3836

АСУ теплоснабжения или АСУ тепло - это интегрированная, многокомпонентная, организационно-технологическая автоматизированная система управления тепловым хозяйством.

АСУ теплоснабжения позволяет:

-повысить качество теплоснабжения;

-оптимизировать работу теплового хозяйства путем осуществления заданных технологических режимов;

-снизить потери тепла благодаря раннему обнаружению аварийных ситуаций, локализации и устранению аварий;

-обеспечить связь с верхними уровнями управления, что существенно повышает качество управленческих решений, принимаемых на этих уровнях

Следует отметить, что выше описанные свойства АСУ СЭС, а также функциональные возможности АСУ региональными энергетическими системами (по регулированию реактивной мощностью и напряжению с помощью силовых трансформаторов с РПН и ВДТ – о чем говорилось в начале данной главы), позволяют эффективно использовать современные силовые статические преобразователи как в нормальных, так и в аварийных режимах. Об этом будет более подробно рассказано в следующих главах.

42

Глава 3. ВОПРОСЫ ОПТИМИЗАЦИИ УПРАВЛЕНИЯ РЕЖИМАМИ РАСПРЕДЕЛИТЕЛЬНЫХ СЕТЕЙ

Как правило, все методы управления режимами распределительных сетей, применяемые на практике, направлены на реализацию оптимального соотношения главных задач – повышение надежности, энергоэффективности и энергосбережения в этих объектах. Возрастающая стоимость энергоресурсов приводит к необходимости повышения эффективности их использования. Быстрый рост тарифов на электроэнергию, газ, тепло, воду в последние годы особенно заметен и можно, с большой вероятностью, предположить, что тенденция сохранится.

Рост тарифов обусловлен в основном увеличением стоимости энергоносителей, износом генерирующих источников и транспортных коммуникаций энергоносителей, трудностями балансировки цен на них на внутреннем и внешнем рынке.

Таким образом, решение выше отмеченных задач требует применение разнообразных организационных и технических методов [45].

Ниже коротко отметим ряд основных применяемых методов

иэнергоэффективных технологий:

1.перевод городских жилищно-коммунальных объектов и предприятий на дифференцированную по времени суток форму расчетов за электроэнергию;

2.устройство автоматических систем учета тепла, воды, газа; 3. внедрение систем управления и распределения тепла в зданиях различного назначения;

4.устройство локальных тепловых узлов с электронагревом, работающих в зоне льготных режимов с теплонакопителями;

5.реконструкция и техническое перевооружение энергогенерирующих источников ( в том числе – источником постоянного тока), коммуникаций сетей тепло, электро и водоснабжения;

6.устройства электронной пускорегулирующей аппаратуры (ЭПРА) для газоразрядных ламп освещения и устройств

автоматического управления городским освещением; 7. устройство систем частотно – регулируемых приводов для асинхронных двигателей;

43

8. диспетчеризация учета энергоносителей в масштабах отдельных объектов и больших узлов нагрузки;

9.внедрение высокоэффективных источников энергии;

10.внедрение высокоэффективных аппаратных средств управления режимами сетей электроснабжения (в т.ч. регуляторов напряжения и реактивной мощности).

Все технические методы вышеупомянутой программы энергосбережения можно разделить на аппаратные и программноалгоритмические. Так как аппаратные вопросы будут рассмотрены в 4 главе, то далее рассмотрим именно программно-алгоритмическое направление.

Учитывая, что распределительные сети являются неотъемлемой частью ЭЭС, то вопросы оптимального управления их режимами методологически имеют как общие подходы, так и различия.

Отметим, что комплексная задача определения оптимальных условий эксплуатации энергосистем или энергообъединений, в целом, должна решаться на основе использования экономического критерия минимизации приведенных народнохозяйственных затрат на производство и распределение электрической и тепловой энергии

[46].Решение лежит в плоскости рассмотрения ряда взаимосвязанных задач, каждая из которых характеризуется своими частичным экономическим критерием и математической моделью поведения энергосистемы, Последним должны отвечать определенные алгоритмы, наиболее полно учитывающие специфику задачи, в первую очередь экономические факторы свободного рынка оборота электрических мощностей. В процессе решения используются различные исходные данные, в значительной мере вероятностные и неравноточные.

