基于大數(shù)據(jù)的配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估方法研究

戴超凡, 鄧孝祥, 蔣 煜, 丁曉群, 鄧吉祥

(1.黑龍江科技大學(xué) 電氣與控制工程學(xué)院, 黑龍江 哈爾濱 150022;2.河海大學(xué) 能源與電氣學(xué)院, 江蘇 南京 211100; 3.江蘇省電力公司 泰州供電公司, 江蘇 泰州 225300)

基于大數(shù)據(jù)的配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估方法研究

戴超凡1, 鄧孝祥1, 蔣 煜2, 丁曉群2, 鄧吉祥3

(1.黑龍江科技大學(xué) 電氣與控制工程學(xué)院, 黑龍江 哈爾濱 150022;2.河海大學(xué) 能源與電氣學(xué)院, 江蘇 南京 211100; 3.江蘇省電力公司 泰州供電公司, 江蘇 泰州 225300)

為了解決目前配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估缺乏統(tǒng)一、科學(xué)的評(píng)估體系的問(wèn)題,以電力大數(shù)據(jù)平臺(tái)為基礎(chǔ)支撐,建立了包含數(shù)據(jù)層、指標(biāo)層和應(yīng)用層的配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估體系總體架構(gòu),構(gòu)建了諧波經(jīng)濟(jì)損失評(píng)估指標(biāo)體系.對(duì)常規(guī)粒子群算法進(jìn)行改進(jìn),并和徑向基(RBF)神經(jīng)網(wǎng)絡(luò)結(jié)合,利用混沌自適應(yīng)粒子群優(yōu)化的RBF(CAPSO-RBF)神經(jīng)網(wǎng)絡(luò)進(jìn)行諧波網(wǎng)損評(píng)估.將Simoni模型與交聯(lián)聚乙烯(XLPE)電纜諧波線(xiàn)芯溫升模型結(jié)合,得到了諧波影響下的XLPE電纜絕緣老化壽命評(píng)估模型.案例分析證明了方法的可行性,驗(yàn)證了評(píng)估體系的合理性和電力大數(shù)據(jù)的優(yōu)勢(shì).

大數(shù)據(jù); 配電網(wǎng); 諧波經(jīng)濟(jì)損失

近年來(lái),隨著生活中電力電子等非線(xiàn)性負(fù)荷的增多,一些高電壓、大容量的非線(xiàn)性用電設(shè)備接入電網(wǎng),在電網(wǎng)中產(chǎn)生了大量的諧波,電網(wǎng)受諧波污染的問(wèn)題越來(lái)越嚴(yán)重.大量的諧波電流在配電網(wǎng)中流通,不僅使電網(wǎng)產(chǎn)生附加損耗,造成電能浪費(fèi),還會(huì)引起電力設(shè)備溫度升高,加快絕緣老化,縮短設(shè)備的使用壽命.另外,諧波電流還會(huì)降低供電設(shè)備容量的利用率、增加設(shè)備故障率等.

目前,國(guó)內(nèi)外對(duì)諧波的研究絕大多數(shù)集中在諧波的監(jiān)測(cè)分析、抑制治理等方面.對(duì)配電網(wǎng)側(cè)諧波經(jīng)濟(jì)損失評(píng)估研究較少,更多的是關(guān)于諧波對(duì)各電力設(shè)備損耗影響的研究,部分文獻(xiàn)也給出了諧波對(duì)電力設(shè)備壽命影響的簡(jiǎn)化公式[1],但在諧波危害的經(jīng)濟(jì)量化方面評(píng)述較少[2],并缺乏統(tǒng)一的配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估體系.在變壓器方面,目前大多數(shù)文獻(xiàn)都集中在對(duì)諧波影響下的變壓器損耗[3-4]、發(fā)熱問(wèn)題[5-6]的研究.在電纜方面,大多數(shù)文獻(xiàn)集中在對(duì)諧波影響下的電力電纜線(xiàn)路損耗進(jìn)行研究[7-8],對(duì)諧波影響下的交聯(lián)聚乙烯(Crosslinked Polyethylene,XLPE)電纜絕緣老化壽命經(jīng)濟(jì)損失的研究較少.在配電網(wǎng)方面,關(guān)于配電網(wǎng)的諧波網(wǎng)損計(jì)算,目前應(yīng)用較多的方法是等值電阻法以及諧波電流總畸變率法[9-10].

