本发明涉及谐波治理领域,特别是涉及一种有源电力滤波器接入位置和容量的确定方法及系统。
背景技术:
近年来,变频器、整流器等大量的非线性装置带入了电网中,产生了大量谐波电流,引起电动机过热、保护装置误操作、电能质量低等诸多问题,严重时甚至会损坏设备,造成电力系统故障,影响企业正常生产运行。
为了抑制电网的谐波污染,多数企业一般在地面变电站集中治理非线性负载引起的谐波污染,或者在主要的非线性负载处就地治理,谐波治理效果不理想或者治理成本太高。
技术实现要素:
本发明的目的是提供一种有源电力滤波器接入位置和容量的确定方法及系统,能够在保证谐波治理效果的同时降低谐波治理的成本。
为实现上述目的,本发明提供了如下方案:
一种有源电力滤波器接入位置和容量的确定方法,包括:
建立有源电力滤波器的离散化时域模型
基于谐波治理的目标建立所述时域模型的目标函数和约束条件;
基于所述目标函数和约束条件采用粒子群优化算法对所述时域模型进行优化,得到有源电力滤波器在第m条接入母线处输出的最优离散化补偿电流;
根据所述最优离散化补偿电流确定有源电力滤波器的接入位置和容量。
可选的,采用公式
可选的,所述目标函数为
可选的,所述约束条件包括:
第m条接入母线的电压谐波畸变率小于等于第一设定阈值;
第m条接入母线的单次谐波含有率小于等于第二设定阈值。
可选的,所述第一设定阈值为5%。
可选的,所述第二设定阈值为3%。
一种有源电力滤波器接入位置和容量的确定系统,包括:
模型建立模块,用于建立有源电力滤波器的离散化时域模型
目标函数和约束条件建立模块,用于基于谐波治理的目标建立所述时域模型的目标函数和约束条件;
变量优化模块,用于基于所述目标函数和约束条件采用粒子群算法对所述时域模型进行优化,得到有源电力滤波器在第m条接入母线处输出的最优离散化补偿电流;
确定模块,用于根据所述最优离散化补偿电流确定有源电力滤波器的接入位置和容量。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明采用了粒子群优化算法在保证井下电网的谐波畸变符合标准的前提下,确定了有源电力滤波器的接入位置和容量,使项目的投资成本最少,平衡了谐波治理与投资成本之间的关系。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明有源电力滤波器接入位置和容量的确定方法的流程图;
图2为本发明有源电力滤波器接入位置和容量的确定系统的模块图;
图3为本发明有源电力滤波器谐波电流检测原理图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种有源电力滤波器接入位置和容量的确定方法及系统,能够在保证谐波治理效果的同时降低谐波治理的成本。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明有源电力滤波器接入位置和容量的确定方法的流程图,如图1所示,一种有源电力滤波器接入位置和容量的确定方法,包括:
步骤101:建立有源电力滤波器的离散化时域模型
步骤102:基于谐波治理的目标建立所述时域模型的目标函数和约束条件;
步骤103:基于所述目标函数和约束条件采用粒子群优化算法对所述时域模型进行优化,得到有源电力滤波器在第m条接入母线处输出的最优离散化补偿电流;
步骤104:根据所述最优离散化补偿电流确定有源电力滤波器的接入位置和容量。
其中,步骤101建立有源电力滤波器的离散化时域模型,具体包括:
图3为有源电力滤波器(apf)的谐波电流检测原理图,图3中,ia、ib、ic为检测的负载电流,经过clark变换矩阵得到iα、iβ,再经过park变换矩阵得到ip、iq,计算过程如式(1):
式(1)中,c32,c分别为:
负载的谐波电流iah、ibh、ich通过式(4)得到:
式(4)中,
将谐波电流取反可得到apf输出的补偿电流,由此可得apf的时域模型:
式(5)中,
式(6)中,
式(7)中,sb为人为划分的基本单位容量,为了计算的简便,使用apf容量的标幺值,本文中选为0.05,int函数为上取整函数。经过修正的apf容量为基本单位容量的整数倍。例如,如果计算所得apf的最优容量为0.27,那么修正后apf的容量即为0.3。
步骤102中建立所述时域模型的目标函数和约束条件,具体包括:
电网谐波治理的目标即是在全网谐波畸变符合要求的约束下,最大的降低谐波治理的投资成本。投资成本应包含两种,一种为固定成本,即安装一台apf需要的安装费用,独立于apf的容量,一般为常数;另一种是容量成本,容量成本随着apf容量成比例的增加。基于以上考虑,谐波治理的目标函数建立为:
式(8)中,of为井下电网谐波治理的投资总成本,cfc为安装一台apf需要的固定成本(fixedcost,fc),n为需要安装的apf的总数量,cuc为apf容量的单位成本(unitcost,uc),sn为每个apf的容量。
ieee-519推荐电网中69kv电压以下最高的电压谐波畸变率应在5%以下,同时,最高的单次谐波含有率应在3%以下。因此,本发明以此推荐标准作为煤矿井下电网谐波治理的约束条件,即有:
thdm≤5%(9)
hrm≤3%(10)
其中,m表示第m条母线,thdm为第m条接入母线的电压谐波畸变率,hrm第m条接入母线的单次谐波含有率。
步骤103中采用粒子群优化算法对所述时域模型进行优化,得到有源电力滤波器在第m条接入母线处输出的最优离散化补偿电流,具体包括:
将式(6)中计算得到的apf输出补偿电流作为pso中的粒子变量进行寻优,经过以下步骤确定井下电网中apf接入位置和容量的最优值:
1)参数初始化,即根据具体的电网结构对参数进行赋值,包括煤矿井下电网结构参数输入,粒子群的规模,粒子群变量的初始值、惯性权重值、学习因子等参数。
2)初始化后,将相关参数代入有源电力滤波器的离散化时域模型,即公式(7)可以计算apf的补偿电流,然后计算井下电网的导纳矩阵;接着通过式(11)确定电网接入apf后各母线的谐波电流:
式(11)中,
由电网导纳矩阵可以得到各母线的谐波电压,计算谐波电压可以计算出thdm和hrm,然后计算目标函数的值并判断是否满足约束条件:
式(12)中,
3)根据目标函数的值更新个体极值pbest,若在此次迭代过程中,目标函数的值小于上次迭代目标函数的值,更新个体极值,否则,不更新,如式(13)所示:
式(13)中,k为迭代次数,ofj为与粒子j相关的目标函数值,xj为与粒子j相关的apf输出的补偿电流。
4)根据目标函数的值更新全局极值,若在此次迭代过程中,目标函数值小于上次迭代目标值,更新全局极值,否则,不更新,如式(14)所示:
式(14)中,gbest为全局极值,k为迭代次数,of为目标函数值。
5)粒子(apf输出的离散化的补偿电流)通过个体经验和群体经验更新目标值、个体极值和全局极值,并依据式(15)不断的调整自身的速度,直至满足收敛条件,收敛条件为目标函数值无更新或者更新小于某一设定的值。
式(15)中,
其中,惯性权重w随着迭代次数的增加而线性减少:
式(16)中,wmax和wmin分别为惯性权重的最大值和最小值,itermax为迭代次数的最大值,iter为当前迭代次数。
粒子通过式(17)更新自身的位置:
6)若当前迭代次数达到最大的迭代次数或者目标函数值变化小于设定值,步骤终止得到结果,否则,回到步骤2)。
最终得到的粒子的位置即为apf在各个母线中输出的最优离散化补偿电流。
步骤104根据最优离散化补偿电流确定有源电力滤波器的接入位置和容量,具体方法为:
各个母线中输出的最优离散化补偿电流值即为该母线处需要接入的有源电力滤波器的容量值;
确定有源电力滤波器的接入位置的方法是:如果某条母线所需要的容量特别小(如在5%以下)或者没有,说明这条母线不需要安装apf;如果有条母线所需要的安装容量比较大(一般大于等于5%),说明需要安装apf;也就是说可以从每条母线所需要安装apf的容量确定该条母线是否需要接入apf,从而从整体上确定电网最终需要的安装apf位置。
为了说明本发明的优越性,下面以电网中未安装apf、非线性负载侧均安装apf、使用优化算法安装apf三种情况做简要对比:
电网中未安装apf、非线性负载侧均安装apf、使用优化算法安装apf三种情况下的电压谐波畸变率如表1所示:
表1各母线的电压谐波畸变率
从表1中可以看出,未安装apf时,井下电网中的谐波污染较为严重,母线7、11、15、16、17、19、20的thd均超过了规定的5%,在母线15、16处具有最大值9.62%;在非线性负载侧均安装apf的法后,各母线的thd都有大幅度的降低,谐波治理效果最优,母线15、16的thd降到2.3%左右;依据粒子群优化算法安装apf后,各母线的thd降低幅度较小,但是所有母线的thd都在标准5%以下,母线15、16的thd在4.96%左右。两种谐波治理方法下apf的安装位置及未离散化的apf的容量值(100a为基准)如表2所示,“/”表示在该母线处没有安装apf:
表2apf容量表
从表2中可以看出,使用粒子群优化算法后apf的容量从4.786降到了2.078。依据市场价格,本文假设在煤矿井下安装一台隔爆型apf时需要的固定成本约为8万元,每单位(perunit,pu)的容量成本约为22万元。使用粒子群优化算法计算并将apf的容量离散化后可以得出:在母线7、母线11、母线14处分别安装容量为0.9pu、0.9pu、0.35pu的三台apf即可。两种谐波治理方法需要的apf的总容量和目标成本见表3:
表3容量及投资成本比较
从表3可以看出,使用粒子群优化算法后,投资成本从164.9万降到了71.3万。
综合表1、表2、表3可以得出结论:煤矿井下电网中存在较为严重的谐波污染问题,若在非线性负载侧均安装apf,谐波畸变可以降至最低,但是apf的总容量和投资成本分别达到了4.95及164.9万元。而使用粒子群优化算法安装apf后,谐波畸变程度接近标准5%,但是总容量和投资成本分别降低了56.6%和56.8%。由此可知,使用粒子群优化算法安装apf是在井下电网的谐波畸变符合标准的约束下,牺牲了一定的谐波治理效果来换取投资成本的降低。在谐波畸变程度要求更低的工程中,只需将约束条件中thd和hr的值降低即可。
图2为本发明有源电力滤波器接入位置和容量的确定系统的模块图,如图2所示,一种有源电力滤波器接入位置和容量的确定系统,包括:
模型建立模块201,用于建立有源电力滤波器的离散化时域模型
目标函数和约束条件建立模块202,用于基于谐波治理的目标建立所述时域模型的目标函数和约束条件;
变量优化模块203,用于基于所述目标函数和约束条件采用粒子群算法对所述时域模型进行优化,得到有源电力滤波器在第m条接入母线处输出的最优离散化补偿电流;
确定模块204,用于根据所述最优离散化补偿电流确定有源电力滤波器的接入位置和容量。
本发明还公开了如下技术效果:
本发明采用了粒子群优化算法在保证井下电网的谐波畸变符合标准的前提下,确定了有源电力滤波器的接入位置和容量,使项目的投资成本最少,平衡了谐波治理与投资成本之间的关系。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。