📄Работа №210023
Тема: Разработка алгоритма реконфигурации активно-адаптивной электрической сети. Прогнозирование графика нагрузки
Тип работы
Дипломные работы, ВКР
Предмет
электротехника
Объем:
106 листов
Год:
2021
Просмотров:
19
4900
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 8
1 РАСПРЕДЕЛИТЕЛЬНЫЕ СЕТИ 6-10 КВ 13
1.1 Особенности распределительных сетей 6-10 кВ 13
1.1. Появление цифровых распределительных сетей 6-10 кВ 15
1.2. Методы управления режимом распределительной сети 20
2 ПРОГНОЗИРОВАНИЕ ГРАФИКОВ НАГРУЗКИ 29
2.1 Общие сведения 29
2.2 Факторы влияющие на графики нагрузки 36
2.3 Методы прогнозирования нагрузок 39
2.3.1 Нормативные методы 39
2.3.2 Технологические методы 39
2.3.3 Прогнозирование на основе заявок потребителей 40
2.3.4 Прогнозирование на основе математических моделей 40
2.3.5 Экономико-статистические модели прогнозирования 41
2.3.6 Факторно-регрессионные модели прогнозирования 43
2.3.7 Прогнозирование компонент вектора состояния на базе
динамического оценивания состояния 44
2.3.8 Прогнозирование на основе нейронных сетей 45
3 ПРОГНОЗИРОВАНИЕ ГРАФИКОВ НАГРУЗКИ С ПОМОЩЬЮ
ИСКУСТВЕННОЙ НЕЙРОННОЙ СЕТИ НА ПРИМЕРЕ СЕТЕЙ
ПЛАСТОВСКОГО РЭС 50
3.1 Программное обеспечение для создания искусственной
нейронной сети 50
3.1.1 Язык программирования Python 50
3.1.2 Программная библиотека TensorFlow 52
3.1.2 Нейросетевая библиотека Keras 53
3.2 Конфигурация нейронной сети и алгоритм ее обучения 54
3.3 Схема сети Пластовского РЭС, данные активных и
реактивных нагрузок, архивные данные погодных условий 56
3.4 Подготовка ИНС и прогнозирование нагрузок на основе фидера «Северная часть города» ПС 110/6 Кочкарь Пластовского
РЭС 61
4 РЕКОМЕНДАЦИИ ПО ПРИМЕНЕНИЮ 70
ЗАКЛЮЧЕНИЕ 71
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 72
ПРИЛОЖЕНИЯ 80
ПРИЛОЖЕНИЕ А 80
ПРИЛОЖЕНИЕ Б 97
1 РАСПРЕДЕЛИТЕЛЬНЫЕ СЕТИ 6-10 КВ 13
1.1 Особенности распределительных сетей 6-10 кВ 13
1.1. Появление цифровых распределительных сетей 6-10 кВ 15
1.2. Методы управления режимом распределительной сети 20
2 ПРОГНОЗИРОВАНИЕ ГРАФИКОВ НАГРУЗКИ 29
2.1 Общие сведения 29
2.2 Факторы влияющие на графики нагрузки 36
2.3 Методы прогнозирования нагрузок 39
2.3.1 Нормативные методы 39
2.3.2 Технологические методы 39
2.3.3 Прогнозирование на основе заявок потребителей 40
2.3.4 Прогнозирование на основе математических моделей 40
2.3.5 Экономико-статистические модели прогнозирования 41
2.3.6 Факторно-регрессионные модели прогнозирования 43
2.3.7 Прогнозирование компонент вектора состояния на базе
динамического оценивания состояния 44
2.3.8 Прогнозирование на основе нейронных сетей 45
3 ПРОГНОЗИРОВАНИЕ ГРАФИКОВ НАГРУЗКИ С ПОМОЩЬЮ
ИСКУСТВЕННОЙ НЕЙРОННОЙ СЕТИ НА ПРИМЕРЕ СЕТЕЙ
ПЛАСТОВСКОГО РЭС 50
3.1 Программное обеспечение для создания искусственной
нейронной сети 50
3.1.1 Язык программирования Python 50
3.1.2 Программная библиотека TensorFlow 52
3.1.2 Нейросетевая библиотека Keras 53
3.2 Конфигурация нейронной сети и алгоритм ее обучения 54
3.3 Схема сети Пластовского РЭС, данные активных и
реактивных нагрузок, архивные данные погодных условий 56
3.4 Подготовка ИНС и прогнозирование нагрузок на основе фидера «Северная часть города» ПС 110/6 Кочкарь Пластовского
РЭС 61
4 РЕКОМЕНДАЦИИ ПО ПРИМЕНЕНИЮ 70
ЗАКЛЮЧЕНИЕ 71
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 72
ПРИЛОЖЕНИЯ 80
ПРИЛОЖЕНИЕ А 80
ПРИЛОЖЕНИЕ Б 97
📖 Введение
Актуальность темы.
