Site Loader
Posted on 02.04.1984

Содержание

Выбор методики анализа устойчивости энергосистемы Текст научной статьи по специальности «Электротехника, электронная техника, информационные технологии»

УДК 621.311

ВЫБОР МЕТОДИКИ АНАЛИЗА УСТОЙЧИВОСТИ ЭНЕРГОСИСТЕМЫ

Д.И. Дехтярева, магистрантка ФГБОУ ВО «Калининградский государственный технический университет»

В статье проанализированы существующие методики по расчету статической и динамической устойчивости энергосистемы.

анализ, устойчивость энергосистемы, режим, нормативное возмущение, коэффициент запаса, максимально допустимый переток

Обеспечение энергетической безопасности потребителей гарантировано корректным планированием и управлением электроэнергетическими режимами и заключается в своевременном выявлении «узких» мест (слабых связей, перегружаемых элементов, наиболее тяжелых аварийных возмущений и их последствий) и грамотной их ликвидации (усиление сети, строительство генерирующих мощностей и т.д.).

Одним из способов обнаружения «узких» мест является проведение расчета и анализа устойчивости энергосистемы.

В настоящее время основополагающим нормативным документом, используемым при инженерном анализе устойчивости энергосистем в различных организациях электроэнергетики, осуществляющих эксплуатацию, и проектных институтах, являются «Методические указания по устойчивости энергосистем», утвержденные Приказом Министерства энергетики Российской Федерации от 30.06.2003 № 277 [1].

«Методические указания по устойчивости энергосистем» определяют основные требования к устойчивости энергосистем [1]. В них раскрываются термины: «устойчивость энергосистем», «связь», «сечение», «максимально допустимый переток», «нормативное возмущение». Вводится разделение схем на «нормальные» и «ремонтные», а перетоков мощнос -ти в сечениях на «нормальные» и «вынужденные» (при эксплуатации).

Согласно методическим указаниям [1], запасы устойчивости энергосистем нормируются.

С учетом нормированных коэффициентов запаса устойчивости приводятся формулы для определения допустимых перетоков мощности в сечениях по четырём «критериям»:

— критерий обеспечения запаса статической (апериодической) устойчивости по активной мощности в сечении;

— критерий обеспечения запаса статической устойчивости по напряжению в узлах нагрузки;

— критерий обеспечения допустимой токовой нагрузки оборудования;

— критерий непревышения предельного по динамической устойчивости перетока в сечении при всех нормативных возмущениях с учетом действия противоаварийной автоматики (далее — ПА).

Причем максимально допустимые перетоки (далее — МДП) в исходном доаварийном режиме по трем первым критериям также представляются в виде функции от перетока в послеаварийном режиме с учетом действия ПА и соответствуют следующему выражению:

Рм < Рд/ав ( Рп/ав ) — ДРНК + АРпа , (1)

где Рм — максимально допустимый переток в рассматриваемом сечении, МВт;

Рд/ав — переток активной мощности в рассматриваемом сечении в доаварийном режиме, МВт;

рг/ав — переток активной мощности в сечении в послеаварийном установившемся режиме, МВт;

ДРнк — амплитуда нерегулярных колебаний активной мощности в сечении, МВт;

ДРпа — приращение допустимого перетока мощности в сечении за счет управляющих воздействий ПА долговременного действия на изменение мощности, МВ» [1].

Функция перетока в доаварийном режиме от перетока в послеаварийном режиме { = рд/ав ( рг/ав г ) вводится для возможности учета влияющих факторов, например, изменения потерь мощности или шунтирующих связей, не включенных в рассматриваемое частичное сечение [1].

Допустимые перетоки мощности устанавливаются расчетами режимов энергосистемы. В указаниях приводятся общие принципы по вычислению предельных, максимально и аварийно допустимых перетоков и рекомендуется использование значений перетоков актив -ной мощности для контроля соблюдения нормативных запасов устойчивости при эксплуатации энергосистем.

Контроль загрузки межсистемных и внутрисистемных транзитных связей (сечений) при эксплуатации энергосистем также осуществляется в соответствии с «Инструкцией по предотвращению и ликвидации аварий в электрической части энергосистем», утвержденной Приказом Минэнерго России от 30 июня 2003 г. № 289 [2].

На основании [1] в ОАО «СО ЕЭС» разработан стандарт организации «Правила определения максимально допустимых и аварийно допустимых перетоков активной мощности в контролируемых сечениях диспетчерского центра ОАО «СО ЕЭС»» [3].

В стандарте приводятся:

— рекомендации по выбору траекторий утяжеления режима;

— требования к исходным режимам;

— методология расчета максимально и аварийно допустимых перетоков по указанным четырем критериям.

Кроме этого, в стандарте вводится дополнительный пятый — «частотный критерий» определения МДП [3], поскольку «Методические указания по устойчивости» допускают представлять предельный переток в виде функции влияющих режимных параметров:

Рпр = ф(П1,П2,…) (2)

На основании Правил определения МДП [3] в ОАО «СО ЕЭС» подготовлен «Регламент разработки, выполнения и контроля технико-экономических обоснований реконструкции системы противоаварийной автоматики…» [4], в котором приводится форма представления результатов расчета МДП (таблица).

Таблица — Форма представления результатов расчета МДП

№ п/п Схема сети Наименование контролируемого сечения Вариант траектории утяжеления Допустимый переток активной мощности по критерию обеспечения нормативного коэффициента запаса статической апериодической устойчивости по активной мощности в контролируемом сечении (или по критерию обеспечения нормативного коэффициента запаса по напряжению в узлах нагрузки) в нормальной (ремонтной) схеме

Предельный переток, Рир, МВт Рпр 0,8 — ДРнк, МВт Р(идои) — ДРнк, МВт

1 2 3 4 5 6 7

Продолжение таблицы

Допустимый переток активной мощности по критерию обеспечения нормативного коэффициента запаса статической апериодической устойчивости по активной мощности в контролируемом сечении (или по критерию обеспечения нормативного коэффициента запаса по напряжению в узлах нагрузки) в послеаварийных режимах после аварийных возмущений

Нормативное возмущение Предельный переток, РПр, МВт РпПр/ав 0,92, МВт рд/ав ( рп/ав ) МВт рд/ав ( рп/ав ) — ДРНК, МВт Р(^ав. доп) ДРНК, МВт

8 9 10 11 12 13

Продолжение таблицы

Допустимый переток активной мощности по критерию обеспечения допустимой токовой нагрузки электросетевого оборудования в нормальной (ремонтной) схеме

Температура наружного воздуха, °С Предельный переток, Рпр, МВт Элемент -ограничитель Длительно допустимая токовая нагрузка, А Р — ДР ‘ток нк, МВт

14 15 16 17 18

Продолжение таблицы

Допустимый переток активной мощности по критерию обеспечения допустимой токовой нагрузки электросетевого оборудования в послеаварийных режимах после нормативных возмущений

Нормативное возмущение Переток в послеаварийной г>п/ав схеме Рток , МВт Переток в доаварийной схеме Рд/ав МВт ‘ ток 5 1 Элемент -ограничитель Аварийно допустимая токовая нагрузка, А Рд/ав — Др ‘ток шнк, МВт

19 20 21 22 23 24

Продолжение таблицы

Результаты расчетов динамической устойчивости (ДУ)

Нормативное возмущение Предельный переток по ДУ без учета действия ПА (РдИн пр), МВт (^дин пр) ДРнк, МВт Предельный переток по ДУ с учетом действия ПА (РдПАн пр), МВт рПА -др МВт ‘дин пр нк, ММВт

25 26 27 28 29

Окончание таблицы

Максимально допустимый переток

Температура наружного воздуха, °С МДП без ПА, МВт МДП с ПА, МВт

30 31 32

Причем с учетом ГОСТ Р 55105-2012 «. . .Противоаварийная автоматика энергосистем.» и его требований к автоматике ограничения перегрузки оборудования [5], а также требований «Типового положения по управлению режимами энергосистемы.», применяемого ОАО «СО ЕЭС» [6], расчет МДП по критерию обеспечения допустимой токовой нагрузки оборудования проводится для температур наружного воздуха от минус 20 °С до плюс 40 °С (с шагом 5 °С).

Результаты расчетов МДП, отраженные в форме (таблица) в виде единственного контролируемого параметра, выраженного в мегаваттах, наглядны и могут напрямую использоваться при решении большого круга инженерных задач:

— текущее управление электроэнергетическим режимом;

— долгосрочное и краткосрочное планирование электроэнергетических режимов;

— разработка суточных графиков нагрузок электростанций;

— расчет и выбор состава включенного генерирующего оборудования;

— выбор настроек и определение объемов управляющих воздействий противоаварий-ной автоматики;

— определение «узких мест» в целях разработки схем и программ перспективного развития энергосистем и др.

Таким образом, Системный оператор (ОАО «СО ЕЭС») своими нормативными документами развил и конкретизировал общие принципы вычисления МДП для контроля соблюдения нормативных запасов устойчивости по одному режимному параметру, как при проектировании, так и эксплуатации энергосистем, и объединил их в собственную методику.

Данная методика учитывает и то, что для расчета устойчивости используются специальные программы, обеспечивающие циклический, автоматический расчет множества серий последовательно утяжеленных режимов при всех возможных в энергорайоне возмущающих воздействиях и выбор из них предельного по определенному критерию устойчивости.

Однако в силу обобщенности и неопределенностей, заложенных в Методических указаниях по устойчивости энергосистем [1], в настоящее время остаются подходы, при которых определяются не МДП, а предельные перетоки мощности и коэффициенты запаса по активной мощности в сечении (кр) и запаса по напряжению в узлах нагрузки (ки). Для проверки допустимости электроэнергетических режимов на предмет возможного превышения допустимой токовой нагрузки оборудования и оценки необходимых величин управляющих воздействий проводятся отдельные серии расчетов. Результаты расчетов устойчивости представляются в виде разрозненных таблиц различных параметров.

Коэффициенты запаса по активной мощности в сечении (кР) и запаса по напряжению в узлах нагрузки (ки). ) определяются по формулам:

кР = (Рпр — (Р + ДРНК))/Рпр; (3)

ки = (и — икр)/и, (4)

где Рпр — предельный по апериодической статической устойчивости переток активной мощности в рассматриваемом сечении;

Р — переток в сечении в рассматриваемом режиме, Р > 0;

и — напряжение в узле в рассматриваемом режиме;

икр — критическое напряжение в том же узле, соответствующее границе статической устойчивости электродвигателей.

Провести анализ результатов расчета запасов устойчивости, представленных в виде наборов таблиц различных параметров, оценить величины требуемых объемов управляющих воздействий ПА в данном случае оказывается сложно, так как отсутствует параметр, по которому их можно сопоставить. Если в энергосистеме имеется несколько контролируемых сечений, тогда анализ и использование результатов расчета запасов устойчивости становятся еще более затруднительными.

В связи с этим использование результатов данного подхода в решении задач управления энергосистемой невозможно. Например, имея данные об энергопотреблении территории, нельзя предсказать допустимую нагрузку электрических станций в текущий момент.

Таким образом, единственной адекватной методикой контроля и анализа соблюдения нормативных запасов устойчивости энергосистемы, как при ее проектировании, так и текущей эксплуатации, является методика Системного оператора (ОАО «СО ЕЭС»).

СПИСОК ЛИТЕРАТУРЫ

1. Методические указания по устойчивости энергосистем. Утверждены приказом Минэнерго России от 30.06.2003 № 277.

2. Инструкция по предотвращению и ликвидации аварий в электрической части энергосистем. Утверждена приказом Минэнерго России от 30.06.03 № 289.

3. Правила определения максимально допустимых и аварийно допустимых перетоков активной мощности в контролируемых сечениях диспетчерского центра ОАО «СО ЕЭС».

4. Регламент разработки, выполнения и контроля решений технико-экономических обоснований реконструкции системы противоаварийной автоматики в операционных зонах филиалов ОАО «СО ЕЭС» РДУ.

5. ГОСТ Р 55105-2012 Единая энергетическая система и изолированно работающие энергосистемы. Оперативно-диспетчерское управление. Автоматическое противоаварийное управление режимами энергосистем. Противоаварийная автоматика энергосистем. Нормы и требования.

6. Типовое положение по управлению режимами работы энергосистем в операционной зоне диспетчерского центра ОАО «СО ЕЭС».

CHOICE OF A METHOD OF THE ANALYSIS OF STABILITY OF A POWER SUPPLY SYSTEM

D.I. Dekhtyareva, undergraduate, Kaliningrad State Technical University. [email protected]

In the article are analyzed the existing methods of calculation of static and dynamic stability of a power supply system.

analysis, stability of a power supply system, mode, reference incident, degradation coefficient, maximum allowable transport capacity

Статическая и динамическая устойчивость

Расчет статической и динамической устойчивости выполняется для:

  • выбора основной схемы энергосистемы и уточнения размещения основного оборудования;
  • выбора рабочих режимов энергосистем;
  • выбора мероприятий по повышению устойчивости энергосистем;
  • определения параметров настройки систем регулирования и управления, релейной защиты (РЗ), автоматического повторного включения (АПВ) и др. ;
  • определения параметров настройки систем ПК, предназначенных для повышения устойчивости энергосистем;
  • проверки выполнения нормативных показателей устойчивости.

ИКНЭТ предоставляет услуги по проведению расчетов статической и динамической устойчивости.

Динамическая устойчивость энергосистемы

Динамическая устойчивость – способность энергосистемы возвращаться к установившемуся режиму работы после значительных возмущений (КЗ, отключение любого элемента энергосистемы и т.п.), при которых изменения параметров режима по сравнению со значениями этих параметров без перехода к асинхронному режиму.

При определении методов анализа динамической устойчивости оператор системы передачи (ОСП) применяет следующие правила:

  1. Если границы статической устойчивости достигаются ранее границ динамической устойчивости, ОСП с учетом аварийных ситуаций из перечня аварийных ситуаций должен выполнять анализ динамической устойчивости только на основе результатов расчетов динамической устойчивости, выполненных для долгосрочного планирования.
  2. Если при планировании отключений пределы динамической устойчивости достигаются ранее границ статической устойчивости, ОСП с учетом аварийных ситуаций из перечня аварийных ситуаций должен провести анализ динамической устойчивости на этапе оперативного планирования на день вперед, пока эти режимы существуют. ОСП должен подготовить корректирующие действия, которые будут использоваться в случае необходимости во время работы в реальном времени.
  3. Если сеть в режиме реального времени находится в ситуации «N», а границы динамической устойчивости достигаются ранее границ статической устойчивости, ОСП с учетом аварийных ситуаций из перечня аварийных ситуаций должен проводить анализ динамической устойчивости на всех этапах оперативного планирования и быть способным быстрее повторно оценивать пределы динамической устойчивости после существенного изменения режима.

Если анализ динамической устойчивости указывает на нарушение границ устойчивости, ОСП должен разработать, подготовить и активизировать корректирующие действия с целью поддержания устойчивости системы передачи. Эти корректирующие действия могут охватывать пользователей системы передачи / распределения.

ОСП должен настроить оборудование, релейная защита и противоаварийная автоматика таким образом, чтобы при ликвидации нарушений, способных привести к широкомасштабной потери устойчивости системы, был меньше, чем критическое время устранения повреждений, исчисленный ним при анализе динамической устойчивости.
Объектом исследования динамической устойчивости является расчет реакции системы на конкретный набор аварий, обычно однофазных или трехфазных КЗ, которые можно устранить путем отключения линий электропередачи. Выполняется проверка реакции генераторов для того, чтобы убедиться, что все оборудование работает синхронно, затухания колебаний в энергосистеме остаются на допустимом уровне и восстановление напряжения после аварии происходит должным образом.
Моделирование переходных процессов должно учитывать все соответствующие воздействия во временных рамках, представляющих интерес, обычно несколько секунд после возникновения аварии, является объектом анализа переходных режимов. Также необходимо точно воспроизвести реакцию системы учитывая частоту зафиксированных колебаний. Обычно, колебания в энергосистеме возникают в диапазоне от 0,2 до 2 Гц. Также очень важным является моделирование способности (или неспособности) станции контролировать напряжение в этих временных рамках.
Пример однофазного короткого замыкания на ВЛ 150 кВ продолжительностью 500 мс приведены ниже.

 
Статическая устойчивость энергосистемы

Статическая устойчивость – способность энергосистемы возвращаться к установившемуся режиму после малых возмущений режима, при которых изменения параметров очень малы по сравнению с их средними значениями.

Запас статической устойчивости для установившегося режима работы энергосистем определяется его близостью к границе области устойчивости. Этот запас характеризуется коэффициентами запаса. По условиям статической устойчивости энергосистем нормируют минимальные коэффициенты запаса по активной мощности в сечениях и минимальные коэффициенты запаса по напряжению в узлах нагрузки.

Кроме того, устанавливают группы нормативных возмущений, при которых должны обеспечиваться как динамическая устойчивость, так и нормативные запасы статической устойчивости в послеаварийных режимах.
Для определения коэффициента запаса статической устойчивости по активной мощности в сечении схемы выполняются утяжеления режима путем увеличения перетока мощности в сечении до получения предельного по устойчивости режима.
Во время эксплуатации для контроля за соблюдением нормативных запасов статической устойчивости следует, как правило, использовать значение перетоков активной мощности. При необходимости задают как функции перетоков в других сечениях максимально допустимые и аварийндопустимые перетоки. Такие перетоки и напряжение следует считать контролируемыми параметрами. В зависимости от конкретных условий как контролируемые можно использовать другие параметры режима энергосистемы, в частности значения углов между векторами напряжения на концах линии электропередачи. Допустимые значения контролируемых параметров, при которых обеспечивается нормативный коэффициент запаса по активной мощности, устанавливают на основе расчетов соответствующих режимов работы энергосистем.

Для контроля соблюдения нормативных запасов напряжения в эксплуатационной практике можно использовать напряжение в любых узлах энергосистемы. Допустимые значения напряжения в контролируемых узлах устанавливают по расчетам режимов работы энергосистем.
Для получения полной картины по статической устойчивости режимов работы энергоблоков электростанций ОЭС Украины, необходимо осуществить проверку исходных нормальных, ремонтных и послеаварийных режимов колеблющуюся устойчивость с учетом соответствующих математических моделей как самих генераторов, так и их систем возбуждения с АРВ.
Ниже показано скольжение роторов генераторов и напряжений на выходе АРЗ 57 генераторов электростанций Украины. Как видно из этих зависимостей — исходный режим работы всех генераторов статически устойчив.
Пример однофазного короткого замыкания на ВЛ 150 кВ продолжительностью 500 мс приведены ниже.
 
Значения показателей устойчивости в зависимости от перетока в сечении, схемы сети и нормативных возмущений должны быть не ниже приведенных в таблице.

Переток в сечении    Минимальный коэффициент запаса по активной мощности КрМинимальный коэффициент запаса по напряжению КuГруппы возмущений, при которых должна обеспечиваться устойчивость в сечении
при нормальной схемепри ремонтной схеме
Нормальный0,200,15І, ІІ, ІІІІ, ІІ*, ІІІ**
Утяжелённый0,200,15
І, ІІ		І
Вынужденный (послеаварийный)0,080,10——

Примечание:

* — кроме однофазного КЗ с отказом выключателя и действием УРОВ в сети напряжением 110 — 220 кВ.
** — только для многофазного КЗ с успешным и неуспешным АПВ в сети напряжением 750 кВ.

Расчеты устойчивости энергосистем и расчетная проверка мер по ее обеспечению является обязательной частью работ по проектированию и эксплуатации энергосистем. 

как два сервера обвалили энергосистему / Хабр

Крупнейший в истории США блэкаут, случившийся в 2003 году, это один из тех случаев, когда едва ли не ведущую роль в развитии аварии сыграли неисправности ПО. Хотя хватает там и того, что все мы любим в любых авариях: халатность, нарушение протоколов или их отсутствие, несогласованность действий и полный шок, когда ситуация выходит окончательно из под контроля. В общем заваривайте чай, у нас очередной технодетектив.



Пара слов о том, почему линии электропередач могут отключаться

Энергосистема — это довольно сложный организм, состоящий из множества узлов генерации электроэнергии и узлов потребления, соединённых между собой линиями электропередач.

Когда-то на заре энергетики электростанции были маленькими и находились рядом с потребителями, а потому были соединены напрямую. Но со временем станции становились больше, возникала задача транспортировки электроэнергии на всё большие расстояния, что требовало усложнять тракт передачи.

Вспомним школу

Как вы должны помнить из школьного курса физики, при протекании тока по проводу тот нагревается. Энергия, которая тратится на нагрев проводника – это потери, а терять электричество – это терять и деньги. Потери на нагрев определяются по формулам:

Соответственно, чтобы снизить потери на нагрев мы можем увеличить напряжение в проводнике или его сечение, причём так как напряжение у нас в квадрате, то увеличение его оказывает гораздо больший эффект на величину потерь, чем увеличение площади сечения проводника. Более того, увеличение сечения крайне негативно сказывается на массе проводника и экономической целесообразности. Отсюда очевидный вывод: надо делать для передачи на дальние расстояния линии с большим напряжением. Но при этом чем выше напряжение – тем больше размеры оборудования и требования к безопасности, а значит, для потребителей в большинстве случаев придётся сохранять низкие значения напряжения.

Это приводит к тому, что энергосистема выстраивается по следующему принципу: есть ЛЭП высокого напряжения, которые осуществляют транзит больших мощностей на большие расстояния, есть линии меньшего напряжения, которые дублируют их и распределяют энергию между более мелкими узлами потребления, и есть линии низкого напряжения в распределительной сети, к которой подключают потребителей.


