Авторы: Ю. Е. Варецкий, д. т. н., проф.; Т. И. Наконечный; Н. Д. Федонюк;
В. А. Комар, к. т. н.
Источник: Энергетика и электротехника

Актуальность проблемы

В текущем десятилетии проблема качества электрической энергии в электрической сети привлекает все больше и больше внимания. Среди электромагнитных помех, как определение качества электрической энергии, важную роль играют высшие гармоники (далее гармоники). Это может быть объяснено тем, что доля нелинейной нагрузки постоянно растет. Сегодня — это быстрый рост полупроводникового оборудования и значительная экономическая эффективность его применения как в промышленности, так и в коммунальной сфере, с другой стороны, практически все электрические сети характеризуются постоянными изменениями нагрузки. Такие изменения могут быть ежедневно или носить сезонный характер, а также случайный характер — т. е., в зависимости от требований промышленности, где встречаются даже изменения несколько раз в минуту. Если в энергосистему с нелинейной нагрузкой внести переменный конденсатор, который используется для улучшения коэффициента мощности, то из–за резонансного усиления гармоник, наряду с возможными нарушениями энергетического оборудования, имеют место другие вредные воздействие на систему управления технологических процессами.

По оценке европейских научно–исследовательских учреждений, в результате низкого качества электрической энергии в промышленности, происходит потеря сотня миллиардов € в год [1]. В то же время, как дополнительные расходы на оборудование, предназначенное для предотвращения ущерба не превышает 5% от суммы ущерба. До сих пор Украина не может добиться успеха в реализации существующих требований, относительно нормы качества электрической энергии, процедуры контроля над электрическими показателями качества энергии не имеет законодательной поддержки, система требований не является эффективной. Оперативный и обслуживающий персонал коммунальных и коммерческих предприятий не может решить проблемы обоснования объема инвестиций, которые будут направлены на профилактические меры и средства, чтобы избежать возможных вредных последствий. Организационно–техническим обеспечением несинусоидального режима электрических сетей является система мониторинга.

Принцип организации и задачи мониторинга

Мониторинг качества электрической энергии в электрических сетях осуществляется изучением изменений показателей качества в течение определенного интервала времени. В зависимости от особенностей электрической сети мониторинг может осуществляться непрерывно (на базе стационарных устройств), периодически (через определенные промежутки времени, например, раз в год) или по требованию (в процессе подключения новых мощных нагрузок, компенсирующих устройств и т.д.).

До мониторинга несинусоидальности напряжения на предмет его соответствия нормам качества электрической энергии, необходимо выполнить предварительный анализ электрических сетей, и выявить проблемы, которые могут возникнуть. Эти проблемы включают в себя определение точек, где должен быть выполнен контроль. Это дает возможность рационально использовать имеющиеся средства и сократить расходы на мониторинг. Приведенная ниже информация должна быть собрана до мониторинга [2]:

1) характеристика оборудования, создающего гармоники;

2) характеристика оборудования, чувствительного к гармоникам;

3) время, когда происходят неблагоприятные условия;

4) сопутствующие проблемы и явления, происходящие в сети, когда проблему с гармониками можно ухудшить (например, подключение конденсаторов);

5) сегодняшнее состояние оборудования, используемого в сети;

6) номинальные значения оборудования, используемого в данной электрической сети.

Следует отметить, что в соответствии с требованиями действующего стандарта [3], наблюдение за уровнем несинусоидальности режима электрической сети должно выполняться по крайней мере в течение одной недели. Целесообразно выбирать точки мониторинга как можно ближе к оборудованию (потребителю) чувствительных к несинусоидальности. Важно иметь информацию о всех изменениях конфигурации электрической сети (подключение / отключение конденсаторов, фильтров гармоник, трансформаторов и т.д.). В распределительных сетях мониторинга гармоник напряжения в основном выполнен. В процессе использования фильтро–компенсирующих устройств мы должны измерять гармонику тока. Для анализа, измерения гармоник напряжения и тока должны быть выполнены одновременно.

