基于智能电网的电力调度自动化与控制系统实现

基于智能电网的电力调度自动化与控制系统实现

张伟

国网内蒙古东部电力有限公司内蒙古 呼和浩特市010020 摘要：智能电力调度自动化广义上指的是，利用自动化控制系统对电网电力调度及测量等方面实现自动化、集成化和数字一体化的控制系统。再通过现代计算机技术，实现电网电力调度统一、稳定、安全的运行。随着我国用电量的大幅度增加，电网的运行要求也越来越高。如何实现电网调度的准确、高效、安全运行是当前必须考虑的问题。因此，从经济和环境保护的角度来实现电网调度的智能化是十分必要的。智能电网电力调度,每个调度中心之间的联系以及每个调度中心之间的相关性和电厂电站可以实现通过虚拟私人网络,从而实现电力系统在电力调度的自动化控制,生产、安全保护和其他方面。

关键词：电力调度；智能电网；自动化控制；自动化设计；

电力调度自动化中的峰值约束和各个层级间断面的潮流限制约束问题极大的降低了系统的运行速度，影响业务的正常运行，导致电力调度的效率下降。为了减缓两种约束给系统带来的弊端，提出了一种智能电网的电力调度自动化优化控制模型，以计算机和自动优化技术为核心，包括安全分析、状态估计、在线负荷预测、自动发电控制等功能模块，通过电网双向供电交互式系统调度，使得电力调度达到最优化状态。

一、智能调度的自动化控制结构

建立电网电力的自动化控制思路是：通过硬件设施的高端维护以及软件系统的安全保证，采用高性能计算机集群技术提供安全、可靠的运算能力和信息处理能力，从而保证一个调度中心能够容纳几十套的应用系统。调度中心是基于一个基础平台同时协调实时监控与预警、调度计划、安全校核和调度管理于一体的电网调度控制系统。智能电网的控制系统。各个层级之间实现相互调控，并能共享层级间

的实时数据、实时动态和各种功能的协同衔接，电网中自动化系统搭建的目的是，为了能够解决众多复杂的电力调度问题。如实现分布式实时数据库的自动更新、控制实时监控图形的远程绘制等，实现复杂电网的各个层级之间的协调运行，并可实现各个站点的电力网络间的电力调度，以及多种网络下的电力调度预警机制和协调机制。随着计算机核心技术的不断应用和更新，能够形成更强大的电力调度网络实现“横向集成和纵向贯通”，大幅度提升了电力调度的安全性能与经济性能，保证资源的优化配置。

二、智能电网电力调度优化模型

1.新能源模式下智能电网控制。智能电网在电力调度中的自动化控制技术，已经能够成熟的应用于当前的电力系统。下面以在新能源风力发电系统中实现的自动化控制进行实例分析，通过该系统可实现对新能源进行多个时间尺度的协调优化调度，逐层减少预测误差造成的影响，最大程度地保证新能源系统地安全运行。

为了能够得到更精确的结果，需要对系统模型进行仿真，有的研究者在综合考虑新能源风力发电的新特性、荷载能力、各个层级间的系统调峰特性以及电网的最大输送能力等因素，提出了采用时序仿真的风电年度计划方案，并得到了满意的效果。该方案能够在每个时段连续的优化电网的动态平衡，基于省级年度风电计划的数学优化系统，实现系统的优化运行方式。

2.智能电力调度自动化控制优化数学模型方法。实际的电网电力调度智能控制问题，需要考虑两个方面的因素，一是电力调度的峰值约束，二是电力网络系统中不同层级之间的断面潮流限制约束。基于对电力网络系统的荷载能力的充分预测，达到对机组功率的优化曲线，从而能够实现更大的消纳能力。同时，实现新能源与传统条件下的电力网络调度进行有机的协调。为了能够促进系统运行的最

优化以期达到优先的消纳原则，建立相应的电力调度数学模型。对于新能源的优化控制，存在较大的误差。因此在电力调度计划安排中，需要设定一个运行的范围来确保实验的预测结果，具有随机性的特点。

