传统配电台区治理三相不平衡时，忽视了换相对负荷的影响，换相开关寿命以及配电台区的经济性等问题。针对上述问题，本文提出了一种基于负荷预测的配电台区三相不平衡治理方法。采用K-means算法对历史日负荷进行聚类，利用支持向量机对已经做过统计归类处理的历史数据进行短期负荷预测，并计算对应配电变压器运行时三相负荷电流的不平衡度。建立了以配电台区三相电流不平衡度最小，换相开关切换次数最少为目标的最优换相数学模型，通过遗传算法获得最优换相方案。
该方法有效减少了线损、降低了三相负荷不平衡度以及缓解了配电台区三相负荷不平衡问题。
我国配电网自动化程度低，单相负荷多，尤其农村地区，电力用户繁杂且疏于规划，单相负荷分配不均衡，配电台区存在严重的三相负荷不平衡问题。
当前，国内外治理三相负荷不平衡问题的方法主要有：①无功补偿装置投切电容器组；②相间电容转移有功功率；③换相开关装置调整负荷等。其中，静止无功发生器和相间跨接电力电容器等无功补偿装置，没有从根本上解决三相负荷不平衡问题；负荷自动调相装置价钱昂贵且控制终端与换相开关之间通信复杂，难以在配电台区中推广应用；人工调相操作具有一定的延时和滞后性。配电台区三相不平衡治理存在运维成本高，时间滞后等问题。
随着科学技术的进步，智能算法发展逐渐成熟，支持向量机（support vector machine, SVM）算法广泛应用在小样本、系统非线性等复杂的情况下，同时克服了神经网络经验风险最小化的局限。K- means算法的聚类效果与同类内气象数据的相似度成正比，与类间的相似度成反比关系，同时收敛速度快，实现容易。
遗传算法具有强鲁棒性和自适应性，高搜索能力和对目标函数依赖程度低的优点，适合解决换相最优解的问题。基于聚类分析和支持向量机算法的负荷预测可以精确预测出未来一段时间内负荷的用电数据；遗传算法在电力系统最优方案筛选方面的应用更为广泛。然而这些技术在三相不平衡负荷调整方面却鲜有应用。
综上所述，本文提出一种新的配电台区三相负荷不平衡治理方法。基于负荷预测结果，对三相不平衡问题严重的配电台区，利用目标函数搭建最优换相数学模型，然后采用改进遗传算法筛选得出配电台区负荷最优换相方案，最大限度降低配电台区三相电流不平衡度的同时尽可能缩小开关调整次数，提高配电台区供电经济性和安全性以及换相装置的使用寿命，从根源上治理三相不平衡问题。
图1 负荷预测流程图
图2 遗传算法换相寻优流程图
总结
本文提出了基于负荷预测的三相负荷不平衡治理方法。通过负荷预测获得各时刻的三相电流不平衡度，确定需提前进行负荷调整的时刻，采用改进遗传算法获得负荷最优调整方案。案例分析结果表明该方法可以提前调整负荷所在相序，避免了由于未能及时调整负荷所带来的加剧三相负荷不平衡程度的后果，同时减少了线路损耗，延长了换相开关的使用寿命，提高了配电台区的经济性及供电可靠性。
手机扫描二维码
