Диссертация (1143999), страница 9
Текст из файла (страница 9)
В условияхэксплуатации изменения нагрузки по активной и реактивной мощностиво времени представляют в виде ступенчатой кривой по показаниямсчетчиков активной и реактивной электроэнергии, снятым черезодинаковые определенные интервалы времени (30 или 60 мин.).Характерные суточные графики электрических нагрузок предприятийразличных отраслей промышленности приведены на рисунках 3.1 – 3.3.Рисунок 3.1 – Суточный график предприятий угледобычиРисунок 3.2 – Суточный график предприятий цветной металлургии77Рисунок 3.3 – Суточный график социально-значимых объектовЗнание графиков нагрузки позволяет определять величину сеченийпроводов и жил кабелей, оценивать потери напряжения, выбиратьмощностигенераторовэлектроснабженияэлектростанций,проектируемыхрассчитыватьпредприятий,решатьсистемывопросытехнико-экономического характера и др.Большое влияние на энергоэффективность предприятия оказываетрегулированиесуточногографиканагрузкиэлектротехническогокомплекса предприятия.
В случае его выравнивания происходитснижение удельного расхода топлива на выработку электроэнергии,снижение требуемой на покрытие пиковых нагрузок установленноймощности электростанций, снижение потерь энергии в электрическихсетях [24]. В отдельную группу, характерную для подавляющегобольшинства предприятий, можно выделить потери энергии при еёпередаче.Анализ графиков нагрузки показал, что на разных предприятияхразное как потребление, так и соотношение активной и реактивноймощностей. Наблюдаются периоды, когда реактивная мощность наминимальном уровне и компенсировать ее может быть нецелесообразно сэкономической точки зрения.78Исходя из проведенного анализа, возникает необходимость подбораФКУ таким образом, чтобы можно было избежать негативныепоследствия его работы при различном графике нагрузки.793.2Выборемкостиконденсаторнойбатареифильтро-компенсирующего устройстваФКУ – один из универсальных способов снижения токов инапряженийвысшихгармониквсистемахэлектроснабженияиэлектротехнических комплексах.
Эти устройства представляют собойпоследовательноесоединениеиндуктивногоиемкостногосопротивлений, настроенных в резонанс или близко нему на частотугенерируемой гармоники тока. Сопротивление ФКУ на резонанснойчастоте очень мало по сравнению с входным сопротивлением системы,таким образом происходит шунтирование тока высшей гармоники.Очевидно,чтопричастотахменьшерезонанснойФКУпредставляет собой конденсатор, а при частотах больше резонансной –индуктивность.ПривыбореконденсаторнойпараметровбатареинаФКУнастройкачастотуегореакторакомпенсируемойигармоникирассматривается как необходимое условие, которое может бытьвыполнено при любой емкости конденсатора.
Таким образом, наосновной частоте ФКУ генерирует реактивную мощность.Для компенсации реактивной мощности и (или) гармоническихискажений кривой тока посредством ФКУ следует руководствоватьсяположениями, приведенными в [79].При выборе емкости конденсаторной батареи следует определитьсяс количеством контуров и необходимым уровнем генерируемойреактивной мощности ФКУ. Количество контуров определяется исходяиз анализа спектрального состава нагрузки, полученного при измеренияхимассогабаритныхгенерируемуютребований.реактивнуюДалеемощностьнеобходимоФКУмеждураспределитьотдельнымиконтурами, пропорционально току гармоники, на которую настроен80контур.Рациональноераспределениетакоймощностиявляетсяоптимизационной задачей, критериями оптимальности могут бытьстоимость, масса и т.п.
в [79] приводится подробный алгоритм решенияэтой задачи.После определения реактивной мощности, возможно определитьемкость и индуктивность фильтра по выражениям:(3.1)и(3.2)где:и– емкость конденсатора и индуктивность катушки вконтуре, настроенного на частоту гармоникимощность этого же контура.;– реактивная813.3Алгоритм выбора и настройки ФКУПосле выбора параметров ФКУ необходимо определить алгоритмего работы. Если компенсируемый потребитель работает непрерывно иего график нагрузки равномерен, ФКУ подбирается с минимальнымчислом контуров, необходимом для компенсации искажений.Если же потребитель имеет неравномерный график нагрузки, то этонеобходимо учитывать при алгоритмизации работы ФКУ.В общем случае разработанный алгоритм выбора и настройки ФКУпредставлен на рисунке 3.4.Рисунок 3.4 – Алгоритм выбора и настройки ФКУПриалгоритмизацииработыФКУнеобходимоучитыватьвозможные аварийные ситуации, влияющие на работу потребителя и, вслучае выхода из строя потребителя или изменения режима его работыалгоритм управления ФКУ не должен допускать перекомпенсацииреактивной мощности и реагировать на эти изменения соответствующимобразом.82Исходя из вышесказанного следует, что в процессе работы ФКУнеобходимы непрерывные измерения коэффициента мощности и (или)суммарногокоэффициентагармоническихсоставляющихтокаиподдержание этих параметров на заданном уровне.При измерении показателей качества электрической энергиикоэффициент мощности, при наличии искажений кривой тока, следуетвычислять по [84].