Принципиальная схема сетей США

Но у нагрева проводов есть и ещё одно следствие. Опять же, вспоминаем школьный курс физики: при нагреве проводник расширяется во все стороны, то есть и удлиняется тоже, что вызывает ещё больший рост потерь. Провод из-за удлинения провисает и может либо оборваться, либо задеть какие-то объекты внизу, например ветку дерева, что вызовет замыкание. Худший случай – это перехлёст двух или трёх проводов, что вызовет междуфазное короткое замыкание. Поэтому перегрузку линии током (термическую перегрузку) требуется жёстко ограничивать по значению и длительности.


Ключевая проблема провисания ЛЭП в одной картинке: в данном случае при провисании до 38 футов ветер в 5 узлов может привести к касанию дерева; при 36 — уже даже в отсутствии ветра может произойти касание; при 34 — критический провис по механической прочности самого провода

Что такое короткое замыкание?

Электрический ток, как вода, течёт по пути наименьшего сопротивления. Из двух линий больший ток и мощность потекут по той, у которой меньшее сопротивление. Короткое замыкание случается, когда сопротивление линии внезапно резко падает по одной из озвученных выше причин, и по линии начинает протекать гораздо больший ток, чем допустимо. Ток короткого замыкания может быть в сотни раз больше, чем номинальный, что может привести к повреждению оборудования электростанций и подстанций. Поэтому короткое замыкание требуется как можно скорее устранить, пока оно не нанесло вреда, путём отключения повреждённого элемента энергосистемы.

После отключения повреждённого элемента электрическая мощность, которую мы должны передать потребителям, распределится между оставшимися в работе элементами. Обычно отключение даже одной ЛЭП высокого напряжения не должно оказывать существенного влияния на состояния системы. Тем не менее из-за изменившихся потоков мощности становится возможна термическая перегрузка отдельных элементов энергосистемы, и для исключения их отключения требуется вмешательство оперативно-диспетчерского управления.

Этих знаний нам будет достаточно для понимания процесса развития аварии.

Предпосылки

Любая авария в энергосистеме – это сочетание множества факторов. Как бы ни была сложна система передачи электроэнергии, она обычно имеет достаточный запас надёжности по отказам, а также большую инерцию из-за чего даже в случае неблагоприятного стечения обстоятельств обычно есть время провести компенсирующие мероприятия. Но проблема в том, что для начала опасную для энергосистемы ситуацию нужно вовремя распознать, а с этим в 14 августа 2003 в Северо-Восточной энергосистеме США случились большие проблемы.

Начало аварии положило незначительное на первый взгляд происшествие: в 13:30 остановился блок №5 ТЭЦ Eastlake мощностью 680 МВт. Причина аварии крылась в неправильных действиях персонала, приведших к выходу из строя регулятора возбуждения турбины. Само по себе это происшествие было некритичным. Да, возник локальный дефицит мощности, но его компенсировало увеличение перетоков мощности по линиям из других частей энергосистемы.


Перетоки мощности между сетями энергокомпаний перед аварией

Вторым фактором стало отключение в 14:02 линии 345 кВ Stuart-Atlanta: из-за незначительной перегрузки провода провисли и произошло касание с деревьями, растущими под ЛЭП. Опять же, и этот инцидент не должен был значительно повлиять на состояние энергосистемы при внимательном наблюдении за режимом оператором диспетчерского пункта. Но именно с этим у энергообъединения First Energy Corporation (FE), в чьей зоне ответственности и происходили описанные события, в этот момент случились проблемы.

Ничего не вижу. Ничего не слышу

Для начала разберёмся с инструментарием, с помощью которого диспетчер управляет энергосистемой. Основным инструментом взаимодействия с энергосистемой у диспетчера является Supervisory control and data acquisition (диспетчерское управление и сбор данных) или попросту SCADA. SCADA служит для обеспечения работы систем сбора, обработки, отображения и архивирования информации об объекте мониторинга или управления. Условно её можно разделить на 3 крупных составных части: система сбора информации, система пользовательского интерфейса, система реализации управляющих воздействий.

  • Система сбора информации осуществляет сбор данных со всех датчиков (трансформаторов тока и напряжения, датчиков мощности, направления перетока мощности и т.д), информации о срабатывании защит и автоматик, расчёт дополнительных необходимых для контроля параметров и передачу их в систему пользовательского интерфейса.
  • Система пользовательского интерфейса предоставляет полученные данные в удобном для оператора формате: мнемосхемы, отображающей состояние элементов сети; графиков изменения ключевых параметров; окон данных параметров по ключевым узлам и каждому объекту сетевого хозяйства; оповещений о событиях.
  • Система реализации управляющих воздействий, позволяющая либо отправлять запросы на объекты электросетевого хозяйства об изменениях режима, либо напрямую управлять отдельными её элементами.


А это уже техническая реализация

Резервирует все эти три системы обычный телефон, с помощью которого оператор может узнать о текущем положении напрямую и также напрямую отдать указания. Фактически же, в то время всё оперативно-диспетчерское управление осуществлялось с помощью звонков по телефону, а SCADA выполняла лишь функцию информирования о режиме.

Более того, из-за размеров энергообъединения FE мнемосхема на экране диспетчера при максимальном масштабе отображения была крайне малоинформативна, поэтому диспетчеры полностью полагались на подсистему генерации оповещений, которая выдавала сообщения по факту любых изменений в энергосистеме: включение/отключение объектов, выход контролируемых параметров за допустимые пределы и так далее. По факту получения оповещения диспетчер увеличивал масштаб схемы, рассматривал нужный район и решал о том, какие дальнейшие действия следует предпринять.


Примерно так выглядела мнемосхема на экране оператора. Упустить какое-то изменение статуса линии очень легко

В 14:14 из-за ошибки сервера SCADA подсистема генерации оповещений была потеряна без всяких сообщений об ошибке и диспетчер не узнал об этом, считая отсутствие оповещений за признак нормальной работы энергосистемы, а не отказ функции SCADA. В результате диспетчер на протяжении следующих двух часов был уверен, что у него в энергосистеме всё в порядке. Решением проблемы могло бы быть использование видеостены с большой мнемосхемой, где были бы удобно отображены все объекты и планшеты с основными параметрами сети в ключевых точках. На такой мнемосхеме диспетчер мог бы вовремя увидеть отключение сетевых элементов и изменения параметров режима. Но по неизвестной причине в FE решили сэкономить на этом, из-за чего диспетчер оказался в полной ситуационной неосведомлённости о положении в его энергосистеме.


А вот так должен выглядеть диспетчерский пункт в идеале, с большой мнемосхемой

Что же произошло с серверами FE?

Подсистема генерации отчётов SCADA GE Energy’s XA/21, использовавшейся FE, исполнялась на отдельном резервированном сервере, вместе с другими вспомогательными подсистемами. Такое решение должно было увеличить надёжность работы всей системы и обеспечить большее быстродействие. Принцип работы системы был простой: она обрабатывала входящую информацию о событиях в энергосистеме и изменении параметров, как расчётных, так и измеряемых, и в случае, если один из параметров вызывал срабатывание заранее заданных триггеров, то формировалось оповещение в виде текстового сообщения и звукового сигнала.


Архитектура SCADA GE XA/21


Окно отчётов о событиях

Во время расследования первоначально предположили, что сервер подсистемы генерации отчётов был поражён червём “Slammer”, бушевавшем тогда в США и уже поразившем ранее несколько ТЭЦ. Но разбор логов и кода не подтвердил эту теорию, система кибербезопасности сетей FE была признана адекватной и нескомпрометированой. Тогда начали искать причину в самом коде и после анализа миллионов строк таки нашли. Проблема заключалась в самом принципе работы генератора отчётов и крайне маловероятном стечении обстоятельств. После срабатывания триггера на вход генератора подаётся запрос на создание оповещения. Из-за кратковременной задержки обработки запросов, не более чем на пару миллисекунд, два процесса одновременно обратились к записи в одну и ту же ячейку памяти. Это привело к «состоянию гонки» (race condition) и зависанию генератора отчётов в бесконечном цикле обращения к ячейке памяти. Из-за этого уже с 14:14 оповещения не генерировались SCADA.

Так как запросы обрабатывались по очереди поступления, то из-за зависания генератора вскоре в буфере скопились необработанные запросы. К 14:41 буфер сервера переполнился и он отключился. На этот случай был резервный сервер, в котором мгновенно из бэкапа были развёрнуты все процессы, ранее запущенные на основном сервере, в том числе и зависший генератор отчётов. Этот сервер протянул гораздо меньше из-за всё большего числа данных на входе и отрубился в 14:54. При этом никаких сообщений об этом диспетчеру сгенерировано не было, автоматически был создан только тикет в службу технической поддержки FE и то только после отключения второго сервера. Из-за отсутствия в протоколе ТП требования сообщать о неисправностях оборудования диспетчерам, техподдержка, естественно, этого не сделала и отправилась чинить сервера, в то время, как диспетчер был свято уверен, что весь последний час они работают нормально.

В 15:08 были «мягко» перезапущены сервера, но при этом инженеры проверили только сам факт восстановления работы серверов, но не функциональность их ПО. А ПО подсистемы генерации отчётов после ребута серверов из-за ошибки при завершении работы оказалось нефункциональным. То есть перезапуск серверов никак не решил проблему. В 15:42 звонок из техподдержки сильно удивил диспетчеров, сообщением, что «мы восстановили работоспособность сервера генерации отчётов». При этом подсистема генерации отчётов всё ещё не работала и диспетчер пребывал в полной уверенности, что у него-то в энергосистеме всё в порядке. Хотя на самом деле к моменту этого звонка всё уже 10 минут как катилось к чёрту и точка невозврата была очень близка.

Потерянное время


Таймлайн блэкаута

Так как диспетчер FE не знал об отказе генерации отчётов, а потому считал, что в его зоне ответственности всё в порядке, то он естественно пропустил роковое для энергосистемы событие – отключение ЛЭП 345 кВ Chamberlin-Harding. Она отключилась в 15:05 при нагрузке всего 45,5% от номинальной из-за касания фазой дерева, растущего под ЛЭП. Первой очевидной причиной такого развития событий было пренебрежение FE ухаживанием за трассами ЛЭП, так как это было уже второе за два часа, но не последнее за день, отключение линии из-за касания деревьев. Второй же причиной, непосредственно приведшей к первой, стал рост перетоков по линиям и их нагрев из-за уже случившегося ранее ослабления сети. Тот факт, что перегрузка на них так и не наступила был скорее лишь отягчающим обстоятельством, так как незначительный провис из-за термического расширения провода привёл к короткому замыканию, чего в нормальной ситуации быть не должно.

Так как в SCADA никаких уведомлений не было, то диспетчер FE был уверен, что ЛЭП 345 кВ Chamberlin-Harding находится в работе и на звонки с вопросом о её состоянии отвечал, что «всё ОК». В 15:32 из-за выросшей нагрузки коснулась деревьев и отключилась ещё одна линия — 345 кВ Hanna-Juniper. Отключение уже трёх системообразующих линий 345 кВ привело к росту нагрузки на все остальные линии. Диспетчер FE всё ещё бездействовал, так как не знал о всех этих авариях.


Диспетчер FE

Точкой невозврата стал отказ линии 345 кВ The Star-South Canton расположенной на стыке FE and AEP (American Electric Power). Эта линия уже дважды отключалась из-за выросшей нагрузки по ней: в 14:27 и в 15:38. Оба раза причиной были всё то же сочетание факторов перегрузка + деревья, растущие под ЛЭП. В 15:41 линия 345 кВ The Star-South Canton отключилась в третий раз и восстановить её работу на этот раз не вышло.


Схема сети и три первые отключившиеся линии 345 кВ

Всё, точка невозврата была пройдена – сеть потеряла 4 системообразующие ЛЭП из-за чего началась перегрузка сети меньшего напряжения 138 кВ. Первая линия 138 кВ отключилась в 15:39, то есть за две минуты до отключения 345 кВ The Star-South Canton, но после процесс принял лавинообразный характер, так как чем меньше линий оставалось в работе – тем больше была перегрузка оставшихся.


Таймлайн роста перегрузки линий

При всём при этом оператор FE не делал НИЧЕГО, так как всё ещё не знал об отказе SCADA, а на все звонки отвечал, что «проблема не в моей зоне ответственности, ищите у себя». Время на предотвращение аварии было упущено и процесс вошёл в самоподдерживающуюся стадию – впереди был только блэкаут. Но неужели система была столь плохо выстроена, что отказ одного диспетчерского пункта привёл к неминуемому коллапсу энергосистемы? Конечно нет, но в тот день США очень не повезло.

Координировали, координировали, да не выкоординировали

Естественно, что в США управлением энергетики страны занимались не дураки и понимали, что для координации деятельности разных диспетчерских центров нужен единый орган. И он на Северо-Востоке США был – координатор надёжности энергосистемы или Midcontinent Independent System Operator (MISO), объединявший значительную часть операторов энергосистем Северо-востока. К MISO в автоматическом режиме поступали все данные энергообъединений о состоянии объектов сетевого хозяйства (включены/отключены), а также результаты измерения основных параметров. По этим данным информационная система MISO должна была проводить анализ надёжности, сводящийся к расчёту режима и поиску опасных для работоспособности системы ситуаций. Выполнение таких расчётов должно было проводиться как автоматически по таймеру и при отключении/включении объектов, так и вручную в случае необходимости проверки верности предлагаемых управляющих воздействий.


Операционная зона MISO

В идеальном мире для этого использовалась бы real-time система, как SCADA, но MISO развивало свой собственный продукт, в основном методом добавления костылей. Система в распоряжении MISO была не real-time, да она получала данные с низовых устройств, но расчёт надёжности проводился по таймеру раз в 5 минут, таким образом оператор имел срез состояния энергосистемы, который мог за следующий промежуток времени сильно устареть. Автоматический расчёт надёжности проводился по скрипту, который днём в 13:07 был отключён для проведения работ с системой. Причиной стала необходимость привязать сигналы включенного/отключенного состояния линии 230 кВ Bloomington-Denois Creek к её отображению в расчётной модели. После окончания процесса диспетчер попросту забыл активировать скрипт и ушёл на ланч, из-за чего до 14:40 автоматический расчёт надёжности не производился.

При этом даже после восстановления работы скрипта и получения результатов расчёта, свидетельствующих о нарастании кризиса в энергосистеме, эти расчёты оказались неадекватны ситуации. Как выяснится уже в ходе расследования, линия 345 КВт Stuart-Atlanta, отключившаяся ещё в 14:02, тоже не была подключена к автоматическому обновлению статуса по данным, получаемым от автоматик. Из-за этого расчётная модель обсчитывала более лёгкий режим и диспетчер MISO не понимал всю тяжесть ситуации.

Как результат, MISO до 14:40 вообще не понимало о существовании кризисной ситуации. После 14:40 ситуация оценивалась куда легче, чем была в реальности. Сомнения в том, что результаты расчётов адекватны, появились у диспетчера MISO лишь в начале 15 часов, когда стало ясно, что реальные замеры мощности и расчётные сильно расходятся. И только в 15:29 после телефонного звонка оператору линии 345 КВт Stuart-Atlanta (фирма PJM), была найдена ошибка в модели, устранённая к 16:04, когда каскадная авария уже охватила всю энергосистему. В результате MISO не смог выполнить свою основную функцию – сохранить надёжность работы энергосистемы. При этом, как выяснится в ходе расследования, схожая же проблема была и у SCADA оператора PJM.

У MISO кроме ПО для расчёта надёжности были и альтернативные решения, которые выступали вспомогательными средствами и могли бы помочь быстрее сориентироваться. Так, в комплексе ПО MISO была ещё и программа Flowgate Monitoring Tool (FMT), которая была альтернативным средством, рассчитывавшим перегрузки наиболее важных линий и сигнализировавшей об этом. Данное ПО работало в тот день штатно и могло бы вовремя сработать, но оно не смогло вовремя выявить аварийную ситуацию из-за особенностей сбора данных. В отличии от расчёта надёжности, FMT получала данные о состоянии линий не от их автоматик, а из базы данных NERC SDX, куда владельцы линий должны были сообщать в течении 24 часов(!) о всех выполняемых переключениях. В результате эта система обсчитывала подчас режимы, отстоящие от реальных на часы, и никто этого вообще не замечал. По какой причине FMT брало данные не из обновляющейся автоматически информации о состоянии линий, неизвестно.

Кроме того, была и система оповещений об отключении линий, похожая на имевшуюся в SCADA FE. Но и она оказалась бесполезна, так как, во-первых, диспетчер просто не заметил оповещения. А во-вторых, пользовательский интерфейс был таков, что диспетчеру после получения оповещения требовалось найти на схеме нужный выключатель и уже, кликнув по нему, проверить его состояние. Система не подсвечивала выключатели, изменившие состояние, и не имела функции перехода к объекту по щелчку на уведомление. Все эти недостатки вместе стали фатальны для работы MISO в тот день.

Коллапс

После 15:42 энергосистему Северо-востока было уже не спасти. Лавинообразный процесс нарастания перегрузок и отключений линий привёл к тому, что за следующие 25 минут отключилось из-за перегрузки 11 линий 138 кВ и 1 – 345 кВ. За следующие 5 минут отключилось 6 линий 345 кВ. Каскад перегрузок линий и их отключений привёл к ещё одному каскадному процессу – лавине напряжения, так как баланс нагрузки и генерации стал смещаться в сторону нагрузки и напряжение в сети стало проседать. А когда напряжение в сети уменьшается, то уменьшается и производительность питательных насосов электростанций, из-за чего их эффективность падает и ещё больше увеличивается дефицит генерации. В течении следующих 5 секунд с 16:10:39 по 16:10:46 отключилось 5 линий 345 кВ и 19 энергоблоков станций (в том числе 1 блок АЭС) суммарной мощностью 4700 Мвт.

При этом никто из диспетчеров так и не понимал, что и почему происходит. MISO только-только восстановили нормальную работу ПО для оценки надёжности, но всё новые отключения приводили к расхождениям их схемы и реальности. Операторы AEP и PJM, на энергосистемы которых начали накатывать перегрузки, тоже потеряли контроль за ситуацией, так как не понимали причину возникших сложностей, а оператор FE клятвенно уверял, что «проблемы не в сети FE, у нас всё в порядке». При этом в работе SCADA AEP и PJM тоже были недостатки, в частности проблемы с обновлением статуса состояния линий, но это уже мало влияло на ситуацию.

Диспетчеры FE начали понимать, что что-то, возможно, идёт не так, когда после 15:42 на них обрушилась просто лавина звонков от соседних диспетчерских пунктов и низового персонала FE о всё новых отключениях линий. Только после этого диспетчер решил таки позвонить в техподдержку и попросить проверить работу сервера ещё раз. К 16:05 был произведён полный перезапуск подсистемы генерации отчётов и она заработала. Внезапное прозрение, что проблема таки в сети FE, произошло — но было уже слишком поздно. Диспетчеры FE и других операторов, могли лишь наблюдать за разворачивающимся апокалипсисом, так как сделать что либо было уже решительно невозможно.


Диспетчер FE в 16:00


Диспетчер FE в 16:05

История сохранила записи телефонных звонков операторов, в которых сквозит полное непонимание происходящего:

Оператор AEP: “У нас большие проблемы… много линий отключается. East Lima и New Liberty отключились. Посмотри на это.”

Оператор AEP: “О боже, я в глубокой …”

Оператор PJM: “Ты и я, мы оба, брат. Что мы собираемся делать? Если тебе что-нибудь нужно, дай мне знать.”

Оператор AEP: “Только что еще что-то отключилось. Много чего происходит.”

Оператор PJM: “И когда это произошло? Это могло бы. ..”

Оператор MISO: “Я еще не знаю. У меня все еще есть… У меня не было пока возможности изучить этот вопрос. Сейчас слишком много всего происходит”.


Последние минуты перед коллапсом. Жёлтым отмечены перетоки мощности

К 16:13 коллапс энергосистемы завершился, приведя к отключению сотен линий электропередач и 508 энергоблоков на 265 электростанциях, из которых 10 – это АЭС(!). В зоне отключения оказались: северная часть Огайо, восточная часть Мичигана, северная часть Пенсильвании и Нью-Джерси, большая часть Нью-Йорка, Массачусетс, Коннектикут, Вермонт, а также канадские провинции Онтарио и Квебек. Всего без света остались 40 миллионов человек в США и 15 миллионов в Канаде. Рухнула сотовая и телефонная связь, остановилась торговля на Нью-Йоркской фондовой бирже, возникли проблемы с посадкой самолётов и многочасовые задержки рейсов. Единственным плюсом было то, что авария произошла днём и власти успели наладить подобие порядка на улицах городов. На полное возвращение энергоснабжения ушло несколько дней из-за того, что многие станции вынуждены были проводить ремонтные работы из-за аварийного останова.

Эпилог

Как несложно заметить, авария развивалась 2 часа, из которых первые полтора часа было достаточно возможностей для предотвращения коллапса, но из-за бездействия диспетчеров ситуация развилась в каскадную аварию, остановить которую было уже нереально. При этом причиной «веерного отключения» стала череда из множества совершенно неожиданных отказов. Фактически только отсутствие оперативного диспетчерского управления и сделало блэкаут неизбежным, хотя если бы линии ЛЭП оператор FE вовремя очищал от деревьев, то может ничего вообще бы и не случилось. После аварии было проведено расследование, которое выявило все описанные и многие другие проблемы. Среди предложений мер реакции были, как организационные меры, в частности пересмотры внутренних регламентов и аудиты, так и технические меры: совершенствование систем SCADA, более жесткие требования к контролю состояния линий, установка автоматик отключения нагрузки при снижении напряжения и так далее. Более крупных блэкаутов в США не было, но как и в любой сложной системе, сколько бы дыр в ней не закрывали, всегда может найтись новая.

