值；

步骤404、

如果该粒子当前的适应度函数值比历史最优值好，那么历史最优值将被当前位置所替代；

如果该粒子的历史最优值比全局最优值好，那么全局最优值将被该粒子的历史最优值所替代；

步骤405、对每个粒子按照下列公式对速度和位置进行更新：

v_i(k+1)＝ψv_i(k)+c₁r₁(p_τ-x_i(k))+c₂r₂(p_g-x_i(k))

x_i(k+1)＝x_i(k)+v_i(k+1)

式中，p_τ表示个体极值，p_g表示全体极值，ψ，c₁，c₂是常数，v_i(k)，v_i(k+1)分别是第i个粒子第k步、k+1步迭代时当前粒子的速度，x_i(k)、x_i(k+1)分别是第i个粒子第k步、k+1步迭代时的位置，r₁是随机参数，r₂是随机参数。

步骤406、迭代次数加1，如果未达到最大迭代次数，则返回至步骤403，否则输出结果并结束。

步骤5、输出优化结果。

如图4所示，图4中的1至12表示12个节点，以甘肃电网为基础，其中有2台风电机组，2台风电机组并网功率分别为60MW和70MW，并分别通过节点1和9并网，节点6和节点11所连发电机均为常规电源，节点7接入电解铝负荷，其有功功率为310MW。利用粒子群算法对电解铝负荷功率和常规电源出力进行优化，具体步骤如下：

第一步，对电解铝负荷的功率和常规电源的出力进行编码，编码的值即为电解铝负荷向电网注入的功率和常规电源发出的有功功率，根据给定的负荷确定编码的取值区间。设定粒子群规模为N＝50，惯性权重系数的最大值和最小值分别为：ω_max＝0.9,ω_min＝0.1，加速系数c＝2，迭代次数为50等参数。

第二步，取电解铝负荷和常规电源节点总数3为粒子群维数，依次运用随机函数对50个粒子进行编码，可得3*50的矩阵变量，代表了粒子群算法中的种群。同时，运用随机函数对每个粒子的速度进行初始化，将个体的历史最优zbest设为当前位置，群体中最优者为当前的gbest。

第三步，由电解铝负荷功率和常规电源出力编码组成的种群为自变量，网损值为因变量，并将网损值作为适应度函数，通过潮流计算，得到各个粒子的适应度函数值。

第四步，如果该粒子当前的适应度函数值比历史最优值好，那么历史最优值将被当前位置所替代。

第五步，如果该粒子的历史最优值比全局最优值好，那么全局最优值将被该粒子的历史最优值所替代。

第六步，对每个粒子进行粒子的速度和位置更新。每次更新后，检查速度是否超过最大值V_max＝2或是最小值V_mim＝-2，若超过最大值，则将速度取值为2，若速度小于最小值，则将速度取值为-2，其他情况速度的取值不变。

第七步，更新粒子的飞行对粒子进行更新，并重新计算适应度函数值。

第八步，若达到最大迭代次数，则停止计算；否则返回第六步。

由上述步骤可得优化结果，即电解铝负荷的功率及常规能源的出力的值。

若仅对常规能源进行调节，则在第二步中仅对常规能源进行编码，可得优化结果如附图5所示，若对常规能源与电解铝负荷同时调节，则可得优化结果如附图6所示。

电解铝负荷具有调节特性，装机容量大，绝大部分采用330/750kV高压直供电模式。基于电解铝负荷的可调节特性，使其与新能源出力配合，将有助于消纳新能源、降低电网损耗。本发明结合电解铝负荷历史数据，对电解铝负荷物理特性进行分析，说明电解铝负荷具有可调节特性，能够配合新能源出力，在一定程度上解决新能源消纳的问题，并降低由新能源并网带来的电网损耗的增加。且电解铝负荷在参与调节的过程中受到一定的约束，因此，深入分析电解铝负荷的调节特性对于建立电解铝负荷调节特性数学模型具有十分重要的意义。

本发明在分析了电解铝负荷调节特性的基础上，构建了电解铝负荷调节特性的数学模型，并在电解铝负荷调节特性数学模型的基础上，以电网损耗为优化目标，考虑电解铝负荷调节和常规电源出力的约束，建立了基于电解铝负荷调节特性的电网降损优化模型。通过粒子群算法对本发明提出的电网降损优化模型进行优化，得到了优化结果，并实例证明了通过对本发明得到的基于电解铝负荷调节特性的电网降损优化模型进行优化，最大程度的降低了电网损耗。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (3)

