新聞主題	柴油發電機組的最優負荷分配法

 

摘要：通常在不接入大電網的情況下，由于發電機組的數量較少，負載的變化極易使電網產生變化，從而引起電網的頻率波動，導致各發電機組有功負載分配不均衡，甚至使有的發電機組過載，有的發電機組轉入電動機狀態逆功率運行。發電機組之間功率分配的優劣會對集中式電力系統運行的穩定性和安全性產生直接的影響。同步發電機和它并列的電網，兩者相對容量的大小，對該發電機的影響很大。因此，對不同規模電網中發電機并聯時功率的分配和自動調整的探討是尤為重要的。柴油發電機組最優負荷分配的意思是在一系列實際生產中的基本要求下，通過提高控制柴油發電機組運作以及符合的配置的合理性，來達到經濟性調度的辦法。

 

一、發電機組并列方法

 

      發電機組并列是指將多臺發電機聯合起來并行運行，一起為負荷提供電力。這種并列方法可以增加系統的容量和可靠性，提高負荷供電的電壓和頻率穩定性。發電機組并列的方法有以下幾種：

1、直接并列法

      將多臺同類型、同參數的發電機直接并列運行，需要保持各發電機的同步運行狀態。這種方法適用于負荷變化小、環境條件穩定的情況。

2、逆變器調節法

      如圖1、圖2所示。使用逆變器控制各臺發電機的功率輸出，使得各臺發電機輸出的電壓和頻率一致。這種方法可以實現負載分配和負載調整，適用于負荷變化較大、要求高穩定性的場合。

3、大電容平衡法

      用大電容并聯運行于各發電機的輸出端，以平衡各臺發電機的輸出電壓。這種方法適用于負載變化大、需要高頻率穩定性的場合。

4、線路匹配法

      在發電機組輸出線路中安裝匹配線路，增加線路的容量和穩定性。這種方法適用于長距離輸電和大容量負載的場合。

      以上是常用的發電機組并列方法，根據實際情況選擇合適的方法可以提高系統的可靠性和穩定性。

 

圖1  逆變器控制式發電機組框

圖2  逆變器調節發電機并聯運行方法

 

二、功率分配技術方案

 

      電力系統中的發電機組，包括與直流母線相連接的至少兩個發電機供電機構、負載分配控制器（如圖3所示）以及主控制模塊，發電機組供電機構包括柴油發電機，柴油發電機通過供電線路依次與斷路器、整流功率模塊、熔斷器連接，該供電線路最后與直流母線相連接；斷路器與整流功率模塊間的導線上設有電流傳感器，整流功率模塊與熔斷器之間的導線上設有直流電壓傳感器，電流傳感器、整流功率模塊、直流電壓傳感器都與a/d采樣模塊電聯接，a/d采樣模塊與子控制器電聯接；所有的子控制器與主控制模塊電聯接，其功率分配方法，步驟如下：

1、首先對每臺柴油機進行參數設置：

      通過所述主控制模塊進行各個柴油發電機組的功率參數設置，即分別設置第i(i＝1、2…n)臺柴油機的最優工作負載功率下限pii以及最優工作負載功率上限piu，同時選擇第一個柴油發電機組作為默認開啟項；

2、主控制器不斷檢測直流組網電力系統的總功率pt，當直流母線中有負載工作時，發電系統也同時開始工作，第一個柴油發電機組開始工作；子控制器計算第一個柴油發電機組的使用功率p1；第一個柴油發電機組產生的交流電通過所述整流功率模塊，設置整流功率模塊的整流參數使整流后的電壓值保持在v1min～v1max內，以保證p1i<p1<p1u；

3、主控制器將計算發電機組總最優工作負載功率的范圍，此時只有第一個柴油發電機組處于工作狀態，發電機組總最優工作負載功率下限pi＝p1i，發電機組總最優工作負載功率上限pu＝p1u；

4、主控制器將依次判定所有發電機組的工作狀態，若第i個發電機組處于工作狀態，子控制器計算第i個柴油發電機組的使用功率pi：第i個發電機組產生的交流電通過所述整流功率模塊，設置整流功率模塊的整流參數使整流后的電壓值保持在vimin～vimax內，以保證p1i<p1<p1u；

5、主控制器將通過計算得出發電機組總最優工作負載功率的范圍：

      主控制器將直流母線的總功率pt與發電機組總最優負載功率下限pi與發電機組總最優工作負載功率下限pu進行比較，若pi<pt<pu，說明發電機組的總發電功率達到pt時，每臺柴油機的發電功率都在最優工作負載功率范圍之內；此時進行步驟(g)；若pt不滿足pi<pt<pu，即pt>pu或pt<pi時，則進行步驟(h)；

6、主控制器根據交叉耦合控制策略通過子控制器進行柴油機電壓的同步控制；

7、建立優化模型，優化求解發電機組最優工作序列，如圖4所示。

 

圖2  負載分配控制器

圖3  柴油發電機組功率分配電路圖

 

三、功率分配計算的方法

 

      以數學理論為基礎來研究柴油發電機組組合的優化的問題，可以將其轉化為一個既有連續變量又有整形變量的綜合性問題。其運算的方法有兩個：傳統優化算法和現代智能算法。大量的資料介紹傳統的優化算法在柴油發電機組組合中的應用，其中以經典的拉格朗日松弛法較為代表，還有動態規劃法也應用較廣。這些經典優化方法原理簡單，容易操作，應用較廣，但某些情況下可能得不到十分理想的結果。而現代智能優化算法在柴油發電機組優化組合問題中體現出了優勢。目前世界上常用的有以下幾種分析計算的方法。