本文針對(duì)配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估缺乏科學(xué)、系統(tǒng)性研究的問(wèn)題,以大數(shù)據(jù)平臺(tái)為基礎(chǔ)支撐,建立了配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估體系.針對(duì)傳統(tǒng)諧波網(wǎng)損計(jì)算繁瑣、有誤差等弊端,利用改進(jìn)后得到的混沌自適應(yīng)粒子群優(yōu)化的徑向基(Chaotic Adaptive Particle Swarm Optimization-Radial Basis Function,CAPSO-RBF)神經(jīng)網(wǎng)絡(luò)算法進(jìn)行諧波網(wǎng)損評(píng)估.在XLPE電纜方面,通過(guò)Simoni模型建立了熱-電協(xié)同作用下的XLPE電纜老化壽命模型,并結(jié)合電纜諧波線(xiàn)芯溫升模型,建立了諧波影響下的XLPE電纜絕緣老化壽命模型.

1 評(píng)估體系總體架構(gòu)和評(píng)估指標(biāo)體系

考慮到配電網(wǎng)諧波經(jīng)濟(jì)損失評(píng)估涉及面廣、需要的信息量大等特點(diǎn),結(jié)合大數(shù)據(jù)技術(shù)在電力領(lǐng)域的應(yīng)用現(xiàn)狀,建立了以大數(shù)據(jù)平臺(tái)為基礎(chǔ)支撐的配電網(wǎng)諧波經(jīng)濟(jì)評(píng)估體系總體架構(gòu),主要分為數(shù)據(jù)層、指標(biāo)層和應(yīng)用層3層,如圖1所示.

數(shù)據(jù)層以大數(shù)據(jù)平臺(tái)為基礎(chǔ)支撐,是經(jīng)濟(jì)損失評(píng)估的基礎(chǔ).通過(guò)從能量管理系統(tǒng)(Energy Management System,EMS)、停電管理系統(tǒng)(Outage Management System,OMS)、監(jiān)視控制和數(shù)據(jù)采集系統(tǒng)(Supervisory Control and Data Acquisition,SCADA),以及各種智能電表、傳感器等設(shè)備中獲得數(shù)據(jù),構(gòu)建統(tǒng)一的電力大數(shù)據(jù)平臺(tái),利用大數(shù)據(jù)的數(shù)據(jù)整合、存儲(chǔ)和處理等關(guān)鍵技術(shù),為指標(biāo)層各評(píng)估指標(biāo)提供全面、準(zhǔn)確的數(shù)據(jù)支撐,保證目標(biāo)數(shù)據(jù)的精準(zhǔn)與快速獲取[11-12].應(yīng)用層的主要作用是根據(jù)電網(wǎng)的實(shí)際情況,從指標(biāo)層中選擇合適的指標(biāo)組成經(jīng)濟(jì)損失評(píng)估指標(biāo)集,通過(guò)相應(yīng)的經(jīng)濟(jì)評(píng)估方法對(duì)各指標(biāo)進(jìn)行評(píng)估,綜合利用各項(xiàng)指標(biāo)的結(jié)果對(duì)配電網(wǎng)諧波經(jīng)濟(jì)損失進(jìn)行評(píng)估.

圖1 評(píng)估體系的總體架構(gòu)

其中,指標(biāo)層在整個(gè)體系架構(gòu)中起著承上啟下的關(guān)鍵作用,由經(jīng)濟(jì)損失評(píng)估的主要指標(biāo)構(gòu)成,指標(biāo)的選取不僅決定著諧波經(jīng)濟(jì)損失評(píng)估的科學(xué)性,又是直接展現(xiàn)了大數(shù)據(jù)在評(píng)估過(guò)程中的數(shù)據(jù)價(jià)值和發(fā)掘程度.為了保證指標(biāo)能夠全面、有效地反映諧波給配電網(wǎng)帶來(lái)的危害,對(duì)評(píng)估體系總體架構(gòu)中指標(biāo)層的5個(gè)一級(jí)指標(biāo)再進(jìn)行細(xì)化,得到二級(jí)指標(biāo),如表1所示.