1.一种基于电解铝负荷特性的电网降损优化方法，其特征在于，包括如下步骤：

步骤1、对电解铝负荷的物理特性进行分析，并结合历史数据得到电解铝负荷的可调节特性；

步骤2、在电解铝负荷可调节特性的基础上，建立电解铝负荷调节特性数学模型，如下式所示：

P_min≤P≤P_max

c_min≤c_i≤c_max

式中，P代表负荷功率，P₀代表额定负荷或调节前的负荷，t代表时间，t_on代表负荷调节的触发时间，R_u代表增负荷爬坡率，P_t代表t时刻负荷功率，t_ret代表返回时间或是下一次调节时间，R_d代表减负荷爬坡率，P_min代表负荷调节范围最小值，P_max代表负荷调节范围最大值，c_i代表负荷产量，T代表时间总长，p_i,t代表负荷在t时刻消耗的有功功率，η_i代表单位产品耗电功率，c_min代表负荷产量范围最小值，c_max代表负荷产量范围最大值；

步骤3、建立电网降损优化模型，包括目标函数和约束条件，其中：

取电网损耗作为目标函数：

式中，P_i，Q_i，U_i分别为支路i首端的有功功率、无功功率及电压，R_Li为线路阻抗，P_j，Q_j，U_j分别为支路j首端的有功功率、无功无功功率及电压，R_Tj为变压器阻抗，N为线路总数，M为变压器总数，T为时间总长，f为目标函数；约束条件包括：

式中，ΣP_G、ΣP_L、ΣP_LOSS分别为系统的总发电出力、总负荷和总网损，其中总发电出力包括风力发电出力和常规电源出力；P_Lmin代表总负荷调节范围最小值，P_Lmax代表总负荷调节范围最大值，P_L为总负荷功率；ΔP_maxdown为单次调节最大减负荷量，用负数表示，ΔP_maxup为单次调节最大增负荷量，P_adj(w)为w调节时刻的负荷功率，P_adj(w-1)为(w-1)调节时刻的负荷功率；P_Gmin代表常规电源调节范围最小值，P_Gmax代表常规电源调节范围最大值，P_G为发电机出力功率；

步骤4、利用粒子群算法对电解铝负荷的功率和常规电源的出力进行优化；

步骤5、输出优化结果。

2.根据权利要求1所述的一种基于电解铝负荷特性的电网降损优化方法，其特征在于，步骤4具体包括如下步骤：

步骤401、对电解铝负荷的功率和常规电源的出力进行编码，编码的值即为电解铝负荷向电网注入的功率和常规电源发出的有功功率；

步骤402、取电解铝负荷和常规电源节点总数α为粒子群维数，对β个粒子进行编码，得α*β的矩阵变量；同时，对每个粒子的速度进行初始化，将个体的历史最优zbest设为当前位置，群体中最优者为当前的gbest；

步骤403、由电解铝负荷的功率和常规电源的出力编码组成的种群为自变量、网损值为因变量，并将网损值作为适应度函数，通过潮流计算，得到各个粒子的适应度函数值；

步骤404、

如果该粒子当前的适应度函数值比历史最优值好，那么历史最优值将被当前位置所替代；

如果该粒子的历史最优值比全局最优值好，那么全局最优值将被该粒子的历史最优值所替代；

步骤405、对每个粒子按照下列公式对速度和位置进行更新：

v_i(k+1)＝ψv_i(k)+c₁r₁(p_τ-x_i(k))+c₂r₂(p_g-x_i(k))

x_i(k+1)＝x_i(k)+v_i(k+1)

式中，p_τ表示个体极值，p_g表示全体极值，ψ，c₁，c₂是常数，v_i(k)，v_i(k+1)分别是第i个粒子第k步、k+1步迭代时当前粒子的速度，x_i(k)、x_i(k+1)分别是第i个粒子第k步、k+1步迭代时的位置，r₁是随机参数，r₂是随机参数；

步骤406、迭代次数加1，如果未达到最大迭代次数，则返回至步骤403，否则输出结果并结束。

3.根据权利要求2所述的一种基于电解铝负荷特性的电网降损优化方法，其特征在于，步骤402中，依次运用随机函数对β个粒子进行编码，同时，运用随机函数对每个粒子的速度进行初始化。