Диссертация (1144079), страница 11
Текст из файла (страница 11)
Самые разные (худшие шины) полных мощности, как нарис. 4.6 составляет около 8 раз между фазами А и В. Кроме того, компонентыпоследовательности (рис. 4.22-4.26), которые они характеризуют несбалансированными трехфазными системами, являются огромными значениями. Как ина рис. 4.26, компоненты обратной и нулевой последовательности составляютоколо 40% (Таблице. 4.3) по сравнению с компонентами прямой последовательности.
В следующем, для оценки результатов предлагаемого метода, мыосновываемся на значениях компонентов последовательности.Рис. 4.22 . Симметричные составляющие токов на шине нагрузки Нагр1до компенсации.73Рис. 4.23 Симметричные составляющие токов на шине нагрузки Нагр2до компенсации.Рис.
4.24 Симметричные составляющие токов на шине нагрузки Нагр3до компенсации.74Рис. 4.25 Симметричные составляющие токов на шине нагрузки Нагр4до компенсации.Рис. 4.26 Симметричные составляющие токов на шине нагрузки Нагр5до компенсации.В этом разделе, как и в 4.2.1 выполнена оптимизация расположения компенсационных устройств. Результаты оптимизации местоположения представлены в таблице. 4.2. Результаты оптимизации, включая напряжение, ток, полную мощность, компонента каждой из симметричных последовательностей изначения реактивности, показаны на рис.
4.27-4.36. Можно заметить, что компоненты симметричных последовательностей для наихудшей шины были за-75метно улучшены (рис. 4.31, б), компонента нулевой последовательности составляет около 8,8% по сравнению с компонентами прямой последовательности, а в других шинах - менее 8% (Таблице. 4.3). Как мы видим, в таблице 4.3,средние значения отношения I0/I1 после компенсации с оптимизацией местоположения составляют более 5%, это можно объяснить двумя причинами.Первая, в общем случае, мы не можем делать полную симметризацию несбалансированной трехфазной системы только двумя однофазными компенсационными устройствами, но мы можем минимизировать дисбаланс. Во-вторых,как мы упоминали выше, причина может быть связана с погрешностью измерения или непрерывным изменением нагрузки, которое были учтены.
Эффективность предложенного метода зависит от степени асимметрии системы (более высокая асимметрия, более высокая эффективность).Таблица 4.2 Наилучшее расположение компенсирующих устройствоx1x2а)Нагр1Фаза AФаза CНагр2Фаза AФаза BНа шинахНагр3Фаза AФаза CНагр4Фаза AФаза BНагр5Фаза AФаза Bб)Рис. 4.27 Фазные напряжения, токи и мощности (а) и симметричные составляющие токов (б) на шине нагрузки Нагр1 после компенсации.76а)б)Рис. 4.28 Фазные напряжения, токи и мощности (а) и симметричные составляющие токов (б) на шине нагрузки Нагр2 после компенсации.а)б)Рис. 4.29 Фазные напряжения, токи и мощности (а) и симметричные составляющие токов (б) на шине нагрузки Нагр3 после компенсации.а)б)Рис.
4.30 Фазные напряжения, токи и мощности (а) и симметричные составляющие токов (б) на шине нагрузки Нагр4 после компенсации.77а)б)Рис. 4.31 Фазные напряжения, токи и мощности (а) и симметричные составляющие токов (б) на шине нагрузки Нагр5 после компенсации.Средние значения отношения I0/I1 до и после компенсацииТаблица 4.3 Средние значение отношение I0/I1 до и после компенсацииДо компенсацииПосле компенсацииБез оптимизацииместоположенияС оптимизациейместоположенияНагр1Нагр2Нагр3Нагр4Нагр50.1590.0970.0740.1450.3880.1420.0940.1270.0790.3000.1090.0800.1240.0650.088Рис. 4.32 Значение реактивностей наРис. 4.33 Значение реактивностей нашине нагрузки Нагр1 после компенса- шине нагрузки Нагр2 после компенции.сации.78Рис.
4.34 Значение реактивностей наРис. 4.35 Значение реактивностей нашине нагрузки Нагр3 после компенса- шине нагрузки Нагр4 после компенсации.ции.Рис. 4.36 Значение реактивностей на шине нагрузки Нагр5после компенсации.Программы для численного решения задачи 3.5 на основе недоминирующего сортировки генетического алгоритма-Main.m (прил. 7);-SymSec2i.m (прил. 8);-BeforeForSec.m (прил. 9);-PrintResultForSec.m (прил. 10).794.3Концепция автоматической балансировки несимметричныхрежимов работы, основанная на предложенном методеАвтоматизированная балансировка систем, работающих в асимметричных режимах, позволяет системе компенсации реактивной мощности быстрои гибко реагировать на асимметричные режимы работы.