表1 評(píng)估指標(biāo)體系

2 基于CAPSO-RBF神經(jīng)網(wǎng)絡(luò)諧波網(wǎng)損評(píng)估

2.1 混沌自適應(yīng)粒子群

針對(duì)常規(guī)粒子群(Particle Swarm Optimization,PSO)算法存在的問(wèn)題,本文進(jìn)行以下幾點(diǎn)改進(jìn),得到混沌自適應(yīng)粒子群(Chaotic Adaptive Particle Swarm Optimization,CAPSO)算法.

2.1.1 混沌序列初始化

混沌初始化能夠提高全局搜索能力和求解效率,目前應(yīng)用最廣泛的混沌映射為L(zhǎng)ogistic映射.但文獻(xiàn)[13]認(rèn)為,Logistic映射產(chǎn)生的序列不是很均勻,在混沌之后會(huì)出現(xiàn)盲點(diǎn).因此,本文采用立方映射,它比Logistic映射產(chǎn)生的混沌序列更加均勻,遍歷性也更強(qiáng),表達(dá)式為:

(1)

對(duì)于D維空間的m個(gè)粒子,隨機(jī)產(chǎn)生一個(gè)D維向量:Z1=(z11,z12,z13,…,z1D),其中每個(gè)分量都在[0,1]之間.根據(jù)式(1)產(chǎn)生M個(gè)混沌向量,即:Z1,Z2,Z3,…,ZM,將Zk的各分量映入到對(duì)應(yīng)的實(shí)際待優(yōu)化變量的取值范圍的映射規(guī)則:

(2)

式中:xij——第i個(gè)粒子的第j維坐標(biāo); xijmax,xijmin——xij的上、下限; zij——第i個(gè)混沌向量的第j維坐標(biāo).

計(jì)算PSO算法適應(yīng)度函數(shù)值,從M個(gè)初始群體中挑選出m個(gè)性能較優(yōu)的作為初始解.

2.1.2 自適應(yīng)慣性權(quán)重

慣性權(quán)重ω的大小對(duì)種群粒子搜索能力的影響很大,本文采用自適應(yīng)慣性權(quán)重,讓?duì)啬軌蚋S種群最優(yōu)適應(yīng)度函數(shù)值的變化而變化,反映群體進(jìn)化的實(shí)際情況,自適應(yīng)調(diào)節(jié).首先,定義最優(yōu)適應(yīng)度函數(shù)值變化率.最近3代內(nèi),種群最優(yōu)適應(yīng)度函數(shù)值相對(duì)變化率為:

(3)

式中:f(k),f(k-3)——第k代、第k-3代種群最優(yōu)適應(yīng)度函數(shù)值.

自適應(yīng)慣性權(quán)重ω隨ψ的變化而變化:

(4)

式中:ω0——慣性權(quán)重初始值; r——[0,1]間的隨機(jī)數(shù).

由式(4)可以看出,當(dāng)ψ≥0.05時(shí),表明最近3代的種群最優(yōu)適應(yīng)度值還有一定差距,粒子還處于探索階段,ω應(yīng)取較大值;當(dāng)ψ<0.05時(shí),表明最近3代的種群最優(yōu)適應(yīng)度值變化較小,粒子已經(jīng)處于收斂階段,正在群聚,此時(shí)ω應(yīng)取較小值.

2.1.3 自適應(yīng)變異

為了描述粒子當(dāng)前的收斂狀態(tài),定義群體適應(yīng)度方差σ2,計(jì)算公式為:

(5)

(6)

式中:fi——第i個(gè)粒子的適應(yīng)度值; favg——群體平均適應(yīng)度值; f——?dú)w一化因子,用來(lái)限制σ2大小.

σ2越小,說(shuō)明粒子越收斂,反之則處于搜索階段.當(dāng)σ2很小,且此時(shí)的最優(yōu)解不是理論最優(yōu)解時(shí),算法可能陷入局部最優(yōu)解[14].此時(shí),可通過(guò)改變當(dāng)前的全局極值Gbest來(lái)改變粒子的搜索方向,使其進(jìn)入其他區(qū)域進(jìn)行搜索,從而跳出局部最優(yōu)解,進(jìn)入新的搜索空間.變異率的計(jì)算公式為:

(7)

式中:f(Gbest)——粒子群算法中粒子的適應(yīng)度函數(shù);

f(s)——粒子群算法中粒子群體的適應(yīng)度的理論最優(yōu)值.