Распределительные сети (РС) напряжением 6-35 кВ являются наиболее разветвленным и протяженным типом сети в энергосистеме. Способы эксплуатации и управления такими сетями давно отработаны и проверены временем. Проблемы данных сетей так же широко известны:
- Высокая аварийность;
- Низкая оснащенность средствами телемеханики и телеметрии;
- Высокая плотности размещения различных потребителей.
Однако нельзя сказать, что данные проблемы решены до конца. Близость к потребителям и устаревшее оборудование определяют главную особенность распределительных сетей низкого напряжения:
- Неравномерность распределения пиков нагрузки по потребителям в сети;
- Высокие эксплуатационные затраты;
- Отсутствие возможности дистанционного управления.
Учитывая данные особенности, в РС очень сложно совместить два фактора: поставка электроэнергии высокого качества и организация этого процесса экономно и эффективно.
Сокращение затрат при передаче электроэнергии представляется одной из главных задач повышения эффективности функционирования современного электросетевого распределительного комплекса.
Прогноз научно-технологического развития Российской Федерации на период до 2030 года [1] отмечает внедрение широкомасштабных проектов повышения энергоэффективности и распространение интеллектуальных энергетических сетей и энергоинформационных систем, как важные условия формирования постиндустриальной энергетики.
С целью решения задачи энергосбережения и повышения энергоэффективности разработана концепция «интеллектуальной» активно-адаптивной сети (Smart Grid). Разработан план мероприятий («дорожная карта») «Энерджинет» Национальной технологической инициативы.
В 2018 году Указом Президента Российской Федерации была поставлена задача цифровизации электроэнергетического комплекса [2]. На основании данного указа, ведущей электросетевой компании была сформирована концепция «Цифровая трансформация 2030». Цифровая трансформация должна обеспечить российский рынок современными технологическими решениями, применяя которые компания обеспечит преимущество в темпах снижения удельных операционных и инвестиционных затрат, оптимизирует развитие, содержание инфраструктуры и структуру управления технологическими процессами, а кроме того, решение данных задач откроет возможности предоставления новых сервисов, таких как формирование тарифного меню, подключение малой распределённой генерации, создание инфраструктуры для электрозаправок и т. д. [3].
В рамках Международного форума «Российская энергетическая неделя» (РЭН-2018) прошла встреча главных инженеров электросетевых компаний на тему «Цифровизация электрической сети», на которой было определено, что цифровая сеть - это основа электросетевого комплекса будущего, а, в свою очередь, электросетевой комплекс будет представлять собой совокупность объектов электросетевого хозяйства, ключевым фактором управления которыми являются данные в цифровом виде, и на цифровых технологиях будет основываться вся система управления производственной деятельностью в электросетевых компаниях [4].