Источники

  1. NERC «Technical Analysis of the August 14, 2003, Blackout: What Happened, Why, and What Did We Learn?»
  2. U.S.-Canada Power System Outage Task Force «Final Report on the August 14, 2003 Blackout in the United States and Canada: Causes and Recommendations»
  3. The Availability Digest «The Great 2003 Northeast Blackout and the $6 Billion Software Bug»

Документы — Правительство России

Варианты поиска по сайту

Закрыть

Следующая новость

Предыдущая новость

  •  Маленький размер шрифта
  •  Нормальный размер шрифта
  •  Большой размер шрифта
  • Включить/выключить отображение изображений Вкл Выкл

Правительство России

    • Демография
    • Здоровье
    • Образование
    • Культура
    • Общество
    • Государство
    • Занятость и труд
    • Технологическое развитие
    • Экономика. Регулирование
    • Финансы
    • Социальные услуги
    • Экология
    • Жильё и города
    • Транспорт и связь
    • Энергетика
    • Промышленность
    • Сельское хозяйство
    • Региональное развитие
    • Дальний Восток
    • Россия и мир
    • Безопасность
    • Право и юстиция
  • Избранные документы со справками к ним
  • Поиск по всем документам

Вид документа

Постановление Правительства Российской ФедерацииРаспоряжение Правительства Российской ФедерацииРаспоряжение Президента Российской ФедерацииУказ Президента Российской ФедерацииФедеральный законФедеральный конституционный законКодекс

Номер

Заголовок или текст документа

Дата подписания

2 сентября, пятница

Постановление Правительства Российской Федерации от 02.

09.2022 г. № 1554

О внесении изменения в Основные положения формирования и государственного регулирования цен на газ, тарифов на услуги по его транспортировке, платы за технологическое присоединение газоиспользующего оборудования к газораспределительным сетям на территории Российской Федерации и платы за технологическое присоединение к магистральным газопроводам строящихся и реконструируемых газопроводов, предназначенных для транспортировки газа от магистральных газопроводов до объектов капитального строительства, и газопроводов, предназначенных для транспортировки газа от месторождений природного газа до магистрального газопровода

Постановление Правительства Российской Федерации от 02.09.2022 г.

№ 1551

О внесении изменения в постановление Правительства Российской Федерации от 10 марта 2022 г. № 336

Постановление Правительства Российской Федерации от 02.09.2022 г. № 1552

Об установлении случая, при котором товары могут прибывать в Российскую Федерацию и убывать из Российской Федерации в местах, не являющихся местами перемещения товаров в соответствии с Таможенным кодексом Евразийского экономического союза

Постановление Правительства Российской Федерации от 02.

09.2022 г. № 1545

О внесении изменений в некоторые акты Правительства Российской Федерации

Постановление Правительства Российской Федерации от 02.09.2022 г. № 1543

О внесении изменений в Положение о Министерстве строительства и жилищно-коммунального хозяйства Российской Федерации

Постановление Правительства Российской Федерации от 02.09.2022 г. № 1548

Об утверждении Правил предоставления иных межбюджетных трансфертов из федерального бюджета, источником финансового обеспечения которых являются бюджетные ассигнования резервного фонда Правительства Российской Федерации, бюджетам субъектов Российской Федерации в целях предоставления социальных выплат, установленных пунктом 1 Указа Президента Российской Федерации от 27 августа 2022 г. № 586 «О выплатах гражданам Донецкой Народной Республики, Луганской Народной Республики, Украины и лицам без гражданства, вынужденно покинувшим территории Донецкой Народной Республики, Луганской Народной Республики, Украины и прибывшим на территорию Российской Федерации»

Постановление Правительства Российской Федерации от 02.09.2022 г. № 1544

О внесении изменений в постановление Правительства Российской Федерации от 21 августа 2015 г. № 878

Постановление Правительства Российской Федерации от 02.

09.2022 г. № 1549

О внесении изменения в подпункт «б» пункта 3 Правил включения нестационарных торговых объектов, расположенных на земельных участках, в зданиях, строениях и сооружениях, находящихся в государственной собственности, в схему размещения нестационарных торговых объектов

Постановление Правительства Российской Федерации от 02.09.2022 г. № 1542

О внесении изменения в Положение о Министерстве сельского хозяйства Российской Федерации

1 сентября, четверг

Постановление Правительства Российской Федерации от 01.

09.2022 г. № 1537

О внесении изменения в подпункт «д» пункта 1 требований к инвестиционным проектам, реализуемым резидентами территорий опережающего социально-экономического развития, создаваемых на территориях монопрофильных муниципальных образований Российской Федерации (моногородов)

Постановление Правительства Российской Федерации от 01.09.2022 г. № 1529

О внесении изменений в постановление Правительства Российской Федерации от 11 апреля 2022 г. № 635

Постановление Правительства Российской Федерации от 01.

09.2022 г. № 1540

О внесении изменений в раздел I государственной программы Российской Федерации «Социальная поддержка граждан»

Постановление Правительства Российской Федерации от 01.09.2022 г. № 1530

О внесении изменения в пункт 2 постановления Правительства Российской Федерации от 30 июля 1999 г. № 862

Постановление Правительства Российской Федерации от 01.09.2022 г. № 1533

О внесении изменений в постановление Правительства Российской Федерации от 29 декабря 2011 г. № 1178

Постановление Правительства Российской Федерации от 01.09.2022 г. № 1539

О внесении изменений в особенности тарификации воинских и специальных железнодорожных перевозок

Постановление Правительства Российской Федерации от 01.09.2022 г. № 1531

Об утверждении Правил предоставления субсидий из федерального бюджета российским организациям на оказание государственной поддержки в целях создания испытательной базы для проведения сертификационных и доводочных работ при проектировании автомобилей с низким углеродным следом

Постановление Правительства Российской Федерации от 01.

09.2022 г. № 1532

О представлении Президенту Российской Федерации предложения о подписании Протокола о внесении изменений в Договор о Евразийском экономическом союзе от 29 мая 2014 года в части определения порядка взимания косвенных налогов при оказании услуг в электронной форме

Постановление Правительства Российской Федерации от 01.09.2022 г. № 1536

О внесении изменений в Правила предоставления иных межбюджетных трансфертов из федерального бюджета, источником финансового обеспечения которых являются бюджетные ассигнования резервного фонда Правительства Российской Федерации, бюджетам субъектов Российской Федерации на финансовое обеспечение отдельных мер по ликвидации чрезвычайных ситуаций природного и техногенного характера, осуществления компенсационных выплат физическим и юридическим лицам, которым был причинен ущерб в результате террористического акта, и возмещения вреда, причиненного при пресечении террористического акта правомерными действиями

31 августа, среда

Постановление Правительства Российской Федерации от 31.

08.2022 г. № 1516

О внесении изменения в пункт 5 постановления Правительства Российской Федерации от 30 июня 2021 г. № 1100

Постановление Правительства Российской Федерации от 31.08.2022 г. № 1517

О внесении изменения в пункт 5 постановления Правительства Российской Федерации от 30 июня 2021 г. № 1097

1

Показать еще

методы повышения, формулы расчета, причины

Пример HTML-страницы

Не рассматривая неизбежные переходные процессы, приведенные на рис. 10.7, отметим, что длительное повышение или понижение напряжения питающей сети приводит к сокращению срока службы двигателей и источников питания. Понижение напряжения менее желательно из-за значительного роста тока потребления, нарушения и выхода из строя электроники и вычислительной техники. Отрицательное воздействие оказывает полное пропадание питающего напряжения. Кратковременные всплески и провалы напряжения вызываются переходными процессами в электрической системе, сопровождаясь высокочастотными помехами, приводящими к сбою электронной аппаратуры. Всплеск напряжения может привести к выходу из строя потребителя, если коммутационная и особенно защитная аппаратура не удовлетворяет требованиям по быстродействию и селективности.

Содержание

  1. Что влияет на качество электроснабжения
  2. Методов повышения качества электроэнергии
  3. Как уменьшить несинусоидальность напряжения

Что влияет на качество электроснабжения

Негативное влияние на силовое электрооборудование и измерительные приборы оказывают длительные искажения кривой напряжения, особенно искажения напряжения, имеющие характер «зазубрин», вызванные коммутацией силовых тиристоров и диодов в мощных источниках искажения. Наиболее опасными являются искажения кривой напряжения жения через ноль. Эти искажения могут вызвать дополнительные коммутации диодов маломощных источников питания, ускорение старения конденсаторов, сбой компьютеров и принтеров и другой аппаратуры.

Проблема качества в отечественных электрических сетях очень специфична. Во всех промышленно развитых странах подключение мощных нелинейных нагрузок, искажающих форму кривых тока и напряжения электрической сети, допускается только при соблюдении требований по обеспечению качества электроэнергии и при наличии соответствующих корректирующих устройств. При этом суммарная мощность вновь вводимой нелинейной нагрузки не должна превышать 3…5% от мощности всей нагрузки энергокомпании. Иная картина наблюдается в нашей стране, где такие потребители подключаются достаточно хаотично.

Выдача технических условий на присоединение во многом формальна из-за отсутствия четких методик и массовых сертифицированных приборов, фиксирующих «кто виноват». При этом промышленностью практически не выпускались необходимые фильтрокомпенсирующие, симметрирующие, многофункциональные оптимизирующие устройства и др.

В результате электрические сети России оказались перенасыщенными искажающим оборудованием.

В отдельных регионах сформировались уникальные по своей мощности и степени искаженности кривых тока и напряжения комплексы электрических сетей энергосистем и распределительных сетей потребителей, что существенно обострило проблему электроснабжения потребителей качественной электроэнергией.

Для определения соответствия значений измеряемых показателей качества электроэнергии нормам стандарта, за исключением длительности провала напряжения, импульсного напряжения, коэффициента временного перенапряжения, устанавливается минимальный интервал времени измерений, равный 24 ч, соответствующий расчетному периоду. Общая продолжительность измерений ПКЭ должна быть выбрана с учетом обязательного включения характерных для измеряемых ПКЭ рабочих и выходных дней. Рекомендуемая общая продолжительность измерения составляет 7 сут. Сопоставление ПКЭ с нормами стандарта необходимо производить за каждые сутки общей продолжительности измерений отдельно для каждого ПКЭ. Кроме того, измерения ПКЭ следует проводить по требованию энергоснабжающей организации или потребителя, а также до и после подключения нового потребителя.

Методов повышения качества электроэнергии

Существуют три основные группы методов повышения качества электроэнергии:

  1. рационализация электроснабжения, заключающаяся, в частности, в повышении мощности сети, в питании нелинейных потребителей повышенным напряжением;
  2. улучшение структуры 1УР, например обеспечение номинальной загрузки двигателей, использование многофазных схем выпрямления, включение в состав потребителя корректирующих устройств;
  3. использование устройств коррекции качества — регуляторов одного или нескольких показателей качества электроэнергии или связанных с ними параметров потребляемой мощности.

Экономически наиболее предпочтительной является третья группа, так как изменение структуры сети и потребителей ведет к значительным затратам.

Проектирование же новых сетей потребителей необходимо вести с учетом современных требований к качеству, ориентируясь на разработку регуляторов качества электроэнергии различных типов. Целенаправленное воздействие на изменение одного вида искажений вызывает косвенное воздействие на другие виды искажений. Например, компенсация колебаний напряжениявызывает снижение уровней гармоник и приводит к изменению отклонений напряжения.

Отклонения напряжения являются медленными и вызываются или изменением уровня напряжения в центре питания, или потерями напряжения в элементах сети (рис. 10.8). требования по отклонениям напряжения для последних электроприемников не выполняются изза значительных потерь напряжения в кабельной линии и на шинах питания. суммарные потери напряжения л /ц.п, %, определяют по выражению:

Анализируя эпюру (см. рис. 10.8), можно сделать вывод, что обеспечить требования по отклонениям напряжения можно за счет регулирования напряжения в центре питания (гпп, рп) и путем снижения потерь напряжения в элементах сети.

Регулирование реализуется с помощью изменения коэффициента трансформации питающего трансформатора. для этого трансформаторы оснащаются средствами регулирования напряжения под нагрузкой (рпн) или имеют возможность переключения отпаек регулировочных ответвлений без возбуждения (пбв), т. е. с отключением их от сети на время переключения ответвлений. трансформаторы с рпн позволяют регулировать напряжение в диапазоне от ±10 до ±15 % с дискретностью 1,25…2,50%. трансформаторы с пбв обычно имеют регулировочный диапазон ±5 %.

Снижение потерь напряжения в питающих линиях или кабелях может быть реализовано за счет снижения активного и (или) реактивного сопротивления. Снижение сопротивления достигается путем увеличения сечения проводов или применением устройств продольной компенсации (УПК).

Продольная емкостная компенсация параметров линии заключается в последовательном включении конденсаторов в рассечку линии, благодаря чему ее реактивное сопротивление уменьшается: Х’л= XL ХC< Хл.

Колебания напряжения в системе электроснабжения промышленного предприятия вызываются набросами реактивной мощности нагрузок. В отличие от отклонений напряжения колебания напряжения происходят значительно быстрее. Частоты повторения колебаний напряжения достигают 10… 15 Гц при скоростях набросов реактивной мощности до десятков и даже сотен мегавар в секунду. Размах колебаний напряжений

Из выражения (10.33) следует, что для снижения bU, необходимо уменьшить Хкз или набросы реактивной мощности нагрузки QH, для снижения которых должны применяться быстродействующие источники реактивной мощности, способные обеспечить скорости набросов реактивной мощности, соизмеримые с характером изменения нагрузки. При этом выполняется условие

Подключение ИРМ приводит к снижению амплитуд колебаний результирующей реактивной мощности, но увеличивает их эквивалентную частоту. При недостаточном быстродействии применение ИРМ может привести даже к ухудшению положения.

Для снижения влияния резкопеременной нагрузки на чувствительные электроприемники применяют способ разделения нагрузок, при котором наиболее часто применяют сдвоенные реакторы, трансформаторы трехобмоточные, с расщепленной обмоткой или питают нагрузки от различных трансформаторов. Эффект использования сдвоенного реактора основан на том, что коэффициент взаимоиндукции между обмотками сдвоенного реактора не равен нулю, а падение напряжения, уменьшающееся на 50…60 % за счет магнитной связи обмоток реактора, в каждой секции определяется по формулам:

где Км — коэффициент взаимоиндукции между обмотками секций реактора; XL — индуктивное сопротивление секции обмотки реактора.

Трансформаторы с расщепленной обмоткой позволяют подключать к одной ветви обмотки низшего напряжения резкопеременную нагрузку (источник искажений), а к другой — стабильную. Связь между изменениями напряжения в обмотках определяется по выражению

Снижение несимметрии напряжении достигается уменьшением сопротивления сети токам обратной и нулевой последовательностей и снижением значений самих токов. Учитывая, что сопротивления внешней сети (трансформаторов, кабелей, линий) одинаковы для прямой и обратной последовательностей, снизить эти сопротивления возможно лишь путем подключения несимметричной нагрузки к отдельному трансформатору.

Основным источником несимметрии являются однофазные нагрузки. При соотношении между мощностью короткого замыкания в узле сети SK 3 к мощности однофазной нагрузки больше 50 коэффициент обратной последовательности обычно не превышает 2 %, что соответствует требованиям ГОСТ.

Снизить несимметрию можно, увеличив SK3 на зажимах нагрузки. Это достигается, например, подключением мощных однофазных нагрузок через собственный трансформатор на шины 110 — 220 кВ. Снижение систематической несимметрии в сетях низкого напряжения осуществляется рациональным распределением однофазных нагрузок между фазами с таким расчетом, чтобы сопротивления этих нагрузок были примерно равны между собой. Если несимметрию напряжения не удается снизить с помощью схемных решений, то применяются специальные устройства.

В качестве таких симметрирующих устройств применяют несимметричное включение конденсаторных батарей (рис. 10.9, а) или специальные схемы симметрирования (рис. 10.9, б) однофазных нагрузок.

Если несимметрия меняется по вероятностному закону, тодля ее снижения применяются автоматические симметрирующие устройства, в схемах которых конденсаторы и реакторы набираются из нескольких небольших параллельных групп и подключаются в зависимости от изменения тока или напряжения обратной последовательности (недостаток — дополнительные потери в реакторах). Ряд устройств основан на базе применения трансформаторов, например трансформаторов с вращающимся магнитным полем, представляющим собой несимметричную нагрузку, или трансформаторов, позволяющих осуществить пофазное регулирование напряжения.

Как уменьшить несинусоидальность напряжения

Снижение несинусоидального напряжения достигается:

  • схемными решениями: выделение нелинейных нагрузок на отдельную систему шин; рассредоточение нагрузок по различным узлам питания с подключением параллельно им электродвигателей; группировка преобразователей по схеме умножения фаз; подключение нагрузки к системе с большей мощностью SK 3;
  • использованием фильтровых устройств: включение параллельно нагрузке узкополосных резонансных фильтров; включение фильтрокомпенсирующих устройств; применение фильтросимметрирующих устройств; применение ИРМ, содержащих фильтрокомпенсирутощие устройства;
  • применением специального оборудования, характеризующегося пониженным уровнем генерации высших гармоник: использование «ненасыщающихся» трансформаторов; применение многофазных преобразователей с улучшенными энергетическими показателями.

Развитие современной базы силовой электроники и методов высокочастотной модуляции привело к созданию устройств, улучшающих качество электроэнергии — активных фильтров, подразделяемых на последовательные и параллельные, на источники тока и напряжения. Это привело к получению четырех базовых схем (рис. 10.10).

В качестве накопителя энергии в преобразователе, служащем источником тока, используется индуктивность, а в преобразователе, служащем источником напряжения, используется емкость. Схема замещения силового резонансного фильтра приведена на рис. 10.11.

Сопротивление фильтра Z на частоте со равно При XL = Хс на частоте со наступает резонанс напряжений, означающий, что сопротивление фильтра для гармонической составляющей напряжения с частотой со равно 0.

При этом гармонические составляющие с частотой со будут поглощаться фильтром и не будут проникать в сеть. На этом явлении основан принцип построения резонансных фильтров.

В сетях с нелинейными нагрузками возникают, как правило, гармоники канонического ряда, порядковый номер которых v = 3, 5, 7,… Уровни гармоник с таким порядковым номером обычно убывают с увеличением частоты. Поэтому на практике применяют цепочки из параллельно включенных фильтров, настроенных на 3, 5, 7 и 11ю гармоники. Такие устройства называются узкополосными резонансными фильтрами. Если XL и Хс — сопротивление реактора и конденсаторной батареи на основной частоте, то, используя выражение (10.38), получаем

Фильтр, который помимо фильтрации гармоники будет генерировать реактивную мощность и компенсировать потери мощности в сети и напряжения, называется фильтрокомпенсирующим (ФКУ).

Если устройство помимо фильтрации высших гармоник выполняет функции симметрирования напряжения, то такое устройство называется филыросимметрирующим (ФСУ). Конструктивно ФСУ представляют собой несимметричный фильтр, включенный на линейное напряжение сети. Выбор линейных напряжений, на которые подключаются фильтрующие цепи ФСУ, а также соотношения мощностей конденсаторов*, включенных в фазы фильтра, определяются условиями симметрирования напряжения.

Таким образом, устройства типа ФКУ и ФСУ воздействуют одновременно на несколько показателей (несинусоидальность, несимметрия, отклонения напряжения). Такие устройства для повышения качества электрической энергии получили название многофункциональных оптимизирующих устройств (рис. 10.12). Целесообразность их разработки заключается в том, что резкопеременные нагрузки типа ДСП вызывают одновременное искажение напряжения по ряду показателей, что и потребовало комплексного решения проблемы.

К категории таких устройств относятся быстродействукшше статические источники реактивной мощности. По принципу регулирования реактивной мощности их можно подразделить на ИРМ прямой и косвенной компенсации. Такие устройства, обладая высоким быстродействием, позволяют снижать колебания напряжения. Пофазное регулирование и наличие фильтров обеспечивают симметрирование и снижение уровней высших гармоник.

При разработке стратегии повышения качества электроэнергии в электрических сетях и обеспечения условий электромагнитной совместимости следует учитывать, что для исправления положения необходимы значительные материальные ресурсы и достаточно продолжительный период времени. Разработка всего комплекса мероприятий требует технической и экономической оценки последствий пониженного качества, что затруднено в силу следующих обстоятельств:

  • воздействие качества электроэнергии на качество и количество выпускаемой продукции, а также на сроки службы электроприемников носит интегральный характер; изменения большинства показателей качества во времени являются стохастическими в силу их за висимости от режимов работы большого числа электроприемников;
  • последствия пониженного качества электроэнергии часто проявляются в окончательном продукте, на качественные и количественные характеристики которого воздействуют и другие факторы;
  • отсутствие данных отчетного характера, позволяющих установить причинноследственные связи между реальными показателями качества, с одной стороны, и работой электрооборудования и качеством выпускаемой продукции — с другой;
  • слабая оснащенность отечественных электрических сетей средствами измерения показателей качества электроэнергии.

Тем не менее для обеспечения требуемых ГОСТ 13109 — 97 показателей необходимо выполнение комплекса организационных и технических мероприятий, направленных на установление причин и источников нарушений и заключающихся в индивидуальном и централизованном подавлении помех с обеспечением повышенной помехозащищенности чувствительных к искажениям электроприемников.