考慮 “最小化”情況,自適應(yīng)變異操作步驟如下:

(1) 根據(jù)所有粒子的適應(yīng)度函數(shù)值進(jìn)行排序,并選取前l(fā)個(gè)最好的粒子;

(2) 隨機(jī)產(chǎn)生l個(gè)[0,1]之間的隨機(jī)數(shù)μi(i=1,2,3,…,l);

(3) 如果μi

(4) 隨機(jī)產(chǎn)生一個(gè)[1,D]間的整數(shù)d,xid=xid(1+0.5η),i=1,2,3,…l,其中xid表示第i個(gè)粒子的d維坐標(biāo),η是服從Gauss(0,1)分布的隨機(jī)變量.

2.2 CAPSO-RBF神經(jīng)網(wǎng)絡(luò)

傳統(tǒng)的徑向基(Radial Basis Function,RBF)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法大多數(shù)都是先通過(guò)聚類(lèi)算法求得徑向基函數(shù)的中心和寬度,再通過(guò)最小二乘等方法求得連接權(quán)值.這些方法都是將求解中心、寬度和求解權(quán)重分為了兩個(gè)互相獨(dú)立的過(guò)程,破壞了隱含層、輸出層之間的內(nèi)在聯(lián)系,失去了RBF神經(jīng)網(wǎng)絡(luò)的完整性[15].為了克服以上缺點(diǎn),本文采用改進(jìn)后形成的CAPSO算法來(lái)對(duì)RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、參數(shù)進(jìn)行統(tǒng)一優(yōu)化.

CAPSO-RBF神經(jīng)網(wǎng)絡(luò)流程圖如圖2所示.

圖2 CAPSO-RBF神經(jīng)網(wǎng)絡(luò)整體流程

2.2.1 PSO算法粒子編碼

設(shè)RBF神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元共有n個(gè),隱含層神經(jīng)元有h個(gè),輸出層神經(jīng)元有m個(gè),粒子位置矢量為Xi,主要由徑向基函數(shù)的中心C,寬度σ,鏈接權(quán)重ω構(gòu)成.粒子位置矢量Xi可表示為:

2.2.2 適應(yīng)度函數(shù)構(gòu)造

對(duì)RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練主要是尋找合適的網(wǎng)絡(luò)參數(shù),從而使網(wǎng)絡(luò)有較高的預(yù)測(cè)精度,而這個(gè)精度可通過(guò)適應(yīng)度函數(shù)來(lái)體現(xiàn).本文的適應(yīng)度函數(shù)為:

(8)

式中:Yj(i)——第i個(gè)輸入樣本下的第j個(gè)輸出節(jié)點(diǎn)實(shí)際輸出值;

N——樣本個(gè)數(shù);

m——輸出層節(jié)點(diǎn)個(gè)數(shù).

3 配電網(wǎng)電力設(shè)備絕緣老化壽命經(jīng)濟(jì)損失

諧波的存在會(huì)加速電力設(shè)備的絕緣老化,這種老化是一種長(zhǎng)時(shí)間的、隱性的影響.由于絕緣老化最直接的后果就是縮短電力設(shè)備的使用壽命,帶來(lái)經(jīng)濟(jì)損失.本文主要通過(guò)評(píng)估電力設(shè)備在諧波影響下的壽命損失來(lái)量化絕緣老化帶來(lái)的影響.絕緣老化經(jīng)濟(jì)損失M2可表示為:

(9)

(10)

(11)

(12)

式中:MT,ML,MC——變壓器、電纜線(xiàn)路、電容器老化經(jīng)濟(jì)損失;

刑事立法政策是刑事政策在刑法立法上的體現(xiàn)，屬于最狹義的刑事政策。然究竟何為刑事政策，目前學(xué)界對(duì)此的表述可謂林林總總尚無(wú)統(tǒng)一的定義，但通說(shuō)認(rèn)為刑事政策的概念有廣義、狹義和最狹義之分。其中最狹義的刑事政策是指國(guó)家或社會(huì)公共團(tuán)體以特別預(yù)防為目的，對(duì)不同的個(gè)別犯罪者或具有犯罪危險(xiǎn)者，采取個(gè)別的有針對(duì)性的抑制活動(dòng)和強(qiáng)制措施。［1］

NT,NL,NC——變壓器、電纜線(xiàn)路、電容器數(shù)目;

LT,LT0,LL,LL0,LC,LC0——諧波影響下的變壓器、電纜線(xiàn)路和電容器的實(shí)際壽命和設(shè)計(jì)壽命;

PTi,PLi,PCi——第i臺(tái)(條)變壓器、電纜線(xiàn)路、電容器價(jià)格;

T——評(píng)估時(shí)間.