Всё это ведет к тому, что активно развиваются, так называемые, «умные сети» и происходит техническое и информационное перевооружение распределительных сетей. В настоящее время процесс интеллектуализации отечественных РС сосредоточен на развитии материальной базы. В них начинает применяться современная коммутационная аппаратура и реклоузеры, микропроцессорные устройства релейной защиты и автоматики с дискретными сигналами, установки распределенной генерации (РГ) и накопители ЭЭ, а также широко развиваются «интеллектуальные» автоматизированные информационно- измерительные системы. Однако, данное оборудование не может использоваться эффективно без соответствующих алгоритмов управления.
Происходящие в составе информационного и технического оборудования изменения предоставляют новые возможности по управлению РС.
В распределительных сетях низкого и среднего напряжений имеются интеллектуальные счетчики, применяемые с использованием автоматизированной информационно-измерительной системы коммерческого учёта электроэнергии (АИИС КУЭ). Цифровые устройства, способны собирать и удалённо передавать информацию о параметрах электрической сети.
Получая в реальном времени данные о режимных параметрах можно в короткие сроки проводить анализ качества электроэнергии и определять эффективность её передачи. Появление возможности дистанционного управления коммутационными аппаратами позволяет изменять конфигурацию сети, управлять потоками мощности, балансировать режим сети. Оптимизация конфигурации сети позволяет добиться повышения эффективности при транспортировке электрической энергии и повышения ее качества.
Нормальная схема электроснабжения рассчитывается для определенного (максимального) режима и не предусматривает изменения ее конфигурации при отсутствии аварийных событий. Данная схема обеспечивает допустимые потери мощности в сети и допустимые отклонения напряжения у потребителя при номинальных нагрузках.
Однако, большое количество различных потребителей, наличие РГ приводит к тому, что график нагрузки постоянно меняется, что влечет за собой изменение оптимальной конфигурации сети для данного момента. Под оптимальной конфигурацией сети будем понимать схему сети с наименьшими потерями и наименьшими отклонениями от номинального значения напряжения.
На данный момент потенциал оборудования, устанавливаемого в рамках программ по модернизации, не используется в полной мере. Однако его наличие дает возможность для создания программного комплекса, позволяющего в режиме реального времени оценивать режимные показатели, находить и осуществлять оптимальные варианты конфигурации сети. Комплексная реализация управляющих возможностей этого оборудования позволит повысить эффект от его использования как для отдельных потребителей, так и для всей электрической сети в целом.
Цель работы - заключается в создании программного продукта, позволяющего выявлять необходимость реконфигурации схемы распределительной сети 6-10 кВ в различных эксплуатационных режимах и находить оптимальную конфигурацию для каждого из них.
Задачи, поставленные и решенные в ходе выполнения работы:
1) Анализ особенностей распределительных сетей с целью выявления задач, решаемых при реконфигурации сети.
2) Нахождение оптимального метода расчета режима распределительных сетей путем проведения сравнительного анализа известных математических методов.
3) Разработка алгоритма и метода определения оптимальной конфигурации сети в зависимости от режимных показателей
4) Разработка метода прогнозирования режима сети с использованием нейронной сети
5) Разработка программного комплекса позволяющего в режиме реального времени проводить реконфигурацию сети.
Научная новизна в целом заключается в разработке алгоритмов, позволяющих в режиме реального времени рассчитывать и находить оптимальную конфигурацию распределительной сети, с целью снижения суммарных эксплуатационных затрат и учитывающих прогнозируемую продолжительность режима и затраты на переключения.
1. Показана эффективность реконфигурации сети в распределительных сетях в режиме реального времени.
2. Разработан алгоритм определения оптимальной конфигурации сети в различных эксплуатационных ситуациях.
3. Разработан алгоритм оценки необходимости проведения реконфигурации с целью сохранения ресурса оборудования и улучшения качества электроэнергии.
4. Применено комплексное прогнозирование режима с целью повышения эффективности реконфигурации.
Практическая значимость.
Разрабатываемый программный продукт может быть использован для достаточно быстрого определения оптимальных ТНР в распределительных сетях различного напряжения.
Совместная работа алгоритмов определения оптимальной конфигурации сети и нахождения затрат на реконфигурацию позволяет оценить экономическую выгоду от процесса реконфигурации сети. Прогнозирование графика нагрузок с применением нейронной сети позволит оценивать длительность режима. Определение времени существования режима позволит более точно оценить экономическую эффективность реконфигурации и сократить излишнее число оперативных переключений.
При помощи данного программного комплекса возможно определить, как изменяются оптимальные конфигурации сети при различных режимах работы и оценить насколько эффективен процесс реконфигурации для заданной сети. Проведя подобную оценку можно или выбрать оптимальную сезонную конфигурацию сети, либо же принять решение о необходимости модернизации сети с целью обеспечения возможности реконфигурации в режиме реального времени.
Структура и объём. Работа состоит из введения, четырех глав, заключения, библиографического списка из 57 наименований. Основной материал содержит 12 илл., 11 табл., прил. 2. Общий объем работы составляет 109 стр.
Распределительные сети (РС) напряжением 6-35 кВ являются наиболее разветвленным и протяженным типом сети в энергосистеме. Способы эксплуатации и управления такими сетями давно отработаны и проверены временем. Проблемы данных сетей так же широко известны:
- Высокая аварийность;
- Низкая оснащенность средствами телемеханики и телеметрии;
- Высокая плотности размещения различных потребителей.
Однако нельзя сказать, что данные проблемы решены до конца. Близость к потребителям и устаревшее оборудование определяют главную особенность распределительных сетей низкого напряжения:
- Неравномерность распределения пиков нагрузки по потребителям в сети;
- Высокие эксплуатационные затраты;
- Отсутствие возможности дистанционного управления.
Учитывая данные особенности, в РС очень сложно совместить два фактора: поставка электроэнергии высокого качества и организация этого процесса экономно и эффективно.
Сокращение затрат при передаче электроэнергии представляется одной из главных задач повышения эффективности функционирования современного электросетевого распределительного комплекса.
Прогноз научно-технологического развития Российской Федерации на период до 2030 года [1] отмечает внедрение широкомасштабных проектов повышения энергоэффективности и распространение интеллектуальных энергетических сетей и энергоинформационных систем, как важные условия формирования постиндустриальной энергетики.
С целью решения задачи энергосбережения и повышения энергоэффективности разработана концепция «интеллектуальной» активно-адаптивной сети (Smart Grid). Разработан план мероприятий («дорожная карта») «Энерджинет» Национальной технологической инициативы.
В 2018 году Указом Президента Российской Федерации была поставлена задача цифровизации электроэнергетического комплекса [2]. На основании данного указа, ведущей электросетевой компании была сформирована концепция «Цифровая трансформация 2030». Цифровая трансформация должна обеспечить российский рынок современными технологическими решениями, применяя которые компания обеспечит преимущество в темпах снижения удельных операционных и инвестиционных затрат, оптимизирует развитие, содержание инфраструктуры и структуру управления технологическими процессами, а кроме того, решение данных задач откроет возможности предоставления новых сервисов, таких как формирование тарифного меню, подключение малой распределённой генерации, создание инфраструктуры для электрозаправок и т. д. [3].
В рамках Международного форума «Российская энергетическая неделя» (РЭН-2018) прошла встреча главных инженеров электросетевых компаний на тему «Цифровизация электрической сети», на которой было определено, что цифровая сеть - это основа электросетевого комплекса будущего, а, в свою очередь, электросетевой комплекс будет представлять собой совокупность объектов электросетевого хозяйства, ключевым фактором управления которыми являются данные в цифровом виде, и на цифровых технологиях будет основываться вся система управления производственной деятельностью в электросетевых компаниях [4].
Всё это ведет к тому, что активно развиваются, так называемые, «умные сети» и происходит техническое и информационное перевооружение распределительных сетей. В настоящее время процесс интеллектуализации отечественных РС сосредоточен на развитии материальной базы. В них начинает применяться современная коммутационная аппаратура и реклоузеры, микропроцессорные устройства релейной защиты и автоматики с дискретными сигналами, установки распределенной генерации (РГ) и накопители ЭЭ, а также широко развиваются «интеллектуальные» автоматизированные информационно- измерительные системы. Однако, данное оборудование не может использоваться эффективно без соответствующих алгоритмов управления.
Происходящие в составе информационного и технического оборудования изменения предоставляют новые возможности по управлению РС.
В распределительных сетях низкого и среднего напряжений имеются интеллектуальные счетчики, применяемые с использованием автоматизированной информационно-измерительной системы коммерческого учёта электроэнергии (АИИС КУЭ). Цифровые устройства, способны собирать и удалённо передавать информацию о параметрах электрической сети.
Получая в реальном времени данные о режимных параметрах можно в короткие сроки проводить анализ качества электроэнергии и определять эффективность её передачи. Появление возможности дистанционного управления коммутационными аппаратами позволяет изменять конфигурацию сети, управлять потоками мощности, балансировать режим сети. Оптимизация конфигурации сети позволяет добиться повышения эффективности при транспортировке электрической энергии и повышения ее качества.
Нормальная схема электроснабжения рассчитывается для определенного (максимального) режима и не предусматривает изменения ее конфигурации при отсутствии аварийных событий. Данная схема обеспечивает допустимые потери мощности в сети и допустимые отклонения напряжения у потребителя при номинальных нагрузках.
Однако, большое количество различных потребителей, наличие РГ приводит к тому, что график нагрузки постоянно меняется, что влечет за собой изменение оптимальной конфигурации сети для данного момента. Под оптимальной конфигурацией сети будем понимать схему сети с наименьшими потерями и наименьшими отклонениями от номинального значения напряжения.
На данный момент потенциал оборудования, устанавливаемого в рамках программ по модернизации, не используется в полной мере. Однако его наличие дает возможность для создания программного комплекса, позволяющего в режиме реального времени оценивать режимные показатели, находить и осуществлять оптимальные варианты конфигурации сети. Комплексная реализация управляющих возможностей этого оборудования позволит повысить эффект от его использования как для отдельных потребителей, так и для всей электрической сети в целом.
Цель работы - заключается в создании программного продукта, позволяющего выявлять необходимость реконфигурации схемы распределительной сети 6-10 кВ в различных эксплуатационных режимах и находить оптимальную конфигурацию для каждого из них.
Задачи, поставленные и решенные в ходе выполнения работы:
1) Анализ особенностей распределительных сетей с целью выявления задач, решаемых при реконфигурации сети.
2) Нахождение оптимального метода расчета режима распределительных сетей путем проведения сравнительного анализа известных математических методов.
3) Разработка алгоритма и метода определения оптимальной конфигурации сети в зависимости от режимных показателей
4) Разработка метода прогнозирования режима сети с использованием нейронной сети
5) Разработка программного комплекса позволяющего в режиме реального времени проводить реконфигурацию сети.
Научная новизна в целом заключается в разработке алгоритмов, позволяющих в режиме реального времени рассчитывать и находить оптимальную конфигурацию распределительной сети, с целью снижения суммарных эксплуатационных затрат и учитывающих прогнозируемую продолжительность режима и затраты на переключения.
1. Показана эффективность реконфигурации сети в распределительных сетях в режиме реального времени.
2. Разработан алгоритм определения оптимальной конфигурации сети в различных эксплуатационных ситуациях.
3. Разработан алгоритм оценки необходимости проведения реконфигурации с целью сохранения ресурса оборудования и улучшения качества электроэнергии.
4. Применено комплексное прогнозирование режима с целью повышения эффективности реконфигурации.
Практическая значимость.
Разрабатываемый программный продукт может быть использован для достаточно быстрого определения оптимальных ТНР в распределительных сетях различного напряжения.
Совместная работа алгоритмов определения оптимальной конфигурации сети и нахождения затрат на реконфигурацию позволяет оценить экономическую выгоду от процесса реконфигурации сети. Прогнозирование графика нагрузок с применением нейронной сети позволит оценивать длительность режима. Определение времени существования режима позволит более точно оценить экономическую эффективность реконфигурации и сократить излишнее число оперативных переключений.
При помощи данного программного комплекса возможно определить, как изменяются оптимальные конфигурации сети при различных режимах работы и оценить насколько эффективен процесс реконфигурации для заданной сети. Проведя подобную оценку можно или выбрать оптимальную сезонную конфигурацию сети, либо же принять решение о необходимости модернизации сети с целью обеспечения возможности реконфигурации в режиме реального времени.
Структура и объём. Работа состоит из введения, четырех глав, заключения, библиографического списка из 57 наименований. Основной материал содержит 12 илл., 11 табл., прил. 2. Общий объем работы составляет 109 стр.
✅ Заключение
Активно-адаптивная реконфигурация электроэнергетической сети практически невозможна без прогнозирования режима. При этом использование стандартных графиков нагрузки слишком грубо.
Современные тенденции развития технологий искусственного интеллекта позволяют учитывать при прогнозе графика нагрузки не только среднестатистические зависимости по времени года, но и конкретные погодные характеристики, производственный календарь.
Проведенное исследование отечественного и зарубежного опыта показало, что наиболее перспективным направлением реализации данного подхода является использование искусственных нейронных сетей. Несмотря на широкое распространение и развитие искусственного интеллекта в последние годы его применение в энергетике для прогнозирования нагрузок по-прежнему вызывает ряд трудностей.
По сути, на настоящий момент на рынке нет готового решения, способного выполнить поставленные задачи. Поэтому в рамках данного исследования была произведена адаптация стандартного продукта компании Google, реализующего общие алгоритмы искусственного интеллекта под использование в рамках разработанного ПО.
Проведенные исследования показали, что применение искусственной нейронной сети при прогнозировании нагрузок Пластовского РЭС способно выдавать результаты с точностью выше 90% на горизонте до 3-х суток.
Дальнейшее развитие данного исследования видится в увеличении количества анализируемых факторов, в том числе в возможности задания местной специфики (сезонность аграрных производств, асфальтные производства, условия крайнего севера, увеличения потока туристов по территории Российской Федерации)
Современные тенденции развития технологий искусственного интеллекта позволяют учитывать при прогнозе графика нагрузки не только среднестатистические зависимости по времени года, но и конкретные погодные характеристики, производственный календарь.
Проведенное исследование отечественного и зарубежного опыта показало, что наиболее перспективным направлением реализации данного подхода является использование искусственных нейронных сетей. Несмотря на широкое распространение и развитие искусственного интеллекта в последние годы его применение в энергетике для прогнозирования нагрузок по-прежнему вызывает ряд трудностей.
По сути, на настоящий момент на рынке нет готового решения, способного выполнить поставленные задачи. Поэтому в рамках данного исследования была произведена адаптация стандартного продукта компании Google, реализующего общие алгоритмы искусственного интеллекта под использование в рамках разработанного ПО.
Проведенные исследования показали, что применение искусственной нейронной сети при прогнозировании нагрузок Пластовского РЭС способно выдавать результаты с точностью выше 90% на горизонте до 3-х суток.
Дальнейшее развитие данного исследования видится в увеличении количества анализируемых факторов, в том числе в возможности задания местной специфики (сезонность аграрных производств, асфальтные производства, условия крайнего севера, увеличения потока туристов по территории Российской Федерации)
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.