Климатическая повестка проникает и в физику элементарных частиц • Игорь Иванов • Новости науки на «Элементах» • Физика, Климат, ЦЕРН, LHC

Исследования в физике элементарных частиц требуют больших энергозатрат и тем самым опосредованно влияют на климат. Как оптимизировать энергопотребление и снизить воздействие фундаментальных исследований на окружающую среду без ущерба для решаемых научных задач — вопросы не праздные и совсем не простые. И хотя они поднимались и раньше, в последний год наблюдается рост публикаций и мероприятий, посвященных энергетическим и природоохранным аспектам исследований в физике элементарных частиц. Так, на днях завершилась конференция Sustainable HEP, на которой будущее физики частиц обсуждалось в контексте устойчивого развития. Инициатива Sustainability in HECAP готовит подробный документ о текущей ситуации в физике частиц и астрофизике. А в недавней публикации впервые проводится сравнение пяти проектов будущей хиггсовской фабрики по энергопотреблению и по выбросам парниковых газов в расчете на один рожденный бозон Хиггса. В ближайшие годы стоит ожидать рост публикаций и мероприятий такой направленности.

Переход на энергосберегающие технологии, сокращение выбросов парниковых газов, подсчет углеродного следа и, более широко, поиск новых возможностей минимизировать воздействие человека на окружающую среду — все эти вопросы не только стали неотъемлемой частью новых технологий, но и плотно вошли в повседневную жизнь. Прогресс — прогрессом, но без оглядки на природоохранные аспекты действовать уже нельзя. Климатическая повестка не обошла стороной и физику элементарных частиц. И если раньше упоминание энергосберегающих технологий и влияние коллайдерных экспериментов на климат было эпизодическим, то сейчас этой тематике посвящается все больше публикаций и даже проводятся отдельные рабочие совещания.

Экспериментальная физика частиц — очень энергоемкая область фундаментальных исследований. Необходимость оптимизации энергопотребления вызвана не только климатическими соображениями, но и бюджетными ограничениями. Конечно, при проектировании новых коллайдеров всегда ищутся решения, максимально эффективные с точки зрения энергопотребления. Скажем, работа Большого адронного коллайдера была бы просто немыслима без сверхпроводящих магнитов — слишком велики были бы потери энергии и операционные расходы при работе с обычными проводниками. ЦЕРН делает и новые шаги в этом направлении; они упомянуты в недавнем тематическом отчете ЦЕРНа, а также в популярной заметке Less, better, recover в издании CERN Courier. Тем не менее, энергопотребление ЦЕРНа летом, когда LHC работает на полных оборотах, огромно и достигает пиковой мощности 200 мегаватт. В зимние месяцы, когда стоимость электричества существенно выше, потребление электроэнергии падает до 80 мегаватт — во многом из-за того, что LHC и другие ускорители останавливаются на зиму.

Энергетическая оптимизация ЦЕРНа касается не только непосредственно научной аппаратуры, но и всей инфраструктуры центра, начиная с банального утепления помещений. Параллельно с этим ЦЕРН изучает возможность частично перейти на солнечную энергию и либо вырабатывать ее у себя, оборудовав сотни церновских корпусов солнечными панелями, либо получать ее по проектируемой подводной линии электропередач от солнечных электростанций северной Африки (рис. 2).

Надо добавить, что в этом году ситуация усугубляется и надвигающимся энергетическим кризисом в Европе, вызванным резко взлетевшими ценами на электроэнергию. Так, в своем недавнем интервью газете The Wall Street Journal, Серж Клоде (Serge Claudet), председатель группы по координации энергоснабжения ЦЕРНа, рассказал, что лаборатория разрабатывает план, в соответствии с которым работа некоторых ускорителей, включая и LHC, может быть приостановлена в период пикового потребления электроэнергии во Франции. Аналогичные трудности встают и перед другими исследовательскими центрами Европы (см. заметку Europe’s energy crisis hits science в журнале Science).

Электроэнергия на то, чтобы «грызть гранит мироздания», тратится не только в ЦЕРНе. Распределенная компьютерная сеть GRID, хранящая и перебрасывающая сотни петабайт коллайдерных данных, сотни вычислительных центров, круглосуточно работающих над анализом столкновений или выполняющих моделирование, — все это тоже требует энергии и оставляет климатический след. А значит, следует задуматься и о том, как оптимизировать ресурсоемкие вычисления для физики частиц. Вопрос не нов: еще в 2010-х годах прошла серия рабочих совещаний Energy for Sustainable Science at Research Infrastructures, посвященных оптимизации энергопотребления крупных исследовательских центров.

Климатические и природоохранные аспекты не исчерпываются одним лишь энергопотреблением. Например, ЦЕРН ведет и публично выкладывает статистику по выбросам парниковых газов и прочих летучих соединений, по использованию воды, по переработке мусора и по другим аспектам работы центра. Наконец, регулярные — кто-то скажет, избыточные — перелеты физиков для научных визитов и участия в конференциях тоже представляют собой предмет для обсуждения. Тот же ЦЕРН ежегодно посещают десятки тысяч ученых из самых разных уголков мира. Два года пандемии показали, что некоторые форматы совещаний и научного общения можно перенести в онлайн, но, разумеется, не все, и поиск баланса с учетом всех неопределенностей совершенно не очевиден.

Необходимость обсудить широким экспертным сообществом, насколько все эти вопросы серьезны и что тут можно предпринять, побудила физиков организовать в прошлом году первое рабочее совещание Sustainable HEP, что можно расшифровать как «Будущее физики частиц в русле устойчивого развития». На днях, с 5 по 7 сентября, состоялось уже второе совещание из этой серии. Обе встречи прошли онлайн и собрали по несколько сотен экспертов разных профилей. Все материалы презентаций обеих встреч доступны на страницах с расписанием мероприятий (Sustainable HEP, Sustainable HEP — 2).

В марте 2022 года появилась публикация Climate impacts of particle physics с кратким обзором текущей климатической ситуации в физике частиц и рекомендациями, по крайней мере, для физиков из США. Параллельно группа неравнодушных ученых запустила инициативу Sustainability in HECAP для поиска возможностей минимизации климатического воздействия исследований в физике частиц и астрофизике. В настоящее время коллектив авторов готовит документ, фиксирующий положение дел и вырабатывающий рекомендации. Его нынешняя версия от 6 сентября насчитывает уже почти 100 страниц текста и доступна на сайте инициативы.

Наконец, публикуются исследования и влияния конкретных научных установок на климат. В статье The carbon footprint of proposed e+e− Higgs factories, появившейся в конце августа в архиве электронных препринтов, обсуждается углеродный след от хиггсовской фабрики — будущего электрон-позитронного коллайдера, заточенного под изучение бозона Хиггса (см. Физики обсуждают варианты «хиггсовской фабрики», «Элементы», 19. 12.2013). На сегодня имеется пять проектов разной степени проработанности, которые опираются на различающиеся технологии; какой вариант будет реализован — пока не решено. Авторы публикации, взяв технические данные и ожидаемую научную отдачу, попробовали сравнить пять проектов друг с другом по двум величинам: энергопотреблению и углеродному следу в расчете на один бозон Хиггса, рожденный на коллайдере (рис. 3). Оценки показывают, что лидером по обоим параметрам является церновский проект циклического коллайдера FCC-ee (Представлен детальный проект будущего коллайдера FCC, «Элементы», 22.01.2019).

Источник: Patrick Janot, Alain Blondel. The carbon footprint of proposed e+e− Higgs factories // Препринт [arXiv:2208.10466].

Игорь Иванов

18

Показать комментарии (18)

Свернуть комментарии (18)

  • Морр  12.09.2022  15:43 Ответить

    Не могли бы вы пояснить, почему на последней картинке углеродный след не пропорционален просто энергопотреблению?

    Ответить

    • PavelS Морр 12. 09.2022  16:33 Ответить

      Французы, полагаю, очень любят ядерные электростанции. У Норвегии мало населелия и много гор, много гидро.

      Ответить

    • Игорь Иванов Морр 13.09.2022  00:12 Ответить

      CLIC и FCC — проекты ЦЕРНа, а ЦЕРН получает энергию из Франции.

      Ответить

  • PavelS  12.09.2022  16:43 Ответить

    Потепление безусловно является фактом, а вот является ли это злом — не факт. Всё течёт, всё меняется, так что климат тоже меняется. Кому-то это страхи, а для основной массы русскоязычного населения это чуть ли не последняя надежда на перемены к лучшему, что и мы заживём в тепле в коттеджах с панорамными окнами. У нас холодрыга, я мёрзну. Отопление ещё не включили. Европейцы, живущие в странах райского климата боятся что рай сместится и райская полоса достанется кому-то ещё, и эти страхи понятны. А нам что за боль с того? И думаю что этой зимой и в Европе будет меньше противников потепления, когда холода настанут а газа будет не хватать. Чисто как технический выкрутас — ну может кому интересно, но науки как таковой тут нет. А в практическом плане я не вижу зачем нам сотрудничать с кем-то консервируя климат, наш интерес приветствовать потепление и ускорить его, и это тоже могла бы быть интересная наука — как «терроформировать Россию».

    Ответить

  • Kostja  12.09.2022  19:51 Ответить

    Натовцам вероятно скоро будет не до коллайдеров и колониальных африканских проектов , как бы есть друг друга не начали.

    БАК вообще давал полезный выхлоп пропорциональный 200 мегаваттам?

    Ответить

  • OSAO  12. 09.2022  20:07 Ответить

    Очень может быть, что будет решено плату за углеродный след БАКа разделить между странами-участниками…

    Ответить

  • PavelS  12.09.2022  20:48 Ответить

    Предлагаемая схема кабелей на морском дне и в техническом плане вызывала некое отторжение, но так прямо сходу я не вспомнил ёмкое понятие: «натуральное хозяйство». Так называется ситуация, когда одна организация производит и потребляет ресурсы разного рода без выхода на рынок. Это было хорошо в средние века, но сейчас нонсенс. В данном случае учёные пытаются брать на себя несвойственную им роль энергетиков и размышляют о производстве электроэнергии для своих нужд. При нормальной экономике это должен делать бизнес. Бизнес должен понять, что что в Европе с тысячами разнородных потребителей плохо с энергией и что коммерчески выгодно строить межконтинентальные линии её переброски. 8 MW, — это пиковое энергопотребление миллиона ЦЕРНов, — однако землян сейчас активно призывают и подталкивают меньше есть, дышать, передвигаться, размножаться и экспериментировать в физике частиц, — чему бы это?

    Ответить

    • Игорь Иванов aksayskiy 13.09.2022  00:19 Ответить

      Учите основы наук о климате, благо материалов предостаточно. Вы их, очевидно, не понимаете.

      Ответить

      • aksayskiy Игорь Иванов 13.09.2022  07:49 Ответить

        Спасибо за совет, — но что в моем комментарии противоречит основам наук о климате?
        Поясняю свою реакцию: меня удивляют мероприятия по снижению углеродного следа как безальтернативный вариант будущего, — уж очень это похоже на сценарий жизни премудрого пескаря
        https://ilibrary.ru/text/1255/p. 1/index.html

        Ответить

  • Angl  13.09.2022  10:21 Ответить

    А в чем идея, чтобы именно ЦЕРН (или скажем, метро или ж/д) получал зеленую энергию, что аж кабель туда хотят тянуть? Похоже на какой-то больше политический лозунг. Ведь для климата не так важно, где именно потребится зеленая энергия, важно только чтобы ее доля росла и ее хоть кто-то потреблял. Если энергосистемы соединены, есть трансграничные перетоки мощности, солнечная/ветровая энергия не пропадает впустую, то уже все в порядке с точки зрения климата (с той оговоркой, что при имеющихся зеленых мощностях остальное будет покрыто за счет СО2).

    Ответить

  • Parus_major  13.09.2022  13:16 Ответить

    Все так радостно включаются в климатическую повестку, но как-то забывают, что мы живем в ледниковую эпоху, в стадию межледниковья. И что при естественном ходе истории нас ждут не ужасы потепления, а пятисотметровая стена ледника на широте Москвы. И что при прошлых межледниковьях температура без всяких антропогенных факторов была на 2-3 градуса выше, чем сейчас. Википедия в помощь, смотрите термин «Межледниковье». Или наука климатология уже переведена в ранг лженаук?

    Ответить

    • Игорь Иванов Parus_major 13.09.2022  14:14 Ответить

      Вы так уверенно манипулируете словами, что у непосвященного читателя (если такие вообще остались) может сложиться впечатление, что это наука климатология якобы говорит о неминуемом похолодании, а политики и т.п. продавливают климатическую повестку. Между тем, именно наука климатология показывает, что в сценарии business as usual, нас очень скоро ждет крайне некомфортная, разрушительная для экономики и общества ситуация. Вместо того, чтобы ссылаться на термин «межледниковье» в Вики, вы бы взяли и прочитали последний отчет IPCC (= консенсусное мнение 99+% климатологов), хотя бы его summary for policymakers. Там и про палеоклиматические реконструкции разных эпох, и про причинно-следственные связи, и про проекции на ближайшие десятилетия и столетия в различных сценариях на основании все совокупности имеющихся данных. А то вы, похоже, просто повторяете аргументы из 1980-х годов.

      Ответить

    • Написать комментарий

    Планирование микрогидроэнергетической системы | Министерство энергетики

    Энергосбережение

    Чтобы узнать, подойдет ли вам микрогидроэлектростанция, определите доступное вертикальное расстояние (напор) и поток (количество) воды.

    Чтобы построить микрогидроэлектростанцию, вам нужен доступ к проточной воде на вашем участке. Должно быть достаточное количество падающей воды, что обычно, но не всегда, означает, что лучше всего подходят холмистые или гористые участки. Другие соображения для потенциального участка микро-ГЭС включают ее выходную мощность, экономику, разрешения и права на воду.

    Чтобы понять, подойдет ли вам микрогидроэлектростанция, вам необходимо определить количество энергии, которое вы можете получить от проточной воды на вашем участке. Это включает в себя определение следующих двух вещей:

    • Напор — вертикальное расстояние, на которое падает вода
    • Поток — количество падающей воды.

    После того, как вы определили напор и расход, вы можете использовать простое уравнение для оценки выходной мощности системы с КПД от 50% до 70% или более, что характерно для большинства микрогидроэнергетических систем.

    Просто умножьте чистый напор (расстояние по вертикали, доступное после вычета потерь, таких как трение трубы — потери будут зависеть, среди прочего, от размера трубы, но для предварительных расчетов могут быть оценены в пределах от 5 до 10 процентов) на расход (используйте галлоны США в минуту), деленный на 10. Это даст вам выходную мощность системы в ваттах (Вт). Уравнение выглядит следующим образом:

    [чистый напор (футы) × расход (гал/мин)] ÷ 10 = Вт (мощность или ватты)

    Определение «головы» на вашем потенциальном участке микро-ГЭС

    На потенциальном участке микро-ГЭС напор – это вертикальное расстояние, на которое падает вода. При оценке потенциального участка напор обычно измеряют в футах, метрах или единицах давления. Напор также зависит от характеристик канала или трубы, по которой он течет.

    Большинство микрогидроэлектростанций относятся к категории низконапорных и высоконапорных. Чем выше напор, тем лучше, потому что вам потребуется меньше воды для производства заданного количества энергии, и вы можете использовать меньшее и менее дорогое оборудование. Низкий напор относится к изменению высоты менее чем на 66 футов (20 метров), а сверхнизкий напор относится к изменению высоты менее чем на 10 футов (3 метра). Вертикальный перепад менее 2 футов (0,6 метра), вероятно, сделает маломасштабную гидроэлектрическую систему невозможной.

    Тем не менее, для очень малых объемов выработки электроэнергии текущий поток с толщиной воды всего 13 дюймов может поддерживать работу погружной турбины. Этот тип турбины изначально использовался для питания научных приборов, буксируемых за кораблями для разведки нефти, и похож на некоторые гидрокинетические энергетические системы, работающие от речных или приливных течений.

    При определении напора необходимо учитывать как валовой, так и чистый напор. Общий напор — это расстояние по вертикали между верхним уровнем уровня воды в форбазе, где крепится водовод (или труба), по которому вода под давлением подается, и уровнем воды, куда сбрасывается вода из турбины. Чистый напор равен общему напору за вычетом потерь из-за трения и турбулентности в трубопроводе.

    Самый точный способ определить общий напор — это провести профессиональный осмотр участка. Чтобы получить приблизительную оценку, вы можете использовать карты Геологической службы США для вашего района или метод шланга-трубы.

    Метод шланг-трубка для определения напора включает в себя измерение глубины потока по ширине потока, который вы собираетесь использовать для своей системы, — от точки, в которой вы хотите разместить затвор, до точки, в которой вы хотите поставить турбину. Вам понадобится следующее:

    • Помощник
    • Садовый шланг малого диаметра длиной 20–30 футов (6–9 метров) или другая гибкая трубка
    • Воронка
    • Критерий или измерительная лента.
    • Протяните шланг или трубку вниз по каналу потока от точки, которая является наиболее подходящей отметкой для впуска затвора. Попросите вашего помощника держать верхний конец шланга с воронкой под водой как можно ближе к поверхности.
    • Тем временем поднимите нижний конец, пока из него не перестанет течь вода. Измерьте вертикальное расстояние между вашим концом трубки и поверхностью воды. Это валовой напор для данного участка потока.
    • Попросите вашего помощника подойти к вам и поместить воронку в ту же точку, где вы проводили измерения. Затем идите вниз по течению и повторите процедуру. Продолжайте проводить измерения, пока не достигнете точки, где вы планируете разместить турбину.

    Сумма этих измерений даст вам приблизительное представление о валовом напоре для вашего объекта.

    Примечание: из-за давления воды на передний конец шланга вода может продолжать течь по шлангу даже после того, как оба конца шланга выровнены. Вы можете вычесть дюйм или два (2–5 сантиметров) из каждого измерения, чтобы учесть это. Лучше быть осторожным в этих предварительных измерениях общего напора.

    Если ваши предварительные оценки кажутся благоприятными, вы захотите получить более точные измерения. Как уже говорилось, самый точный способ определить голову — это провести профессиональный осмотр вашего сайта. Но если вы знаете, что на вашем участке есть перепад высот в несколько сотен футов, вы можете использовать авиационный высотомер. Вы можете купить, одолжить или арендовать высотомер в небольшом аэропорту или аэроклубе. Однако предостережение: хотя использование альтиметра может быть дешевле, чем наем профессионального геодезиста, ваши измерения будут менее точными. Кроме того, вам придется учитывать влияние атмосферного давления и при необходимости калибровать высотомер.

    Определение «потока» на потенциальном участке микро-ГЭС

    Количество воды, падающей с потенциальной площадки микро-ГЭС, называется потоком. Измеряется в галлонах в минуту, кубических футах в секунду или литрах в секунду.

    Самый простой способ определить сток вашего ручья — получить данные из следующих местных отделений:

    • Геологическая служба США
    • Инженерный корпус армии США
    • Министерство сельского хозяйства США
    • Инженер вашего округа
    • Местное водоснабжение противопаводковых служб.

    Если вы не можете получить существующие данные, вам необходимо провести собственные измерения расхода. Вы можете измерить поток, используя метод ведра или взвешенного поплавка.

    Метод ведра

    Метод ведра включает перекрытие ручья бревнами или досками, чтобы отвести его поток в ведро или контейнер. Скорость, с которой контейнер наполняется, является скоростью потока.

    Например, ведро объемом 5 галлонов, которое наполняется за 1 минуту, означает, что скорость потока воды в вашем ручье составляет 5 галлонов в минуту.

    Взвешенно-плавающий метод

    Другой способ измерения расхода включает измерение глубины потока по ширине потока и выпуск взвешенного поплавка выше по течению от ваших измерений. Из-за соображений безопасности на воде этот метод не рекомендуется, если течение быстрое и/или над вашими икрами. Вам понадобится:

    • Помощник
    • Рулетка
    • Аршин или измерительная линейка
    • Поплавок с грузом, например пластиковая бутылка, наполовину заполненная водой
    • Секундомер
    • Немного миллиметровой бумаги.

    С помощью этого оборудования вы можете рассчитать расход для поперечного сечения русла реки при самом низком уровне воды.

    1. Во-первых, выберите участок ручья с самым прямым руслом и максимально равномерными глубиной и шириной.
    2. В самом узком месте измерьте ширину ручья.
    3. Затем, держа линейку вертикально, пройдите через ручей и измерьте глубину воды с шагом в один фут. Чтобы облегчить процесс, натяните веревку или веревку, на которой отмечены приращения, по ширине ручья.
    4. Отметьте глубину на миллиметровой бумаге, чтобы получить профиль поперечного сечения ручья.
    5. Определите площадь каждой секции, рассчитав площади прямоугольников (площадь = длина × ширина) и прямоугольных треугольников (площадь = ½ основания × высота) в каждой секции.
    6. Затем от той же точки, где вы измерили ширину ручья, отметьте точку не менее чем в 20 футах выше по течению.
    7. Отпустите утяжеленный поплавок посреди потока и запишите время, которое потребуется поплавку, чтобы добраться до исходной точки вниз по течению. Не позволяйте поплавку волочиться по дну русла; если это так, используйте меньший поплавок.
    8. Разделите расстояние между двумя точками на время плавания в секундах, чтобы получить скорость потока в футах в секунду. Чем больше раз вы повторите эту процедуру, тем точнее будет ваше измерение скорости потока.
    9. Умножьте среднюю скорость на площадь поперечного сечения потока.
    10. Затем умножьте полученный результат на коэффициент, учитывающий неровность русла ручья (0,8 для песчаного русла, 0,7 для русла с мелкими и средними камнями и 0,6 для русла с большим количеством крупных камней). Результат даст вам скорость потока в кубических футах или метрах в секунду.