三、基于智能电网的电力调度技术仿真

1.调度技术系统框架。基于实例分析新能源发电系统的智能优化控制，其与普通的电力调度差别较大，传统的调度方法已不能应用于大规模电力调度系统。因此，针对新的大规模电力网络系统，必须在D5000平台上建设能够实现大规模电力调度的智能控制系统。在电力调度系统网络的基站内部，构建智能的控制中枢平台，通过该中心控制其他的系统稳定和协调。新能源的电力网络控制系统的自动化控制依赖于以下几个方面：风电机组和风资源监测、功率预测、有功控制和无功控制。中心控制平台通过各个功能化的优化模块，能够通过标准化的技术支撑，实现电网系统的电力调度。为了从安全的角度出发，建立一套和电力调度技术相对应的行为方式准则，保证电网调度的平稳运行。基于新能源的电力调度问题可以从两个方面考虑：第一个方面是实时的运行部分，含有风电机组和风力资源的监控、电力网路的全功率预测系统、电力调度计划以及调度风险评估；第二是属于评价分析层面，主要由弃风统计和调度评价等组成，在系统的运行中，新能源电力网络系统电力调度自动化控制过程的安全性和可靠性才能得到最大限度的保证。

2.参数的选择和模型的仿真。在设备运行准备或者检修操作前，可以利用潮流分析来进行实时或前瞻性分析计算，通过相应潮流数据的获取来为电力系统的调度提供参考。在非线性的模型建立中，基于潮流算法的主要原理是将维数升高后，进行线性化操作进。首先选取一组样本：

T={（xi，y）i|i=1，2…，n} （1）

在式（1）中，输入为n维的训练样本xi，找到一个

对应的映射函数F，对于每一个输入的样本x，都有一个相应的输出y。我们根据回归方程式：

F（x）=（ux）+P （2）

|F（x）-（ux）-P|≤ε （3）

p为偏移量大小，求解回归方程的实质就是求出偏移量p的值和u，这样可将求解的参数等价的转化为：

minΨ（u）=|u||2+CΣ（ξi+ξ）j（4）

yi-（（ux）i+P）≤ε＋ξi

（（ux）i+P）-yi≤ε＋ξj

ξi，ξj≥0，i=1，2…n

其中ξi和ξj为松弛因数，C为恒常数；ε是一个趋

于无穷小的正数。采用拉格朗日的方法，讲上述不等

式的求解转化为对偶问题来寻求最优解，如下转换：

（5）

式中η、αi为原变量ξi和u相对应的对偶变量。接着我们对式（5）求偏导数可得：

Max O（α-β）=-0.5Σ（αi-α）（αi-β）

k（xi，x）-εΣ（αi-α）+Σyi（αi-α）（6）

联立以上式子可得：

u=Σ（αi-α）xi

F（x）=Σ（αi-α）k（xi，x）+P（7）

其中还必须满足两个条件的限制：

Σ（αi-α）=0

0≤αi、α≤C

最终通过我们建立的模型来计算偏移量P的大小和函数的表达式，基于样本数据的建模已经完成。基于潮流算法模型继承了传统的SVM模型参数优化的自动优化性能，但是不可避免的增加了时间开销。为了减少时间的开销，实验中尽量选择参数空间较小的样本数据，来提高整体模型的运行速度。传统的SVM算法使得系统运行速度提高15％。经过本文设计的潮流算法参数优化的模型估算值，速度相对于传统的模型平均减少大约32％，在电力调度中，模型有良好的指导性意义。采用所设计的潮流算法估算模型估算的归一化后的数据，完全符合电力调度标准规范，速度提高了32％。从而证明设计建立的模型满足现实工作的需求，证明了本模型的有效性和实用性。

总之，随着计算机和网络技术的发展，电力系统的自动化控制将会实现新的突破。从基础平台和基础数据建立大数据系统，并对其进行分析和统计，使得电力调度更加智能化和系统化。在发电、输变电、配电以及供电等方面实现双向供电，搭建起一套符合现代化建设需求的交互式系统和全局性的网络系统。

参考文献：

[1]陈军.电力调度自动化中的智能电网技术研究.2018.

[2]王占萍.关于智能电网的电力调度自动化与控制系统实现.2018.