導語：電力電子化電網發電機組運行管理研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：當前，電力電子化電網已經代替傳統電網系統成為現代電力行業的主流，但電力電子化電網發電機組的運行管理還存在一定的問題。基于此，文章針對電力電子化電網的發電機組運行管理問題，建立面向電力電子化電網的發電機組運行管理模型，調整了傳統模型的吞吐率的設置。針對模型參數選取時最優解定位不準的問題，基于粒子算法優化發電機組運行管理模型參數，使用算法計算粒子群中粒子尋找最優解的速度和時間，通過迭代實現參數的優化。通過實驗驗證，設計的面向電力電子化電網的發電機組運行管理方法的事故監測精確率可達90%以上。

關鍵詞：電力電子化電網；發電機組運行管理模型；參數優化；事故監測準確率

在政策的鼓勵下，我國發電行業邁入高速發展的階段。截至2020年，總裝機容量已達380GW，但在電力電網發展的同時，也逐漸出現了無法滿足發電要求的現象。隨著電力電網朝著電子化、信息化方向的不斷發展[1-2]，電力電子化電網設備故障頻發，電網設備的利用率隨著數量的增多而下降。電力電子化電網的利用率與理想指標相比仍有很大差距，經營指標達不到預期，虧損比較嚴重。這不僅影響民眾的電力使用，還會導致投資方的經營效益受到嚴重影響，甚至使投資方改變投資方向。長期的電力虧損會阻礙電力行業的發展，降低電力電子化電網的技術水平。因此，電力企業需要從各個方面增加電力電網的收益，要制訂科學合理的電力電子化電網運行管理計劃，使電網項目的收益最大化，并將投資回報最大化作為電網運營管理的目標，優化項目投資指標。電力系統的電子化使發電機組的電能生產和傳輸逐步實現電子自動化，融入多項自動控制和自動化管理等技術。發電機組的運行管理，最重要的是建立調度監控中心，調度監控中心可以實現信息的實時傳輸，可以采集和儲存發電機組的數據，自動傳輸系統主要通過高頻通信進行數據的采集[3]。文章基于電力電子化電網的特征，對發電機組的運行管理方法進行創新設計，并通過數據挖掘技術提升發電機組運行管理的可靠性。通過有效的管理可以提升發電機組的使用效率，減少故障發生的概率并增加發電機組的使用時間。電子化生產方式已經逐漸取代傳統電力生產方式，優化后的管理方法可以有效推進電力系統朝著綜合化、自動化方向發展。

1建立面向電力電子化電網的發電機組運行管理模型

通過監測發電機組的運行狀況，確定發電機組運行管理的數據結構和算法；根據具體的運行平臺，確定電力電子化電網的發電機組的計算任務，從而確定管理算法的運行模式，在這其中要重點關注吞吐率的設置。在建立發電機組運行管理模型之前，需要建立組態并行計算多任務系統。可以使用以下公式計算發電機的功率：式中：P為發電機的輸出功率；Pi為機組的額定功率；PG為發電機組的輸出功率；n為每個發電機機組的發電機總數；Pn為第n臺發電機的功率。

2優化發電機組運行管理模型參數

在設計發電機組管理模型參數時，可以采用粒子群算法，使用算法實現對可行性解（模型參數）的優化。使用粒子算法時，參數的優化過程就是粒子尋優的過程。在優化過程中，粒子算法中的模型參數擁有對應位置，通過計算參數選擇的適度值，可以精確地計算出最優解和最優解之間的距離，幫助粒子快速尋找最優位置[4]。在尋找最優位置的過程中，粒子并不是盲目進行大量尋找，而是通過不斷計算適度距離來尋找最優位置，在粒子中可以記錄群交流信息，從而可以很快暴露最優值在群體中的位置。粒子算法是模型參數優化的速度最快的算法，而粒子自身最優位置和粒子朝向會影響群體最優位置的尋找速度。基于粒子群算法的運行管理模型參數的優化過程如圖1所示。具體的優化步驟如下。（1）算法參數的優化。優化結果為粒子群的初始參數。發電機組的最大功率和額定的常用功率之間的比值是進行參數優化的依據，發電機組輸出功率的額定功率比值和參數優化比值都可以作為可行算子，將算子結合在一起可組成粒子群[5-6]。（2）尋找最優解。使用算法計算粒子群中粒子尋找最優解的速度和時間，在此基礎上設置粒子的迭代數值，確認發電機組粒子位置。設置管理參數時，進行最優位置搜索非常重要，如果在適應度比較中發現篩選出的最優值適應度不符合要求，應重新進行粒子搜索，直到適度值達標為止。（3）迭代與終止。在確認最優位置之后更新相應粒子的位置，然后檢驗最優位置確認的迭代數是否符合迭代判斷標準。迭代判斷標準可以保證最優位置的發電機組管理模型參數小于粒子群中所有粒子的歷史全局最優位置。在保留粒子的歷史全局最優位置后，更新參數的最優解。最優解是更新最優位置上粒子群后得出的，通常為最優參數。在此基礎上，判斷是否滿足終止條件，如果滿足則最優參數選擇結束；如果不滿足，則返回上一步驟，直至參數優化完畢。

3仿真測試

為了驗證設計的面向電力電子化電網的發電機組運行管理模型的有效性，需要進行仿真測試。在仿真平臺上使用設計的發電機組運行管理方法、傳統的數據挖掘發電機組管理方法、傳統的電機機組發電機組管理方法，對比三種方法的管理有效性。3.1參數選擇面向電力電子化電網的發電機組在進行仿真實驗的時候，發電機組共有8臺發電機，發電機組的參數主要包括群規模q、單個發電機的系數a、機組的系數b和算法中的權重w。設定發電機的功率為3000kW，最大的算法迭代數為500；權重w是為了保證算法在進行群體選擇時可以收斂到最優位置，權重w的取值范圍為0～1.5；根據實驗需求，單個發電機的系數a和機組的系數b取值范圍為0.5～2.0。不同權重對應的參數如表1所示，不同電機系數a對應的實驗參數如表2所示。設q=100，w=0.6，a=b=0.8，對發電機組的事故發生率進行研究。3.2仿真實驗結果對事故的有效監測可以提升設備使用的效率。在仿真平臺上分別采用設計的發電機組運行管理方法、傳統的數據挖掘發電機組管理方法、傳統的電機機組發電機組管理方法對仿真發電機組進行運行管理，對發電機組的故障進行運行監測，統計得到事故發生率。電機組運行管理方法的事故監測精確率可達到90%以上，與設計的方法相比，其他兩種方法的精確率在80%以上，低于設計的方法，由此可以充分證明設計的方法使用效果更佳。

4結束語

文章設計的面向電力電子化電網的發電機組運行管理方法可以有效增強電網的穩定性，并能有效防范機組可能產生的故障，監測機組的日常運行狀態，及時發現異常。但在進行運行監測的時候存在考慮不周全的情況，需要在今后的研究中進一步優化。

參考文獻：

[1]羅奉斌.電力工程技術在智能電網建設中的應用[J].光源與照明,2021(2):109-110.

[2]梁浩華.城市配電網供電可靠性管理措施探討[J].工程技術研究,2020,5(17):182-183.

[3]莊旭彬.基于歷史運行數據挖掘的風力發電機組運行管理方式[J].機電工程技術,2020,49(S1):42-43,54.

[4]萬雅男.小水電站運行管理中節能降耗策略研究[J].山西水利,2020,36(3):43-44,51.

[5]李大義,顏昌梅.水電站850MW發電機組推力軸承受力及推力瓦瓦溫調整[J].水電站機電技術,2020,43(11):44-46.

[6]康樂.熱控系統對火力發電機組調峰運行的性能影響分析[J].應用能源技術,2020(10):7-10.

作者：談振寧 劉棟 殷明 單位：國電南瑞科技股份有限公司