    Расход воды может сильно меняться в течение года, поэтому важен сезон, в течение которого вы проводите измерения расхода. Если вы не планируете строить резервуар для хранения, вы можете использовать самый низкий средний расход за год в качестве основы для проектирования вашей системы. Однако, если вы ограничены по закону в отношении количества воды, которое вы можете отвести от вашего ручья в определенное время года, используйте средний расход в период наибольшего ожидаемого спроса на электроэнергию.

    экономика

    Если вы определите на основе расчетной выходной мощности, что микрогидроэнергетическая система будет осуществима, то вы сможете определить, имеет ли она экономический смысл.

    Поскольку экономия энергии стоит меньше, чем ее производство, убедитесь, что ваш дом максимально энергоэффективен, сократите потребление электроэнергии, чтобы не покупать систему, которая больше (и дороже), чем вам нужно.

    Сложите все предполагаемые затраты на разработку и обслуживание сайта в течение ожидаемого срока службы вашего оборудования и разделите сумму на мощность системы в ваттах. Это скажет вам, сколько будет стоить система в долларах за ватт. Затем вы можете сравнить это со стоимостью электроэнергии, предоставляемой коммунальными службами или другими альтернативными источниками энергии.

    Какими бы ни были первоначальные затраты, гидроэлектростанция обычно служит долго, и во многих случаях обслуживание не требует больших затрат. Кроме того, иногда на уровне штатов, коммунальных предприятий и на федеральном уровне существуют различные финансовые стимулы для инвестиций в системы возобновляемых источников энергии. К ним относятся, среди прочего, льготы по подоходному налогу, освобождение от налога на имущество, освобождение штата от налога с продаж, кредитные программы и специальные программы грантов.

    Разрешения и права на воду

    При принятии решения об установке микрогидроэлектростанции на вашем участке вам также необходимо знать местные требования к разрешению и права на воду.

    Независимо от того, будет ли ваша система подключена к сети или будет работать автономно, это повлияет на требования, которым вы должны следовать. Если ваша микро-ГЭС будет оказывать минимальное воздействие на окружающую среду, и вы не планируете продавать электроэнергию коммунальному предприятию, процесс получения разрешения, скорее всего, потребует минимальных усилий.

    На местном уровне вашим первым контактным лицом должен быть окружной инженер. Ваше государственное энергетическое управление также может предоставить вам совет и помощь. Кроме того, вам необходимо связаться с Федеральной комиссией по регулированию энергетики и Инженерным корпусом армии США.

    Вам также необходимо определить, сколько воды вы можете отвести из русла вашего ручья. Каждый штат контролирует права на воду; вам может понадобиться отдельное право на воду для производства электроэнергии, даже если у вас уже есть право на воду для другого использования.

    См. «Планирование небольшой системы возобновляемой энергии» для получения дополнительной информации о кодексах штата и сообществе и требованиях к небольшим системам возобновляемой энергии.

    • Учить больше
    • Ссылки

    Планирование микрогидроэнергетической системы

    Системы микрогидроэнергетики Узнать больше

    Снижение потребления электроэнергии и затрат Узнать больше

    Планирование домашних систем возобновляемой энергии Узнать больше

    Оборудование баланса системы, необходимое для систем возобновляемой энергии Узнать больше

    Системы возобновляемой энергии, подключенные к сети Узнать больше

    Автономные или автономные системы возобновляемой энергии Узнать больше

    • Основы микрогидроэнергетики
    • Национальная гидроэнергетическая ассоциация

    Экономичный выбор размера проводника — закон Кельвина

    Поскольку экономичность является одним из наиболее важных факторов при проектировании любой линии электропередачи, стоимость требуемого материала проводника составляет значительную часть. Таким образом, становится жизненно важным выберите правильный размер проводника . Самая экономичная конструкция линии электропередачи такая, при которой общие годовые затраты минимальны. Общая годовая стоимость может быть разделена на две части, а именно. ежегодные расходы на капитальные затраты и текущие расходы. Ежегодные расходы на капитальные затраты включают амортизацию, проценты на капитальные затраты, затраты на техническое обслуживание и т. д. Стоимость энергии, потерянной во время эксплуатации, учитывается в текущих расходах. В связи с этим необходимо отметить два важных момента —

    • если площадь поперечного сечения проводника уменьшается, общие капитальные затраты на проводник уменьшаются, но увеличиваются потери в линии (сопротивление увеличивается с уменьшением размера проводника, следовательно, I 2 R потери увеличиваются)
    • , тогда как при увеличении площади поперечного сечения проводника потери в линии уменьшаются, но увеличиваются общие капитальные затраты.

    Поэтому важно найти наиболее экономичный размер проводника .0196 . Закон Кельвина помогает найти это.
    [Также читайте: Экономичный выбор напряжения передачи]

    Закон Кельвина для нахождения экономических размеров проводника

    Пусть площадь поперечного сечения проводника =
    годовых процентов и амортизации на капитальные затраты на проводник = C 1
    годовых текущих расходов = C 2

    Теперь годовые проценты и амортизационные отчисления прямо пропорциональны площадь проводника.
    т. е. С 1 = K 1 a
    Годовые эксплуатационные расходы обратно пропорциональны площади проводника.
    C 2 = K 2 /a
    Где K 1 и K 2 — константы.

    Теперь общие годовые затраты = C = C 1 + C 2

    C = K 1 a + K 2 /a
    Чтобы C было минимальным, дифференцирование C относительно a должно быть равно нулю. то есть dC/da = 0,
    Следовательно,

    «Закон Кельвина гласит, что наиболее экономичным размером проводника является тот, для которого годовой процент и амортизация капитальных затрат на проводник равны годовой стоимости потерь энергии».
    Исходя из приведенного выше вывода, экономичная площадь поперечного сечения проводника может быть рассчитана как
    a = √(K 2 /K 1 )

    Графическая иллюстрация закона Кельвина

    Поскольку годовая стоимость проводника прямо пропорциональна размеру проводника, она показана прямой линией C 1 на рис. Годовая стоимость потерь энергии представлена ​​кривой C 2 . Кривая общих годовых затрат получается путем сложения кривых C 1 и C 2 . Самая нижняя точка на кривой совокупных годовых затрат дает наиболее экономичный размер проводника , который соответствует точке пересечения кривых C 1 и C 2 . Так, здесь наиболее экономичная площадь поперечного сечения проводника представлена ​​ox, а соответствующая минимальная стоимость представлена ​​xy.

    Ограничения закона Кельвина

    Хотя закон Кельвина верен теоретически, его применение на практике часто сопряжено со значительными трудностями. Ограничения этого закона:

    1. Довольно сложно оценить потери энергии в линии без фактических кривых нагрузки, которые недоступны на момент оценки.
    2. Проценты и амортизация на стоимость капитала не могут быть точно определены.
    3. Размер проводника, определяемый по этому закону, не всегда может быть осуществимым, так как он может не обладать достаточной механической прочностью.
    4. Этот закон не принимает во внимание несколько факторов, таких как безопасная допустимая нагрузка по току, потери на корону и т. д.
    5. Экономичный размер проводника может привести к падению напряжения за допустимые пределы.

    Модифицированный закон Кельвина

    Фактический закон Кельвина не учитывает стоимость несущих конструкций, монтажа, изоляторов и т. д. Он учитывает только капитальные затраты на проводник и соответствующие проценты и амортизацию. Также для подземных кабелей стоимость изоляции и прокладки не учитывается в действующем законе Кельвина. Чтобы учесть эти затраты и получить практически справедливые результаты, первоначальные инвестиции необходимо разделить на две части, а именно (i) одна часть, которая не зависит от размера проводника, и (ii) другая часть, которая прямо пропорциональна размеру проводника. Для воздушной линии стоимость изолятора почти постоянна, а стоимость опорных конструкций и их монтажа частично постоянна и частично пропорциональна размеру проводника. Таким образом, согласно модифицированному закону Кельвина, ежегодные затраты на капитальные затраты равны C 1 = К 0 + К 1 а. где K 0 — еще одна константа. Дифференциация общей стоимости C по отношению к к площади проводника (а) становится таким же, как получено выше под заголовком закона Кельвина.
    Измененная формулировка закона Кельвина предполагает, что наиболее экономичным размером проводника является тот, для которого годовая стоимость потерь энергии равна годовому проценту и амортизации той части капитальных затрат, которая пропорциональна размеру проводника.
    [Также читайте: Экономика производства электроэнергии]

    Макроскопический разрез | Определение и примеры

    Макроскопическое сечение представляет эффективную площадь мишени всех ядер , содержащихся в объеме материала (такого как топливная таблетка). Единицы даны в см -1 . Это вероятность взаимодействия нейтрона с ядром на сантиметр пути нейтрона. Коды обычно используют эти данные для анализа и проектирования активной зоны реактора. Эти коды основаны на предварительно рассчитанная сборка гомогенизированных макроскопических сечений.

    Макроскопический поперечный срез

    Разница между микроскопическим поперечным сечением и макроскопическим поперечным сечением очень важна и приводится повторно для ясности. Микроскопическое сечение представляет эффективную площадь мишени одного ядра мишени для падающей частицы. Единицы даны в коровниках или см 2 .

    В то время как макроскопическое сечение представляет эффективную площадь мишени всех ядер , содержащихся в объеме материала, единицы даны в см -1 .

    Макроскопическое сечение получено из микроскопического сечения и плотности атомного номера :

    Σ=σ.N

    микроскопический разрез. Поскольку единицами N (плотность ядер) являются ядра/м 3 , макроскопическое сечение Σ имеет единицы м -1 . Таким образом, это неправильное название, потому что это неправильная единица поперечных сечений. Через Σ t (полное сечение) уравнение для интенсивности пучка нейтронов можно записать в виде через I(x) дает

    -dΙ(x)/I(x) = Σ t .dx

    0195 dΙ(x)/I(x) представляет собой вероятность того, что нейтрон, переживший без столкновений до x, столкнется в следующем слое dx. Отсюда следует, что вероятность P(x) того, что нейтрон пройдет расстояние x без какого-либо взаимодействия с веществом, которое характеризует Σt, равна:

    Из этого уравнения мы можем вывести вероятность того, что нейтрон совершит свое первое столкновение на dx. Это будет количество P(x)dx . Предположим, что вероятность первого столкновения в dx не зависит от его истории. В этом случае искомый результат будет равен вероятности того, что нейтрон доживет до слоя x без какого-либо взаимодействия (~Σ t dx), умноженной на вероятность взаимодействия нейтрона в дополнительном слое dx (т. е. ~e -Σ т .х ).

    P(x)dx = Σ t dx . e -Σ t .x = Σ t e -Σ t .x dx

    Средняя длина свободного пробега

    Из уравнения для вероятности первого столкновения в dx, мы можем вычислить длину свободного пробега нейтрона между двумя столкновениями. Символ λ обычно обозначает эту величину . Оно  равно среднему значению x, расстоянию, пройденному нейтроном без какого-либо взаимодействия, по распределению вероятности взаимодействия.

    где можно различить λ s , λ a , λ f и т. д. Эта величина также известна как длина релаксации , поскольку это расстояние, на котором интенсивность нейтронов, не вызвавших реакции, уменьшилась. с коэффициентом е.

    Для материалов с большим поперечным сечением поглощения длина свободного пробега очень короткая, поглощение нейтронов происходит в основном на поверхности материала . Это поверхностное поглощение называется самоэкранированием 9.0196, потому что внешние слои атомов экранируют внутренние слои.

    Макроскопическое поперечное сечение смесей и молекул

    Большинство материалов состоит из нескольких химических элементов и соединений. Большинство химических элементов содержат несколько изотопов этих элементов (например, гадолиний с его шестью стабильными изотопами). По этой причине большинство материалов имеют множество поперечных сечений. Следовательно, чтобы включить все изотопы в данный материал, необходимо определить макроскопическое сечение для каждого изотопа, а затем просуммировать все отдельные макроскопические сечения.

    В этом разделе оба фактора (разные атомные плотности и сечения ) будут учитываться при расчете макроскопического сечения смесей .

    Сначала рассмотрим число Авогадро N 0 = 6,022 x 10 23 , которое представляет собой количество частиц (молекул, атомов), содержащихся в количестве вещества, приходящемся на один моль. Таким образом, если М представляет собой молекулярную массу , отношение N 0 /M соответствует количеству молекул в 1 г смеси. Число молекул на см 3 в материале с плотностью ρ и макроскопическое сечение для смесей определяется следующими уравнениями: i

    Рассеяние медленных нейтронов на молекулах больше, чем на свободных ядрах.

    Обратите внимание, что в некоторых случаях сечение молекулы не равно к сумме сечений его отдельных ядер . Например, сечение упругого рассеяния нейтронов в воде имеет аномалии для тепловых нейтронов. Это происходит потому, что кинетическая энергия налетающего нейтрона порядка или меньше энергии химической связи . Следовательно, рассеяние медленных нейтронов водой (H 2 O) больше, чем на свободных ядрах (2H + O).

    Пример. Макроскопическое поперечное сечение карбида бора в регулирующих стержнях

    Регулирующий шток обычно содержит твердый карбид бора с природным бором. Природный бор состоит в основном из двух стабильных изотопов: 11 B (80,1%) и 10 B (19,9%). Карбид бора имеет плотность 2,52 г/см 3 .

    Определите полное макроскопическое сечение и длину свободного пробега .

    Плотность:
    M B = 10,8
    M C = 12
    M Смесь = 4 x 10,8 + 1×12 г/моль
    N B4C = ρ . N a / M Смесь
    = (2,52 г/см 3 )x(6,02×10 23 ядер/моль)/(4×10,8 + 1×12 г/моль)
    = 2,75 10 22 molecules of B4C/cm 3

    N B = 4 x 2.75×10 22 atoms of boron/cm 3
    N C = 1 x 2.75×10 22 атомов углерода/см 3

    N B10 = 0,199 x 4 x 2,75 × 10 22 = 2,18 × 10 22 Атомы 10b/cm 3
    N B11 = 0,801 X 4 x 2,75 × 22 22 2219 22 22 2219 22 22 2219 22 22 2219 22 2219 22 2219 22 2219 22. 10 22 Атомы 11b/cm 3
    N C = 2,75 × 10 22 Атомы 12C/CM 3

    Микроскопические поперечные сечения

    Микроскопические

    . = 3843 b из которых σ (n,alpha) 10B = 3840 b
    σ t 11B = 5.07 b
    σ t 12C = 5.01 b

    the macroscopic cross-section

    Σ t B4C = 3843×10 -24 x 2.18 ×10 22 + 5.07×10 -24 x 8.80×10 22 + 5.01×10 -24 x 2.75×10 22
    = 83.7 + 0.45 + 0.14 = 84.3 cm -1

    длина свободного пробега

    λ t = 1/Σ t B4C = 0.012 cm = 0.12 mm (compare with B4C pellets diameter in control rods which may be around 7mm)
    λ a ≈ 0. 12 mm

    Example — Атомная плотность 235U в урановом топливе

    Было написано, что макроскопическое сечение получено из микроскопического сечения и плотности атомного номера (N) :

    Σ=σ.N

    В этом уравнении плотность с атомным номером играет решающую роль в качестве микроскопического сечения. В активной зоне реактора атомная плотность некоторых материалов (например, воды в качестве замедлителя) может изменяться, что приводит к определенным изменениям реактивности . Чтобы понять природу этих изменений реактивности , мы должны понять термин плотность атомного номера.

    См. теорию: Плотность атомного числа.

    Большинство реакторов PWR используют урановое топливо , который находится в форме двуокиси урана (UO 2 ). Typically, the fuel has enrichment of ω 235 = 4% [grams of 235 U per gram of uranium] of isotope 235 U.

    Calculate the atomic number density of 235 U  (N235U ), когда:

    • молекулярная масса обогащенного урана M UO2 = 237,9 + 32 = 269,9 г/моль
    • плотность урана ⍴ UO2 = 10,5 г/см 3

    N UO2 = ⍴ UO2  . N A  / M UO2

    N UO2  = (10.5 g/cm 3 ) x (6.02×10 23  nuclei/mol)/ 269.9
    N UO2  = 2,34 x 10 22 молекул UO2/см 3

    N U = 1 x 2,34×10 22 атомов урана/см 3 N O
    0220 = 2 x 2,34 × 10 22 Атомы оксида /см 3

    N 235U = ω 235 .N A .⍴ 9 235 . N A . ~ 235 . N A . U / M UO2 )

    N 235U = 0,04 x 6,02 × 100202 23 x 10,5 / 235 x 237,9 / 269,9 = 9.48 x 10 20 .

    2 /

    202020 235 из 235 из .

     

    Литература:

    Ядерная и реакторная физика:

    1. Дж. Р. Ламарш, Введение в теорию ядерных реакторов, 2-е изд., Addison-Wesley, Reading, MA (1983).
    2. Дж. Р. Ламарш, А. Дж. Баратта, Введение в ядерную технику, 3-е изд., Prentice-Hall, 2001, ISBN: 0-201-82498-1.
    3. WM Stacey, Физика ядерных реакторов, John Wiley & Sons, 2001, ISBN: 0-471-39127-1.
    4. Гласстоун, Сезонске. Разработка ядерных реакторов: разработка реакторных систем, Springer; 4-е издание, 1994 г., ISBN: 978-0412985317
    5. В.С.К. Уильямс. Ядерная физика и физика элементарных частиц. Кларендон Пресс; 1 издание, 1991 г., ISBN: 978-0198520467
    6. Г. Р.Кипин. Физика ядерной кинетики. Паб Эддисон-Уэсли. Ко; 1-е издание, 1965 г.
    7. Роберт Рид Берн, Введение в работу ядерных реакторов, 1988 г.
    8. Министерство энергетики, ядерной физики и теории реакторов США. DOE Fundamentals Handbook, Volume 1 and 2. January 1993.

    Advanced Reactor Physics:

    1. К. О. Отт, В. А. Безелла, Введение в статику ядерных реакторов, Американское ядерное общество, исправленное издание (1989 г.), 1989 г., ISBN: 0-894-48033-2.
    2. К. О. Отт, Р. Дж. Нойхольд, Введение в динамику ядерных реакторов, Американское ядерное общество, 1985, ISBN: 0-894-48029-4.
    3. Д. Л. Хетрик, Динамика ядерных реакторов, Американское ядерное общество, 1993, ISBN: 0-894-48453-2.
    4. Э. Э. Льюис, В. Ф. Миллер, Вычислительные методы переноса нейтронов, Американское ядерное общество, 1993, ISBN: 0-894-48452-4.

    См. Предыдущий:

    См. Выше:

    Нейтронные ядерные реакции

    См.

    Далее:

    Отчет об этом AD

    Solar Solar Harks — Lear Cabars — Traver Cabars — Lear Tur Solents Harks — Lear Tur Solents Drafire — Turs Solar Solars. Передовые турбины и энергетические решения

    МИНИМАЛЬНЫЙ рекомендуемый размер кабеля (площадь поперечного сечения двухжильного кабеля) для:
    Системы возобновляемой энергии 12 В: поддержание потери напряжения ниже 5%

    Максимальная мощность от солнечной панели/массива 1 метр (3,28 фута) 3 метра (9,84 фута) 5 метров (16,4 фута) 10 метров (32,8 фута) 15 метров (49,21 фута) 20 метров (65,61 фута)
    20 Вт 0,5 мм 2 0,5 мм 2 1,0 мм 2 1,5 мм 2 2,0 мм 2 2,5 мм 2
    30 Вт 0,5 мм 2 0,5 мм 2 1,0 мм 2 2,0 ​​мм 2 2,5 мм 2 3,5 мм 2
    36 Вт (= 3 А) 0,5 мм 2 1,0 мм 2 1,0 мм 2 2,5 мм 2 3,0 мм 2 4,0 мм 2
    40 Вт 0,5 мм 2 1,0 мм 2 1,5 мм 2 2,5 мм 2 3,5 мм 2 5,0 мм 2
    50 Вт 0,5 мм 2 1,0 мм 2 1,5 мм 2 3,0 мм 2 5,0 мм 2 6,0 мм 2
    60 Вт 0,5 мм 2 1,0 мм 2 2,0 мм 2 3,5 мм 2 5,0 мм 2 10,0 мм 2
    72 Вт (= 6 А) 0,5 мм 2 1,5 мм 2 2,0 мм 2 4,0 мм 2 6,0 мм 2 10,0 мм 2
    80 Вт 0,5 мм 2 1,5 мм 2 2,5 мм 2 5,0 мм 2 10,0 мм 2 10,0 мм 2
    90 Вт 0,5 мм 2 1,5 мм 2 2,5 мм 2 5,0 мм 2 10,0 мм 2 10,0 мм 2
    100 Вт 1,0 мм 2 2,0 ​​мм 2 3,0 мм 2 6,0 мм 2 10,0 мм 2 15,0 мм 2
    120 Вт (= 10 А) 1,0 мм 2 2,0 ​​мм 2 3,5 мм 2 10,0 мм 2 10,0 мм 2 15,0 мм 2
    192 Вт (= 16 А) 1,5 мм 2 3,5 мм 2 6,0 мм 2 15,0 мм 2 20,0 мм 2 25,0 мм 2
    288 Вт (= 24 А) 2,0 мм 2 5,0 мм 2 10,0 мм 2 20,0 мм 2 25,0 мм 2 35,0 мм 2
    360 Вт (= 30 А) 2,0 мм 2 6,0 мм 2 10,0 мм 2 20,0 мм 2 30,0 мм 2 40,0 мм 2
    480 Вт (= 40 А) 3,0 мм 2 10,0 мм 2 15,0 мм 2 30,0 мм 2 40,0 мм 2 55,0 мм 2

    Размер кабеля указывает минимальную рекомендуемую площадь поперечного сечения двухжильного кабеля.

    См. таблицу кабелей 24 В для сравнения размеров и AWG ниже.

    МИНИМАЛЬНЫЙ рекомендуемый размер кабеля (площадь поперечного сечения двухжильного кабеля) для:
    Системы возобновляемой энергии 24 В: потеря напряжения менее 5%

    Максимальная мощность от солнечной панели/массива 1 метр (3,28 фута) 3 метра (9,84 фута) 5 метров (16,4 фута) 10 метров (32,8 фута) 15 метров (49,21 фута) 20 метров (65,61 фута)
    40 Вт 0,5 мм 2 0,5 мм 2 0,5 мм 2 1,0 мм 2 1,0 мм 2 1,5 мм 2
    72 Вт (= 3 А) 0,5 мм 2 0,5 мм 2 0,5 мм 2 1,0 мм 2 1,5 мм 2 2,0 ​​мм 2
    144 Вт (= 6 А) 0,5 мм 2 1,0 мм 2 1,0 мм 2 2,0 ​​мм 2 3,0 мм 2 4,0 мм 2
    240 Вт (= 10 А) 0,5 мм 2 1,0 мм 2 2,0 мм 2 3,5 мм 2 5,0 мм 2 10,0 мм 2
    360 Вт (= 15 А) 0,5 мм 2 1,5 мм 2 2,5 мм 2 5,0 мм 2 10,0 мм 2 10,0 мм 2
    480 Вт (= 20 А) 1,0 мм 2 2,0 ​​мм 2 3,5 мм 2 10,0 мм 2 10,0 мм 2 15,0 мм 2
    720 Вт (= 30 А) 1,0 мм 2 3,0 мм 2 5,0 мм 2 10,0 мм 2 15,0 мм 2 20,0 мм 2
    960 Вт (= 40 А) 1,5 мм 2 4,0 мм 2 10,0 мм 2 15,0 мм 2 20,0 мм 2 30,0 мм 2

    Наши специалисты по автономным сетям вернутся с рекомендациями

    В любое время09:0009:3010:0010:3011:0011:3012:0012:3013:0013:3014:0014:3015:0015:3016:0016:3017:00

    Генетический алгоритм, управляемый данными, для оптимизации потока мощности в энергосистеме с фазосдвигающим трансформатором

    1 Введение

    С формированием взаимосвязи региональных энергосистем передача электроэнергии часто осуществляется по нескольким параллельным каналам. Из-за различий в дальности передачи и параметрах линий этих каналов неравномерное распределение потока мощности в каждом канале приведет к ограничению пропускной способности поперечного сечения (Sun, 2011). Учитывая, что существующая сеть передачи очень сложна и развита, повышение пропускной способности энергосистемы за счет преобразования и строительства сети передачи будет ограничено условиями окружающей среды, экономическими затратами и другими факторами, поэтому необходимо полностью использовать потенциал передачи существующей сети передачи с минимальными инвестициями для повышения стабильности и надежности ее электроснабжения (Nadeem et al., 2020). Трансформатор с фазовым сдвигом, как вид оборудования для управления потоком мощности, обладает характеристиками гибкого управления и большого диапазона регулировки угла. Кроме того, он может быстро реагировать с помощью мощных электронных устройств и, как ожидается, станет средством ежедневного регулирования экономичной работы системы (Verboomen et al. , 2005; Kawaura et al., 2016; Morrell and Eggebraaten). ., 2019). Однако, хотя фазосдвигающий трансформатор (ФСТ) имеет много преимуществ, он также увеличивает сложность структуры энергосистемы. Более важно то, что когда необходимо выполнить многократные расчеты потока мощности для большой энергосистемы с фазосдвигающим трансформатором, чтобы определить наилучший фазосдвигающий механизм, стоимость расчета часто очень велика. Таким образом, предложены некоторые способы повышения эффективности оптимизации перетоков мощности энергосистем с фазосдвигающим трансформатором. В литературе (Zhang et al., 2021) шаг итерации аффинного направления улучшен, а ключевые параметры отображения изменены, что повышает эффективность метода многоцентровой коррекции внутренних точек. В литературе (Cui et al., 2013) матричная блочная технология используется для уменьшения масштаба расчета нелинейного метода двойной внутренней точки, что повышает эффективность оптимизации энергосистем с фазосдвигающим трансформатором. Однако, когда масштаб энергосистемы очень велик, эти меры по повышению эффективности оптимизации по-прежнему трудно адаптировать к масштабу задачи оптимизации. Учитывая быстроту методов, управляемых данными, в этой статье для решения этой проблемы будет адаптирован подход, основанный на данных.

    Традиционные методы оптимизации потока мощности основаны на моделях. Методы оптимизации на основе моделей можно разделить на методы математического программирования, интеллектуальные алгоритмы оптимизации и гибридные методы (Liu, 2021). Общие методы математического программирования включают метод линейного программирования (Mohamed and Venkatesh, 2019), метод внутренней точки (Pan et al., 2018) и так далее. Алгоритмы интеллектуальной оптимизации включают генетический алгоритм (Ahmed et al., 2021), алгоритм оптимизации роя частиц (Zhang et al., 2014) и так далее. Гибридные методы относятся к комбинации или сотрудничеству двух (или более) методов для решения задачи оптимизации и включают последовательное квадратичное программирование PSO (Victoire and Jeyakumar, 2004), алгоритм поисковой оптимизации SQP (Sivasubramani and Swarup, 2010) и т. д. на. Однако метод оптимизации на основе моделей имеет очевидные узкие места в вычислительной эффективности, поэтому в последнее время метод оптимизации потока мощности на основе данных вызвал исследовательский интерес многих ученых из-за его высокой эффективности вычислений. Методы оптимизации на основе данных можно разделить на две категории в соответствии с различными функциями накопителя данных. Первый тип — это моделирование, управляемое данными, включая детерминистическое моделирование и моделирование с неопределенностью, например, Van Horn 9.0057 и др. . (2016) применяет матрицу коэффициентов сдвига на основе данных к модели оптимального потока мощности, чтобы экономическая диспетчеризация энергосистемы в режиме реального времени, ограниченная безопасностью, могла быть устойчивой к различным возмущениям. Лорка и Сан (2014) и Ролдан и др. . (2018) соответственно предложили методы построения управляемых данными многогранных и эллипсоидальных наборов неопределенностей. Второй тип — решения по оптимизации, основанные на данных. Лей и др. (2021) предложили метод оптимального потока мощности на основе данных, основанный на многоуровневой структуре машины экстремального обучения, который может напрямую получить оптимальную схему планирования системы без итеративного процесса. (Liu et al., 2021) представляет новый подход, основанный на данных, основанный на искусственных нейронных сетях, для обеспечения быстрой экономичной диспетчеризации в системах, связанных между электричеством и газом, за счет использования данных моделирования из метода, основанного на кусочной линеаризации, основанного на модели. Одним словом, целью метода оптимизации на основе данных первого типа является повышение производительности построенной модели, а не повышение эффективности оптимизации. Второй заключается в прямой замене процесса оптимизации потока нейронной сетью, что значительно сокращает временные затраты на оптимизацию. Однако сопоставление между рабочим состоянием энергосистемы и схемой решения по оптимизации является сложным, особенно при большом масштабе системы. Непосредственно через предсказание черного ящика трудно убедительно применить его к фактическим решениям по оптимизации. Поэтому в этой статье предлагается альтернативная структура оптимизации потока мощности на основе данных, чтобы сбалансировать взаимосвязь между интерпретируемостью и эффективностью оптимизации. Мы используем диск данных для замены расчета потока мощности в процессе оптимизации, а не всего процесса оптимизации, благодаря чему результаты решения по-прежнему сохраняют физическое значение оптимизации. Наш подход по-прежнему намного быстрее, чем метод оптимизации на основе моделей, хотя и занимает больше времени, чем метод оптимизации на основе данных второго типа.

    В настоящее время методы расчета потока мощности (PF) энергосистем можно разделить на расчет потока мощности на основе модели и расчет потока мощности на основе данных. Первый в основном включает метод прямого-обратного тока (Батлер-Перри, 2013 г.), метод Ньютона-Рафсона (Чжу и Томсович, 2007 г.) и метод потока мощности постоянного тока (Стотт и др. , 2009 г.). С распространением массивных векторных измерительных блоков (PMU) и систем диспетчерского управления и сбора данных (SCADA) последние постепенно привлекали внимание ученых. Метод потока мощности, управляемый данными, можно разделить на три категории. Метод первого типа заключается в вычислении матрицы Якоби высокой точности на основе измеренных данных (Chen et al., 2016). Метод второго типа заключается в получении более точной линеаризованной модели расчета потока мощности на основе измеренных данных (Liu et al., 2019).). Метод третьего типа использует нейронную сеть для замены расчета потока мощности переменного тока, чтобы реализовать более быстрый расчет потока мощности (Liu and Kong, 2021). Очевидно, что для повышения эффективности расчета потока мощности используется только третий вид метода. Таким образом, в этой статье используется третий метод, и расчет потока мощности на основе данных объединяется с интеллектуальным алгоритмом оптимизации для формирования метода оптимизации потока мощности на основе данных.

    Ин Ши и др. (2019), сеть глубокого доверия (DBN) считается отличным кандидатом для модели, управляемой данными, и это многоуровневая модель генерации вероятностей, которая хорошо извлекает признаки. Кроме того, из-за его хорошей способности извлечения признаков и распознавания, DBN широко используется для прогнозирования мощности и диагностики неисправностей оборудования и показывает лучшие результаты, чем традиционные методы машинного обучения, в прогнозировании мощности и точности диагностики неисправностей (Xu et al., 2018; Tao et al. и др., 2020; Донг и др., 2021). Таким образом, DBN принят в качестве подхода, основанного на данных, в этой статье.

    Подводя итог, в этой статье предлагается метод оптимизации потока мощности, основанный на технологии, управляемой данными, и улучшенном генетическом алгоритме для энергосистем с PST. Метод использует DBN для обучения выборки, в которой входными переменными являются угол фазового сдвига, активная мощность генератора, активная и реактивная мощность нагрузки, а выходными переменными являются потери в системе и поток мощности линий, где может произойти обратный поток мощности. Расчетное звено фитнес-функции в генетическом алгоритме заменено высокоточной моделью ДБН, которая позволяет избежать трудоемкой задачи расчета потока мощности путем итерации и сохраняет высокую точность. Кроме того, в процессе оптимизации генетического алгоритма введение механизма устранения реверса секционного потока мощности заставляет решения развиваться в направлении эффективной оптимизации. Таким образом, метод, предложенный в данной статье, снижает трудоемкость расчета перетока мощности для энергосистем с ПСТ и повышает скорость оптимизации перетока мощности. Основные вклады этой статьи заключаются в следующем:

    (1) Предложена новая парадигма оптимизации потока мощности на основе данных, которая повышает эффективность оптимизации, обеспечивая точность оптимизации и обладает определенной способностью к обобщению.

    (2) Путем добавления переменных состояния моделей оптимизации в выходной набор выборки нейронных сетей предлагаемый метод оптимизации может полностью учитывать ограничения-неравенства, содержащие переменные состояния, например, путем добавления активной мощности линий, склонных к реверсирование мощности в выходной набор выборки, предлагаемый метод может учитывать неравенство ограничений на реверсирование мощности и может избежать необоснованного распределения потока мощности на участке сети с PST.

    Структура этой статьи следующая: во-первых, в Разделе 2 представлена ​​эквивалентная модель PST и изменение основанного на модели расчета коэффициента мощности энергосистем с PST. После этого в Разделе 3 представлена ​​модель оптимизации потока мощности систем с PST. Далее в Разделе 4 описывается подход, основанный на данных, который используется для замены традиционного расчета PF, и освещаются усовершенствования генетического алгоритма. Впоследствии в разделе 5 проверяется эффективность предложенного метода на IEEE 39.-система модификации узлов с помощью PST путем сравнения ее с традиционным генетическим алгоритмом, управляемым моделью, и традиционным методом математического программирования. Наконец, в разделе «Выводы» обобщены основные результаты этого исследования с некоторыми перспективами будущих исследований.

    2 Математическая модель фазосдвигающего трансформатора

    2.1 Основной принцип фазосдвигающего трансформатора

    Регулировку фазосдвигающего трансформатора можно разделить на продольную регулировку, поперечную регулировку и наклонную регулировку (Zhang, 2017). Продольная регулировка предназначена для регулировки амплитуды напряжения, поперечная регулировка — для регулировки фазы напряжения, а наклонная регулировка изменяет как амплитуду напряжения, так и его фазу.

    В данной работе в качестве объекта исследования выбран дискретный двухстержневой симметричный ПСТ, относящийся к латеральной регулировке. Его структура показана на рисунке 1.

    РИСУНОК 1 . Структурная схема двухжильного симметричного фазосдвигающего трансформатора.

    Как видно из рисунка 1, в состав управляемого ПСТ входят последовательный вольтодобавочный трансформатор (БТ), трансформатор возбуждения (ТП) и контроллер (Mehdi, 2010; Bian et al., 2012). Прежде всего, параллельный трансформатор используется для получения конечного напряжения ветки, на которой расположен ТИП. Затем по требованию системы получают напряжение определенной амплитуды и фазового угла с помощью механического или силового электронного устройства управления. Наконец, напряжение подается в линию последовательным трансформатором для реализации эффекта регулирования фазового угла напряжения.

    2.2 Модели потока мощности с фазосдвигающим трансформатором

    Эквивалентная схема ответвления с PST показана на рис. 2.

    РИСУНОК 2 . Эквивалентная схема ответвления с фазосдвигающим трансформатором.

    In Figure 2, Y eq = g eq + jb eq represents the equivalent admittance of the PST, Y L = g L + jb L represents the equivalent admittance of the line, α is the phase-shift angle, and U i , θ I , U J и θ J представляют амплитуду напряжения и фазу Node I и .

    При расчете потока мощности в системе с PST матрица полной проводимости узлов сети обычно симметрична, и ряд операций обработки и упрощений при расчете коэффициента мощности также основан на симметрии матрицы полной проводимости узлов. Однако, поскольку отношение PST является комплексным числом, а не скаляром, проводимость ветви PST между узлом i и узел j , как показано на рисунке 2, в форме эквивалентной схемы Yij ≠ Yji, и матрица полной проводимости узла системы с PST больше не является симметричной. Чтобы сохранить симметрию матрицы полной проводимости узла, ветвь PST должна быть предварительно обработана, чтобы сохранить симметричной матрицу полной проводимости узла всей системы во время расчета коэффициента мощности.

    В частности, переменный коэффициент PST сначала удаляется, и эквивалентная проводимость становится равной Y экв. . Затем необходимо скорректировать мощность впрыска узлов и и узлов и . Схематическая диаграмма эквивалентной инжектируемой мощности PST показана на рисунке 3.

    РИСУНОК 3 . Принципиальная схема эквивалентной подводимой мощности фазосдвигающего трансформатора.

    Изменение мощности инжекции узлов на обоих концах производного эквивалентного PST выглядит следующим образом (Noroozian and Andersson. , 1993; Papazoglou et al., 1999; Eremia et al., 2016):

    {ΔPi=UiUj{geq[cos(α+θij)−cos⁡θij]+beq[sin(α+θij)−sin⁡θij]}ΔQi=UiUj{geq[sin (α+θij)−sin⁡θij]−beq[cos(α+θij)−cos⁡θij]}ΔPj=UiUj{geq[cos(α−θji)−cos⁡θji]−beq[sin(α−θji )+sin⁡θji]}ΔQj=−UiUj{geq[sin(α−θji)+sin⁡θji]+beq[cos(α−θji)−cos⁡θji]}(1)

    , где ΔP i , ΔP j , ΔQ i , and ΔQ j denote the injected active and reactive power of node i и узел j соответственно. Moreover, θ ij = θ i – θ j , θ ji = θ j – θ и .

    Из уравнения 1 известно, что эквивалентная мощность инжекции на обеих сторонах PST связана только с параметрами PST и амплитудой и фазой напряжения на обоих его концах. В каждой итерации расчета потока мощности, пока эквивалентная мощность подаваемого сигнала рассчитывается по вышеупомянутой формуле и добавляется к исходной мощности подводимого узла, решение потока мощности с PST может быть решено как обычно.

    3 Оптимизационная модель энергосистемы с фазосдвигающим трансформатором

    PST изменяет фазу напряжения в точке его установки путем подачи напряжения с регулируемой амплитудой в линию передачи для регулирования потока мощности передачи линия. Чтобы лучше использовать способность PST регулировать поток мощности, модель оптимизации потока мощности энергосистем с PST рассматривается следующим образом (Zhang et al., 2021):

    minf(x,u)s.t.{h(x, u)=0g¯≤g(x,u)≤g¯(2)

    In the expression, f ( x , u ) is the target function, h ( x , u ) is an equation constraint, g ( x , u ) является ограничением неравенства, g и g¯ соответственно представляют нижний и верхний пределы g ( x , u ), а x и u соответственно представляют переменные состояния и управляющие переменные. Переменные управления, выбранные в этой статье, включают угол фазового сдвига и выходную мощность генератора (МВт).

    3.1 Целевая функция

    Целевой функцией в данном документе являются потери активной мощности в системе. Выражение выглядит следующим образом:

    Ploss=∑i=1NlGi[Vi12+Vi22−2Vi1Vi2⁡cos(θi1−θi2)](3)

    где Ploss – активная мощность потерь системы, Nl – общая количество ветвей системы, G i — проводимость ветви i , В i1 , θ i1 , и V i2 , θ i2 – напряжение и фазовый угол шины на головной и хвостовой ветвях шины соответственно.

    3.2 Уравнения Ограничения

    Уравнения ограничения активной и реактивной мощности следующие: QDi−∑j=1nViVj(Gij⁡sin⁡θij−Bij⁡cos⁡θij)=0(5)

    , где P Gi и Q Gi представляют собой выходную активную и реактивную мощность генератора шины i соответственно. P Di и Q Di — активная и реактивная мощность нагрузки шины i . G ij и B ij – проводимость и реактивная проводимость линии i – и соответственно. θ ij – разность фаз напряжения на обоих концах линии i – j .

    3.3 Ограничения неравенства

    3.3.1 Ограничения управляющих переменных

    3.3.1.1 Угол сдвига фазы

    В данной статье фазовый угол PST выбран в качестве управляющей переменной и ограничен диапазоном от αmin до αmax

    αmin≤α≤αmax(6)

    3.3.1.2 Активная мощность генератора (МВт)

    PGimin≤PGi≤PGimax,i=1,⋯,GN(7)

    Выходная активная мощность генератора, P Gi , выбирается в качестве переменной другого типа для принятия решений. Среди них PGimin и PGimax — минимальная и максимальная активная выходная мощность генератора i соответственно. GN указывает номер узла генератора, который участвует в списке переменных принятия решения.

    3.3.2 Ограничения переменных состояния

    Ограничения неравенства для амплитуды напряжения узла нагрузки следующие:

    Vimin≤Vi≤Vimax,i=1,⋯,ND(8)

    где Vimin и Vimax — минимальное и максимальное напряжение узла нагрузки соответственно. ND представляет собой общее количество узлов нагрузки. В этой статье Vimin и Vimax установлены как 0,95 и 1,052 ед. соответственно.

    Ограничения неравенства реактивной мощности генераторов следующие:

    QGkmin≤QGk≤QGkmax, k=1,…,Ng(9)

    где QGkmin и QGkmax — минимальная и максимальная реактивная мощность генератора k соответственно, а Ng — количество всех генераторов.

    Ограничения неравенства на предел передачи следующие:

    Pijmin≤Pij≤Pijmax(10)

    где Pij — мощность передачи от узла i до j , а Pijmin и Pijmax — соответственно минимум и максимально допустимые мощности линии i – j и Pijmin=−Pijmax.

    4 Предлагаемая методология

    4.1 Сеть глубокого убеждения

    DBN — это эффективный алгоритм обучения без учителя, состоящий из ряда ограниченных машин Больцмана (RBM), а затем добавляющий слой нейронных сетей с обратным распространением (BP) на нижнем уровне. Топология DBN и процесс обучения показаны на рисунке 4. Процесс обучения DBN делится на неконтролируемое обучение и тонкую настройку. Прежде всего, индивидуальное неконтролируемое обучение проводится для каждого уровня сети RBM, чтобы максимально сохранить информацию об объектах при сопоставлении векторов признаков с различными пространствами признаков. Затем параметры, полученные на этапе неконтролируемой тренировки, использовались в качестве начальных значений, а DBN была точно настроена с помощью BP. Этот процесс позволяет избежать локальной оптимизации в процессе обучения.

    РИСУНОК 4 . Схема структуры сети глубокого убеждения.

    Что касается структуры DBN, в этом документе в качестве входных данных выбраны угол фазового сдвига, активная мощность генератора, а также активная мощность и реактивная мощность узла нагрузки. Первые два типа переменных являются управляющими переменными. Кроме того, для характеристики рабочих состояний энергосистемы к входному набору выборки добавляются активная мощность и реактивная мощность всех узлов нагрузки. Примечательно, что когда количество узлов нагрузки системы огромно, а вычислительная мощность модели обучения ограничена, для характеристики режима работы энергосистемы можно выбрать только некоторые ключевые узлы нагрузки или поперечное сечение потока мощности и другие характеристики. Выбор конкретного признака в информации о работе энергосистемы является еще одной интересной темой, которая будет дополнительно изучаться в будущем. Выходы DBN представляют собой активные полные потери в линии системы, выраженные как P потеря , и значение потока мощности в ответвлении, где может возникнуть явление обратного потока мощности, которое выражается как P ls .

    Перед лицом несбалансированной мощности в системе для расчета коэффициента мощности как на основе модели, так и на основе данных, один или несколько генераторов обычно назначаются для несбалансированной мощности — например, Мезгани и др. . (2020) использует несколько генераторов в качестве схемы автоматического управления генерацией, чтобы выдерживать несбалансированную мощность, вызванную неопределенными факторами, при рассмотрении многих сценариев. Лю и др. . (2021) использует слабый генератор для компенсации несбалансированной мощности, вызванной ошибками, вызванными данными. В этой статье, учитывая, что резервный генератор должен нести несбалансированную мощность системы, активная мощность резервного генератора не может участвовать в процессе оптимизации потока мощности, поэтому ошибка, вызванная приводом данных в этой статье, также будет переносимый генератором резерва как часть несбалансированной мощности, и выборочный входной набор в этом документе не включает активную мощность генератора резерва.

    4.2 Усовершенствование генетического алгоритма: устранение лиц с реверсивным потоком энергии

    Во-первых, вводится концепция обратного потока мощности. Явление реверса потока мощности относится к явлению, когда направление потока мощности противоположно положительному, предполагаемому заранее, например, если реверс потока мощности происходит на линии i – j , Pij<0.

    Зона генератора и зона нагрузки в структуре сети обычно определяются, а схема подачи электроэнергии между зонами через одно или несколько поперечных сечений планируется и поддерживается в соответствии с правилами эксплуатации. Таким образом, в данной работе явление перетока мощности поперечных сечений или линии исследуемого сечения рассматривается как аномальное, противоречащее требованию безопасности эксплуатации энергосистемы, например, при перетоке мощности в одном из параллельные линии в поперечном сечении меняются местами, результирующий ток/мощность контура сделают распределение потока мощности более неравномерным в пределах сечения и, вероятно, приведут к явлению перегрузки потока мощности в других линиях. Поэтому в этой статье активные мощности линий, где может произойти реверс потока мощности, добавляются к выходу выборки, чтобы отслеживать, происходит ли реверс потока мощности или нет. Таким образом, предлагаемый метод оптимизации может учитывать Pij>0, что является ограничением неравенства в отношении обратного потока мощности. Чтобы определить эти линии, необходимо использовать информацию данных моделирования, чтобы определить, какие линии в рассматриваемом участке будут склонны к реверсированию потока мощности. В то же время, в этой статье добавлена ​​ссылка идентификации направления потока мощности в линии сечения на шаге расчета адаптации генетического алгоритма (ГА). Учитывая, что каждая особь соответствует рабочему состоянию энергосистемы в генетическом алгоритме, при выявлении линий с реверсированием потока мощности на изучаемом участке соответствующие особи отсеиваются.

    4.3 Оптимизация потока мощности на основе усовершенствованного генетического алгоритма с сетью глубокого доверия

    Ссылка для расчета функции пригодности в улучшенном ГА заменена хорошо обученной моделью DBN, которая реализует быстрый расчет оптимизации потока мощности. Основные этапы усовершенствованного генетического алгоритма на основе накопителя данных показаны на рис. 5, а процесс реализации выглядит следующим образом:

    (1) Создание некоторого количества обучающих выборок сети: Обучающие выборки строятся путем случайного выбора различных уровней нагрузки. , разные уровни активной мощности генераторов и разные передачи PST в разумных пределах. Величина потерь в системе получается расчетом по формуле (3) как один из выходов ДБН. Другим выходом ДБН является переток мощности линий на исследуемом участке, где возможен реверс перетока.

    (2) Построенные выборки делятся на обучающие наборы и тестовые наборы, которые используются для обучения DBN и тестирования производительности сетей после обучения соответственно. Параметры DBN устанавливаются в соответствии с фактическими характеристиками системы.

    (3) Установите параметры ГА, включая размер совокупности, максимальное число итераций, итеративную точность, перекрестную вероятность и вероятность вариации, и т. д. ., и инициализируйте совокупность. Гены каждой хромосомы состоят из величины активной и реактивной нагрузки, управляемой мощности генератора (МВт) и фазового угла ПСТ.

    (4) DBN используется для прогнозирования каждого индивидуума для получения соответствующего значения приспособленности и активной мощности линий, где может произойти реверс потока мощности, и для каждого индивидуума выполняется оценка реверсирования потока мощности. Люди с реверсивным потоком энергии исключаются, а остальные остаются или исключаются в соответствии с рейтингом пригодности.

    (5) Скрещивание и мутация популяции для получения лучшего потомства.

    (6) Определить, выполнено ли конечное условие GA. Если достигнуто максимальное количество итераций или итерационная точность, останавливаем итерацию и выводим потери в системе и оптимальную схему перетока мощности, в противном случае возвращаемся к шагу (4).

    РИСУНОК 5 . Блок-схема улучшенного генетического алгоритма на основе накопителя данных.

    Примечательно, что основная работа по расчету функции адаптации фактически заключается в расчете потока мощности в задаче оптимизации потока мощности энергосистемы. Повторный расчет потока мощности в итеративном процессе занимает очень много времени, а замена расчета потока мощности моделью DBN может значительно сократить временные затраты. Следовательно, пока модель обучения гарантированно находится в определенном приемлемом диапазоне точности, процесс оптимизации алгоритма можно значительно ускорить практически без потери точности оптимизации.

    5 Практический пример

    5.1 Положение и параметры установки фазосдвигающего трансформатора

    В этой статье в качестве примера моделирования используется 39-узловая система IEEE, а схема показана на рис. 6.

    РИСУНОК 6 . Схема структуры 39-узловой системы IEEE.

    На рис. 6 показаны три секции системы (Jia et al., 2010). В данной работе для исследования выбран раздел Б. Для определения места установки ПСТ необходимо проанализировать распределение потока мощности секции Б, как показано в таблице 1.

    ТАБЛИЦА 1 . Распределение потока мощности участка B.

    Среди них F и T представляют собой начальную и конечную точки ответвления, а P представляет собой активную мощность линии.

    Следует отметить, что для того, чтобы гарантировать, что 39-узловая система IEEE удовлетворяет ограничению неравенства (8), в этой статье изменены некоторые параметры стандартной 39-узловой системы IEEE, и содержание изменений показано в таблице 2. Данные в таблице 1 основаны на модифицированном стандарте IEEE 39.-узловая система.

    ТАБЛИЦА 2 . Модифицированные параметры 39-узловой системы IEEE.

    Для простоты рассматривается только один PST. В соответствии с данными о перетоке мощности, показанными в таблице 1, в этом документе PST устанавливается между узлами 17 и 27. Поскольку эта ветка имеет наименьший поток мощности, PST, установленная на этой ветке, может поглощать поток мощности других линий в секции и улучшать общая пропускная способность участка.

    Для определения параметров ПСТ необходимо уточнить предельное значение активной мощности 17–27 ветви. В данной работе предполагается, что предельное значение активной мощности ветки с ПСТ составляет 350 МВт. Кроме того, в этой статье в качестве диапазона регулировки угла фазового сдвига используется [−10°, 10°], а соседние шестерни фазовращателя отличаются на 1°. В соответствии с описанным в литературе методом расчета параметров PST (Yu et al. , 2013) можно получить эквивалентное реактивное сопротивление PST при каждом положении отвода. Учитывая, что разница эквивалентных реактивных сопротивлений PST на разных передачах очень мала, в качестве эквивалентных реактивных сопротивлений каждой передачи выбрано эквивалентное реактивное сопротивление, соответствующее углу фазового сдвига 0°. Выбранное эквивалентное реактивное сопротивление PST составляет 0,04 о.е.

    5.2 Построение набора образцов

    В этой статье BPA и программное обеспечение для моделирования MATLAB используются для автоматического создания набора образцов установившегося потока мощности, а ГА реализован на платформе MATLAB. Тестовый компьютер сконфигурирован как Intel Core i7-4790, процессор s3,2 ГГц, 8 ГБ ОЗУ.

    Согласно анализу п.4.1 на вход ДБН входят P Di , Q Di , P Gi и α . В данной работе установлен только один PST, а размерность переменной угла фазового сдвига равна единице. Затем выбираются генераторы 30, 32 и 33 для участия в процессе оптимизации потока мощности, поэтому имеется три переменных активной мощности генераторов. Учитывая, что в тестовой системе всего 19 узлов нагрузки, в данной статье выбираются все узлы нагрузки, чтобы отразить особенности работы системы и проверить возможности ДБН, что означает наличие 38 переменных нагрузки активной и реактивной мощности. Всего количество входных отсчетов равно 42. По диапазону входных переменных угол фазового сдвига находится в диапазоне [−10°, 10°], а активные мощности генераторов БУС30, БУС32, и BUS33 соответственно находятся в диапазоне [520 МВт, 1040 МВт], [362 МВт, 725 МВт] и [326 МВт, 652 МВт]. Среди них верхний предел активной мощности каждого генератора получен на примере MATPOWER (Zimmerman et al., 2011), а нижний предел составляет половину верхнего предела согласно опыту. Если мы установим нижнее предельное значение активной мощности каждого генератора как 0 в соответствии с практикой MATPOWER, большое количество выборок в моделировании не сойдется. Кроме того, в таблице 3 показаны активная и реактивная мощности каждого узла нагрузки при уровне нагрузки 100%.5, 100, 102 и 105%, а количество выборок на уровень нагрузки равно 1000. Итак, входная размерность выборки составляет 42 × 4000.

    ТАБЛИЦА 3 . Активная и реактивная мощность каждого узла нагрузки при уровне нагрузки 100%.

    Учитывая, что поток мощности по линиям 17–27 невелик и его легко обратить, в этой статье активная мощность по линиям 17–27 рассматривается как один из выходов DBN. Таким образом, выход ДБН имеет два измерения: активная мощность линий 17–27 и потери в системе. Набор образцов, использованный в этой статье, можно найти в дополнительных материалах.

    5.3 Точность различных моделей обучения

    Чтобы сравнить точность прогнозирования DBN с точки зрения потери сети в системе, для теста используются три дополнительных распространенных метода машинного обучения: нейронная сеть с обратным распространением (BP), экстремальное обучение машина (ELM) и машина опорных векторов (SVM). Из 4000 наборов образцов, описанных в разделе 5.2, 3000 образцов были выбраны случайным образом в качестве обучающего набора и 1000 образцов в качестве тестового набора. Таким образом, эти четыре модели обучаются и тестируются на одних и тех же выборках. Параметры модели следующие:

    1) ДБН: Мы используем два скрытых слоя, которые содержат 300 и 400 скрытых узлов соответственно. Импульс, скорость обучения и количество предварительных тренировок RBM выбраны равными 0,7, 0,03 и 100 соответственно.

    2) ELM: число узлов скрытого слоя равно 60.

    3) SVM: выбраны 4 полиномиальные ядерные функции. Функция штрафа и коэффициент функции ядра равны 1,5 и 10 соответственно.

    Предсказанные результаты различных моделей на тестовом наборе показаны на рисунке 7. Можно видеть, что DBN, использованный в этой статье, имеет хороший прогнозирующий эффект на системные потери тестового набора. Прогнозные значения DBN и ожидания (истинные значения) из случаев моделирования в основном совпадают, что может удовлетворить требования приложения для оценки потерь в системе. Три других распространенных метода машинного обучения также показывают хорошие результаты прогнозирования.

    РИСУНОК 7 . Прогнозируемые результаты различных моделей на тестовом наборе. (А) — ДБН, (Б) — БП, (В) — ЕЛМ, (Г) — СВМ.

    Кроме того, для дальнейшего сравнения производительности моделей используются среднеквадратическая ошибка (RMSE), средняя абсолютная ошибка (MAE) и коэффициенты детерминации ( R 2 ) (Kang et al., 2015; Мохан и др., 2018). Результаты соответствующих показателей показаны в таблице 4. Среди них RMSE и MAE используются для оценки прогностической способности модели на тестовых выборках. Чем меньше значение RMSE и MAE, тем лучше прогнозирование производительности модели для системных потерь. Кроме того, R 2 используется для оценки степени соответствия модели тестовому набору. Чем ближе значение к 1, тем выше степень подгонки.

    ТАБЛИЦА 4 . Прогнозируемые результаты различных моделей на тестовом наборе.

    Как видно из табл. 4, по сравнению с методами BP, ELM и SVM все показатели ДБН являются ведущими, поэтому ДБН рекомендуется в качестве информационного модуля ГА в данной работе.

    5.4 Сравнение генетических алгоритмов, управляемых данными и моделями

    Основные параметры ГА, использованного в данной работе, следующие: максимальное количество итераций — 70, количество переменных — 4, количество особей — 40, разрыв между поколениями — 0,95, вероятность кроссовера — 0,7, а вероятность мутации равна 0,01.

    Чтобы проверить точность управляемого данными ГА и способность к обобщению упомянутых выше моделей обучения при разных уровнях нагрузки системы, мы берем уровни нагрузки 93, 95, 97, 99, 101, 103, 105 и 107% для моделирования. Результаты моделирования представлены в таблице 5, где результаты генетического алгоритма, основанного на модели, считаются истинными значениями.

    ТАБЛИЦА 5 . Ошибки генетического алгоритма, управляемого данными (ГА), и ГА, управляемого моделью.

    Среди них P loss, GA представляет собой оптимальное значение системных потерь, полученное с помощью управляемого моделью GA. P потери, DBN-GA , P потери, BP-GA , P потери, ELM-GA и P потери представляют оптимальные потери системы, 2VM2-0GA 90 соответственно полученные с помощью различных GA, управляемых данными. Относительная ошибка рассчитывается следующим образом: ( P потери,XX-GA — P потери,GA ) / P потери,GA , где выражение P потери,XX-GA представляет данные.

    Как видно из таблицы 5, ошибка GA на основе DBN меньше, чем у других методов, управляемых данными, при уровнях нагрузки 97, 101 и 105%. Относительно GA на основе DBN имеет меньше ошибок, чем другие методы, основанные на данных. В целом ГА на основе DBN демонстрирует более сильное обобщение различных уровней нагрузки системы по сравнению с другими ГА, управляемыми данными, в таблице 5.

    Чтобы проверить точность результатов оптимизации на основе данных, результаты оптимизации на основе DBN были заменены на BPA (Tao et al., 2013). Значение потерь активной мощности на основе DBN и BPA (потеря P , DBN-BPA ) сравнивалось со значением, основанным на методе, основанном на модели (потеря P , GA ), и результаты представлены на рисунке. в таблице 6. Этот процесс называется «восстановление состояния» (Liu et al., 2021), поскольку он направлен на восстановление состояния системы на основе результатов оптимизации метода, управляемого данными. Этот подход также может помочь выяснить, применимы ли результаты метода, основанного на данных, для практической оптимизации потока мощности.

    ТАБЛИЦА 6 . Ошибки результатов оптимизации на основе сети глубокого доверия (DBN) и BPA.

    Из данных Таблицы 6 точность результатов оптимизации на основе ДБН и БФА достаточно высока, что означает, что результаты метода, управляемого данными, могут быть применимы для практической оптимизации потока мощности.

    5.5 Сравнение генетических алгоритмов и модели программирования конуса второго порядка со смешанными целыми числами GA и традиционный метод математического программирования при 100% уровне загрузки. Учитывая дискретные характеристики PST, задача оптимизации потока мощности традиционного метода решения преобразуется в модель смешанно-целочисленного конусного программирования второго порядка (MISOCP) (Lin et al., 2019).). Затем для решения проблемы используется зрелый решатель оптимизации GUROBI (Lin et al., 2019). Временные затраты и результаты решения различных моделей показаны в таблице 7. Кроме того, итерация будет прекращена, если разница между оптимальными целевыми функциями трех соседних итераций будет меньше 0,01, когда мы используем управляемый моделью ГА.

    ТАБЛИЦА 7 . Сравнение управляемого данными генетического алгоритма (ГА), управляемого моделью ГА и MISOCP.

    Как видно из результатов в таблице 7, ГА, управляемая данными, значительно превосходит ГА, управляемую моделью, и MISOCP по затратам времени. Сравнивая результаты оптимизации между различными моделями, можно увидеть, что ГА, управляемый данными, и ГА, управляемый моделью, могут получить лучшие решения, чем традиционный алгоритм MISOCP, имея в этом случае лучшую производительность, избегая локального оптимума. Кроме того, точность DBN является самой высокой при уровне нагрузки 100%, когда результат управляемого моделью GA рассматривается как истинное значение. Одним словом, хотя время, затрачиваемое на DBN, не самое короткое, DBN по-прежнему является более подходящим выбором, учитывая всесторонние характеристики точности, способности к обобщению и затрат времени.

    В ходе исследования видно, что ГА на основе данных может значительно ускорить процесс оптимизации при условии обеспечения точности оптимизации.

    5.6 Валидация улучшенного ГА

    Чтобы проверить правильность и обоснованность Раздела 4.2, мы проводим сравнение с моделированием того, следует ли принять механизм устранения реверсирования потока мощности. Примером моделирования является система IEEE с 39 узлами с PST при уровне нагрузки 100%. Результаты моделирования представлены в таблице 8.

    ТАБЛИЦА 8 . Распределение потока мощности секции B с устранением или без исключения отдельных лиц обратного потока мощности.

    Из сравнения данных таблицы 8 видно, что по сравнению с практикой исключения лиц с реверсированием значительно снижается равномерность распределения потока мощности в каждой линии участка Б без исключения лиц с реверсированием потока мощности. Необходимо отметить, что в сценарии, изучаемом в данной статье, явление реверса потока мощности более вероятно, когда угол фазового сдвига находится в положительном интервале.

    6 Заключение

    1) Установлена ​​оптимальная модель потока мощности энергосистемы с фазосдвигающим трансформатором и предложен эффективный алгоритм, управляемый данными, который не только уравновешивает скорость и точность оптимизации, но и обладает определенной обобщающей способностью для различных режимов работы энергосистемы.

    2) В генетическом алгоритме введен механизм устранения реверсирования секционного потока мощности, который соответствующим образом разработан совместно с DBN, чтобы избежать необоснованного распределения потока мощности в секции сети с PST.

    3) Примеры моделирования показывают, что улучшенный генетический алгоритм, содержащий процесс управления данными, предложенный в этой статье, эффективен.

    Настоящее исследование направлено на оптимизацию потока мощности энергосистем с ПСТ в определенном диапазоне уровней нагрузки. Изменение топологии системы не рассматривалось. Поэтому, как применить предложенный метод для оптимизации потока мощности энергосистемы с более переменными режимами работы, является основной темой будущих работ.

    Заявление о доступности данных

    Оригинальные материалы, представленные в исследовании, включены в статью/дополнительный материал. Дальнейшие запросы можно направлять соответствующему автору.

    Вклад авторов

    Все перечисленные авторы внесли существенный, непосредственный и интеллектуальный вклад в работу и одобрили ее для публикации.

    Финансирование

    Это исследование финансировалось в рамках научно-технического проекта Южной электросетевой корпорации (проект № 037700KK5219).0015 (GDKJXM20198313)) и Программу исследований и разработок в ключевых областях провинции Гуандун (2019B111109001).

    Конфликт интересов

    ZL, FL, RL и MY являются сотрудниками Guangdong Power Grid Corporation, и плата за услуги была предоставлена ​​ZC, ZX и ZD за их вклад.

    Остальные авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

    Авторы заявляют, что это исследование получило финансирование от Guangdong Power Grid Corporation. Спонсор имел следующее участие в исследовании: написание этой статьи и решение представить ее для публикации.

    Примечание издателя

    Все утверждения, изложенные в этой статье, принадлежат исключительно авторам и не обязательно отражают претензии их дочерних организаций или издателя, редакторов и рецензентов. Любой продукт, который может быть оценен в этой статье, или претензии, которые могут быть сделаны его производителем, не гарантируются и не поддерживаются издателем.

    Ссылки

    Ахмед М.К., Осман М.Х., Шехата А.А. и Коровкин Н.В. (2021). «Решение задачи оптимального потока мощности в энергосистеме на основе многоцелевого алгоритма роя частиц», в 2021 г. Конференция молодых ученых России в области электротехники и электроники (ЭлКонРус) IEEE, Санкт-Петербург, Москва, Россия, 26-29 января, 2021 (IEEE), 1349–1353. doi:10.1109/ElConRus51938.2021.9396117

    CrossRef Full Text | Google Scholar

    Бянь, X., Цзе, К.Т., Гуанъюэ Ли, Г., и Ян Фу, Ю. (2012). «Исследование статического и динамического моделирования TCPS в энергосистеме», на конференции IEEE PES по инновационным технологиям интеллектуальных сетей, Тяньцзинь, Китай, 21–24 мая 2012 г. (IEEE). Дои: 10.1109/ISGT-Asia.2012.6303267

    CrossRef Полный текст | Google Scholar

    Батлер-Пурри, К. (2013). Моделирование и анализ системы распределения [Обзоры книг]. IEEE Power Энерг. Маг. 11 (3), 106–108. doi:10.1109/MPE.2013.2245593

    Полный текст CrossRef | Google Scholar

    Чен, Ю. К., Ван, Дж., Домингес-Гарсия, А. Д., и Зауэр, П. В. (2016). Основанная на измерениях оценка матрицы Якоби потока мощности. IEEE Trans. Smart Grid 7 (5), 2507–2515. Дои: 10.1109/TSG.2015.2502484

    CrossRef Полный текст | Google Scholar

    Цуй, Ю., Чен, Дж., и Лю, Дж. (2013). Оптимальное размещение ТКП для повышения пропускной способности участка электропередачи. Shaanxi Electric Power 41 (11), 75–79+101. doi:10.3969/j.issn.1673-7598.2013.11.018

    Полный текст CrossRef | Google Scholar

    Донг Ю., Донг З., Чжао Т., Ли З. и Дин З. (2021). Краткосрочное прогнозирование нагрузки с помощью распределенных сетей Deep Belief с марковской коммутацией. Междунар. Дж. Электр. Мощность Энерг. Сист. 130 (1), 106942. doi:10.1016/j.ijepes.2021. 106942

    CrossRef Полный текст | Google Scholar

    Eremia, M., Liu, C.C., and Edris, A.A. (2016). Передовые решения в энергосистемах: HVDC, FACTS и искусственный интеллект . Хобокен, США: IEEE Press и Wiley.

    Google Scholar

    Цзя, Х., Му, Ю. и Ю, X. (2010). Метод направленного управления для интерфейсной мощности на основе потока мощности постоянного тока и чувствительности. Автоматическая электроэнергетическая система. 34 (2), 34–38.

    Google Scholar

    Канг Б., Ку Ю. Х. и Ким Ю. Д. (2015). Тематическое исследование модели осадков и стока на основе ИНС с учетом предшествующих условий влажности почвы в водоразделе плотины Имха, Корея. Окружающая среда. наук о Земле. 74 (2), 1261–1272. doi:10.1007/s12665-015-4117-0

    Полный текст CrossRef | Google Scholar

    Каваура Ю., Яманучи С., Ичихара М., Ивамото С., Суэцугу Ю. и Хигашитани Т. (2016). «Применение фазосдвигающего трансформатора для регулировки потока мощности для крупномасштабного проникновения фотоэлектрических систем», на конференции IEEE Region 10 2016 г. (TENCON), Сингапур, 22–25 ноября 2016 г. (IEEE), 3328–3331. Дои: 10.1109/TENCON.2016.7848668

    CrossRef Полный текст | Google Scholar

    Лэй, X., Ян, З., Ю, Дж., Чжао, Дж., Гао, К. и Ю, Х. (2021). Оптимальный поток энергии, управляемый данными: подход к машинному обучению, основанный на физике. IEEE Trans. Система питания 36 (1), 346–354. doi:10.1109/TPWRS.2020.3001919

    Полный текст CrossRef | Google Scholar

    Линь С., Ян З., Фань Г., Лю М., Хе С., Тан З. и др. (2019). Алгоритм программирования конуса смешанного целого числа второго порядка для оптимального распределения мощности параллельных каналов передачи переменного и постоянного тока. Energies 12 (19), 3605. doi:10.3390/en12193605

    CrossRef Полный текст | Google Scholar

    Лю, Г. (2021). Моделирование и исследование решений по динамическому экономическому диспетчеризации энергосистемы с использованием энергии ветра. Магистерская работа/диссертация. Пекин (Китай): Северо-китайский электроэнергетический университет.

    Google Scholar

    Лю, Х., ШэньГо, X. К., и Сунь, Х. (2021). Управляемый данными подход к быстрой экономичной диспетчеризации в системах, сопряженных с электричеством и газом, на основе искусственной нейронной сети. Заяв. Энерг. 286, 116480. doi:10.1016/j.apenergy.2021.116480

    CrossRef Полный текст | Google Scholar

    Лю X. и Конг X. (2021). Быстрый расчет потока нагрузки для непредвиденных обстоятельств N-2 на основе сверточной нейронной сети. Электроэнергетика Инж. Тех. 40 (4), 95–100. doi:10.12158/j.2096-3203.2021.04.013

    CrossRef Full Text | Google Scholar

    Лю Ю., Чжан Н., Ван Ю., Ян Дж. и Канг К. (2019). Линеаризация потока мощности на основе данных: регрессионный подход. IEEE Trans. Smart Grid 10 (3), 2569–2580. doi:10.1109/TSG.2018.2805169

    Полный текст CrossRef | Google Scholar

    Лорка А. и Сан К.А. (2015). Адаптивная робастная оптимизация с динамическими наборами неопределенностей для многопериодной экономической диспетчеризации при сильном ветре. IEEE Trans. Система питания 30 (4), 1702–1713. doi:10.1109/TPWRS.2014.2357714

    Полный текст CrossRef | Google Scholar

    Мехди, П. (2010). Улучшение переходной устойчивости энергосистемы с помощью тиристорно-управляемого фазосдвигающего трансформатора. 900:57 утра. Дж. Заявл. науч. 7 (11), 1495–1499. doi:10.3844/ajassp.2010.1495.1499

    Полный текст CrossRef | Google Scholar

    Мезгани И., Мишра С. и Дека Д. (2020). Стохастический оптимальный поток энергии переменного тока: подход, основанный на данных. Электроэнергетическая система. Рез. 189, 106567. doi:10.1016/j.epsr.2020.106567

    CrossRef Полный текст | Google Scholar

    Мохамед, А. А., и Венкатеш, Б. (2019). Линейный оптимальный поток мощности с использованием метода последовательной линейной оптимизации. IEEE Trans. Система питания 34, 2083–2092. doi:10.1109/TPWRS.2018.2881254

    Полный текст CrossRef | Google Scholar

    Мохан Н., Соман К. П. и Сачин Кумар С. (2018). Стратегия, основанная на данных, для краткосрочного прогнозирования электрической нагрузки с использованием модели декомпозиции динамического режима. Заяв. Энерг. 232, 229–244. doi:10.1016/j.apenergy.2018.09.190

    CrossRef Полный текст | Google Scholar

    Моррелл, Т.Дж., и Эггебраатен, Дж.Г. (2019). «Применение фазосдвигающих трансформаторов в сельских энергосистемах», 2019 г.IEEE Rural Electric Power Conference (REPC), Блумингтон, Миннесота, США, 28 апреля — 1 мая 2019 г. (IEEE), 70–74. doi:10.1109/REPC.2019.00020

    Полный текст CrossRef | Google Scholar

    Надим М., Имран К., Хаттак А., Уласяр А., Пал А., Зеб М. З. и др. (2020). Оптимальное размещение, размер и координация устройств FACTS в сети передачи с использованием алгоритма оптимизации Whale. Энергия 13 (3), 753–776. doi:10.3390/en13030753

    Полный текст CrossRef | Академия Google

    Норузян, М., и Андерссон, Г. (1993). Управление потоком мощности с помощью компонентов управляемой серии. IEEE Trans. Мощность Делив. 8 (3), 1420–1429. doi:10.1109/61.252669

    Полный текст CrossRef | Google Scholar

    Пан С., Цзянь Дж. и Ян Л. (2018). Гибридный подход MILP и IPM для динамичной экономической диспетчеризации с эффектами точки клапана. Междунар. Дж. Электр. Мощность Энерг. Сист. 97, 290–298. doi:10.1016/j.ijepes.2017.11.004

    CrossRef Полный текст | Академия Google

    Папазоглу Т.М., Попович Д.П. и Михайлович С.В. (1999). «Фазосдвигающие трансформаторы в эффективном методе управления потоком энергии», Международная конференция по электроэнергетике, Будапешт, Венгрия, 29 августа — 2 сентября 1999 г. (IEEE). doi:10.1109/PTC.1999.826439

    Полный текст CrossRef | Google Scholar

    Ролдан, К., Мингес, Р., Гарсия-Бертран, Р., и Арройо, Дж. М. (2019). Надежное планирование расширения сети передачи в условиях коррелированной неопределенности. IEEE Trans. Система питания 34 (3), 2071–2082. doi:10.1109/TPWRS.2018.2889032

    Полный текст CrossRef | Google Scholar

    Ши Т. , Мэй Ф., Лу Дж., Лу Дж., Пан Ю., Чжоу С. и др. (2019). Алгоритм реконструкции фазового пространства и очень краткосрочное прогнозирование загрузки шины на основе глубокого обучения. Энергия 12 (22), 4349–4366. doi:10.3390/en12224349

    Полный текст CrossRef | Google Scholar

    Сивасубрамани С. и Сваруп К. С. (2010). Гибридный алгоритм SOA-SQP для динамической экономической диспетчеризации с эффектами точки клапана. Энергия 35 (12), 5031–5036. doi:10.1016/j.energy.2010.08.018

    CrossRef Полный текст | Google Scholar

    Стотт Б., Жардим Дж. и Альсак О. (2009). Пересмотр потока мощности постоянного тока. IEEE Trans. Система питания 24 (3), 1290–1300. doi:10.1109/TPWRS.2009.2021235

    Полный текст CrossRef | Google Scholar

    Sun, W. (2011). Расчет оптимального фазовращателя на основе адаптивного генетического алгоритма. Дж. Мех. электр. англ. 28 (7), 901–904.

    Google Scholar

    Тао, К., Ван, X., Гао, Ф. и Ван, М. (2020). Диагностика неисправностей фотогальванического массива на основе сети глубокого доверия, оптимизированной с помощью генетического алгоритма. Подбородок. Дж. Электр. англ. 6 (3), 106–114. doi:10.23919/CJEE.2020.000024

    Полный текст CrossRef | Google Scholar

    Тао Х., Сюй Дж. и Цзоу В. (2013). Преобразование модели из BPA в PSCAD. Средства автоматизации электроэнергетики 33 (8), 152–156. doi:10.3969/j.issn.1006-6047.2013.08.026

    Полнотекстовая перекрестная ссылка | Google Scholar

    Ван Хорн, К. Э., Домингес-Гарсия, А. Д., Зауэр, П. В., Алехандро, Д., и ЗауэрПитер, В. (2016). Основанная на измерениях экономическая диспетчеризация в режиме реального времени, ограниченная безопасностью. IEEE Trans. Система питания 31 (5), 3548–3560. doi:10.1109/TPWRS.2015.2493889

    Полный текст CrossRef | Google Scholar

    Verboomen, J., Van Hertem, D., Schavemaker, P.H., Kling, W.L., and Belmans, R. (2005). Трансформаторы с фазовым сдвигом: принципы и применение», в 2005 г. », на Международной конференции по системам электроснабжения будущего, Амстердам, Нидерланды, 18 ноября 2005 г. (IEEE). Дои: 10.1109/FPS.2005.204302

    CrossRef Полный текст | Google Scholar

    Виктория Т.А. и Джеякумар А.Е. (2004). Гибрид PSO-SQP для экономичной отправки с эффектом точки клапана. Электроэнергетическая система. Рез. 71 (1), 51–59. doi:10.1016/j.epsr.2003.12.017

    Полный текст CrossRef | Google Scholar

    Сюй Д., Ли З., Ян С., Лу З., Чжан Х., Чен В. и др. (2018). «Сеть глубокого доверия с секретной идентификацией для прогнозирования нагрузки на электроэнергию», 2-я конференция IEEE по энергетическому Интернету и интеграции энергетических систем (EI2) 2018 г., Пекин, Китай, 20–22 октября 2018 г. (IEEE). Дои: 10.1109/EI2.2018.8582314

    CrossRef Полный текст | Google Scholar

    Ю. Х., Чжоу Ф. и Ян З. (2013). Расчет параметров и анализ характеристик устойчивого состояния TCPST в сети EHV. Электроэнергетика 46 (11), 36–41. doi:10.3969/j.issn.1004-9649.2013.11.008

    Полный текст CrossRef | Google Scholar

    Чжан Н., Чжан К., Ли К., Лю Дж., Чжао Дж. и Сунь Г. (2021). Расчет оптимального потока мощности энергосистемы, содержащей TCPST, на основе улучшенного MCCIPM. Электроэнергетика Инж. Тех. 40 (5), 144–150. doi:10.12158/j.2096-3203.2021.05.020

    CrossRef Full Text | Google Scholar

    Zhang, Y., Gong, D.-w., Geng, N. и Sun, X.-y. (2014). Гибридный базовый PSO для динамической экономичной диспетчеризации с эффектами точки клапана. Заяв. Мягкий компьютер. 18 (4), 248–260. doi:10.1016/j.asoc.2014.01.035

    Полный текст CrossRef | Google Scholar

    Чжан, З. (2017). Применение фазосдвигающих мероприятий в противоаварийном управлении энергосистемой. Магистерская работа/диссертация. Ханчжоу (Китай): Чжэцзянский университет.

    Google Scholar

    Чжу Ю. и Томсович К. (2002). Метод адаптивного потока мощности для распределительных систем с рассредоточенной генерацией. IEEE Trans. Мощность Делив. 17 (5), 822–827. doi:10.1109/TPWRD.2002.1022810

    Полный текст CrossRef | Google Scholar

    Циммерман, Р. Д., Мурильо-Санчес, К. Э., и Томас, Р. Дж. (2011). MATPOWER: Стационарные операции, инструменты планирования и анализа для исследований и обучения энергетических систем. IEEE Trans. Система питания 26 (1), 12–19. doi:10.1109/TPWRS.2010.2051168

    Полный текст CrossRef | Google Scholar

    Глава 8. Исследования случай-контроль и перекрестные исследования

    Дополнительные главы в Эпидемиология для непосвященных

    Исследования случай-контроль

    Как обсуждалось в предыдущей главе, один из недостатков использования лонгитюдного подхода к исследования причин заболевания с низкой заболеваемостью заключается в том, что для получения адекватной статистической мощности могут потребоваться большие и продолжительные исследования. Альтернативой, позволяющей избежать этой трудности, является схема «случай-контроль» или схема «случай-референт». В исследовании случай-контроль выявляют пациентов, у которых развилось заболевание, и их прошлое воздействие подозреваемых этиологических факторов сравнивают с таковым у контрольной группы или референтов, у которых нет заболевания. Это позволяет оценить отношение шансов (но не атрибутивные риски). Допуск делается на возможные смешанные факторы путем их измерения и внесения соответствующих корректировок в анализ. Эта статистическая корректировка может быть сделана более эффективной путем сопоставления случаев и контролей для воздействия искажающих факторов либо на индивидуальной основе (например, путем сопоставления каждого случая с контролем того же возраста и пола), либо в группах (например, путем выбора контроля). группа с общим возрастным и половым распределением, сходным с таковым в случаях). Однако, в отличие от когортного исследования, сопоставление само по себе не устраняет путаницу. Статистическая корректировка по-прежнему требуется.

    Отбор случаев

    Отправной точкой большинства исследований случай-контроль является выявление случаев. Для этого требуется подходящее определение случая (см. Глава 2 ). Кроме того, необходимо следить за тем, чтобы предвзятость не возникала из-за того, как отбираются случаи. Исследование доброкачественной гипертрофии предстательной железы могло бы ввести в заблуждение, если бы случаи были выявлены при госпитализации, а на госпитализацию влияли не только наличие и тяжесть заболевания, но и другие переменные, такие как социальный класс. В общем, лучше использовать инцидент, а не распространенные случаи. Как указывалось в главе 2, на распространенность влияет не только риск развития заболевания, но и факторы, определяющие продолжительность болезни. Кроме того, если заболевание присутствует в течение длительного времени, может быть труднее установить преморбидное воздействие факторов риска, особенно если оценка зависит от воспоминаний людей.

    Выбор контролей

    Обычно получить подходящий источник случаев не так уж сложно, но выбор контролей, как правило, более проблематичен. В идеале элементы управления должны удовлетворять двум требованиям. В рамках ограничений любых критериев сопоставления их подверженность факторам риска и искажающим факторам должна быть репрезентативной для популяции, «подверженной риску» заболеть, то есть людей, у которых нет исследуемого заболевания, но которые будут включены в исследование. исследование как случаи, если бы они имели. Кроме того, воздействие на контроли должно поддаваться измерению с той же точностью, что и в случаях. Часто оказывается невозможным удовлетворить обе эти цели.

    Обычно используются два источника управления. Контрольная группа, выбранная из общей популяции (например, из регистров возраста и пола общей практики), имеет то преимущество, что их воздействие, вероятно, будет репрезентативным для тех, кто подвергается риску заболеть. Однако оценка их воздействия может быть несопоставима с оценкой случаев, особенно если оценка достигается путем личного воспоминания. Случаи стремятся выяснить, что вызвало их болезнь, и поэтому они лучше мотивированы вспоминать подробности своего прошлого, чем контрольная группа, не проявляющая особого интереса к изучаемому вопросу.

    Измерение воздействия можно сделать более сравнимым, используя пациентов с другими заболеваниями в качестве контроля, особенно если испытуемым не сообщают точную цель исследования. Однако их экспозиция может быть нерепрезентативной. В качестве крайнего примера: исследование рака мочевого пузыря и курения методом «случай-контроль» могло бы дать довольно ошибочные результаты, если бы контрольная группа была взята из клиники грудной клетки. Если в качестве референтов используются другие пациенты, безопаснее принять ряд контрольных диагнозов, а не одну группу заболеваний. Таким образом, если одно из контрольных заболеваний связано с изучаемым фактором риска, результирующая погрешность не будет слишком большой.

    Иногда в интерпретации помогает наличие двух наборов элементов управления с различными возможными источниками смещения. Например, предполагается связь между феноксигербицидами 2,4-Д и 2,4,5-Т и саркомой мягких тканей. В некоторых исследованиях случай-контроль для проверки этого были взяты референты из населения в целом, тогда как в других использовались пациенты с другими типами рака. Исследования с использованием контролей из общей популяции будут иметь тенденцию к переоценке риска из-за дифференциального отзыва, тогда как исследования с использованием пациентов с другими типами рака в качестве контролей будут недооценивать риск, если феноксигербициды вызывают другие виды рака, кроме саркомы мягких тканей. Таким образом, можно ожидать, что истинный риск находится где-то между оценками, полученными с помощью двух разных планов.

    Когда случаи и контрольные образцы находятся в свободном доступе, выбор одинакового количества сделает исследование наиболее эффективным. Однако количество случаев, которые могут быть изучены, часто ограничивается редкостью исследуемого заболевания. В этом случае статистическую достоверность можно повысить, взяв более одного контроля на случай. Однако существует закон убывающей отдачи, и обычно не стоит выходить за рамки соотношения четырех или пяти контролей к одному случаю.

    Установление воздействия

    Во многих исследованиях случай-контроль воздействие устанавливается на основе личных воспоминаний с использованием либо анкеты, которую заполняют самостоятельно, либо интервью. Достоверность такой информации будет частично зависеть от предмета. Люди могут хорошо помнить, где они жили в прошлом или какую работу выполняли. С другой стороны, долгосрочные воспоминания о пищевых привычках, вероятно, менее надежны.

    Иногда воздействие может быть установлено по историческим записям. Например, при изучении взаимосвязи между синуситом и последующим риском рассеянного склероза истории болезни пациентов и контрольной группы были установлены путем поиска в их заметках по общей практике. При условии, что записи достаточно полны, этот метод обычно будет более точным, чем тот, который зависит от памяти.

    Иногда можно использовать долгосрочные биологические маркеры воздействия. В африканском исследовании по оценке эффективности иммунизации БЦЖ в профилактике туберкулеза история прививки была установлена ​​путем поиска остаточного рубца на плече. Однако биологические маркеры полезны только в том случае, если они не изменены последующим патологическим процессом. Например, концентрации холестерина в сыворотке, измеренные после инфаркта миокарда, могут не точно отражать уровни до начала инфаркта.

    Анализ

    Статистические методы анализа исследований случай-контроль слишком сложны, чтобы охватить их в книге такого объема. Читателям, желающим узнать больше, следует обратиться к более сложным текстам или обратиться за советом к медицинскому статистику

    Поперечные исследования

    Поперечное исследование измеряет распространенность последствий для здоровья или детерминант здоровья, или того и другого, среди населения в определенный момент времени. время или в течение короткого периода. Такую информацию можно использовать для изучения этиологии — например, связь между катарактой и витаминным статусом изучалась в перекрестных исследованиях. Однако ассоциации следует интерпретировать с осторожностью. Систематическая ошибка может возникнуть из-за отбора в исследуемую популяцию или из нее. Поперечное исследование астмы в профессиональной группе дрессировщиков животных может привести к недооценке риска, если развитие респираторных симптомов заставит людей искать альтернативную работу и, следовательно, будет исключено из исследования. Схема поперечного сечения также может затруднить установление того, что является причиной, а что следствием. Если употребление молока связано с язвенной болезнью, то это потому, что молоко вызывает болезнь, или потому, что больные язвой пьют молоко, чтобы облегчить симптомы? Из-за этих трудностей перекрестные исследования этиологии лучше всего подходят для заболеваний, которые вызывают небольшую инвалидность, и для предсимптоматических фаз более серьезных заболеваний.

    Другое применение перекрестных обследований заключается в планировании здравоохранения. Например, профессиональный врач, планирующий программу профилактики коронарных заболеваний, может захотеть узнать о распространенности различных факторов риска среди рабочей силы, находящейся под его наблюдением, чтобы соответствующим образом скорректировать свое вмешательство.

    Главы
    • Глава 1. Что такое эпидемиология?
    • Глава 2. Количественная оценка заболеваний в популяциях
    • Глава 3.

    alexxlab

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *