CN109617097B - 基于模糊神经网络算法的三相负荷不平衡自决策治理方法 - Google Patents
基于模糊神经网络算法的三相负荷不平衡自决策治理方法 Download PDFInfo
- Publication number
- CN109617097B CN109617097B CN201811603924.5A CN201811603924A CN109617097B CN 109617097 B CN109617097 B CN 109617097B CN 201811603924 A CN201811603924 A CN 201811603924A CN 109617097 B CN109617097 B CN 109617097B
- Authority
- CN
- China
- Prior art keywords
- phase
- load
- power distribution
- neural network
- voltage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了基于模糊神经网络算法的三相负荷不平衡自决策治理方法,包括以下步骤:检测并采集配电台区的三相负荷电流、电压、有功功率和无功功率数据、在配电台区公变的出口侧和单相用户负荷的前端安装换相开关、设定三相电压和电流不平衡度的阈值、通过模糊神经网络作出换相的自适应决策、形成换相控制策略,再将该换相控制策略内置于换相开关中和利用模糊神经网络算法控制三相自换相开关动作;本发明方法可以有效解决负荷季节性、瞬变性以及采集数据误差的问题,能反映配电网实际运行情况,为解决实际的工作问题提供安全可靠的信息支撑,并且可以有效的控制配电台区的三相负荷不平衡度,提高配电台区三相负荷端的工作稳定性。
Description
技术领域
本发明涉及配电网运行技术领域,尤其涉及基于模糊神经网络算法的三相负荷不平衡自决策治理方法。
背景技术
理想的配网三相交流电力系统中,三相电流应具有相同的幅值,这样配网三相交流系统中的中性线就不会流经电流,也不会产生中性线上的损耗,而在实际的配网三相交流系统中由于各相负荷不均匀,导致这些不平衡电流除在相线上引起损耗外,还将在中性线上引起损耗,增加总的损耗。
现有的三相负荷不平衡自决策治理方法无法有效解决负荷季节性、瞬变性以及采集数据误差的问题,不能反映配电网实际运行情况,无法解决实际的工作问题。因此,本发明提出基于模糊神经网络算法的三相负荷不平衡自决策治理方法,以解决现有技术中的不足之处。
发明内容
针对上述问题,本发明方法可以有效解决负荷季节性、瞬变性以及采集数据误差的问题,能反映配电网实际运行情况,为解决实际的工作问题提供安全可靠的信息支撑,并且可以有效的控制配电台区的三相负荷不平衡度,提高配电台区三相负荷端的工作稳定性,并且可以有效的提高经济性,降低资源损耗,提高配电台区变压器的工作效率,同时本发明方法具有科学合理性。
本发明提出基于模糊神经网络算法的三相负荷不平衡自决策治理方法,包括以下步骤:
步骤一:在配电台区的三相负荷电压端连接实时数据采集单元,通过实时数据采集单元检测并采集配电台区的三相负荷电流、电压、有功功率和无功功率数据;
步骤二:在配电台区公变的出口侧和单相用户负荷的前端安装换相开关
步骤三:设定三相电压和电流不平衡度的阈值;
步骤四:根据上述步骤三中设定的三相电压和电流不平衡度的阈值为依据,再通过模糊神经网络作出换相的自适应决策;
步骤五:根据三相电压和电流的不平衡度与低压末端相间电压差的定量关系,并将该定量关系作为换相判据,形成换相控制策略,再将该换相控制策略内置于换相开关中;
步骤六:利用配电台区三相电压不平衡度最小和换相过程中低压负荷在线自动换相装置开关切换次数最少为目标的多目标最优换相数学模型,通过模糊神经网络算法的优化计算,将最优控制决策通过控制终端下发并控制三相自换相开关动作。
进一步改进在于:所述步骤一中采集的配电台区的三相负荷电流、电压、有功功率和无功功率数据为多次采样后通过加权平均算法计算出的三相负荷电流、电压、有功功率和无功功率数据。
进一步改进在于:所述步骤四中首先根据上述步骤三中设定的三相电压和电流不平衡度的阈值为依据,然后建立配电台区的三相负荷模型,再根据配电台区的三相负荷的历史数据构建适合的模糊神经网络,最后对模糊神经网络进行初始化,并将采集的三相负荷电流、电压、有功功率和无功功率数据输入模糊神经网络进行训练直至误差达到阈值,作出换相的自适应决策。
进一步改进在于:所述步骤五中换相控制策略不依赖于控制终端,可以完全实现本地化控制。
进一步改进在于:所述步骤六中三相自换相开关动作进行调整配电台区的三相负荷不平衡状态的具体过程为:通过配电台区的主机控制单元接收到三相负荷不平衡状时,将配电台区的三相负荷端的换相开关各种状态下的三相电流全部列出,然后分别计算三相负荷端的换相开关每种状态下的不平衡度。
进一步改进在于:所述步骤六中三相负荷端的换相开关每种状态下的不平衡度计算结束后,还需要对配电台区的三相负荷进行精细调整。
