CN110008532B - 一种三相不平衡换相的换相时机确定方法及换相系统 - Google Patents
一种三相不平衡换相的换相时机确定方法及换相系统 Download PDFInfo
- Publication number
- CN110008532B CN110008532B CN201910200909.4A CN201910200909A CN110008532B CN 110008532 B CN110008532 B CN 110008532B CN 201910200909 A CN201910200909 A CN 201910200909A CN 110008532 B CN110008532 B CN 110008532B
- Authority
- CN
- China
- Prior art keywords
- commutation
- phase
- opportunity
- unbalanced
- determining
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
Abstract
本发明涉及一种三相不平衡换相的换相时机确定方法及换相系统,包括:通过约束法,将多目标优化问题转化为单目标优化模型,结合遗传算法和模拟退火算法,求出单目标优化模型的最优解集,确定最优解集中最佳解,确定为换相时机,并基于该换相时机确定待投切负荷及其投切顺序,以进行投切。本发明将多目标转变为一个目标,提高计算效率,且通过调整约束条件的断点来控制生成的当前最优解的数量,具有较强的客观性。其次,遗传算法和模拟退火算法的结合,有助于迅速且准确地获取全局最优解,有效避免因三相不平衡带来的安全风险,提高电网运行规划的水平。另外,本发明可针对不同型式、不同容量的变压器的三相不平衡状态进行分析,应用范围广。
Description
技术领域
本发明涉及电力系统运行规划技术领域,特别是涉及一种三相不平衡换相的换相时机确定方法及换相系统。
背景技术
我国低压配电网大多是通过10kV/0.4kV二绕组变压器以三相四线制向用户供电,其用电负荷比较复杂,地域较广且多为单相用电负荷。虽然工作人员会将所有用户在A、B、C三相上均衡分配,但受用户接入过程中选相管理执行不严格,用户负荷的随机性等因素影响,易引起大量配变三相负荷分配不均,发生三相不平衡现象。三相不平衡易增加线损和配电变压器的有功损耗,影响电动机的功率输出并造成其绕组温度升高,导致起动元件保护装置误动作,出现超载相开关或变压器烧毁的风险,影响电网安全稳定运行。
目前,改善三相不平衡的主要手段是三相平衡优化换相,即在某一时刻,通过自动切换用户的相序,将超载相的负荷换相至负荷较少的相,来改善三相电流不平衡度。然而,三相平衡优化换相主要是利用三相不平衡换相装置,且大多为通过换相开关在电流过零点时切除负荷,但切除前的电流不平衡度可能过高,并对线路安全运行产生威胁。
发明内容
本发明提供一种三相不平衡换相的换相时机确定方法及换相系统,用以解决现有技术在三相不平衡时仅通过换相开关在电流过零点时切除负荷,换相时机确定过于简单而容易造成安全隐患的技术问题。
本发明解决上述技术问题的技术方案如下:一种三相不平衡换相的换相时机确定方法,包括:
步骤1、基于约束法和配电网对应的多个优化目标函数,构建单目标最优化模型,其包括主要目标函数及其约束条件;
步骤2、基于换相时间x0,采用遗传算法,得到换相时间x1;
步骤3、基于模拟退火算法和所述单目标最优化模型,判断x1是否是当前最优解,若是,保存并执行步骤4,若否,根据终止条件,重复执行步骤2或确定x0为当前最优解并执行步骤4;
步骤4、修改各个所述约束条件的断点值,形成新的单目标最优化模型,并执行步骤2,直至所述断点值的修改次数超过预设值;
步骤5、从各个所述当前最优解中确定满足预设要求的当前最优解,该当前最优解即为换相时机。
本发明的有益效果是:本发明利用约束法,将多目标转变为一个目标,计算效率高,因而提高换相时机的确定效率,且通过调整约束条件的断点来控制生成的当前最优解的数量,具有较强的客观性,增加换相时机的选择范围。其次,遗传算法和模拟退火算法的结合,可以利用遗传算法,纵览全局,获取全局最优解,并可利用模拟退火算法,改变群体适应性,加快收敛速度,有助于迅速且准确地获取全局最优解,有效避免因三相不平衡带来的安全风险,提高电网运行规划的水平。另外,本发明可针对不同型式、不同容量的变压器的三相不平衡状态进行分析,不受因变压器容量不同而其输出电流不同的影响,应用范围广。
在上述技术方案的基础上,本发明还可以做以下改进。
进一步,所述多个优化目标函数包括:最小化电流不平衡度,最小化线路损耗,以及最小化开关的换相次数。
本发明的进一步有益效果是:通过换相开关进行三相不平衡换相装置的切换时,综合考虑电网运行中的实时参数及复杂工况,同时兼顾开关的切换次数及切换频率,以保证换相过程不停电,减少动作次数,以延长开关的使用寿命,保证供电安全性,并控制运行成本。因此,采用最小化电流不平衡度、最小化线路损耗和最小化开关的换相次数,来确定三相不平衡开关动作的换相时机,可有效保证最佳换相时机的精确度、灵敏度和换相安全性。
进一步,所述步骤1包括:
将最小化所述电流不平衡度确定为主要目标函数,并将所述线路损耗限定为小于等于第一断点值和所述开关的换相次数限定为小于等于第二断点值,以构成所述主要目标函数的约束条件,形成单目标最优化模型。
本发明的进一步有益效果是:三相不平衡最突出的问题是三相电流的不平衡,现有技术大多为在电流过零点切除负荷并换相,但这种方式可能导致切除前的电流不平衡度过高,并对线路安全运行产生威胁,本发明将最小化所述电流不平衡度确定为主要目标函数,可以大大降低在负荷换相前的电流不平衡度的最大值,减少运行风险,并可提高换相的灵敏度。
进一步,所述步骤5包括:
采用模糊隶属度函数,计算每个所述当前最优解下各个所述优化目标函数的满意度;
基于各个所述优化目标函数的满意度,计算该当前最优解下的标准化满意度;
对比各个所述当前最优解对应的所述标准化满意度的大小,确定最大所述标准化满意度对应的所述当前最优解为换相时机。
本发明的进一步有益效果是:模糊隶属度函数计算容量小,准确度高,可提高换相时机确定的效率。
进一步,所述步骤2包括:
基于所述主要目标函数和换相时间x0,通过遗传算法进行换相时间的选择、交叉和变异,得到换相时间x1。
进一步,所述步骤3包括:
分别计算x0对应的所述主要目标函数的值f(x0)和x1对应的所述主要目标函数的值f(x1);
若x1满足各个所述约束条件且Δf≤0或exp(-Δf/T)属于预设数值范围,则x1为当前最优解,保存并执行步骤4,其中,Δf=f(x1)-f(x0),T为温度常数;
否则,降低所述温度常数的值,并判断所述温度常数的降低次数是否超过预设次数,若是,将x0确定为当前最优解并保存,执行步骤4,若否,执行步骤2。
本发明还提供一种三相不平衡换相系统,包括:
处理器,用于执行上述任一种三相不平衡换相的换相时机确定方法,得到换相时机并发送至控制器;
所述控制器,用于基于所述换相时机及其对应的多个优化目标函数,确定配电网中的待换相负荷及其换相顺序,并基于所述待换相负荷和所述换相顺序,形成控制指令并发送至三相不平衡换相装置;
所述三相不平衡换相装置,用于基于所述控制指令,执行换相操作。
本发明的有益效果是:本发明的处理器采用上述换相时机确定方法得到的换相时机,进行后续换相操作,提高换相的精确度以及换相效率,有效保证换相的安全性。其次,控制器根据换相时机,确定换相顺序,使得换相次数最少,且可实现有效、稳定的负荷换相,提高电路对换相的灵敏度,有效避免因三相不平衡带来的事故及安全风险。另外,本发明可针对不同型式、不同容量的变压器的三相不平衡状态进行分析换相,不受因变压器容量不同而其输出电流不同的影响,应用范围广。且通过自动换相,可克服人工换相无法实时调整相序的缺点,并且准确率高,运维成本小。
进一步,所述系统还包括报警装置;
则所述处理器,还用于将所述换相时机发送至所述报警装置;
所述报警装置,用于基于所述换相时机,采集配电网中所述三相不平衡换相装置进行换相前后的各相的电流不平衡度,并计算每相在换相前后下的不平衡度差值,基于该差值大小和报警阈值,进行报警。
本发明的进一步有益效果是:通过报警装置进行阈值比较,并在超出阈值时发出警报,使运检人员能直观的获取换相装置的执行结果以及换相时刻的正确性,以及时进行干预和调整,保证线路的安全稳定。
进一步,当所述多个优化目标函数包括最小化电流不平衡度、最小化线路损耗和最小化开关的换相次数时,则所述控制器具体用于:
基于所述换相时机,最小化开关的换相次数,计算得到开关的换相次数;
基于所述换相次数,最小化电流不平衡度和最小化线路损耗,计算得到所述配电网中的待换相负荷及其换相顺序;
向三相不平衡换相装置发送控制指令,使得所述三相不平衡换相装置依次切除各个所述待换相负荷,并按照所述换相顺序,依次对所述待换相负荷进行换相。
本发明的进一步有益效果是:在自动换相过程中,换相的安全性是至关重要的,自动换相系统首先根据换相时机确定换向次数,基于换向次数确定换相顺序,在较少换相次数下,提高换相的精准度和灵敏度,以防止发生相间短路,危及线路运行。
进一步,所述系统还包括显示装置;
则所述报警装置,还用于将每相在换相前后下的不平衡度差值发送至所述显示装置;
所述显示装置,用于显示所述不平衡度差值。
本发明的进一步有益效果是:通过显示,可使运检人员能直接的获取换相装置的执行结果,以准确判断故障。
附图说明
图1为本发明一个实施例提供的一种三相不平衡换相的换相时机确定方法的流程图;
图2为本发明另一个实施例提供的一种三相不平衡换相的换相时机确定方法中遗传算法和模拟退火算法结合的流程图;
图3为本发明一个实施例提供的一种三相不平衡换相系统的示意性框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
一种三相不平衡换相的换相时机确定方法100,如图1所示,包括:
步骤110、基于约束法和配电网对应的多个优化目标函数,构建单目标最优化模型,其包括主要目标函数及其约束条件;
步骤120、基于换相时间x0,采用遗传算法,得到换相时间x1;
步骤130、基于模拟退火算法和单目标最优化模型,判断x1是否是当前最优解,若是,保存并执行步骤140,若否,根据终止条件,重复执行步骤120或确定x0为当前最优解并执行步骤140;
步骤140、修改各个约束条件的断点值,形成新的单目标最优化模型,并执行步骤120,直至断点值的修改次数超过预设值;
步骤150、从各个当前最优解中确定满足预设要求的当前最优解,该当前最优解即为换相时机。
需要说明的是,由于一般多个优化目标之间存在冲突,较难找到能够优化所有目标的单一解决方案,因此,将多个目标转换为单一目标,并求取Pareto最优解。
约束法(constraint method)是一种求解多目标规划问题的方法,指在多个目标函数中,确定一个主要目标,对其他各目标都给定一个所期望的值,将其转化为约束条件,从而把多目标最优化模型化为单目标最优化模型求解的方法。ε-约束法能够生成非极端的精确解,并可通过调整断点来控制生成的解的数量,具有较强的客观性。因此,本实施例通过ε-约束法,将多目标转为单一目标,并求出最优解集。
针对于换相时机需考虑的多个目标,可综合考虑实际情况,利用人工智能技术,对多目标进行求解,得到一系列的优化解。近年来,遗传算法和模拟退火算法等启发式算法逐渐应用于多目标优化问题。遗传算法具有强大的全局搜索能力,能跳出局部最优的困境,但收敛速度较慢;模拟退火算法可通过改变染色体群体的适应度,有效地提高整个群体的收敛速度。因此,将遗传算法和模拟退火算法结合,可以利用遗传算法,纵览全局,获取全局最优解,并可利用模拟退火算法,改变群体适应性,加快收敛速度,有助于迅速且准确地获取全局最优解。
另外,遗传算法擅长于获得全局最优解,但收敛速度较慢;模拟退火算法擅长于获得局部最优解,且可通过改变染色体群体的适应度,有效地提高求解的收敛速度。因此,将遗传算法和模拟退火算法结合,既可精确地获取全局最优解,也可以提高算法的收敛速度。
本实施例利用约束法,将多目标转变为一个目标,便于求解,计算效率高,因而提高换相时机的确定效率,且通过调整约束条件的断点来控制生成的当前最优解的数量,具有较强的客观性,增加确定换相时机的选择范围。其次,遗传算法具有强大的全局搜索能力,能跳出局部最优的困境,但收敛速度较慢;模拟退火算法可通过改变染色体群体的适应度,有效地提高整个群体的收敛速度。遗传算法和模拟退火算法的结合,可以利用遗传算法,纵览全局,获取全局最优解,并可利用模拟退火算法,改变群体适应性,加快收敛速度,有助于迅速且准确地获取全局最优解,可有效避免因三相不平衡带来的事故及安全风险。另外,本发明可针对不同型式、不同容量的变压器的三相不平衡状态进行分析,不受因变压器容量不同而其输出电流不同的影响,应用范围广。
优选的,多个优化目标函数包括:最小化电流不平衡度,最小化线路损耗,以及最小化开关的换相次数。
需要说明的是,三相D电流不平衡度β的计算公式:
多个优化目标函数中的目标之一为最小化电流不平衡度,即:
多个优化目标函数中的目标之二为最小化线路损耗,即:
其中,IA、IB、IC、I0分别为A相、B相、C相、中性点处流过的电流实测值;R为单位线路长度的电阻值。
多个优化目标函数中的目标之三为最小化开关的换相次数,以延长开关的使用寿命,并控制运行成本,即:obj3=min(CN),其中,CN为换相次数。
由于电流值IA、IB、IC随时间的变化而变化,故obj1与obj2实际上是一个与时间t有关的函数。而换相次数与电流值息息相关,故obj3实际上也是一个与时间t有关的函数。通过求解三个目标的函数值,便可得到换相的最佳时机。