Для обеспечения электромагнитной совместимости в электрических сетях напряжения, несинусоиадальность в «общей точке» должна быть в пределах норм существующего стандарта. Процедура тестирования осуществляется на основе соответствующих измерений, которые выполняются сертифицированными лабораториями в соответствии с общепринятой методикой, описанной в [3], сертифицированными, специализированными измерительными приборами — анализаторами гармоник. Очевидно, что такие измерения проводятся довольно редко, поэтому информация о реальном состоянии системы в течении длительного периода времени может быть не доступна, следовательно, сети и потребители будут испытывать негативное (в случае несоответствия нормам) влияние гармоник.

Внедрение энергосберегающих технологий приводит к постоянному росту нелинейных нагрузок в электрических сетях. Постоянные изменения нагрузки, приводящие к изменению режимов работы компенсирующих устройств, вызывают изменения гармоник напряжения и тока во времени.

Это обосновывает целесообразность постоянного контроля электрического режима сети. Изменение режима несинусоидальности в распределительной сети, обуславливает применение специальных измерительных приборов, которые редко устанавливают на станциях в связи с их высокой стоимостью. Однако, на узловых подстанциях есть постоянный персонал для их операционного обслуживания. Анализ показывает, что желательно, чтобы осуществлялся постоянный мониторинг режима работы сети. Мониторинг проводится с использованием минимум документов и позволяет диспетчеру оценить несинусоидальность напряжения в контрольных точках, а в случае опасного режима, выполнить необходимые меры для устранения проблемы.

В отличие от измерений, мониторинг проводится сертифицированными лабораториями с помощью специальных измерительных приборов, с целью установления соответствия нормам показателей качества, такой контроль осуществляется для получения информации о характере изменения несинусоидальности и определения возможных точек в сети, для последующего измерения.

Важная особенность мониторинга является возможность выполнять наблюдения в режиме реального времени, при изменениях режима схемы, при этом не только на одной подстанции. Кроме того, такой контроль не накладывает жестких требований по отношению точности измерительных приборов и позволяет определить несинусоидальный режим на основе измерений полученных с подстанций.После сбора и анализа данных, полученных в результате мониторинга, может быть принято решение относительно необходимости применения специализированных анализаторов гармоник.

В литературе можно найти ссылки на уже известные методы идентификации источников высших гармоник при условиях неполного предоставления данных сети. В работах [4, 5], предложены решения, основанные на традиционных предложенных подходах. Некоторые подходы используют методологию искусственных нейронных сетей для определения характеристик источников гармоник [6, 7]. В исследовании, опубликованном в [7], структурная нейронная сеть используется для определения значений гармоник в электрической сети с нелинейными нагрузками.

Принцип построения интеллектуальной системы мониторинга

Выражение «Интеллектуальные системы» часто используется для обозначения любого сочетания с использованием нейронных сетей (далее нейронные сети), экспертные системы, системы нечеткой логики и других технологий, в частности, таких как генетические алгоритмы. В отличие от обычного контроля, интеллектуальная система мониторинга не требует математических моделей реальных объектов. По сравнению с человеком, компьютер с искусственным интеллектом может быстро решать задачи. Компьютер работает непрерывно «неустанно», без влияния эмоций и другие человеческих недостатков. Эти системы построены на математических соотношениях, которые наследуют «интеллект» «знания» из специалистов–экспертов, данные наблюдения, которые представлены, как правило, в форме ввода / вывода.

Инженерные подходы обеспечивают описание какого–либо физического явления, связи меньшего уровня сложности, на основе отношений, которые могут быть разработаны непосредственно из физических принципов, на уровне отдельных элементов или компонентов. Две основные проблемы, возникающие при рассмотрении реальных инженерных задач, связанны с таким подходом:

1) Создание точной математической модели очень сложно, поэтому для решения задач, на основе анализа общепринятых технических предположений применяется приближение;

2) Сложность задачи может принести неопределенность, которая должны быть принята во внимание в приближении.

