|
Хохлов М.В.
ИСЭиЭПС Коми НЦ УрО РАН, Сыктывкар
РАСЧЕТЫ УСТАНОВИВШИХСЯ РЕЖИМОВ ЭЭС С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
При оперативном управлении режимами ЭЭС возникает необходимость выполнения большого объема вычислений, связанных с расчетами установившихся режимов. Расчеты установившихся режимов ЭЭС являются неотъемлемой частью при решении таких важных задач оперативного управления как: оценка предельных перетоков мощности по системообразующим связям, контроль экономичности режима, коррекция параметров режима, оценка и оптимизация режимной надежности ЭЭС.
Как правило, ре¬шение этих задач требует многократного расчета режима, что предъявляет повышенные требования к методам расчета установившегося режима в реальном времени в плане быстродействия и надежности получения результатов в любых условиях эксплуатации ЭЭС.
Основная математическая модель, используемая для расчета установившегося режима, записывается в виде уравнений потокораспределения, удовлетворяющих законам Кирхгофа для электрической сети и представляемых системой неявных функций :
V(Х,Y) = 0
где V - вектор-функция, обычно, небалансов мощности в узлах; X и Y – вектор-столбцы зависимых и независимых параметров режима.
В зависимости от постановки задачи и способов задания исходных данных в состав векторов независимых и зависимых переменных Y и X могут входить разные параметры режима. При оперативных расчетах установившегося режима в качестве независимых переменных задаются для части узлов активные и реактивные мощности, а для остальных узлов - активные мощности и модули напряжений. Искомыми зависимыми переменными являются комплексы узловых напряжений, представляемые в полярных или декартовых координатах.
Уравнения установившегося режима ЭЭС нелинейные и могут быть решены только итерационными методами. Наибольшее применение, в силу быстрой квадратичной сходимости, получил метод Ньютона-Рафсона и его различные модификации.
В данном разделе представлен иной нейросетевой подход к расчету установившихся режимов ЭЭС. Модель реализуется на базе многослойной нейронной сети, которая связывает искомые параметры вектора X с заданными параметрами вектора Y яв¬ной функцией зависимости. Это позволяет отказаться от применения итерационных схем расчета, хотя и требует времени на предварительное обучение ИНС. Изложение подхода проводится для традиционной постановки, когда вектор Y образуют инъекции в узлах, а вектор X - комплексы напряжений, и только для фиксированной структуры сети ЭЭС.
Следует заметить, что этот подход позволяет построить нейронную сеть для расчета любых параметров режима при произвольных исходных данных, достаточных для существования единственного решения задачи. Дальнейшим развитием нейросетевой модели может служить включение в состав входного вектора Y параметров, характеризующих структуру электрической сети и состояние оборудования, что позволит проводить расчеты на всем схемно-режимном многообразии.
|
|