В результате качествои стабильность системы могут достигать самого высокого уровня. Из методовоптимизации асимметричных режимов работы, описанных выше, можно предлагать автоматический рабочий процесс для устранения асимметрии систем васимметричных режимах. Такой процесс описывается блок-схемой, представлены на рисунке 4.37.Автоматизированные балансировочные системы включают в себя необходимое оборудование и прикладные программы энергосистемы, которые онсодержит на компьютерах, которые используются для анализа электрическихсистем.В процессе получения входных данных, которые измеряются непосредственно из системы, всегда содержатся определенные отклонения, связанныес непрерывным изменением нагрузки и сети.
Это приводит к снижению эффективности оптимизации. Чтобы повысить эффективность оптимизации,необходимо включать определенные корректировки, основанные на опыте иэвристических знаниях.В последние годы сильное развитие искусственного интеллекта в области электроэнергетики позволяет автоматически производить такие корректировки [78] [79] [80] [81] [82] [83] [84] [85].
Искусственный интеллект включаетв себя экспертные системы, нейронные сети, теорию нечеткой диагностики игенетические алгоритмы. Эти приложения могут принести большой эффектавтоматической системе баланса, уменьшают человеческие и материальныересурсы и играют важную роль в балансирующих системах, а также в электроэнергетических системах.На рисунке 4.37 приведено описание блок-схемы простейшей системы80автоматической оптимизации. В этом случае ясно, что при изменениинагрузки с большой амплитудой в достаточно малом интервале времени (равного времени оптимального цикла) оптимальное управление прерывается, поскольку оно основано на значениях напряжений, соответствующее изменениюнагрузки в определенных пределах ( z0 Dz z (t t0 ) z0 Dz ); где t0 – началоцикла оптимизации и z0 z(t0 ) – значение нагрузки соответствует началу циклаоптимизации.Однако это можно преодолеть, добавив к оптимизации дополнительныевходные данные с помощью обучающих процедур, которые с самого началазанимали центральное место искусственном интеллекте.
Обучение обобщаетинформацию о поведении системы и фактические условия ее работы в реальном времени. На его основе сигналы, используемые в оптимизации, корректируются. Следовательно, процесс оптимизации происходит непрерывно. Крометого, скорость вычислений также значительно возрастает при применении искусственного интеллекта, включая интеллектуальные алгоритмы, что позволяет оптимизировать систему в режиме реального времени [86] [87].81Рис. 4.37 Основная блок-схема автоматизированного балансировки систем824.4ВыводыВ этой главе мы выполнили оптимизацию трехфазной системы двумяразличными способами.
Как в разделе 3.2 метод предложенный метод имеетто преимущество, что может использовать аналитические зависимости длякомпонентов симметричных последовательностей от параметров компенсирующих устройств, удовлетворяющих требования к качеству электроэнергии нанагрузке.Эффективность предложенных в диссертационной работе подходов посимметризации может быть подтверждена следующими результатами:- при применении управления, основанного на минимизация переменноймощности (однокритериальная оптимизация), максимальное за сутки значениепеременной мощности снижается с 35 кВт до 2кВт, то есть более, чем в 17 раз;- при применении управления, основанного на максимизации токов прямой последовательности и минимизации токов обратной и нулевой последовательностей отношения (I0/I1) амплитуд токов нулевой и прямой последовательности снизилось в 4,4 раза (при оптимальном размещении компенсаторов).В отличие от традиционных балансировочных систем, использованиешунтов с контролируемой реактивностью обладает рядом существенных преимуществ:низкая себестоимость по сравнению с балансно-дисбалансным транс-форматором;низкие эксплуатационные расходы;возможность продолжить подачу электроэнергии потребителям, когдаустановка не работает для ремонта / технического обслуживания.Однако следует отметить, что предлагаемый метод имеет ограниченнуюсферу применения по сравнению с традиционными балансировочными наборами.
Этот метод может быть неприменим, чтобы полностью сбалансировать83трехфазную нагрузку. Область применения этого метода охватывает трехфазных потребителей с незначительным фазовым дисбалансом. Предлагаемыйподход хорошо вписывается в существующий концептуальный дизайн интеллектуальная сеть, которая декларирует возросшую роль потребителя в процессе производства и поставки электроэнергии. Обычное использование подобных устройств для промышленных и бытовых нагрузок должно способствовать преобразованию крупных энергоблоков в много агент системы с множеством активных потребителей.Предлагаемый метод может быть применен для решения других задач, втом числе: балансирования наиболее чувствительных к качеству электроэнергии частям энергосистем, минимизации потерь активной мощности, стабилизации трехфазных напряжений, повышения асинхронной стабильности работы электрических машин и уменьшению ошибок, возникающих в цепях измерения потребляемой мощности.84ВЫВОДЫ ПО РАБОТЕСуществует большое количество способов симметризации трехфазныхсистем.