В общем случае, соотношение между входной и выходной переменной известно лишь приблизительно, и усилия должны быть приложены, чтобы найти приемлемые приближенные значения. Системы нейронных сетей позволяют автоматически определить отношение между входом и выходом, при этом упрощая задачу. Приблизить отношение часто явлется более эффективными, чем то, которые получены на основе физически описанного явления. Это происходит, так как эти отношения обычно связывают реальные значения входных и выходных переменных (например, результатами измерений) и освобождены от предположений, некоторых теорий, основанных на человеческих предрассудках.

Кроме того, нейронные сети не требуют никакой информации о зависимости. Ошибка аппроксимации может постепенно уменьшаться из–за большого объема исходной информации. Теоретически нейронные сети могут быть обучены обеспечить точное соответствие между входными и выходными данными. В целом, системы нейронных сетей в состоянии «исследовать» зависимости от заданного объема данных и создания ввода–вывода отношений, основанных исключительно на определенных подмножеств данных. Таким образом, целесообразно, чтобы подмножество данных системы использовался для «подготовки» и представляла полный набор данных.

Как уже было сказано выше, непрерывное наблюдение за уровнем гармоник в электрических сетях может быть выполнена специально созданной информационной сетью, которая передает данные измерений гармоник с анализаторов, расположенных в разных частях электрической системы, и с управлением в режиме реального времени.

По мнению авторов концепции строительства системы мониторинга система не требует анализаторов гармоник для установки на контролируемых точках сети, а также создание специальной сети для передачи результатов измерений в точках наблюдения [8, 9].

Для этого предусматривается использование существующих каналов и измеретильных устройств, используемых на электрических подстанциях. Для реализации этого метода мы предлагаем использовать нейронную сеть, задачей которой является «признание» (идентификации) значений несинусоидальных режимов на распределительных подстанциях электрической сети, если только значения электрических параметров режима сети доступны в точке наблюдения (соответствующие активные и реактивные мощности, токи силовых трансформаторов и т.д.). Схема такой операционной системы показана на рис. 1.

На самом деле, это косвенные измерения режима несинусоидальности, так как их значения получены не на основе анализа формы кривой напряжения, а с помощью «признания» с использованием отношений, введенных с помощью нейронных сетей, между значениями силы токов и т.д., параметров в различных точках электрической сети.

Известно, что спектр гармоник и их значения в электрической сети зависит от действительного потребления активной и реактивной мощности с нелинейной нагрузкой, в режим компенсации. Очевидно, что в условиях постоянного изменения этих факторов трудно определить функциональную зависимость между ними и значениями гармоник в различных участках электрических сетей. Поэтому, возможность применения для решения этой задачи интеллектуальной системы, которая может определить все необходимые отношения является очень привлекательной идеей.

В процессе строительства таких интеллектуальных систем, наиболее сложной проблемой является задача с получением данных для подготовки такой системы с использованием полевых измерений, что трудно для обучения нейронной сети. В этом случае, это сложная задача решается сбором данных для всех характерных режимов работы в течение короткого периода времени. Соответствие входных и выходных данных, полученных таким образом, составляют необходимый набор для обучения нейронной сети.

Следующей проблемой является выбор структуры нейронной сети и целесообразный метод ее подготовки. Есть несколько критериев, касающихся выбора оптимальной структуры нейронной сети и метода ее обучения. Именно поэтому, наиболее широко применяется этот подход. Для задач, связанных с сферой электрической энергии нейронной сети их обучение осуществляется на базе алгоритма обучения «Обратного распространения» — метод интерактивного выбора весовых коэффициентов для достижения требуемой точности. Этот алгоритм основан на методе оптимизированого поиска ошибки градиента функции.

Установить N и выходы, связанные с ним, представляют собой «обучающее множества», что является обычно подмножество полного набора данных. Для получения наилучших результатов обучающего множества должны адекватно представляться все ожидаемые изменения как полный набор данных. Именно поэтому, правильный выбор границ загрузки параметров электрической сети и изменения конфигурации в процессе моделирования является очень важным.

Большую часть нейронной сети может моделировать очень точно (на основе подготовки данных) за увеличения числа скрытых слоев и узлов в этих слоях. Но в любом методе нелинейной функции приближения есть случаи, когда увеличение независимых переменных делает систему более уязвимой к изменениям, происходящих в выходных данных. Таким образом, большое число скрытых слоев и скрытые узлы могут сделать систему более точной для подготовки данных, но изменения, которые будут представлены в следующих данных, могут стать причиной значительного отклонения от ожидаемого результата на выходе. Таким образом, необходимо найти компромисс между числом слоев, узлов и степенью точности, который можно достичь, обучая систему. Для этой задачи, некоторые правила были сформулированы, которые должны соблюдаться при выборе конфигурации нейронной сети для рассматриваемого случая:

– Входной набор нейронной сети выбран экспериментально, принимая во внимание данные с подстанций, полученные от стационарных устройств измерения гармоник. При выборе достаточного количества входных данных, выполняется итерация и ее целью является определение оптимального объема, необходимых для правильного функционирования нейронных сетей. Превышение данных может повлиять на оценку результатов незначительно, в отличии, как недостаточность информации может сделать нейронную сеть нечувствительной к определенным изменениям.

– Для междугородной электрической сети достаточно использовать двухслойные нейронные сети прямого распространения. Количество нейронов в скрытом слое считается равным половине суммы количества входных и выходных сигналов. Фактические значения токов, коэффициент мощности нелинейных нагрузок сети подстанций, передачи активных и реактивных мощностей по линии, стационарные устройства для измерения гармоник, могут быть введены данные в этой нейронной сети.

– Подготовка данных нейронной сети формируется таким образом, чтобы включать весь спектр возможных режимов работы электрической сети, и, если возможно, включить характер режима. Размерность обучающей выборки также определяется экспериментально и корректируется для обеспечения желаемой точности нейронной сети.

– Использование характерных особенностей анализа гармонических процессов в электрической сети, целесообразно сформировать общую структуру, состоящую из отдельной параллельной нейронной сети для каждой из возможных гармоник. Это значительно упрощает структуру нейронной сети и облегчает процесс его подготовки.

Пример построения интеллектуальной системы мониторинга

Для расследования, фрагмент электрической сети с тяговой подстанции, который являются источникам гармоник: поставка таких подстанций осуществляется, как правило, из основной линии на 3—6 подстанции 110 кВ. Это можно объяснить тем, что при эксплуатации распределенных сетей следует избегать закрытого режима, с целью предотвращения нежелательного переходных переводов и для повышения надежности поставок потребителям электроэнергию. Поставка системы осуществляется с цепи от 6 импульсного полупроводникового нерегулируемого преобразователя. Однолинейная цепь распределения электрической сети 110 кВ показана на рис. 2

Нагрузка преобразователей тяговой подстанции имеет вероятностный характер и может меняться в зависимости от расписания движения. Режимы работы возможны как с практически нулевой загрузки преобразователей и близко к номинальной. Изменение несущего режима может происходить как постоянно и (стоп — пуск локомотива). Значение гармоник, генерируемых в сети, растет пропорционально с увеличением нагрузки преобразователей. Подстанции, в исследуемой сети, измеряются стандартными измерительными приборами, в том числе ваттметрами, которые установлены на стационарных 10 кВ сетях подстанций и выполнять измерения мощности нелинейных нагрузок из фидеров.

Подстанции не оборудованные стационарными устройствами для измерения гармоник. В данной электрической сети установку стационарного устройства для измерения показателй несинусоидальности режима предоставляется только на подстанции 1 на PL–2 110 кВ, где осуществляется контроль на данном разделе электрической сети. Диспетчер может наблюдать динамику изменения нагрузки подстанции во времени с помощью телеизмерений.

