傳統配電臺區治理三相不平衡時，忽視了換相對負荷的影響，換相開關壽命以及配電臺區的經濟性等問題。針對上述問題，本文提出了一種基于負荷預測的配電臺區三相不平衡治理方法。采用K-means算法對歷史日負荷進行聚類，利用支持向量機對已經做過統計歸類處理的歷史數據進行短期負荷預測，并計算對應配電變壓器運行時三相負荷電流的不平衡度。建立了以配電臺區三相電流不平衡度最小，換相開關切換次數最少為目標的最優換相數學模型，通過遺傳算法獲得最優換相方案。
該方法有效減少了線損、降低了三相負荷不平衡度以及緩解了配電臺區三相負荷不平衡問題。
我國配電網自動化程度低，單相負荷多，尤其農村地區，電力用戶繁雜且疏于規劃，單相負荷分配不均衡，配電臺區存在嚴重的三相負荷不平衡問題。
當前，國內外治理三相負荷不平衡問題的方法主要有：①無功補償裝置投切電容器組；②相間電容轉移有功功率；③換相開關裝置調整負荷等。其中，靜止無功發生器和相間跨接電力電容器等無功補償裝置，沒有從根本上解決三相負荷不平衡問題；負荷自動調相裝置價錢昂貴且控制終端與換相開關之間通信復雜，難以在配電臺區中推廣應用；人工調相操作具有一定的延時和滯后性。配電臺區三相不平衡治理存在運維成本高，時間滯后等問題。
隨著科學技術的進步，智能算法發展逐漸成熟，支持向量機（support vector machine, SVM）算法廣泛應用在小樣本、系統非線性等復雜的情況下，同時克服了神經網絡經驗風險最小化的局限。K- means算法的聚類效果與同類內氣象數據的相似度成正比，與類間的相似度成反比關系，同時收斂速度快，實現容易。
遺傳算法具有強魯棒性和自適應性，高搜索能力和對目標函數依賴程度低的優點，適合解決換相最優解的問題。基于聚類分析和支持向量機算法的負荷預測可以精確預測出未來一段時間內負荷的用電數據；遺傳算法在電力系統最優方案篩選方面的應用更為廣泛。然而這些技術在三相不平衡負荷調整方面卻鮮有應用。
綜上所述，本文提出一種新的配電臺區三相負荷不平衡治理方法。基于負荷預測結果，對三相不平衡問題嚴重的配電臺區，利用目標函數搭建最優換相數學模型，然后采用改進遺傳算法篩選得出配電臺區負荷最優換相方案，最大限度降低配電臺區三相電流不平衡度的同時盡可能縮小開關調整次數，提高配電臺區供電經濟性和安全性以及換相裝置的使用壽命，從根源上治理三相不平衡問題。
圖1 負荷預測流程圖
圖2 遺傳算法換相尋優流程圖
總結
本文提出了基于負荷預測的三相負荷不平衡治理方法。通過負荷預測獲得各時刻的三相電流不平衡度，確定需提前進行負荷調整的時刻，采用改進遺傳算法獲得負荷最優調整方案。案例分析結果表明該方法可以提前調整負荷所在相序，避免了由于未能及時調整負荷所帶來的加劇三相負荷不平衡程度的后果，同時減少了線路損耗，延長了換相開關的使用壽命，提高了配電臺區的經濟性及供電可靠性。
手機掃描二維碼
