城市电网规划研究现状与优化处理

城市电网规划研究现状与优化处理【摘要】随着社会对城市供电要求的急剧增加，城市电网建设是推动电网现代化管理和电能质量及提高电网整体供电能力的重要任务。本文阐述了城市电网优化规划研究的意义，对电网建设规划及优化进行了分析，并提出了电力系统等维新息递推模型的建模过程和改进措施。【关键词】城市电网；优化；规划；措施；中图分类号：U665.12文献标识码：A文章编号：引言随着我国经济建设的快速发展，电力负荷出现快速增长，为了解决电力供应不足，各地纷纷加大发电厂建设，但是由于配电网络的建设滞后，使得电力供应出现有电送不出的现象，如何对城市电网进行优化规划成为当前迫切需要解决的问题。我国由于长期习惯于缺电局面和垄断经营，使得电网建设速度明显滞后于发电和用电的增长速度，成为把电能从电厂送到用户的“瓶颈”。因此为了满足不断增长的电力需求必须改变目前电力供应中发电、输电、配电比例失调的局面，加快电网的优化规划工作。1、电网建设整体规划在电力系统设备完好的情况下，保证各项运行指标，如线路输送功率、发电机出力、系统电压水平和稳定储备系数等指标在给定的允许范围内，满足给定的供电可靠要求。在进行网络结构总体规划以前，我们确定了如下标准化原则：电网安全可靠性原则(满足N一1)、网络结构原则(包括变电站建设规模、接线方式的一般原则)、变电站容载比原则、短路电流控制原则、电网中性点运行方式、线路设计原则、无功平衡原则等。进行网络结构优化处理，其处理方法很多，如灵敏度分析法、线形规划法、单阶段静态优化模型等。本次规划，我们采用了一种新型的优化算法遗传算法。首先将实际优化问题编码成符号串，也称染色体，将实际问题的目标函数转变成染色体的适应度函数，然后在随机产生一批出事染色体基础上，根据各染色体的适应度函数进行繁殖，交叉，及变异等遗传操作产生下一代染色体。适应函数值的大小决定了该染色体被繁殖的几率，从而反映论适者生存的原理。交叉和变异操作通过随机和结构化的交换个染色体之间的信息而可能产生更优秀的染色体。这样，经过逐代遗传，就会产生出一批适应函数值很高的染色体，最后将这些染色体解码还原就可以获得原问题的解。当染色体域足够大和遗传代数足够多时，从理论上讲，遗传算法一定可以逼近原问题的最优解。运用遗传算法求解该模型的步骤如下：（1）准备必要的数据。在求解最优网架之前需要知道确定建设的变电站站址，待选线的电阻、电抗、允许热稳定极限、长度、投资等参数；并需要知道在规划年份各站的负荷和各电源的出力。（2）编码。对方案的所有决策变量进行编码，在遗传算法中每一个网络方案对应于一个染色体，采用整数编码，每回代选线路对应于一个基因，该线路出现在这个方案中，则基因值为l，否则为0，每个染色体对应一个规划方案。（3）确定评价函数(适应函数)。评价函数对每一个染色体即每一个方案进行评价，将约束条件以函数形式并人目标函数中，将有约束条件的规划问题转化成无约束条件的规划问题。（4）进行遗传操作。经交叉变异产生新一代群体，评价群体中的每一个体。重复步骤直至得到满意的网络方案。遗传算法虽然能够获得潮流合理和满足N一1安全准则，又具有线路投资最小的解，但是对于实际电网规划中的其他约束因素还未能全面顾及。尽管如此，遗传算法仍不失为电网规划者的一个有力的辅助工具，因为它向规划者提供了一批组合优化后已满足一定技术要求和经济原则的候选方案，使规划者能够在此基础上进行详细的论证和修改。2、GM(1,1)模型的建立GM（1.1）模型的实质是对原始数据序列作一次累加生成，使生成序列呈一定规律，并用典型曲线拟合，建立其数学模型。具体方法如下：设有n个原始负荷样本数据：对该数据序列进行一阶累加，生成新数据序列（1AGO）。按新数据序列的变化规律对新数据序列建立白化形式微分方程：式中，a，u为参数，记为Aa，uT，并用最小二乘法确定参数A，即由上述白化形式微分方程的解，得到GM（1,1）预测模型为：经累减还原，得原始数列的预测模型为：3、残差检验设历史数据序列为：设预测数据序列为：记时历史值与预测值之差为,称为时刻的残差记历史数据的平均值为，有记残差的平均值为，有记历史数据方差为有记残差方差为，有则可得后验差检验的两个重要数据，即后验差比值C，小误差概率指标C越小越好，C越小表示S1越大，而S2越小。S1越大，表明历史数据方差大，历史数据就越离散。S2越小，表明残差方差越小，残差离散程度大。C小，表明尽管历史数据很离散，而模型所得的预测值与实际值之差并不太离散。指标P越大越好，P越大，表示残差与残差平均值之差小于给定值0.6745S1的点较多。按C与P两个指标，可以综合评定预测模型的精度，如表1所示。表1综合评定预测模型的小误差概率（P）和后验差比值（C）实际电力负荷的变化难成指数规律，若用GM(1,1)模型进行预测，其结果必然不会令人满意。不仅如此，经许多实例预测可知，模型精度不高，究其根本原因，在于建模时不是对应于同一点的函数值和导数值去辩识微分方程中的参数所致。此外，在作长期预测时，误差更大，这主要是由于关键的参数没有随着情况的发展而变化。因此，有必要对GM(1,1)预测模型进行改进。4、模型的改进4.1对原始数据序列进行平滑处理影响电力负荷变化的因素较多，电力负荷有可能不是指数增长，而是具有波动性变化，此时若采用GM(1,1)模型方法，其预测误差可能变得较大，不满足实际要求。因此，对原始数据序列作平滑处理是必要的。这样平滑处理后，新数据序列的方差小于原始非负序列的方差，从而新序列的随机性弱于原始序列，这样就扩展了GM(1,1)模型的适用范围。4.2局部残差修正基于前述的GM(1,1)模型，可将GM(1,1)模型得到的局部残差，再按上述的处理方法建立新的GM(1,1)模型，并对原始预测模型进行修正，以提高预测精度。4.3建立等维新息递推GM(1,1)模型所谓等维新息递推GM(1,1)模型，即用已知数列，建立GM(1,1)模型，预测一个值，将其补充在己知数列之后，同时去掉最老的一个数据，保持数列等维，这样新陈代谢，逐个预测，依次递补，直到完成预测目标为止。这样，在整个预测过程中，模型参数是不断变化的。这一改进，既克服了简单灰色预测法中数学模型固定不变的弊病，又利用了灰色预测法短期预测精度高的优点，使其能满足中长期负荷预测的要求。4.4其它改进方法综合以上论述，整个预测工作的步骤如下：a.对原始数据序列进行平滑处理形成原始数据序列的修正序列;b.计算的一阶累加生成序列，对建立GM(1,1)预测模型；c.还原预测模型，得到原始数据序列的预测模型，并计算的值；d.检验后验残差，如不满足精度要求，则取局部残差建立残差数据序列；e.对残差数据序列再建立GM(1,1)模型，并对原始数据序列的预测模型进行修正；f.把加入到序列中，同时去掉最老的数据,重复步骤a.b.c.d.e.计算得；g.如此进行下去，直到完成为止,为预测长度。结束语：做好城网规划对指导城网建设、提高城网供电能力有很大的促进