Система гармоник мониторинга с учетом передачи доступна на подстанции 1. Линейные нагрузки электрической сети подстанций изменяются в соответствии с ежедневным графиком потребления. Поскольку значение нелинейной нагрузки имеет характер. Тогда не существует строгого соответствия между силой нагрузки на сеть и изменением гармоник в сети. На основе экспериментальных исследований для данной нейронной сети было определено минимально необходимое количества входных сигналов (измерений) для выполнения выполнение задачи. Берется во внимание возможность получения таких измерений на подстанциях электрических сетей и их передаче для контроля точки подстанции 1. Количество нейронов в этом слое предполагается равным полусумме числа входных и выходных сигналов.

Функция «pureline» выбрана в качестве передаточной функции слоя выходных нейронов, так как такая функция может передавать любые значения в диапазоне видимости. Весовые коэффициенты были скорректированы для минимизации полной погрешности между учебными набор выходов и множеством вещественных показателей.

Выводы

1. В результате исследования предложена и обоснована новая концепция системы мониторинга несинусоидальных режимов электрических сетей на основе косвенных измерений параметров режимов, которая позволяет существенно уменьшить применение дорогих специализированных приборов для контроля несинусоидальности режима в электрических сетях.

2. Разработаны принципы построения интеллектуальной системы мониторинга несинусоидальных режимов и способ ее настойки для электрических сетей с переменными нелинейными нагрузками. Она разрешает контролировать показатели несинусоидальности режима в заданных точках электрической сети по данным одного или нескольких стационарных устройств измерения гармоник и данным доступных на подстанциях электрической сети измерений (P, Q, U, І и т. п.).

3. Обоснован тип нейронной сети для разработанной системы мониторинга и способ выбора возможных входных и выходных множеств обучающих данных. Обоснована целесообразность получения множеств обучающих данных для настройки нейронной сети на основе моделирования характерных режимов электрической сети.

4. На примере выбранного фрагмента электрической сети с нелинейными нагрузками показан практический подход к выбору структуры и настройки интеллектуальной системы мониторинга и подтверждена эффективность применения разработанной структуры нейронной сети и методов ее настройки для мониторинга несинусоидальных режимов электрических сетей.

Литература

1. Manson J., Targosz R. European Power Quality Survey Report. November 2008 // [Електронний ресурс] http://www.leonardo–energy.org/european–power–quality–survey–report. – 29с.
2. Roger C. Dugan. Electrical Power System Quality / Roger C. Dugan, Mark F. McGranaghen, H. Wayne Beaty. – USA, 1996. – 265 p.
3. ГОСТ 13109–97. Нормы качества электрической энергии в системах электроснабжения общего назначения.
4. Najjar M., Heydt G. T., A hybrid nonlinear least squares estimation of harmonic signal levels in power systems // IEEE Trans. Power Delivery. – 1991. – vol. 6, no.1. – P. 282 – 288.
5. Farach J. E., Grady M. V., Arapostathis A. An optimal procedure placing sensors and estimating the locations of harmonic sources in power systems // IEEE Trans. Power Delivery. – 1993. – vol. 8, no.3. – P. 1303 – 1310.
6. Hong R. K., Chen Y. C. Application of algorithms and artificial–intelligence approach fo locating multiple harmonics in distributin systems // IEEE Trans. Industry Appl., – 1993. vol. 29, no.1. – P. 202 – 208.
7. Hartana R. K., Richards G. G. Constrained neural network–based identification of harmonic sources // EEE Trans. on Ind. Application. – 1993. – vol. 29, № 1. – P. 202 – 208.
8. Спосіб моніторингу вищих гармонік у розподільчій електричній мережі: Пат. 35180 України, МПК 7 G01R 23/16/ Ю. О. Варецький, Т. І. Наконечний; – № u200802024; Заявл. 18.02.2008; Опубл. 10.09.2008, Бюл. № 17. – 4 с. іл.
9. Varetsky Y., Nakonechny T. Monitoring Harmonic Sources in Distribution System by Neural Network Estimator // Proc. of 9 Int. Conf. «Electric power quality and utilization». – Вarcelona, 9—10 October, 2007. – [Електронний ресурс] www.leonardo_energy.org/archive/all/2007 Paper 1219, 4 P. 2007.