1、 等微增率法

      等耗微增率法是將燃料消耗最小化作為優化目標的單目標算法。在滿足Lagrange的等式組合的前提下，該方法是用于單元柴油發電機組之間的負荷的分布與配置的改進，用Lagrange乘子法求得負荷的分布與配置的最好的方案。[2]該優化方案中，柴油發電機組負荷等于給定負荷為其優化的前提，進而通過負荷分配使得燃料總量最少，以此確定各臺柴油發電機組的負荷分配。這種方法便于使用，而且思路比較清晰，容易理解，本論文也主要使用這一方法。

2、 動態規劃法

      動態規劃 (dynamic programming)是20世紀50年代初R.E.Bellman等人在研究多步驟的決策的流程的改進問題時提到的一種改進辦法，形成了關于最優性的原理，即所謂 Bellman 最優化原理，其可以敘述為：對于最優化的方略，依靠以前的一些決策所得到的情況開始，對應的最優子策略是由剩下的一系列決策所組成的，與曾經的情景和決策沒有關系。先解決單階段問題，再把其整合為一個完整的過程。

      在使用動態規劃法來解決有關柴油發電機組負荷分配的問題時，首先要指定決策階段為一柴油發電機組臺號a ，那么決策變量即為柴油發電機組負荷，在這里標示為Qa，然后將累計的柴油發電機組成本作為狀態變量。根據動態規劃狀態轉移方程：假設第a 階段的sa的值是已知的，那么第a + 1階段的sa+ 1的值，就可以依據該段的Qa的值來求得。記為sa + 1= Ta( sa , ua ) ， 稱為狀態轉移方程。

3、 遺傳算法

      遺傳算法是目前較為廣泛的現代進化算法里較為典型算法之一。遺傳算法中最主要的思考分析法是源于自然界的達爾文提出的“適者生存”法則。遺傳算法找尋最終解的操作是通過模仿自然界物種利用染色體之間的一系列的生物反應和基因整合來提高族群生存競爭力，達到物種進化目的的過程，即采用可以完成遺傳操作的相應遺傳算子，對于父代種群W(t)進行相應的處理，然后獲得子代種群W(t+1)過程。

      這一算法在面對老一代的檢索方法很難應對好的規模比較大、非線性組合復雜的優化難題方面擁有很多巨大的優點。然而單一的遺傳算法在處理大規模難題上存在著搜索速度較慢，收斂性能較差等弊端。因此在實際問題中常常取人之長，補己之短的策略。把拉格朗日法和遺傳算法進行結合，采用次梯度法來改進拉格朗日乘子，將復雜的柴油發電機組組合的難點簡化為一系列的小難點，然后再利用遺傳算法具有的比較好的檢索的功能強勢，把兩者算法交替迭代，用遺傳算法對一個個的小難點進行分析計算，直到很好的解決大的難點。

5、 蟻群算法

      蟻群算法又稱螞蟻算法。是 M.Dorigo 發表的模仿進化的一種優化算法。該算法是依據對自然界中蟻群在找食物時自然出現的一種尋覓最接近食物的道路的研究而產生的機率算法。當某種可以吃的東西被某一只螞蟻發現之后，它就會立即產生一種分泌物，該分泌物可以傳達信息來告知附近的同類靠近，就會讓更多的蟻族成員都能找到吃的。其中有些成員可能好會找到比原來更合理的道，這樣，在這一更近的道路上就形成了蟻群，隨著時間的積累，大多數的螞蟻都會出現在這兒。這種算法通過“信息素”這一載體進行相互間的溝通信息和共同合作，尋求到達食物的最簡潔又方便的路線。該算法在改進旅行商等方面中得到了較好的運用。但是也是存在一定的缺陷的其中最大的缺點是在求解的過程中比較容易出現停滯現象。

5、 粒子群優化算法

      粒子群優化算法是近年來由J. Kennedy和R. C. Eberhart等開發的一種新的進化算法。模擬鳥群搜索食物行為而創造出的一種進化算法，通過擁有記憶性的單一粒子與群體之間的其他粒子的信息互動來不斷改進整體的行動策略，最后得到問題的最優解。這種方法中會使用一個具體的優化的目標函數來明確全部粒子的適應性。而且，其中會有一個速度決定每一個粒子前進的位置和朝向。粒子們先找到種群中位置最好的粒子，接著他們就緊跟這個粒子在解的空間中探索，直到找到最優解。

 

總結：

      柴油發電機組組合優化在電力系統經濟運行中扮演著十分關鍵的角色，隨著電力市場改革的深化，對于增強發電企業自身核心競爭力具有更現實的意義。由于該優化問題的復雜性，各種先進的算法被引進來解決問題。總的來說，對于柴油發電機組組合尋找最優解問題這些方法都能有效的解決。但是不管是經典的算法還是現代智能算法，都有其各自的特點和局限性。一種算法不能應用于所有的場景，且算法本身的參數設置會影響算法的收斂性和相關性能。如何兼顧收斂速度和尋優質量是現代算法需要深入研究的重點。

 

----------------
以上信息來源于互聯網行業新聞，特此聲明！
若有違反相關法律或者侵犯版權，請通知我們！
溫馨提示：未經我方許可，請勿隨意轉載信息！
如果希望了解更多有關柴油發電機組技術數據與產品資料，請電話聯系銷售宣傳部門或訪問我們官網：http://www.dhgif.com