Что касается конкретно оптимизации текущего режима энергосистемы или энергообъединения то под этим понимают наилучшее распределение генерируемых активных и реактивных мощностей между электростанциями, а также другими регулируемыми источниками реактивной мощности — синхронными компенсаторами, управляемыми реакторами и батареями статических конденсаторов, которому отвечает минимум эксплуатационных издержек.

44

Как было указано в [46], первичное и вторичное регулирование частоты и мощности, обеспечивается в современных ЭЭС с использованием различных программных методов.

Упрощенно, состояние электроэнергетической системы (ЭЭС) можно описать моделью [47, 48]:

xh+1 = xh +T(xh , Hk ) νk + Г(xk , Hk ) ζ k

νk = ϕ(xk , Hk ) +ηk

где xk – вектор состояния ЭЭС; xh – вектор управляющих воздействий; νk – вектор измерений; ζ k ,ηk –последовательности

случайных величин; Hk – матрица параметров электрической сети;

T , Г – нормирующие матрицы; ϕ – нелинейная вектор – функция. Из этого следует, что определения оптимального рабочего

режима электрической сети в процессе ее текущей эксплуатации нужно значительное количество информации о параметрах режима и требуется выполнение достаточно сложных расчетов по ее обработке и получению ответа. В некоторых случаях задача должна решаться одновременно для всей энергетической системы. Для этого требуется достаточно сложное программное и аппаратное обеспечение, осуществляющее получение и обработку информации, а также управление всеми автоматизированными устройствами, имеющимися в системе.

При этом очень важен выбор показателя, по величине которого оценивают, является ли решение оптимальным. Он называется критерием оптимальности [53]. В качестве критерия оптимальности наиболее часто принимается экономический критерий, представляющий собой минимум затрат (финансовых, сырьевых, энергетических, трудовых) на реализацию поставленной задачи. При заданной или ограниченной величине указанных затрат экономический критерий выражается в получении максимальной прибыли.

В электроэнергетике в зависимости от требований поставленной задачи могут применяться и другие критерии оптимальности, в частности:

-критерий надежности электроснабжения;

-критерий качества электроэнергии;

45

- критерий наименьшего отрицательного воздействия на окружающую среду (экологический критерий).

Решение оптимизационной задачи включает в себя следующие этапы:

-сбор исходной информации (исходных данных);

-составление математической модели, под которой понимается формализованное математическое описание решаемой задачи;

-выбор метода решения, определяемого видом математической модели;

-выполнение математических вычислений, поручаемое, как правило, компьютеру;

-анализ решения задачи.

Математическая модель - это формализованное математическое описание оптимизационной задачи [53, 54] включающую в себя:

-целевую функцию;

-ограничения;

-граничные условия.

Целевая функция представляет собой математическую запись

критерия оптимальности. При решении оптимизационной задачи ищется экстремум целевой функции, например, минимальные затраты или максимальная прибыль. Обобщенная запись целевой функции имеет следующий вид:

где x1, x2 ,...xn - искомые переменные, значения которых

вычисляются в процессе решения задачи; n - общее количество переменных.

Ограничения представляют собой различные технические, экономические, экологические условия, учитываемые при решении задачи [53, 54]. Ограничения представляют собой зависимости между переменными x1, x2 ,...xn , задаваемые в форме неравенств или

равенств

46

во многом зависит эффективность применения того или иного метода. Разнообразие методов решения задач нелинейного программирования как раз и объясняется стремлением найти оптимальное решение за наименьшее число шагов.

Восновном, методы нелинейного программирования используют принцип расчетов в n-мерном пространстве в направлении оптимума.

Они классифицируются следующим образом: методы прямого поиска; градиентные методы; методы штрафных функций;

методы полиномиальной аппроксимации. Методы прямого поиска

Одними из методов нахождения минимума функции n- переменных являются методы прямого поиска. Методы прямого поиска являются методами, в которых используются только значения функции [53, 59].

Вних ограничения учитываются в явном виде. Эти методы строятся на интуитивных соображениях, следовательно, не гарантируется их сходимость. Но, в силу своей простоты эти методы легко реализуются.

Для определения начальной допустимой точки целесообразно использовать процедуру случайного поиска, основная идея которого будет рассмотрена ниже.

После проведения процедуры подготовки задачи к решению следует приметить один из наиболее распространенных методов оптимизации [57, 58]:

-модифицированный метод Хука-Дживса;

-метод комплексов;

-метод случайного поиска;

-метод покоординатного спуска.

Выбор конкретного метода оптимизации связан и с задачами,

которые должно решать соответствующее программное обеспечение: программа должна решать задачу условной минимизации, т.е.

находить относительный экстремум, так как в математической модели кроме линейных ограничений будут иметь место и нелинейные;

48

так как целевая функция – функция нескольких переменных, то она может иметь несколько экстремумов, и в этом случае программа должна осуществлять поиск локального минимума.

Анализ наиболее часто использующихся методов оптимизации, для рассматриваемых в данной работе задач, позволяет сделать выбор в пользу градиентного метода квадратичного программирования, который представляет собой наиболее эффективный из вышеперечисленных градиентных методов, модифицированный с методами полиномиальной аппроксимации [46].

Предполагается, что целевая функция и граничные условия аппроксимируются квадратичными зависимостями или полиномами второго порядка. Данный метод позволяет создать надежную программу, соответствующую всем вышеперечисленным требованиям [47-50].

Особо хотелось бы отметить значительную роль случайных величин, создающих сложности при управлении процессами в ходе транспорта и потребления э/э. Существует ряд способов, позволяющих с различной степенью эффективности решить данную задачу посредствам организации программно-алгоритмического уровня СУ: замена систем с неопределёнными параметрами детерминированными аналогами и последующая оптимизация классическими методами; использование принципов стохастической оптимизации; применение принципа Беллмана – Заде; использование искусственных нейронных сетей (ИНС).

В этой связи целесообразно применение гибридных нейро– нечётких сетей (ННС), объединяющих в себе возможности ИНС и нечёткой логики [51, 52]. Применение ННС (совместно с ИНС) видится в настоящее время наиболее перспективным подходом при решении вопросов оптимизации функционирования ЭЭС в условиях частичной неопределённости параметров.

Как было отмечено выше, важная роль в оптимизации режимов ЭЭС остается за вопросами функционирования систем эффективного электроснабжения узлов нагрузки, т.е. - непосредственно потребителей ЭЭ.

К основным параметрам режимов распределительных сетей обычно относят напряжение, ток, частоту, активную и реактивную мощность в узлах нагрузки, отдельных линиях, трансформаторах.

49

Распределительные сети, являясь составной частью большой энергетической системы, в свою очередь состоят из системы электроснабжения, осветительных систем, многочисленных систем электропривода и электротехнологий [53].

Каждая из перечисленных систем характеризуется некоторыми дополнительными параметрами режима, такими как скорость, ускорение, температура, давление, освещенность и другие физические величины. Эти величины могут быть взаимно связаны между собой. В таких случаях следует стремиться подобрать обобщенный параметр режима, который мог бы с некоторым приближением отражать все оптимизируемые величины.

Всоответствии с [62], зависимости приведенных затрат в элементах систем электроэнергетики промышленных предприятий от оптимизируемых параметров будем называть энергоэкономическими характеристиками.

Значение энергоэкономической характеристики при номинальном значении оптимизируемого (обобщенного) параметра называется базовой величиной. Энергоэкономические характеристики могут быть как непрерывными, так и прерывными. Прерывность энергоэкономических характеристик объясняется фактической необходимостью при определенных значениях оптимизируемых параметров режима менять параметры электрической системы.

Возмущающиеся воздействия (нагрузки, температура окружающей среды и др.) в общем случае являются функцией времени. Поэтому для получения приведенных затрат следует проинтегрировать за год энергоэкономические характеристики, подлежащие оптимальному управлению элементов электрических систем.

Вотличии от рассмотренных выше задач оптимизации режимов ЭЭС в целом, задачи оптимизации управления режимами узлов нагрузки состоит в поддержании множества параметров режима рассматриваемых объектов во времени такими, чтобы при этом достигался максимальный экономический эффект или минимальные приведенные затраты при обеспечении заданного технологического процесса.

Экономический эффект (Э), обусловленный оптимизацией с учетом понятия об энергоэкономических характеристиках, определяется по выражению [62]:

50