諧波影響下的變壓器和電容器老化壽命評(píng)估模型可分別參考文獻(xiàn)[16]和[17],這里不再贅述.

3.1 熱-電協(xié)同作用下的XLPE電纜老化壽命評(píng)估

在實(shí)際應(yīng)用中,電纜絕緣往往會(huì)受到如熱、電等多種因素的同時(shí)作用,需要分析熱-電協(xié)同作用下的電纜絕緣老化情況,本文通過(guò)Simoni模型[18]來(lái)對(duì)XLPE電纜在熱-電協(xié)同作用下的老化過(guò)程進(jìn)行描述,剩余壽命為:

E≥E0

(13)

(14)

(15)

式中:L0——電纜在T=T0和E=E0時(shí)的壽命,即原設(shè)計(jì)壽命;

B,b,n——試驗(yàn)常數(shù);

T0——室溫;

E0——臨界場(chǎng)強(qiáng).

3.2 諧波影響下的XLPE電纜老化壽命模型

諧波影響下的XLPE電纜線(xiàn)芯溫升模型參考文獻(xiàn)[19],結(jié)合熱-電協(xié)同作用下的XLPE電纜老化壽命評(píng)估研究分析,可以得到諧波影響下的XLPE電纜老化壽命評(píng)估模型為:

(16)

(17)

式中:T*——絕對(duì)溫度;θ1——諧波作用下電纜線(xiàn)芯溫度.

根據(jù)式(16)的結(jié)果,并結(jié)合式(11)就能評(píng)估出XLPE電纜絕緣老化壽命經(jīng)濟(jì)損失ML.

4 算例分析

本文選取某居民小區(qū)低壓配電網(wǎng)進(jìn)行諧波經(jīng)濟(jì)損失評(píng)估.通過(guò)查詢(xún)并篩選出電力大數(shù)據(jù)平臺(tái)中該配電網(wǎng)的相關(guān)數(shù)據(jù),其中變壓器型號(hào)為s11-400/10,具體變壓器參數(shù)如表2所示.該變壓器0.4 kV側(cè)所用電纜型號(hào)為1 kV YJV22電力電纜,相線(xiàn)和中性線(xiàn)導(dǎo)線(xiàn)截面均為120 mm2,相線(xiàn)和中性線(xiàn)長(zhǎng)度為0.4 km.變壓器的各相諧波含量如表3所示.

表2 變壓器參數(shù)

表3 各相線(xiàn)和中性線(xiàn)諧波電流數(shù)據(jù) A

4.1 基于CAPSO-RBF神經(jīng)網(wǎng)絡(luò)的諧波網(wǎng)損評(píng)估

對(duì)于訓(xùn)練樣本,通過(guò)在電力大數(shù)據(jù)平臺(tái)中進(jìn)行查詢(xún)、篩選,一共收集到了17組相關(guān)數(shù)據(jù).將其中的15組作為學(xué)習(xí)樣本,剩余2組用于測(cè)試.

本文選擇5個(gè)代表性的特性作為RBF神經(jīng)網(wǎng)絡(luò)的樣本輸入,即:變壓器基波等效電阻;電纜相線(xiàn)總基波電阻;中性線(xiàn)總基波電阻;三相諧波電流含量均值;中性線(xiàn)諧波電流含量.

RBF神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)為5個(gè),設(shè)隱含層節(jié)點(diǎn)數(shù)目為6個(gè),輸出層節(jié)點(diǎn)1個(gè),即諧波網(wǎng)損.CAPSO算法中,種群大小為50,迭代次數(shù)為3 000,慣性權(quán)重ω0為0.5,學(xué)習(xí)因子c1和c2均為2.0,變異率pm為0.2.

表4中給出了CAPSO算法在不同最大迭代次數(shù)下的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果,其中,ES表示樣本最佳個(gè)體的絕對(duì)誤差平方和;EC表示為RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練輸出結(jié)果和實(shí)際諧波網(wǎng)損的相對(duì)誤差百分?jǐn)?shù),其算式為:

表4 訓(xùn)練結(jié)果

由表4可以看出,隨著迭代次數(shù)的增加,最佳個(gè)體的絕對(duì)誤差平方和在逐漸減小,最佳適應(yīng)度值和平均適應(yīng)度值都在逐漸增大.當(dāng)?shù)螖?shù)達(dá)到了2 500～3 000代時(shí),種群趨于平穩(wěn),適應(yīng)度值變化不大,EC<5%的樣本個(gè)數(shù)也穩(wěn)定在了12個(gè).這時(shí)候最佳適應(yīng)度值和平均適應(yīng)度值也比較接近,差距較小,說(shuō)明此時(shí)粒子位置比較集中,可認(rèn)為CAPSO算法已經(jīng)收斂,RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢.

圖3為最佳個(gè)體絕對(duì)誤差平方和以及種群的平均絕對(duì)誤差平方和隨迭代次數(shù)的變化曲線(xiàn).由圖3可以看出,在1 500代之前,種群處于全面探索階段;1 500～2 500代,兩者的曲線(xiàn)變化比較緩慢,種群比較集中,在最優(yōu)解附近進(jìn)行局部探索;2 500代后,種群基本穩(wěn)定,最佳個(gè)體和種群的平均絕對(duì)誤差平方和比較接近,樣本訓(xùn)練完成.

圖3 誤差隨迭代次數(shù)變化曲線(xiàn)

用訓(xùn)練完畢的RBF神經(jīng)網(wǎng)絡(luò)對(duì)剩余的兩個(gè)樣本進(jìn)行精度測(cè)試,測(cè)試結(jié)果如表5所示,其中的實(shí)際諧波網(wǎng)損是標(biāo)準(zhǔn)化后的數(shù)值.

由表5可以看出,兩個(gè)測(cè)試樣本的EC都小于5%,精度較高,說(shuō)明經(jīng)過(guò)訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)可以用來(lái)進(jìn)行諧波網(wǎng)損預(yù)測(cè).

表5 樣本測(cè)試結(jié)果

訓(xùn)練后的RBF神經(jīng)網(wǎng)絡(luò)對(duì)本文案例中的小區(qū)低壓配電網(wǎng)的預(yù)測(cè)結(jié)果為0.225,將其轉(zhuǎn)換為實(shí)際諧波網(wǎng)損值為1 486.98 W,則一年的損失電量為13 025.94 kWh,按照每度電0.52元計(jì)算,該配電網(wǎng)一年內(nèi)由于諧波造成的經(jīng)濟(jì)損失達(dá)6 773.49元.評(píng)估周期為5 a,則經(jīng)濟(jì)損失高達(dá)33 867.45元.

4.2 電纜線(xiàn)路老化壽命經(jīng)濟(jì)損失評(píng)估

通過(guò)查閱相關(guān)資料,獲得電纜的結(jié)構(gòu)參數(shù)如表6所示.

表6 電纜結(jié)構(gòu)參數(shù)

根據(jù)文獻(xiàn)[20]中的熱阻計(jì)算方法以及本文中電纜的結(jié)構(gòu)參數(shù),計(jì)算得到各層熱阻數(shù)值如表7所示.

表7 各熱阻取值 (K·m2·W-1)

溫度計(jì)算結(jié)果如下:由于諧波(基波除外)引起的線(xiàn)芯相對(duì)于環(huán)境的溫升ΔTh為3.9 ℃,基波引起的線(xiàn)芯相對(duì)于環(huán)境的溫升ΔT1為39.5 ℃,環(huán)境溫度θe為20 ℃,線(xiàn)芯溫度θ1為63.4 ℃.

電纜老化模型參數(shù)如下:n=12,b=206 K,B=543 K,L0=30 a,T0=293.15 K.

將上述計(jì)算結(jié)果及相關(guān)參數(shù)代入式(16)中,可計(jì)算得到電纜剩余壽命L約為24 a.該類(lèi)型電纜價(jià)格為296.15元/m,則一條0.4 km的電纜需要118 460元.

正常情況下,電纜壽命為30 a,年平均折舊費(fèi)用為3 948.7元;諧波條件下,電纜年平均折舊費(fèi)用為4 935.8元;則平均每年增加的折舊費(fèi)用為987.1元,5年共增加折舊費(fèi)4 935.5元.

4.3 配電網(wǎng)總諧波經(jīng)濟(jì)損失評(píng)估

根據(jù)文獻(xiàn)[17]中的變壓器絕緣老化壽命評(píng)估模型可知,本文變壓器剩余壽命為16 a,壽命損失了4 a.該變壓器價(jià)格按照4萬(wàn)元一臺(tái)計(jì)算,平均每年增加的折舊費(fèi)用為500元,5年一共增加了2 500元.

對(duì)于諧波下的變壓器降容率經(jīng)濟(jì)損失,本文變壓器的降容率計(jì)算公式為:

(18)

(19)

(20)

式中:THDI——電流諧波畸變率.

根據(jù)表3中數(shù)據(jù)可計(jì)算得到KA為2.015,KB為2.227,KC為2.132,最大為KB,用電流有效值對(duì)其進(jìn)行格式化后得Kh為2.1,D為0.87,即變壓器需要降到額定容量的87%運(yùn)行,才不會(huì)導(dǎo)致變壓器溫度過(guò)高或者過(guò)載.在諧波的作用下,大約有13%的容量被浪費(fèi),即浪費(fèi)了5 200元.

綜上分析,5年內(nèi)該小區(qū)配電網(wǎng)的諧波網(wǎng)損經(jīng)濟(jì)損失指標(biāo)M1為33 867.45元;絕緣老化經(jīng)濟(jì)損失指標(biāo)M2=2 500+4 935.5=7 435.5元;降容率經(jīng)濟(jì)損失指標(biāo)M3為5 200元;由于該小區(qū)沒(méi)有跟供電公司簽訂電能質(zhì)量合同,因此M4為零;5年內(nèi)該小區(qū)變壓器由于諧波的影響維修過(guò)一次,假設(shè)維修一次的成本為3 000元,則M5=3 000元.則該配電網(wǎng)5年的諧波經(jīng)濟(jì)損失為:

33 867.45+7 435.5+5 200+

0+3 000=49 502.95元

5 結(jié) 語(yǔ)

針對(duì)傳統(tǒng)諧波網(wǎng)損計(jì)算的弊端,本文提出了新的諧波網(wǎng)損評(píng)估方法.對(duì)常規(guī)PSO算法進(jìn)行改進(jìn)得到CAPSO算法,并跟RBF神經(jīng)網(wǎng)絡(luò)結(jié)合,得到了CAPSO-RBF神經(jīng)網(wǎng)絡(luò)算法,并應(yīng)用到諧波網(wǎng)損評(píng)估當(dāng)中.該方法編程較簡(jiǎn)單,評(píng)估結(jié)果準(zhǔn)確.

另外,本文通過(guò)Simoni模型建立了熱-電協(xié)同作用下的XLPE電纜老化壽命模型,并通過(guò)等值熱路法建立了諧波影響下的電纜線(xiàn)芯溫升模型,將兩者結(jié)合得到了諧波條件下的XLPE電纜老化壽命模型.算例分析結(jié)果表明,諧波含量越高,壽命損失越大,經(jīng)濟(jì)損失越嚴(yán)重.

[1] 林海雪.連續(xù)變化型電能質(zhì)量的經(jīng)濟(jì)評(píng)估[J].供用電,2010,27(2):9-12.

[2] 林海雪.No.5改善電能質(zhì)量的經(jīng)濟(jì)評(píng)估[J].供用電,2016,33(2):34-41.

[3] 張占龍,王科,李德文,等.變壓器諧波損耗計(jì)算及影響因素分析[J].電力系統(tǒng)保護(hù)與控制,2011,39(4):68-72.

[4] 李瓊林,鄒磊,劉會(huì)金,等.電力變壓器諧波損耗仿真計(jì)算與實(shí)驗(yàn)研究[J].電網(wǎng)技術(shù),2013(12):3 521-3 527.

[5] 石碧薇.變壓器在諧波條件下的損耗及熱問(wèn)題分析[D].北京:華北電力大學(xué),2014.

[6] 江淘莎,李劍,陳偉根,等.油浸式變壓器繞組熱點(diǎn)溫度計(jì)算的熱路模型[J].高電壓技術(shù),2009,35(7):1 635-1 640.

[7] 李瓊林,李陳瑩,龐博,等.諧波對(duì)電力電纜損耗的影響分析與計(jì)算方法[J].電測(cè)與儀表,2015,33(23):34-42.

[8] 柳華寧,王建伯,董志敏.諧波對(duì)電力電纜線(xiàn)路損耗的影響[J].河北電力技術(shù),2009,28(3):25-28.

[9] 陳海涵,程啟誠(chéng).等值電阻法計(jì)算配電網(wǎng)損耗的理論和實(shí)踐[J].廣東電力,2004,17(3):5-8.

[10] 李文才,李燕,王希平,等.低壓配電網(wǎng)的諧波損耗與綜合治理[J].電氣應(yīng)用,2009,28(3):48-50.

[11] 彭小圣,鄧迪元,程時(shí)杰,等.面向智能電網(wǎng)應(yīng)用的電力大數(shù)據(jù)關(guān)鍵技術(shù)[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(3):503-511.

[12] 張東霞,苗新,劉麗平,等.智能電網(wǎng)大數(shù)據(jù)技術(shù)發(fā)展研究[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(1):2-12.

[13] 王濤.基于捕食搜索策略的自適應(yīng)混沌粒子群算法的研究及應(yīng)用[D].廣州:暨南大學(xué),2013.

[14] 呂振肅,侯志榮.自適應(yīng)變異的粒子群優(yōu)化算法[J].電子學(xué)報(bào),2004,32(3):416-420.

[15] 趙建玉,賈磊,楊立才,等.基于粒子群優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)交通流預(yù)測(cè)[J].公路交通科技,2006,23(7):116-119.

[16] 溫惠,王同勛,毛濤,等.基于諧波畸變率和負(fù)載率的變壓器損耗及壽命損失分析[J].電測(cè)與儀表,2015,52(22):42-48.

[17] 寧鳳輝,段乃欣,邱毓昌.金屬化膜電容器受諧波影響的壽命模型[J].絕緣材料,2002,35(5):21-23.

[18] MONTANARI G C,MAZZANTI G,SIMONI L.Progress in electrothermal life modeling of electrical insulation during the last decades[J].IEEE Transactions on Dielectrics and Electrical Insulation,2002,9 (5):730-755.

[19] 李海英,劉毅超,宋建成.諧波對(duì)礦用XLPE電纜容量和穩(wěn)態(tài)溫度的影響[J].高壓電器,2014(9):82-88.

[20] 馬國(guó)棟.電線(xiàn)電纜載流量[M].北京:中國(guó)電力出版社,2003:45-60.

(編輯 桂金星)

Study on Economic Loss Evaluation Method of Harmonic Wave in Distribution Network Based on Large Data

DAI Chaofan1, DENG Xiaoxiang1, JIANG Yu2, DING Xiaoqun2, DENG Jixiang3

(1.HeilongjiangInstituteofScienceandTechnology,Harbin150022,China;2.CollegeofEnergyandElectricalEngineering,HehaiUniversity,Nanjing211100,China;3.TaizhouPowerSupplyCompany,Taizhou225300,China)

At present,a unified scientific evaluation system is absent.In view of this problem,based on the power large data technology,the overall framework of harmonic economy loss evaluation system of distribution network which contaions data layer,index layer and application layer is constructed and the harmonic economy loss evaluation index system is established.The conventional particle swarm optimization algorithm is improved,in combination with the RBF neural network,using the CAPSO-RBF neural network to assess the harmonic loss.The Simoni model and the XLPE cable harmonic line core temperature rise model are combined,obtaining the evaluation model of insulation aging life of XLPE cable.Finally,the feasibility of this method is proved by the case analysis,and the rationality of the evaluation system and the advantages of large power data is also verified.

large data; distribution network; harmonic economy loss

10.3969/j.issn.1006-4729.2017.02.008

2017-01-09

戴超凡(1991-),男,在讀碩士,江蘇宿遷人.主要研究方向?yàn)闊o(wú)功補(bǔ)償與諧波抑制.E-mail:200878904@qq.com.

TM727;TM711

A

1006-4729(2017)02-0145-07