进一步改进在于:所述精细调整过程为:配电台区的主机控制单元先接收实时数据采集单元检测和采集的数据值,然后以当前单相负荷运行在A相为为例,若检测到此A相荷较重而C相负荷最小,则需要控制换相开关,将开关由A相切换至C相,以此方法进行三相负荷的精细调整。
本发明的有益效果为:本发明方法可以有效解决负荷季节性、瞬变性以及采集数据误差的问题,能反映配电网实际运行情况,为解决实际的工作问题提供安全可靠的信息支撑,并且可以有效的控制配电台区的三相负荷不平衡度,提高配电台区三相负荷端的工作稳定性,并且可以有效的提高经济性,降低资源损耗,提高配电台区变压器的工作效率,同时本发明方法具有科学合理性。
附图说明
图1是本发明方法结构示意图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
根据图1所示,本实施例提出了基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于,包括以下步骤:
步骤一:在配电台区的三相负荷电压端连接实时数据采集单元,通过实时数据采集单元检测并采集配电台区的三相负荷电流、电压、有功功率和无功功率数据,并通过加权平均算法计算采集的三相负荷电流、电压、有功功率和无功功率数据;
步骤二:在配电台区公变的出口侧和单相用户负荷的前端安装换相开关;
步骤三:设定三相电压和电流不平衡度的阈值;
步骤四:首先根据上述步骤三中设定的三相电压和电流不平衡度的阈值为依据,然后建立配电台区的三相负荷模型,再根据配电台区的三相负荷的历史数据构建适合的模糊神经网络,最后对模糊神经网络进行初始化,并将采集的三相负荷电流、电压、有功功率和无功功率数据输入模糊神经网络进行训练直至误差达到阈值,作出换相的自适应决策;
步骤五:根据三相电压和电流的不平衡度与低压末端相间电压差的定量关系,并将该定量关系作为换相判据,形成换相控制策略,再将该换相控制策略内置于换相开关中,换相控制策略不依赖于控制终端,可以完全实现本地化控制;
步骤六:利用配电台区三相电压不平衡度最小和换相过程中低压负荷在线自动换相装置开关切换次数最少为目标的多目标最优换相数学模型,通过模糊神经网络算法的优化计算,将最优控制决策通过控制终端下发并控制三相自换相开关动作,通过配电台区的主机控制单元接收到三相负荷不平衡状时,将配电台区的三相负荷端的换相开关各种状态下的三相电流全部列出,然后分别计算三相负荷端的换相开关每种状态下的不平衡度,换相开关每种状态下的不平衡度计算结束后,还需要对配电台区的三相负荷进行精细调整,配电台区的主机控制单元先接收实时数据采集单元检测和采集的数据值,然后以当前单相负荷运行在A相为为例,若检测到此A相荷较重而C相负荷最小,则需要控制换相开关,将开关由A相切换至C相,以此方法进行三相负荷的精细调整。
本发明方法可以有效解决负荷季节性、瞬变性以及采集数据误差的问题,能反映配电网实际运行情况,为解决实际的工作问题提供安全可靠的信息支撑,并且可以有效的控制配电台区的三相负荷不平衡度,提高配电台区三相负荷端的工作稳定性,并且可以有效的提高经济性,降低资源损耗,提高配电台区变压器的工作效率,同时本发明方法具有科学合理性。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于,包括以下步骤:
步骤一:在配电台区的三相负荷电压端连接实时数据采集单元,通过实时数据采集单元检测并采集配电台区的三相负荷电流、电压、有功功率和无功功率数据;
步骤二:在配电台区公变的出口侧和单相用户负荷的前端安装换相开关;
步骤三:设定三相电压和电流不平衡度的阈值;
步骤四:根据上述步骤三中设定的三相电压和电流不平衡度的阈值为依据,再通过模糊神经网络作出换相的自适应决策;首先根据上述步骤三中设定的三相电压和电流不平衡度的阈值为依据,然后建立配电台区的三相负荷模型,再根据配电台区的三相负荷的历史数据构建适合的模糊神经网络,最后对模糊神经网络进行初始化,并将采集的三相负荷电流、电压、有功功率和无功功率数据输入模糊神经网络进行训练直至误差达到阈值,作出换相的自适应决策;
步骤五:根据三相电压和电流的不平衡度与低压末端相间电压差的定量关系,并将该定量关系作为换相判据,形成换相控制策略,再将该换相控制策略内置于换相开关中;
步骤六:利用配电台区三相电压不平衡度最小和换相过程中低压负荷在线自动换相装置开关切换次数最少为目标的多目标最优换相数学模型,通过模糊神经网络算法的优化计算,将最优控制决策通过控制终端下发并控制三相自换相开关动作。
2.根据权利要求1所述的基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于:所述步骤一中采集的配电台区的三相负荷电流、电压、有功功率和无功功率数据为多次采样后通过加权平均算法计算出的三相负荷电流、电压、有功功率和无功功率数据。
3.根据权利要求1所述的基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于:所述步骤五中换相控制策略不依赖于控制终端,可以完全实现本地化控制。
