Модель интеллектуальной системы оценки эффективности внедрения объектов распределенной генерации

Размещено на http://www.allbest.ru/

Модель интеллектуальной системы оценки эффективности внедрения объектов распределённой генерации

С.А. Ерошенко

ФГАОУ ВО "Уральский федеральный университет имени первого Президента России Б.Н. Ельцина"

Екатеринбург, Россия

Аннотация

Подключение большого числа объектов распределённой генерации и их функционирование в составе энергосистемы оказывает существенное влияние на режимы работы сети и условия её развития. В рамках представленной работы выполняется исследование возможности создания интеллектуальной автоматизированной системы оценки эффективности внедрения объектов распределённой генерации с целью решения задач оптимизации режимов работы и планирования развития электроэнергетических систем. Разрабатываемая система базируется на генетических алгоритмах, что позволяет выполнять поиск и оценку наиболее эффективных технических решений независимо от вида целевой функции. Данное преимущество обеспечивает инвариантность системы к выбору субъекта оценки эффективности внедрения объекта распределённой генерации и составу исходной информации. Апробация модели системы предполагается на примере анализа подключения объектов распределенной генерации к сетям крупной региональной электросетевой компании с целью разработки эффективных рекомендаций по эксплуатации и развитию электроэнергетической системы для различных хозяйствующих субъектов. Разработанная модель системы поддержки принятия решений при внедрении объектов распределённой генерации в электроэнергетическую систему может быть использована в производственной деятельности электросетевых компаний при выдаче технических условий на технологическое присоединение, а также для решения как проектных - разработка схем выдачи мощности объектов распределённой генерации, так и эксплуатационных задач.

Ключевые слова -- распределённая генерация; распределительная сеть; интеллектуальная система; многокритериальный анализ.

Abstract

Intelligent system model for distributed generation implementation efficiency analysis

S.A. Eroshenko

Ural Federal University

Ekaterinburg, Russian Federation

Сonnection of a large number of distributed generation objects and its operation as a part of a power supply system has significant effect on operating modes of the electric network and conditions of its development. The presented work includes the research of a possibility to create the intelligent automated system for distributed generation implementation efficiency analysis to solve the problems of operating modes optimization and planning of electrical power systems development. The developed system is based on genetic algorithms which allows searching for the most effective technical solutions without reference to a type of the objective function. This advantage provides system invariance regarding the choice of distributed generation implementation objective and initial data structure.

The offered multicriteria problem definition allows to execute decomposition and to estimate influence of the distributed generation unit on a power supply system according to separate criteria. Verification of the proposed system model is provided on the example of distributed generation object implementation into the large regional electric grid to develop effective recommendations regarding operation and development of electrical power system for various economic entities. The developed model of decision-support system for distributed generation implementation analysis can be used in production activities of the electric grid companies to provide network connection acts and also to deliver decision for both design (development of schemes of power distribution of the distributed generation objects) and operational tasks.

Keywords -- distributed generation; distribution network; intelligent system; multicriteria analysis.

Обзор российских стандартов и регламентов, выполненных в рамках данного исследования автором показал, что в РФ сегодня отсутствует система нормативно-технического регулирования, которая могла бы обеспечить гармоничное развитие распределённой и «большой» энергетики с точки зрения технологического присоединения и функционирования объектов распределённой генерации (РГ). Большинство типовых инструкций и методических указаний в отношении генерации на сегодняшний день распространяются на объекты с установленной мощностью более 25 МВт. Введение порога участия на оптовом рынке электроэнергии и мощности 25 МВт было обусловлено тем, что генерирующий объект такой мощности оказывает несущественное влияние на электрический режим единой энергосистемы. Такой подход оправдан в случае, если суммарная установленная мощность РГ в общей структуре генерирующих мощностей невелика.

Анализ имеющихся ретроспективных данных о вводах объектов РГ на территории Свердловской области показал, что суммарная доля в общей структуре генерирующих мощностей энергосистемы составляет порядка 6% (около 600 МВт), а для отдельных - порядка 10-15%. Прогнозируемое увеличения вводов РГ обуславливает необходимость создания соответствующих документов в системе национальной стандартизации.

Выполненный автором статьи анализ зарубежных источников включает в себя нормативно-технические документы более 20 стран Европы, Северной Америки, Ближнего Востока и Юго-Восточной Азии, Тихоокеанского региона, в том числе международный стандарт IEEE 1547. Изучение существующего опыта и мировых стандартов выполнено с целью выявления общих закономерностей в методах и способах интеграции РГ в энергосистемы и является полезным этапом при формировании системы критериев оценки эффективности её внедрения.

В рамках анализа были рассмотрены основные технические требования, предъявляемые к подключаемым установкам РГ в различных странах. Большой интерес в рамках данных регламентов представляют граничные условия, которым должны соответствовать характеристики генерирующего объекта, в частности максимально допустимая установленная мощность объекта, влияние на уровни напряжения, токи короткого замыкания и др.