Схема вычисления представлена на рисунке 3.5.Рисунок 3.5 – Измерение коэффициента мощности833.4Анализ методов прогнозирования нагрузкиРаботу ФКУ необходимо автоматизировать, чтобы избежатьнегативных последствий, таких как перекомпенсация и необоснованноеиспользование контуров, в случае изменения состава или характеранагрузки. В качестве сигнала управления выступают: коэффициентмощности и суммарный коэффициент гармонических составляющихтока. Коэффициент мощности, в идеальном случае, равен единице, асуммарный коэффициент гармонических составляющих – нулю.С целью уменьшения количества переключений и упрежденияизменения нагрузки необходимо спрогнозировать такое изменение.Прогнозирование нагрузки актуальная и широко изучаемая тема [1,11, 13, 44, 55, 60, 61, 87, 89, 98, 102].Так в [13] говориться, что прогнозирование электрической нагрузкиэнергосистем в странах СНГ производится с упреждением от 10–15 миндо 1 ч – оперативное прогнозирование; с упреждением на сутки, неделю,месяц – краткосрочное прогнозирование; с упреждением на месяц,квартал, год, несколько лет – долгосрочное прогнозирование.В настоящее время при составлении краткосрочного прогнозаэлектрическихнагрузокэнергосистемыучитываются:графикэлектрических нагрузок текущего дня и соответствующего дня прошлогогода; прогноз погоды (средняя температура наружного воздуха напредстоящие сутки; продолжительность светового дня, т.
е. время заходаи восхода солнца; возможность атмосферных осадков или облачности);предложения энергосистем по обеспечению подачи электроэнергиипотребителям; режим работы наиболее крупных потребителей. Кдополнительным факторам, учитываемым при прогнозе нагрузки наследующие сутки, относятся: рассматриваемые сутки входят в сутки84отопительного сезона или нет, а также переводятся в эти сутки или нет,стрелки часов на один час вперед или назад [54].Основной недостаток существующих методов прогноза нагрузкисостоит в необходимости построения модели нагрузки. Чтобы этогоизбежать применяют технологию нейросетевого прогнозирования.Построение нейронной сети решается в два этапа: выбор типа(архитектуры) нейронной сети и подбор весов (обучение) нейроннойсети.Алгоритм обучения нейронной сети с обратным распространениемошибки показан на рисунке 3.6.Рисунок 3.6 – Алгоритм обучения нейронной сетиВ [1] отмечается, что многообразие факторов, влияющих навеличинуэлектрическихнагрузок,всовокупностисвысокой85нелинейностью исследуемых зависимостей существенно затрудняютиспользование классических методов математики для решения даннойзадачи.Существующие методы прогнозирования электрических нагрузок,базирующиеся на применении статистических методов, не могутобеспечить необходимого качества прогнозов в современных условиях ине удовлетворяют целому ряду требований, среди которых наиболеезначимыми являются точность прогноза, устойчивость к ошибкам,простотаиспользования,возможностьреализациивсоставеавтоматизированных систем учета электроэнергии.Причина такого несоответствия кроется, прежде всего, в том, чтодля исследуемых зависимостей, в силу их природы, не вполневыполняются ограничения, накладываемые статистическими методами наэмпирическиеданные.Речьидетобискусственновводимомпредположении о стационарности процесса, и вытекающих отсюдатребований к постоянству дисперсии и т.д.
Кроме того, высокая степеньнелинейности тренда не позволяет выполнить точную аппроксимацию засчет использования полиномиальных или экспоненциальных моделей.Одной из наиболее перспективных альтернатив регрессионногоанализа, является применение искусственных нейронных сетей.Использованиеметодовпрогнозирования,основанныхнаприменении нейронных сетей даёт целый ряд преимуществ по сравнениюс традиционными методами статистики, среди которых наиболееважными, применительно к данной задаче, являются:•возможность получения точного отображения на основеэмпирических данных без вмешательства человека;•возможностьавтоматическойадаптациимоделиизменениям параметров электроустановки и условий внешней среды;к86•низкаячувствительностькнеточностямвисходнойинформации. Неточности в исходных данных сглаживаются и оказываютминимальное воздействие на конечный результат;•способность к функционированию при неполном набореисходных данных.
Специально подготовленная нейронная сеть можетвосполнить пробелы в наборе данных;•высокая надежность. Нейронные сети способны корректнофункционировать даже при повреждении части нейронов за счетизбыточности информации.В[11]сравниваютсяпрогнозированияразработанныеэлектрическойнагрузкиметодыимоделиэнергосистем.Анализразработанных методов прогнозирования показал, что практическоеприменение их связано с определенными трудностями.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