4.根据权利要求1所述的基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于:所述步骤六中三相自换相开关动作进行调整配电台区的三相负荷不平衡状态的具体过程为:通过配电台区的主机控制单元接收到三相负荷不平衡状时,将配电台区的三相负荷端的换相开关各种状态下的三相电流全部列出,然后分别计算三相负荷端的换相开关每种状态下的不平衡度。
5.根据权利要求4所述的基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于:所述步骤六中三相负荷端的换相开关每种状态下的不平衡度计算结束后,还需要对配电台区的三相负荷进行精细调整。
6.根据权利要求5所述的基于模糊神经网络算法的三相负荷不平衡自决策治理方法,其特征在于:所述精细调整过程为:配电台区的主机控制单元先接收实时数据采集单元检测和采集的数据值,然后以当前单相负荷运行在A相为例,若检测到此A相荷较重而C相负荷最小,则需要控制换相开关,将开关由A相切换至C相,以此方法进行三相负荷的精细调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811603924.5A CN109617097B (zh) | 2018-12-26 | 2018-12-26 | 基于模糊神经网络算法的三相负荷不平衡自决策治理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811603924.5A CN109617097B (zh) | 2018-12-26 | 2018-12-26 | 基于模糊神经网络算法的三相负荷不平衡自决策治理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109617097A CN109617097A (zh) | 2019-04-12 |
CN109617097B true CN109617097B (zh) | 2022-06-21 |
Family
ID=66012571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811603924.5A Active CN109617097B (zh) | 2018-12-26 | 2018-12-26 | 基于模糊神经网络算法的三相负荷不平衡自决策治理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109617097B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110492504A (zh) * | 2019-08-23 | 2019-11-22 | 国网天津市电力公司 | 一种低压配电台区三相不平衡优化换相方法 |
CN110797887B (zh) * | 2019-09-23 | 2023-09-22 | 南京软核科技有限公司 | 一种低压台区三相不平衡治理自决策控制方法 |
CN111209673A (zh) * | 2020-01-08 | 2020-05-29 | 云南电网有限责任公司昆明供电局 | 一种新型宽幅调压配电变压器的设计方法 |
CN111200290B (zh) * | 2020-03-16 | 2021-12-31 | 广东电网有限责任公司 | 一种用于台区三相不平衡治理的换相开关智能控制方法 |
CN111478345B (zh) * | 2020-04-13 | 2021-08-17 | 山东建筑大学 | 一种低压配电系统智能换相开关配置方法及系统 |
CN113708390B (zh) * | 2021-08-11 | 2022-11-29 | 国网浙江省电力有限公司电力科学研究院 | 配电台区三相不平衡治理的智能设备实时控制方法及系统 |
CN113723003B (zh) * | 2021-09-02 | 2022-08-12 | 广东电网有限责任公司广州供电局 | 基于模糊神经网络的配电网三相不平衡源定位方法及装置 |
CN113890068B (zh) * | 2021-10-31 | 2024-06-21 | 贵州电网有限责任公司 | 一种基于电力电子技术的三相换相方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484727A (zh) * | 2015-01-12 | 2015-04-01 | 江南大学 | 基于关联模糊神经网络和漩涡搜索的短期负荷预测方法 |
CN105552939A (zh) * | 2016-03-07 | 2016-05-04 | 山东电工电气集团新能科技有限公司 | 三相不平衡治理系统及方法 |
WO2017009921A1 (ja) * | 2015-07-13 | 2017-01-19 | 株式会社日立製作所 | 電力分配器および電力分配方法 |
CN106971238A (zh) * | 2017-03-10 | 2017-07-21 | 东华大学 | 基于T‑S模糊Elman神经网络的短期电力负荷预测方法 |