由于通过换相开关进行三相不平衡换相装置的切换时,需要综合考虑电网运行中的实时参数及复杂工况,同时兼顾开关的切换次数及切换频率,以保证换相过程不停电,减少动作次数,以延长开关的使用寿命,保证供电安全性,并控制运行成本。因此,采用最小化电流不平衡度、最小化线路损耗和最小化开关的换相次数,来确定三相不平衡开关动作的换相时机,可有效保证最佳换相时机的精确度、灵敏度和换相安全性。
优选的,步骤110包括:
将最小化电流不平衡度确定为主要目标函数,并将线路损耗限定为小于等于第一断点值和开关的换相次数限定为小于等于第二断点值,以构成主要目标函数的约束条件,形成单目标最优化模型。
需要说明的是,其中,将obj1作为优化目标,而obj2和obj3作为约束条件,则单目标最优化模型为:
三相不平衡最突出的问题是三相电流的不平衡,将最小化所述电流不平衡度确定为主要目标函数,可提高换相的灵敏度。
优选的,步骤150包括:
采用模糊隶属度函数,计算每个当前最优解下各个优化目标函数的满意度;基于各个优化目标函数的满意度,计算该当前最优解下的标准化满意度;对比各个当前最优解对应的标准化满意度的大小,确定最大标准化满意度对应的当前最优解为换相时机。
需要说明的是,本实施例采用模糊隶属度函数来分别表示每个Pareto解中各个优化目标函数对应的满意度,通过满意度比较找出最优折中解,定义模糊隶属度函数为:
其中,μi为第i个优化目标函数的满意度值;fi为第i个优化目标函数值;fimax和fimin分别为第i个优化目标函数的上、下限。
其中,μ为标准化满意度值;m为多个优化目标函数的个数。满意度值最大的解即为最优折中解,根据最优折中解可求得最佳换相时机。
模糊隶属度函数计算容量小,准确度高,可提高换相时机确定的效率。
优选的,如图2所示,步骤120包括:
基于主要目标函数和换相时间x0,通过遗传算法进行换相时间的选择、交叉和变异,得到换相时间x1。
遗传算法的实现步骤可如下:
(1)编码。遗传算法的编码有浮点编码和二进制编码两种。以二进制编码为例,设某一参数的取值范围为(L,U),使用长度为k的二进制编码表示该参数,则它共有2k种不同的编码,每相邻的编码的两个编码的间隔是Δ,则
(2)初始群体的产生。遗传算法是对群体进行的进化操作,需要给其准备一些表示起始搜索点的初始群体数据。
(3)适应度计算。遗传算法中以个体适应度的大小来评定各个个体的优劣程度,从而决定其遗传概率。
(4)选择运算。选择运算(或称为复制运算)把当前群体中适应度较高的个体按某种规则或模型遗传到下一代群体中。从第n代群体中选择出一些具有优良性状的个体遗传到下一代(n+1)群体中,假设个体适应度越大,则被选择到下一代的机会越大。设某个体i的适应度为fi,种群大小NP,则i被选择的概率Pi为:
(5)交叉运算。交叉运算是遗传算法中产生新个体的主要操作过程,以交叉概率Pc(取值为0.6)相互交换某两个个体之间的部分染色体。本实施例可采用单点交叉的方法,其具体操作过程是:先对群体进行随机配对;随机设置交叉点位置;再相互交换配对染色体之间的部分基因。
(6)变异运算。变异运算根据变异概率Pm(取值为0.05)反转指代某个位的值。
例如,假定有个解x0。产生初始种群:在x0的附近选取其他解,定为x1、x2(个数仅为举例),并转为二进制模式,用于选择、交叉、变异运算。x0-x2的目标函数f(x0)-f(x2)的值的倒数定为适应度。一般状态下,适应度越高,被选择的几率越大,即保留下来的概率越高。由于目标函数obj1(即电流不平衡度)越小越好,故其倒数越大越好。与适应度的趋势一致。选择运算:轮盘赌选择是一种回放式随机采样方法,每个个体进入下一代的概率等于它的适应度值与整个种群中个体适应度值和的比例。交叉运算:给定交叉概率,实施编码的交叉过程。变异运算:给定变异概率,实施编码的变异过程。输出使得目标函数obj1最小的解。
优选的,如图2所示,步骤130包括:
分别计算x0对应的主要目标函数的值f(x0)和x1对应的主要目标函数的值f(x1);若x1满足各个约束条件且Δf≤0或exp(-Δf/T)属于预设数值范围,则x1为当前最优解,保存并执行步骤140,其中,Δf=f(x1)-f(x0),T为温度常数;否则,降低温度常数的值,并判断温度常数的降低次数是否超过预设次数,若是,将x0确定为当前最优解并保存,执行步骤140,若否,执行步骤120。
需要说明的是,模拟退火算法来源于固体退火原理,将固体加温至充分高后冷却。加温时,固体内部粒子随温升变为无序状,内能增大;冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。在温度T时,由当前状态i产生新状态j,两者的内能分别为Ei和Ej,若Ej小于Ei,则接受新状态j为当前状态;否则,计算概率P(ΔE),p(ΔE)=exp[-(Ej-Ei)/kT]=exp(-ΔE/kT)。若P(ΔE)大于[0,1]区间内的随机数,则仍旧接受新状态j为当前状态;否则,保留i为当前状态。其中,k为玻尔兹曼常数,T为系统温度。
用模拟退火算法求解多目标问题时是将内能模拟为目标函数值f,温度T模拟为控制参数。
实施例二
一种三相不平衡换相系统200,如图3所示,包括:
处理器,用于执行上述任一种三相不平衡换相的换相时机确定方法,得到换相时机并发送至控制器;
所述控制器,用于基于所述换相时机及其对应的多个优化目标函数,确定配电网中的待换相负荷及其换相顺序,并基于所述待换相负荷和所述换相顺序,形成控制指令并发送至三相不平衡换相装置;
所述三相不平衡换相装置,用于基于所述控制指令,执行换相操作。
需要说明的是,在自动换相过程中,需重点关注换相的安全性。因此,自动换相系统需格外注意换相顺序的正确性,以防止发生相间短路,危及线路运行。
本实施例的处理器采用上述换相时机确定方法得到的换相时机,进行后续换相操作,提高换相的精确度以及换相效率,有效保证换相的安全性。其次,控制器根据换相时机,确定换相顺序,使得换相次数最少,且可实现有效、稳定的负荷换相,提高电路对换相的灵敏度,有效避免因三相不平衡带来的事故及安全风险。另外,本发明可针对不同型式、不同容量的变压器的三相不平衡状态进行分析换相,不受因变压器容量不同而其输出电流不同的影响,应用范围广。且通过自动换相,可克服人工换相无法实时调整相序的缺点,并且准确率高,运维成本小。
优选的,系统还包括报警装置;
则处理器,还用于将换相时机发送至报警装置;
报警装置,用于基于换相时机,采集配电网中三相不平衡换相装置进行换相前后的各相的电流不平衡度,并计算每相在换相前后下的不平衡度差值,基于该差值大小和报警阈值,进行报警。
需要说明的是,警报装置的报警方式可设置多个等级。例如,A、B、C三个等级,其中,若在换相时刻前,电流的不平衡度β的大小超过20%,发出A级警告,闪烁黄色指示灯;若在换相时刻前,电流的不平衡度β的大小超过30%,发出B级警告,闪烁橙色指示灯;若在换相时刻前,电流的不平衡度β的大小超过50%,发出C级警告,闪烁红色指示灯。
通过报警装置进行阈值比较,并在超出阈值时发出警报,使运检人员能直观的获取换相装置的执行结果以及换相时刻的正确性,以及时进行干预和调整,保证线路的安全稳定。
优选的,当多个优化目标函数包括最小化电流不平衡度、最小化线路损耗和最小化开关的换相次数时,则控制器具体用于:
基于换相时机,最小化开关的换相次数,计算得到开关的换相次数;基于换相次数,最小化电流不平衡度和最小化线路损耗,计算得到配电网中的待换相负荷及其换相顺序;向三相不平衡换相装置发送控制指令,使得三相不平衡换相装置依次切除各个待换相负荷,并按照换相顺序,依次对待换相负荷进行换相。
当三相开关均切除后,依据换相顺序及换相时机依次投入,其中,根据控制器流经电流的相位改变大小,判断换相装置是否正确投入。
在自动换相过程中,换相的安全性是至关重要的,自动换相系统首先根据换相时机确定换向次数,基于换向次数确定换相顺序,在较少换相次数下,提高换相的精准度和灵敏度,以防止发生相间短路,危及线路运行。
优选的,系统还包括显示装置;
则报警装置,还用于将每相在换相前后下的不平衡度差值发送至所述显示装置;显示装置,用于显示不平衡度差值。
对比换相前后的电流不平衡度差值Δβ,并在终端显示Δβ的值,目的是使运检人员能直观的获取换相装置的作用以及换相时刻的正确性,以准确判断故障
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种三相不平衡换相的换相时机确定方法,其特征在于,包括:
步骤1、基于约束法和配电网对应的多个优化目标函数,构建单目标最优化模型,其包括主要目标函数及其约束条件;
步骤2、基于换相时间x0,采用遗传算法,得到换相时间x1;
步骤3、基于模拟退火算法和所述单目标最优化模型,判断x1是否是当前最优解,若是,保存并执行步骤4,若否,根据终止条件,重复执行步骤2或确定x0为当前最优解并执行步骤4;
步骤4、修改各个所述约束条件的断点值,形成新的单目标最优化模型,并执行步骤2,直至所述断点值的修改次数超过预设值;
步骤5、从各个所述当前最优解中确定满足预设要求的当前最优解,该当前最优解即为换相时机。
2.根据权利要求1所述的一种三相不平衡换相的换相时机确定方法,其特征在于,所述多个优化目标函数包括:最小化电流不平衡度,最小化线路损耗,以及最小化开关的换相次数。
3.根据权利要求2所述的一种三相不平衡换相的换相时机确定方法,其特征在于,所述步骤1包括:
将最小化所述电流不平衡度确定为主要目标函数,并将所述线路损耗限定为小于等于第一断点值和所述开关的换相次数限定为小于等于第二断点值,以构成所述主要目标函数的约束条件,形成单目标最优化模型。
4.根据权利要求1所述的一种三相不平衡换相的换相时机确定方法,其特征在于,所述步骤5包括:
采用模糊隶属度函数,计算每个所述当前最优解下各个所述优化目标函数的满意度;
基于各个所述优化目标函数的满意度,计算该当前最优解下的标准化满意度;
对比各个所述当前最优解对应的所述标准化满意度的大小,确定最大所述标准化满意度对应的所述当前最优解为换相时机。
5.根据权利要求1至4任一项所述的一种三相不平衡换相的换相时机确定方法,其特征在于,所述步骤2包括:
基于所述主要目标函数和换相时间x0,通过遗传算法进行换相时间的选择、交叉和变异,得到换相时间x1。
6.根据权利要求1至4任一项所述的一种三相不平衡换相的换相时机确定方法,其特征在于,所述步骤3包括:
分别计算x0对应的所述主要目标函数的值f(x0)和x1对应的所述主要目标函数的值f(x1);
若x1满足各个所述约束条件且Δf≤0或exp(-Δf/T)属于预设数值范围,则x1为当前最优解,保存并执行步骤4,其中,Δf=f(x1)-f(x0),T为温度常数;
否则,降低所述温度常数的值,并判断所述温度常数的降低次数是否超过预设次数,若是,将x0确定为当前最优解并保存,执行步骤4,若否,执行步骤2。
7.一种三相不平衡换相系统,其特征在于,包括:
处理器,用于执行如权利要求1至6任一项所述的一种三相不平衡换相的换相时机确定方法,得到换相时机并发送至控制器;
所述控制器,用于基于所述换相时机及其对应的多个优化目标函数,确定配电网中的待换相负荷及其换相顺序,并基于所述待换相负荷和所述换相顺序,形成控制指令并发送至三相不平衡换相装置;
所述三相不平衡换相装置,用于基于所述控制指令,执行换相操作。
8.根据权利要求7所述的一种三相不平衡换相系统,其特征在于,所述系统还包括报警装置;
则所述处理器,还用于将所述换相时机发送至所述报警装置;
所述报警装置,用于基于所述换相时机,采集配电网中所述三相不平衡换相装置进行换相前后的各相的电流不平衡度,并计算每相在换相前后下的不平衡度差值,基于该差值大小和报警阈值,进行报警。
9.根据权利要求7所述的一种三相不平衡换相系统,其特征在于,当所述多个优化目标函数包括最小化电流不平衡度、最小化线路损耗和最小化开关的换相次数时,则所述控制器具体用于:
基于所述换相时机,最小化开关的换相次数,计算得到开关的换相次数;
基于所述换相次数,最小化电流不平衡度和最小化线路损耗,计算得到所述配电网中的待换相负荷及其换相顺序;
向三相不平衡换相装置发送控制指令,使得所述三相不平衡换相装置依次切除各个所述待换相负荷,并按照所述换相顺序,依次对所述待换相负荷进行换相。
10.根据权利要求8所述的一种三相不平衡换相系统,其特征在于,所述系统还包括显示装置;
则所述报警装置,还用于将每相在换相前后下的不平衡度差值发送至所述显示装置;
所述显示装置,用于显示所述不平衡度差值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910200909.4A CN110008532B (zh) | 2019-03-18 | 2019-03-18 | 一种三相不平衡换相的换相时机确定方法及换相系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910200909.4A CN110008532B (zh) | 2019-03-18 | 2019-03-18 | 一种三相不平衡换相的换相时机确定方法及换相系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110008532A CN110008532A (zh) | 2019-07-12 |
CN110008532B true CN110008532B (zh) | 2020-10-30 |
Family
ID=67167240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910200909.4A Active CN110008532B (zh) | 2019-03-18 | 2019-03-18 | 一种三相不平衡换相的换相时机确定方法及换相系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110008532B (zh) |
Families Citing this family (6)
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 |
CN112701700B (zh) * | 2020-12-24 | 2023-06-02 | 广东电网有限责任公司计量中心 | 一种基于多目标优化的台区三相不平衡治理方法和系统 |
CN112909968A (zh) * | 2021-01-28 | 2021-06-04 | 全球能源互联网研究院有限公司 | 一种低压台区三相不平衡治理线路切改方法及系统 |
CN112865144A (zh) * | 2021-04-09 | 2021-05-28 | 广东电网有限责任公司广州供电局 | 三相负荷不平衡调整方法、装置和配变侧监控设备 |
CN113098035B (zh) * | 2021-04-09 | 2023-03-31 | 广东电网有限责任公司广州供电局 | 三相负荷不平衡调整方法、装置和配变侧监控设备 |
CN113381417B (zh) * | 2021-05-10 | 2023-07-25 | 国网河北省电力有限公司营销服务中心 | 一种配电网台区三相负荷不平衡优化方法、装置及终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106655226A (zh) * | 2016-11-18 | 2017-05-10 | 天津大学 | 基于智能软开关的有源配电网不对称运行优化方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7436175B2 (en) * | 2002-12-13 | 2008-10-14 | The Trustees Of The University Of Pennsylvania | Practical pulse synthesis via the discrete inverse scattering transform |
CN102289609A (zh) * | 2011-05-16 | 2011-12-21 | 中南大学 | 基于光学全息原理的数字加密和解密方法 |
CN103904646B (zh) * | 2014-03-28 | 2015-10-21 | 华中科技大学 | 一种考虑三相潮流的微电网多目标能量优化方法 |
CN104466984B (zh) * | 2014-12-12 | 2017-02-22 | 国家电网公司 | 一种提高直流换相安全水平的动态无功备用优化方法 |
CN105303251A (zh) * | 2015-10-10 | 2016-02-03 | 中国矿业大学 | 太阳能海水淡化问题的区间支持向量机模型及优化设计 |
CN106849137A (zh) * | 2017-04-07 | 2017-06-13 | 武汉大学 | 一种降低网络损耗的三相不平衡调节方法 |
-
2019
- 2019-03-18 CN CN201910200909.4A patent/CN110008532B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106655226A (zh) * | 2016-11-18 | 2017-05-10 | 天津大学 | 基于智能软开关的有源配电网不对称运行优化方法 |
Non-Patent Citations (1)
Title |
---|
克隆遗传算法与模拟退火算法相结合的配电网络重构;周辉 等;《继电器》;20070401;第35卷(第7期);41-45 * |
Also Published As
Publication number | Publication date |
---|---|
CN110008532A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110008532B (zh) | 一种三相不平衡换相的换相时机确定方法及换相系统 | |
Hu et al. | Volt/VAr control in distribution systems using a time-interval based approach | |
CN110690718B (zh) | 一种三相负荷不平衡治理控制方法 | |
Huang et al. | Three-phase balancing of distribution feeders using immune algorithm | |
Sardou et al. | Modified shuffled frog leaping algorithm for optimal switch placement in distribution automation system using a multi-objective fuzzy approach | |
CN111680872B (zh) | 一种基于多源数据融合的电网风险计算方法 | |
CN104134104A (zh) | 一种基于多目标优化的配电网络重构优化方法 | |
Ramaswamy et al. | Relevance of voltage control, grid reconfiguration and adaptive protection in smart grids and genetic algorithm as an optimization tool in achieving their control objectives | |
Namchoat et al. | Optimal bus splitting for short-circuit current limitation in metropolitan area | |
CN113612239A (zh) | 配电台区多目标三相负荷不平衡相序调整方法及系统 | |
Fathi et al. | Reconfiguration of distribution systems in the presence of distributed generation considering protective constraints and uncertainties | |
CN111289845A (zh) | 一种有源配电网故障定位方法及系统 | |
CN111784020A (zh) | 一种智能变电站继电保护装置寿命预测方法 | |
CN105743135B (zh) | 一种受端电网特高压交直流最优受电比例评估方法 | |
CN112001474A (zh) | 一种配电网的配电终端设备优化配置方法 | |
CN111864690A (zh) | 一种基于差分-花粉算法的反时限过流定值优化方法 | |
Ferraz et al. | Genetic optimization-based overcurrent relay coordination in a feeder with high distributed generation integration | |
Choi et al. | An application of genetic algorithms to the network reconfiguration in distribution for loss minimization and load balancing problem. II | |
CN108388725B (zh) | 基于专家系统的城区配电网接地选线辅助决策系统方法 | |
CN112241812B (zh) | 基于单边优化与遗传算法协作的低压配电网拓扑识别方法 | |
Acosta et al. | Neutral reactor structures for improved single phase auto reclosing in multi-circuit multi-voltage transmission lines | |
Yang et al. | Optimization and decision for limiting short circuit current considering sensitivity ranking | |
Yang et al. | Placement of fault current limiters in power systems by HFLS sorting and HIGA optimization approach | |
CN110611316B (zh) | 一种400v低压用户电压合格率提升方法、系统及介质 | |
Bai et al. | Under frequency load shedding scheme based on information sharing technology |
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 |