Согласно обзору, при выборе предварительных технических решений по реализации схемы выдачи мощности РГ целесообразно учитывать следующие основные ограничения:

* по влиянию на загрузку электрической сети: токовая загрузка линий и мощность трансформаторов, установленных на центре питания;

* по влиянию на уровни токов короткого замыкания: координируемый уровень токов короткого замыкания в сети, токи отключения выключателей;

* по влиянию на уровни напряжений: соблюдение требований стандартов на качество электрической энергии.

Метод оценки эффективности внедрения РГ

В рамках исследований был выполнен сравнительный анализ возможности использования различных методов случайного поиска для решения задачи оценки эффективности внедрения РГ в электроэнергетические системы, в результате которого были выявлены преимущества использования генетических алгоритмов.

Генетические алгоритмы относятся к классу алгоритмов направленного случайного поиска, моделирующих естественные эволюционные процессы для поиска оптимального решения, и, в отличие от перечисленных выше методов, обеспечивают его быструю сходимость. Многочисленные отечественные и зарубежные исследования доказали, что любая задача оптимизации, к которой в том числе относятся задачи подключения РГ, выбора состава включенного оборудования и режимов его работы, оптимизации топологии сети и потокораспределения, могут быть решены с использованием генетических алгоритмов.

На рисунке 1 представлена обобщенная блок-схема адаптированного генетического алгоритма с модулем индикативного анализа эффективности внедрения РГ. Методика индикативного анализа для представленного решения подробно описана автором в [1,2].

Рисунок 1

Начальная популяция. В зависимости от постановки задачи, хромосома может содержать в себе закодированную информацию о следующих параметрах: тип генерирующей установки, количество установок, единичная мощность агрегата, точка подключения, состояние элементов схемы (включено/отключено) и др. Начальная популяция содержит в себе фиксированное число хромосом. Хромосома (вектор входных данных) представляет собой битовую строку, в которой в двоичной системе закодированы параметры для решения рассматриваемой задачи (рисунок 2).

Проверка ограничений. Ограничения в представленной задаче могут задаваться в виде равенств и неравенств , которые в свою очередь могут быть дополнены логическими операторами. При несоответствии параметров хромосомы указанным ограничениям, вместо неё случайным образом в заданном диапазоне генерируется другая особь.

Блок ограничений позволяет задавать мягкие ограничения, когда функция оценки приспособленности хромосомы, не соответствующей заданным параметрам, дополняется штрафной функцией . Это позволяет избежать переопределённости решаемой задачи, когда с учётом заданных ограничений, в описанном множестве решения не существует.

Отбор. Отбор хромосом для скрещивания осуществляется на основе ранжирования результатов оценки параметров хромосом в соответствии с методикой оценки целесообразности внедрения источников РГ по блокам индикаторов, как описано в [3].

В рамках решаемой оптимизационной задачи требуется выполнение расчётов электрических режимов для рассматриваемой сети, поэтому в структуре генетического поиска предусматривается работа следующих внешних программных модулей, подключаемых к процедуре генетического поиска на каждой итерации:

* Модуль расчёта установившегося режима сети

* Модуль расчёта токов короткого замыкания

Расчет установившегося режима и токов короткого замыкания выполняется в расчетном ядре ПК RastrWin3. На основании расчётов установившихся режимов электрической сети и токов трехфазного короткого замыкания выполняется оценка индикаторов технического блока оптимизационной задачи. Оценка экономических показателей выполняется непосредственно в структуре алгоритма генетического поиска.

Скрещивание и мутация. Скрещивание (кроссинговер) - это оператор генетического алгоритма, позволяющий на основе преобразования хромосом родителей (или их частей) получать хромосомы потомков (рисунок 3).

Рис. 3. Схема реализации оператора кроссинговера

Оператор мутации обычно состоит из двух этапов. В хромосоме определяются случайным образом две позиции (например, и ). Гены, соответствующие выбранным позициям, переставляются, и формируется новая хромосома . Оператор мутации является важным инструментом, обеспечивающим сходимость алгоритма к оптимальному решению оптимизационной задачи.

Генетический поиск реализуется итерационно до тех пор, пока не будет достигнут критерий останова. В данном случае критерием останова является достижение заданного числа прошедших поколений, в течение которых не произошло улучшение целевой функции.

В данном разделе рассмотрена апробация разработанной модели. Эффективность предложенного подхода подтверждается расчетами, выполненными в программной среде Palisade Decision Tools с помощью модуля генетического поиска Evolver.

Оценка работоспособности разработанного подхода выполнена при сопоставлении результатов с решениями, полученными на основе метода перебора возможных вариантов места установки РГ и величины установленной мощности.

Для выполнения расчётов был выбран фрагмент электрической сети 10 кВ электросетевой компании крупного города (рисунок 4).

На схеме приведены параметры кабельных линий 10 кВ - марки проводников и длины. В узлах указаны значения активной мощности электрической нагрузки потребителей. Реактивная мощность нагрузки была принята для всех узлов случайным образом исходя из диапазона tgц 0,2 - 0,7.

В результате генетического поиска оптимальной точки подключения и мощности генерирующей установки в качестве оптимального определён вариант установки объекта распределённой генерации на ТП-2486 суммарной установленной мощностью 5000 кВт.

Для более детального анализа и подтверждения эффективности представленной методики оценки приспособленности хромосом из истории генетического поиска было отобрано пять следующих вариантов сочетаний {мощность, точка подключения}:

* Объект РГ на ТП-2033 мощностью 750 кВт;

* Объект РГ наТП-2033 мощностью 1500 кВт;

* Объект РГ на СШ ПС «Ботаническая» мощностью 750 кВт;

* Объект РГ на СШ ПС «Ботаническая» мощностью 1500 кВт;

* Объект РГ на СШ ПС «Ботаническая» мощностью 5000 кВт.

Анализ установившихся режимов исходной схемы выявил перегруз основного оборудования (КЛ 10 кВ), но данный перегруз не связан с вводом установок РГ. Таким образом, мощность генераторов любого из вариантов может быть выдана в электрическую сеть. Анализ приспособленности выбранных для анализа вариантов по отдельным индикативным показателям свидетельствует о том, что:

* С увеличением мощности генераторов, питающая распределительная сеть разгружается, уменьшая перегрузку КЛ 10 кВ на величину до 40% от загрузки в исходном режиме электрической сети, также увеличивается резерв на подключение новых потребителей с точки зрения загрузки силовых трансформаторов ГПП «Ботаническая» и «Рощинская»;

* Установка генерации в распределительной сети на шинах ТП (РП) приводит к снижению потерь электрической энергии. В исходной схеме суммарная величина потерь электрической мощности составляет 305 кВт. Для варианта с генератором мощностью 750 кВт - 301 кВт; 1500 кВт - 270 кВт; 5000 кВт - 196 кВт. Установка генераторов на шинах ПС не приводит к изменению величины потерь.

* Установка генерации на шинах ТП(РП) приводит к увеличению уровней токов трехфазного короткого замыкания пропорционально мощности генерирующей установки (до 20 - 22 кА при подключении РГ мощностью 5000 кВт). Согласно исходным данным, для всех коммутационных аппаратов обеспечивается соответствие отключающей способности расчетным значениям трехфазного короткого замыкания на шинах подстанций.

Таким образом, в максимальной степени всем предъявленным требованиям соответствует вариант установки РГ мощностью 5000 кВт на ТП-2486. Оценка данного варианта находится на границе между «рекомендуется» к установке и «ограничено рекомендуется-1». Снижение оценки произошло главным образом из-за высоких капитальных вложений в данный вариант. Сводная таблица и диаграммы целесообразности вариантов в ходе реализации алгоритма генетического поиска представлены ниже.

Таблица 1. Классификация состояний по индикативным показателям

Получено и обосновано решение задачи комплексной оценки эффективности внедрения объектов распределённой генерации в электроэнергетические системы генетического поиска, совмещенного с индикативным анализом.

электроэнергетический генерация хозяйствующий

Разработаны структурная и математическая модели оценки эффективности внедрения объектов РГ и определены основные критерии влияния объекта РГ на электроэнергетическую систему при обосновании целесообразности реализации вариантов.

Обоснована возможность реализации разработанной модели системы оценки эффективности внедрения РГ на основе интеллектуального анализа агрегированных данных об электроэнергетической системе.

Определены способы решения задачи совершенствования процедуры технологического присоединения объектов РГ к распределительным электрическим сетям с учётом схемно-режимного многообразия внешней электроэнергетической системы.

Выполнена апробация разработанной модели на базе программного комплекса Palisade Decision Tools c модулем генетического поиска Evolver на примере оценки целесообразности ввода объекта РГ для фрагмента реальной электроэнергетической системы, что подтверждает эффективность использования предлагаемого подхода.

Результаты, полученные в ходе разработки и апробации интеллектуальной автоматизированной системы могут быть использованы в производственной деятельности электросетевых компаний при выдаче технических условий на технологическое присоединение объектов РГ.

Разрабатываемый подход по обоснованию реализуемости предлагаемых технических решений и адекватной оценке рисков, будет обеспечивать эффективную интеграцию РГ в объединённую электроэнергетическую систему, прозрачность требований субъектов «большой» энергетики по отношению к новым участникам рынка

Список литературы

1. С.А. Ерошенко, А.А. Карпенко, А.В. Паздерин, С.А. Дмитриев, А.И. Хальясмаа. Технические вопросы подключения малой генерации на параллельную работу с энергосистемой // Журнал «Научное обозрение». 2013. №6, С.49-55

2. S. Eroshenko, S. A. Dmitriev, A. I. Khalyasmaa, "Technical Feasibility of Distributed Generation Network Connection", Advanced Materials Research, Vols. 860-863, pp. 2131-2136, 2014.

3. С.А. Ерошенко, С.А. Дмитриев, А.И. Хальясмаа. Анализ технической реализуемости присоединения установок малой генерации на параллельную работу с сетью электросетевой компании //Журнал «Энергетика Татарстана». №4(28). 2013. С. 60-66.

Размещено на Allbest.ru