CN108173273A (zh) * | 2017-12-30 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种调节三相不平衡的智能换相开关系统及其方法 |
-
2018
- 2018-12-26 CN CN201811603924.5A patent/CN109617097B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484727A (zh) * | 2015-01-12 | 2015-04-01 | 江南大学 | 基于关联模糊神经网络和漩涡搜索的短期负荷预测方法 |
WO2017009921A1 (ja) * | 2015-07-13 | 2017-01-19 | 株式会社日立製作所 | 電力分配器および電力分配方法 |
CN105552939A (zh) * | 2016-03-07 | 2016-05-04 | 山东电工电气集团新能科技有限公司 | 三相不平衡治理系统及方法 |
CN106971238A (zh) * | 2017-03-10 | 2017-07-21 | 东华大学 | 基于T‑S模糊Elman神经网络的短期电力负荷预测方法 |
CN108173273A (zh) * | 2017-12-30 | 2018-06-15 | 国网天津市电力公司电力科学研究院 | 一种调节三相不平衡的智能换相开关系统及其方法 |
Non-Patent Citations (3)
Title |
---|
基于改进粒子群算法的负荷不平衡调整策略;王芳尧等;《电气开关》;20170815(第04期);全文 * |
混沌神经网络负荷建模的理论研究;姚建刚等;《中国电机工程学报》;20020330;第22卷(第03期);全文 * |
配电台区三相负荷不平衡实时在线治理方法研究;方恒福等;《中国电机工程学报》;20150505;第35卷(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109617097A (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109617097B (zh) | 基于模糊神经网络算法的三相负荷不平衡自决策治理方法 | |
CN108471128B (zh) | 一种使用均衡寻优算法实现的三相负荷不平衡自动调节方法 | |
CN108173273B (zh) | 一种调节三相不平衡的智能换相开关系统及其方法 | |
AU2021209298A1 (en) | Systems and methods for integrated microgrid management system in electric power systems | |
CN109921445B (zh) | 一种考虑分支线功率平衡的台区换相开关控制方法 | |
CN102545665B (zh) | 一种三电平pwm整流器直接功率控制方法 | |
CN106208128B (zh) | 一种混合三端高压直流输电系统的功率反转方法 | |
CN110829467B (zh) | 基于动态规划的配电台区三相负荷不平衡调节方法 | |
CN108153150A (zh) | 基于空间矢量调制的双级式矩阵变换器模型预测控制策略 | |
CN109713693B (zh) | 基于换相开关组网的三相不平衡负载切换方法 | |
CN103997051A (zh) | 在线自动配电方法及装置 | |
CN108448601B (zh) | 具有换相装置的单相逆变器及其换相并网策略 | |
CN105406493A (zh) | 一种基于有载换向技术的低压三项负荷平衡控制方法 | |
CN107171347B (zh) | 一种配电网台区三相负荷自动均衡调节系统 | |
CN109921662B (zh) | 高频隔离型可变拓扑ac-dc变换器的控制方法 | |
CN111049164A (zh) | 一种基于换相开关的三相不平衡优化方法和系统 | |
CN115693713A (zh) | 一种基于三相智慧负荷控制的配电网不平衡治理方法 | |
CN112152237B (zh) | 基于多dfacts设备协调控制的台区电能质量治理方法和系统 | |
CN117240108A (zh) | 一种基于子控制集改进mpc算法的mmc控制方法 | |
CN108599203A (zh) | 一种逐级调整负载的三相负荷不平衡调节方法 | |
CN112531695B (zh) | 一种电能质量分支自适应补偿方法及系统 | |
CN113783209A (zh) | 一种基于单相智慧负荷控制的配电网不平衡治理方法 | |
CN114552607A (zh) | 一种针对三相不平衡的换相控制方法、系统及设备 | |
CN112701700A (zh) | 一种基于多目标优化的台区三相不平衡治理方法和系统 | |
CN105958516A (zh) | 配网终端由三相不平衡引起低电压的治理装置及治理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |