АЛГОРИТМИЗАЦИЯ РЕШЕНИЯ ЗАДАЧИ УПРАВЛЕНИЯ РЕЖИМАМИ РЕГИОНАЛЬНОЙ ЭЛЕКТРОЭНЕРГЕТИЧЕСКОЙ СИСТЕМЫ

АННОТАЦИЯ

В статье предложены методы оптимизации процессов управления в региональных энергосистемах. В ходе исследования было установлено, что применение модели на основе нейро-аналитической сети позволяет уменьшить потери суммарной мощности электроэнергии до 1% за счет поддержания напряжения в нагрузочных узлах электрической сети и уменьшения фазовых перекосов. Проведен сравнительный анализ эффективности предложенного алгоритма и классических моделей управления. Установлено, что результаты модели на базе НАС в управлении процессами перетока мощности значительно превышают показатели классических подходов. Результаты подтверждают высокую точность предложенного подхода в задачах управления энергосистемами.

ABSTRACT

The article proposes methods of optimisation of control processes in regional power systems. In the course of the research it is established that the application of the model based on neuro-analytical network allows to reduce losses of total power of electric energy up to 1% due to voltage maintenance in load nodes of the electric network and reduction of phase distortions. A comparative analysis of the efficiency of the proposed algorithm and classical control models has been carried out. It is established that the results of the NAS-based model in the control of power flow processes significantly exceed the performance of classical approaches. The results confirm the high accuracy of the proposed approach in power system control problems.

Ключевые слова: алгоритм оптимизации, электроэнергетическая система, критерий минимума, потери мощности, кратковременный режим

Keywords: optimization algorithm, electric power system, minimum criterion, power losses, short-term mode

Введение. Задача оптимизации режимов и оперативного управления режимами работы электроэнергетических систем (ЭЭС) является одной из сложных задач, заключающейся в определении оптимальных значений вырабатываемых и используемых  активной и реактивной мощностями электроэнергетических объектов (ЭЭО) [1], напряжения и частоты в опорных узлах нагрузки, а также минимизация потерь мощности электроэнергии (ЭЭ) [2]-[3], обеспечивающих надежное снабжение качественной электроэнергией всех потребителей с минимальными производственными затратами, а также передачу и распределение электроэнергии. Динамика перечисленных регулируемых параметров описывается уравнениями и неравенствами, определяющие области допустимых режимов работы ЭЭС [4]. Следует отметить, что изменения этих переменных имеет вероятностный и технологический характер. Эти и другие факторы обуславливают усовершенствование работы алгоритма оптимизации управления режимами работы ЭЭС.

Методы и модели. Для решения оптимизационных задач в управлении ЭЭО наиболее важным показателем эффективности является обеспечение баланса между выработкой и потребляемым энергоресурсом. Для оптимизационных задач в качестве критерия оптимальности взята минимизация потерь активной мощности в узлах нагрузки ЭЭС, определяемая по формуле [5]:

                                              (1)

где  - общие потери активной мощности;  – потери в узловых нагрузках;  – регламентируемые значения потери активной мощности ЭЭ, без разрядки;  - потери активной мощности при разрядке ЭЭ в электрических линиях.

В качестве функционала берем минимизацию потери активной мощности электрической энергии в узлах ЭЭС используя выражение [6]:

    (2)

где  – потери активной мощности в узлах электрической сети; ,  – активное и индуктивное сопротивления в линиях электропередачи;  – изменение значения напряжения ЭЭ в электрических сетях;  – мощность потери ЭЭ при холостом ходе;  – длительность функционирования ЭЭС при передаче энергоресурсов;  – удельные потери мощности электрической энергии при разрядке;  – коэффициент потери мощности ЭЭ при разрядке.

Для минимизации функционала (1) учитываются граничные условия:

                                             (3)

где , , ,  – внутренние и внешние значения активной и реактивной мощности соответственно.

Для решения поставленных задач, предложено применение нейро-аналитической сети (НАС), использующейся для аналитического отображения связи между входными и выходными переменными, которая позволяет иметь больше качественных возможностей в условиях неопределённости исходной информации. Исходя из этого, предложен алгоритм оптимизации [7] режимов работы ЭЭС по критерию минимума потерь мощности (рис. 1).

Рисунок 1. Алгоритм оптимизации режимов работы ЭЭС

Алгоритм оптимизации состоит из следующих этапов:

1. В качестве исходных данных берется вектор значения потоков активной и реактивной мощности ЭЭ, модуль и фазовый сдвиг напряжения, а также информация о статических характеристиках нагрузки (СХН) электрической сети и функционал критерия качества.

2. Проверяется выполнение граничных условий, накладываемых на значения активной и реактивной мощности электроэнергии и частоты напряжения.

3. С используемой НАС определяются значения потоков активной -  и реактивной -  мощности электроэнергии.

4. Вычисляются векторы невязки мощностей ЭЭ в узлах электрической сети, определением значениями потоков мощности электроэнергии в предыдущих интервалах времени (блок 4):

где  - функция, характеризующая разности активной и реактивной мощности;  – регламентированные значения активной и реактивной мощности ЭЭ в узлах электрической сети; ,  - отклонение активной и реактивной мощности ЭЭ от требуемых значений.

5. При достижении заданной точности, т.е. при выполнении условия   расчет процессов заканчивается и полученные значения являются оптимизированными параметрами (в блоках – 8,9) рассматриваемого режима работы ЭЭС; в противном случае – переход к следующему этапу.

6. Коррекция значений векторов активной и реактивной мощности ЭЭ осуществляется с учетом текущих значений напряжения по формуле (блок 6):

где  - скорректированные значение активной и реактивной мощности ЭЭ;  - модуль напряжения до корректировки.

И переход к шагу 3.

При оптимизации, в качестве изменяемых во времени параметров электрических узлов, взяты модуль и амплитуда напряжения в расчётных узлах [8]. Установлено, что применение предложенных моделей (алгоритма) в задачах управления, позволяют уменьшить потери суммарной мощности электроэнергии до 1%, за счет поддержания напряжения в нагрузочных узлах электрической сети и уменьшения фазовых перекосов.

Результаты и обсуждения. На основе, разработанного алгоритма прогнозирования и управления режимами работы ЭЭС, создан программный комплекс автоматизированного исследования динамики функционирования ЭЭО. Программный комплекс позволяет решить задачи, связанные с анализом и синтезом системы управления режимами работы ЭЭО при неопределенности исходной информации об объекте, а также изменчивости динамических свойств системы управления режимами работы электрических сетей [9]. Структурная схема программного комплекса приведена на рис. 2.

Рисунок 2. Структурная схема взаимодействия модулей программного комплекса по управлению процессом распределения перетока мощности

Характерной чертой программно-аппаратного комплекса является возможность интегрирования данного комплекса со средой моделирования Matlab, что в значительной мере расширяет его функционал, как в целях обучения, так и для подробного анализа функционирования отдельных подсистем региональных ЭЭС.

Результаты управления процессом перетока электроэнергии, проводимые в течении месяца (май 2024 г.), для сравнения взяты классические методы и разработанный метод на базе НАС, показаны на рис. 3 и записаны в таблицу 1.

Рисунок 3. Результаты управления процессом перетока мощности

Таблица 1.

Анализ результатов управления процессом перетока мощности за месячный период

Заключение. На основе проведенного анализа и полученных данных, можно сделать вывод, что в отличии от классических моделей, результаты модели на базе НАС имеют более точные показатели управления процессом перетока мощности выработки и потребления электроэнергии. Анализ, представленный в таблице 1 показал, что управление процессом перетока мощности на базе НАС с учетом оперативного периода значительно превышает аналогичные показатели нормативного (классического) подхода: результаты НАС - (0,0195-2,158)%, применение классического алгоритма -(2,762-6,464)%, а в среднесрочной перспективе: результаты НАС - (0,086-1,479)% , применение классического алгоритма - (2,76-4,9)%.

Список литературы:

1. Porubay O., Lazareva M., Abdullayev T., Mamadaliyev N., Xoitqulov A. (2024). Optimization of operation modes of renewable energy facilities to provide energy for agriculture. In E3S Web of Conferences (Vol. 538, p. 01028).
2. Siddikov I., Porubay O., Mirjalilov O. An algorithm for optimizing short-term modes of electric power systems, taking into account the conditions of the nature of the probability of the information flow of data // Journal of Physics: Conference Series. – IOP Publishing, 2022. – vol. 2373. – №. 8. – p. 082014.
3. Тумаева Е. В., Кузин С. С. Минимизация потерь активной мощности в кабельных линиях электропередачи 0, 4 кВ на предприятиях нефтехимии и нефтепереработки //Вестник Чувашского университета. – 2019. – №. 1. – С. 154-160.
4. Siddikov I. K., Porubay O. V. Algorithm for optimizing the operation mode of an electric power object under uncertainty on the basis of regression models Chemical Technology, Control and Management. – 2022. – Т. 2022. – №. 6. – pp. 54-60.
5. Руцков А. Л. Управление процессами перетоков мощности в системах регионального энергоснабжения на основе аппарата нечёткого регулирования и нейронных сетей: диссертация ... кандидата Технических наук: 05.13.06 / Руцков Алексей Леонидович; 2018. - 200 с.
6. Siddikov I. K., Porubay O. V. Application of evolutionary algorithms for optimization of operation modes of regional electric power systems //Chemical Technology, Control and Management. – 2023. – vol. 2023. – №. 4. – pp. 43-48.
7. Сиддиков И.Х., Порубай О.В. Нейросетевая модель принятия решений в электроэнергетических объектах в условиях неопределенности//Scientific-technical journal. STJ FerPI, ФарПИ ИТЖ, НТЖ ФерПИ, 2023. – Т. 27. – спец.выпуск №. 2. – С. 98-105.
8. Сиддиков И.Х., Порубай О.В. Нейро-аналитическая система оптимизации процессов энергопотока в объектах электроэнергетики //Журнал “Приборы”. – 2023. – №. 9 (279). – С. 30-34.
9. Порубай О.В. Интеллектуализация принятия управленческих решений в электроэнергетических объектах в условиях неопределенности: диссертация ... доктора философии (PhD) по техническим наукам: 05.01.08 / Порубай Оксана Витальевна [Место защиты: ТГТУ «Ташкентский государственный технический университет»], 2024. - 141 с.