基于SVG无功补偿的电炉电能质量增强算法设计.pdf

工業加熟.54.INDUSTRIALHEATINGD0I:10.3969/j.issn.1002-1639.2023.06.013基于SVG无功补偿的电炉电能质量增强算法设计王汝英，刘万龙，董建强，张海涛（天津市普迅电力信息技术有限公司，天津3 0 0 3 0 0）摘要：针对电炉加热过程中负载增加会引起电机电力系统电压波动与闪变等问题，提出基于SVG无功补偿的电炉电能质量增强算法设计，首先对SVG无功补偿原理加以分析，然后引人RBF神经网络预测无功补偿容量及电纳参考值，最后将SVG和SVC相结合构建混合无功补偿系统，通过分析电力系统和电炉电能负载的不同状态，规划对应的无功补偿策略，实现电炉电能质量增强。实验结果表明，所提方法的薄弱节点补偿效果更好、补偿后电炉节点电压稳定裕度更理想、收敛时间更短。关键词：SVG无功补偿；电炉电能质量；RBF神经网络；电机负载状态；电纳参考值中图分类号：TP183文章编号：10 0 2-16 3 9(2 0 2 3)0 6-0 0 54-0 4Design of Electric Furnace Power Quality Enhancement Algorithm Based on SvG Reactive Power CompensationWANG Ruying,LIU Wanlong,DONG Jianqiang,ZHANG Haitao(Tianjin Puxun Power Information Technology Co.Ltd.,Tianjin 300300,China)Abstract:Aiming at the problems of voltage fluctuation and flicker of motor power system caused by the increase of load in the heating processof electric furnace,a design of electric furnace power quality enhancement algorithm based on SVG reactive power compensation is proposed.Firstly,the principle of SVG reactive power compensation is analyzed,and then RBF neural network is introduced to predict the reactive powercompensation capacity and susceptance reference value.Finally,SVG and SVC are combined to build a hybrid reactive power compensationsystem,by analyzing the different states of the power system and the electric energy load of the electric furnace,the corresponding reactivepower compensation strategy is planned to enhance the electric energy quality of the electric furnace.The experimental results show that theproposed method has better compensation effect for weak nodes,better voltage stability margin of electric furnace nodes after compensation,and shorter convergence time.Key Words:SVG reactive power compensation;electric energy quality of electric furnace;RBF neural network;motor load status;suscep-tance reference value电能是使用范围广泛、利用效率高且转换方便的现代化能源之一，电能应用情况能够体现出一个国家的发展程度。电能质量对于用电安全具有决定性的意义 ，随着工业和电子技术的现代化发展，工业电炉大量在热加工行业中投人使用，对热能使用单位的电力系统安全造成极大威胁。本文提出的无功补偿是维持电力系统输出稳定性的有效途径之一2 ,无功补偿系统通过持续不断的无功补偿能够抑制电压闪变等问收稿日期:2 0 2 2-0 7-11基金项目：国家重点研发计划“协同研发项目（SGITG-LJXTYF-2018-4-1)作者简介：王汝英（197 0 一），男，硕士，教授级高级工程师，研究方向为电力信息化、能源物联网、智慧能源；刘万龙（197 6 一）,男，本科，工程师,研究方向为云计算、地理信息、电力信息化；董建强（198 4一）,男,本科，工程师,研究方向为电力系统自动化、智慧能源服务；张海涛（197 5一），男，硕士，经济师，研究方向为软件开发、信息化管理，2023年第52 卷第6 期Vol.52No.62023文献标志码：A题，在满足电炉用电需求同时保障用电安全。龚雪娇3 等人以传统非支配排序差分进化法为基础,采用反向学习算法初始化种群并对相应参数自适应调控，丰富Pareto最优解多样性，解决无功优化问题,从而实现电炉电能质量增强。张4 等人对逆变回馈设备加以分析，推测公共连接点全天功率因数,结合设定的目标功率获取无功功率补偿值，以SVG最小容量为目标构建线性规划模型,求解得到规划策略,实现电能质量增强。项恩新5 等人将储能装置与无功补偿装置相结合，构建协同规划模型，以运行状态、安全性和电网潮流为约束条件，依据系统中成本总和建立目标函数并求解，实现电能质量增强。以上方法在计算无功补偿容量时所用的算法过于复杂，导致薄弱节点补偿效果较差、补偿后节点电压稳定裕度不理想、收敛时间长的问题。为了解决上述方法中存在的问题,提出基于SVG无功补偿的电炉电能质量增强算法设计。UIABC 公式如下所示：cosWotUsA(2)工业加熟2023年第52 卷第6 期Vol.52No.620231电炉电能质量增强所需无功补偿容量预测1.1SVG无功补偿原理静止无功发生器（static vargenerator,简称SVG)是一种与电网的频率相同的功率电子器件6 ,其工作原理和一个与电网频率一致的交流电压源类似,通过开启或关闭电力电子器件转换直流侧电压为与电网频率一致的交流侧电压并输出，SVG通常借助交流电抗电器与电力系统相连。添加SVG与反应器、换能器之间的联系损失因子，假设U,表示连接X和R的电压，R表示等效电阻，X表示电抗器，L表示X的电感，构建单相等效电路和相量图,如图1所示。mXLUL(a)SVG等效电路图UsIRoLUsvG(b)容性工况，电流超前UsARIRIASAALR+(d)SVG三相简化电路图图1SVG单相等效电路、相量图及三相简化电路图在图1中，U，表示电力系统电压有效值，Usvc表示SVG输出电压，表示连接X的阻抗角，表示Us与Usvc的相位角，表示交流电源电压角速度,在图1(1)中,SVG自身损耗被归算至交流侧且与电抗器电阻共同考虑，但现实中，该损耗出现在SVG内部，需要SVG吸收交流侧部分能量用以补充。所以，实际SVG交流侧电压与电流相位差略小于90。假设存在理想状态下开关器件，用Upc表示直流电压，Ipc表示直流电流，R表示等效电阻，L表示等效电感,A、B、C 分别为三相参数，IA、IB、Ic 分别表示A、B、C 各相电流,UsA、UsB、U s c 表示A、B、C 各相电压，构建SVG三相简化电路如图1(d)所示。用UsABC表示电源线电压，UIABC表示逆变器输出电压，UiA、U 和Uic表示逆变器输出电压的各相电压分值，o表示系统工频电压角速度，t表示电压周期，m表示设备输出线电压与直流侧电压比值，则UsABc和INDUSTRIALHEATINGUSABCUIABC用Ip表示瞬时有功电流，I。表示瞬时无功电流，出R表示交流电力系统变比，C表示电容量，根据基尔霍夫定理推算电压回路方程与能量守恒定律，可得到有名UsvG值数学模型如下所示：RLUsvoIoLIRUU(c)感性工况，电流滞后IocLDCIAC逆变器YY2UsB2UCOSWot3cosWot+3TTcos(wot+)2UiB23ddt由于有名值是带有显著个性特征的物理量，将其用于本质特征描述缺乏普遍性，在三线静止坐标系中将SVG全部物理量折算至交流侧,以便对系统加以研究和应用,用（）表示标幺后相应参数值,则可得到标么后模型如下所示：ddtUDCR1(La)R-1(Loo)L(Cwo)cos(Cwo)cos1UDCSVG逆变器采用脉冲宽度调制技术,通过调节输3TT2COSWot+32cos(wot+T3(1)山cosLR业-WocosLL业业sinCCosC0Us001sin(Loo)0(3)工業加熟56INDUSTRIALHEATING出正弦变化的脉宽减少输出电压中低次谐波占比，促使SVG输出更为优质的正弦波形，从而提高电力系统输出电能质量。1.2无功补偿容量预测为实现有效的电炉电能质量增强，在无功补偿前需要准确预测并合理规划所需补偿的无功容量，传统无功补偿通常采用电力系统潮流计算方法 7 ，该方法运算复杂，需要耗费大量时间成本，无法满足无功补偿实时性要求,因此基于SVG无功补偿的电能质量增强算法设计引人径向基函数（radial basis function，简称RBF)神经网络,可以有效地求出电炉电力系统的无功补偿容量，从而使计算变得简单，满足实时性补偿需要。RBF神经网络 8 的特点是训练效率高,分类能力强。以x1,x2，,x 为输入量,设置了输入级与隐含层间、隐含层与输出层的联系权数为1和变量1,2，n，则输出值f（）为隐含层加权求和。定义任意点x到同空间中指定中心点x。的欧几里得距离函数为h（l。l）,采用高斯核函数作为径向基函数，c对应高斯核函数中心，表示带宽,则高斯核函数如下所示：h(Il -x ll)=exp)假设；为节点i与输出层连接权值，i=1,2,，n，n 为为隐含层节点数目,则输出值f(x）如式（5)所示：f(x)=Zo,h(Il-x ll)=2o,expII x-x。I I 120?i=1由神经元数量为0 开始训练RBF神经网络，根据输出误差自适应增加神经元数量，重复该过程直至误差满足要求。确定神经元数量后以电炉电力系统历史输出功率为输人训练RBF神经网络，使其具有无功补偿容量预测能力。2混合无功补偿策略确定无功补偿容量后，基于SVG无功补偿的电炉电能质量增强算法设计以SVG为基础,通过与传统静态无功功率补偿装置联合实现无功功率的有效控制，提高了电加热电网的供电品质19-10)。混合无功补偿结构如图2 所示。图2 为混合无功补偿结构图,其中Us表示电力系统电压有效值系数，Is表示电力系统电流有效值系数，Zs表示电力系统阻抗，Isvc表示SVG电流，Irc表示FC2023年第52 卷第6 期Vol.52No.62023滤波器电流，IrcR表示TCR电流，I表示负载电流。在混合无功补偿系统中,SVG和TCR+FC分别负责低容量容性和感性无功功率补偿和高容量容性无功功率补偿，将两者联合互补可实现低成本、连续性和实时性的无功补偿。SVGIsvGIs图2 混合无功补偿结构图为了避免SVC和SVG过于耦合，将图2 中I、三处分别作为无功补偿调节目标。在I处,SVG补偿SVC补偿后差额无功；在I处，调控目的是抑制TCR负载和产生的谐波；在处，主要通过调控TCR支路补偿处负序和无功。在实际应用中,SVG和SVC 响应时间分别在10 ms和3 0 ms左右，以SVG角II x-x。I I 2度分析,SVC可视为无功负载。在无功功率改变较慢(4)20?(5)TCR滤波器1FcFCFCFC的负载补偿中，采用混合补偿可以得到更好的补偿效果；而在无功功率改变迅速的负载补偿中，混合补偿无法得到满意的效果。实际应用中，可能出现的情况如下：用dQi/dt表示负载无功变化率，dQsvc/dt和dQsvc/dt表示SVC和SVG无功调节率，其中，Q、Qsvc和Qsvc分别表示对应的无功功率极小变化值，dt表示极短时间。当dQi/dtdQi/dtdQsvc/dt 时,SVG优先做出响应并输出无功功率，弥补SVC响应速度较慢的问题，当SVC响应并输出无功补偿后，SVG相应减少无功补偿量；当dQt/dtdQsvc/dt时，补偿速度无法满足负载无功波动补偿需求，如果依旧选择跟踪补偿，则易引起无功变化量极速增加的问题，无法得到满意的补偿结果。依据以上情况分别规划相应协调解耦SVC和SVG控制设备策略，当通过SVC补偿无功和不平衡时，需要缩短设备响应时间，即实施开环控制，在无功补偿容量预测中加人SVC补偿电纳参考值预测，采用TCR工業加熟2023年第52 卷第6 期Vol.52N o.62023时刻T、T-1和T-2采集的A、B、C 相负荷无功功率预测时刻T+1的A、B、C 相所需无功功率,该方法能够实现下半个周期内负载无功功率参考值预测。用U表示相电压有效值，QA、Q B、Q c 表示A、B、C 相负载无功功率,则A、B、C 相对应补偿电纳BAB、BBC、Bc 计算方式如下所示：BABBBCB为避免无功功率改变值较小时SVG产生的非必要补偿，在补偿前比较缺损无功Q和SVG最大无功补偿Qsc，用以确定补偿形式选择解耦控制或极限输出。根据以上混合无功补偿策略，实现不同负载状态下的针对性电炉电能质量增强。3实验与结果为了验证基于SVG无功补偿的电炉电能质量增强算法设计整体有效性，需要测试基于SVG无功补偿的电炉电能质量增强算法设计。实验为满足负载需求，电加热中电炉电压稳定裕度期望值需达到0.3 以上。以文献 3 方法和文献4方法作为对照对IEEE39相应节点无功补偿。将薄弱节点补偿效果、补偿后电炉节点电压稳定裕度和算法收敛时间作为评价指标检测所提方法、文献 3 方法和文献 4 方法的无功补偿效果。3.1薄弱节点补偿效果对比结果在IEEE39节点系统中选取薄弱节点3、6、8、11、17、2 5,分别采用所提方法、文献 3 方法和文献4方法对节点无功补偿，结果如表1所示。表1薄弱节点补偿效果对比补偿容量/Mvar薄弱节点所提方法文献 3 方法32.3663.0682.95113.24172.71253.12总补偿量17.44由表1可以看出,在薄弱节点无功补偿中,所提方法、文献 3 方法和文献 4 方法均具有一定的补偿效.57.INDUSTRIALHEATING果,所提方法总补偿量为17.44Mvar，文献 3 方法总补偿量为19.13 Mvar，文献4方法总补偿量为18.95Mvar，可见，所提方法在实现无功补偿的基础上能够有效控制总补偿量，具有更好的薄弱节点无功补偿性能。3.2补偿后节点电压稳定裕度对比结果节点电压稳定裕度能够用来表示节点静态电压(QA+Q:-Qc)3U21(Q:+Qc-QA)3U2(Qc+QA-Q:)3U22.583.343.063.483.563.1119.13的稳定程度，该值过低会出现电压失稳崩溃问题，过高则会导致不必要的资源浪费。用P表示当前节点有功(6)负荷，Pmax表示该节点临界有功负荷,得到计算公式如下所示：$=P根据式(7)分别计算所提方法、文献 3 方法和文献 4 方法的节点电压稳定裕度，如图3 所示。5.04.5-补偿前文献 3 方法所提方法文献 4方法3.53.01.00.503图3 补偿后节点电压稳定裕度由图3 可以看出,所提方法和文献 3 方法均能够将节点电压稳定裕度小于1的节点调节至1以上,而文献 4 方法表现较差，调节后节点电压稳定裕度仍然小于1，无法提供稳定电压，在所提方法和文献 3 方法中,文献 3 方法在节点7、11、17 和2 5调节后节点电压稳定裕度过高，易造成无功补偿系统的压力和资源浪费，而经所提方法补偿后节点电压稳定裕度适中，既能够保障电炉加热用电需求又能够缓解无功补偿系统压力，更适合用于实际的电炉电能质量增强之中。3.3收敛时间对比分别采用所提方法、文献 3 方法和文献 4 方法将全网电压稳定裕度提升到0.3，以满足负载需求，统文献 4 方法计三种方法实现全网电压稳定裕度到0.3 时的收敛时2.67间,结果图4所示。3.213.413.363.043.2618.95PP68薄弱节点由图4可以看出,所提方法、文献 3 方法和文献4方法在达到全网电压稳定裕度0.3 时,所提方法收敛时间最短,在1.5s以下,而文献 3 方法和文献 4方法均在3 s以上，说明所提方法效率更高，能够满足电力系统无功补偿的实时性需求。由以上实验可以看出,与文献 3 方法和文献 4(下转至第6 2 页）(7)111725工业加熟.62.INDUSTRIALHEATING6欧阳继能，卜乐平，王腾，等基于改进SURF算法的双目视觉火灾定位方法J消防科学与技术，2 0 17，3 6(11):1 613-1 616.7 江平，沈斐敏，纵向通风对隧道初期火灾定位影响 J.中国安全科学学报，2 0 16，2 6（10）：42 47.8庄永宁地铁站台点型感烟火灾探测器的火灾响应性能分析 J城市轨道交通研究，2 0 18，2 1（6）：4447.【9 王震，李国强整体结构混合火灾试验原理及数值仿真分析J防灾减灾工程学报，2 0 16，3 6（3）：40 9414,431.10张立宁，安晶，张奇,等基于SVR的智能建筑火灾预警模型设计 J数学的实践与认识，2 0 16，46（1)：187-196.2023年第52 卷第6 期Vol.52No.6202311杨柳，朱琳，张志辉，等真空熔炼过程中定向导流装置内钢液运动现象的研究 J工业加热，2 0 2 0，49(2):6.12 彭煜华，朱荣，魏光升，等电弧炉炼钢出钢过程在线喷粉水模拟优化研究 J工业加热，2 0 2 0，49（1）：4.13 】韩正新，乔耀华，吕守国，等.基于HC显著算法与BP神经网络的机器视觉系统 J：信息技术，2 0 2 0，44（3）：54-58.14】施志荣.基于RSSI测距的无线火灾定位报警系统研究J长春师范学院学报：自然科学版，2 0 19，3 8（3）：56 60.15陈曼火灾探测器对城市隧道消防运维管理的影响J上海船舶运输科学研究所学报，2 0 19，42（1)：8 1-86.(上接第57 页)方法相比，所提方法的无功补偿能力更强，能够在实现电能质量增强同时兼顾资源保护和系统压力调控，且收敛时间更短,因为所提方法在无功补偿前采用RBF神经网络对所需无功补偿参数加以计算，预测精度和实时性，从而更为理想的实现电炉电能质量增强。所提方法文献 3 方法文献 4 方法2s1sOs/4s图4算法收敛时间检测结果4结语在现代化工业发展中电炉的使用，对已有电力系统增加了极大负担，导致呈现出电力系统承载有功负荷较大、无功电源建设不完善的局面，后者是导致电压失稳的主要因素原因之一,科学的无功补偿策略能够提高用电稳定性、提高电能质量。为了解决目前存在的薄弱节点补偿效果较差、补偿后节点电压稳定裕度不理想、收敛时间长问题，提出基于SVG无功补偿的电炉电能质量增强算法设计，通过RBF神经网络预测无功补偿参数，采用SVG和SVC混合的无功补偿系统分情况规划补偿策略，实现电炉电能质量增强。该方法能够得到更好的薄弱节点补偿效果、更理想的补偿后节点电压稳定裕度和更短的收敛时间，对提高电炉电能质量有绝对的增强。参考文献1 孙保华，韩韬.配电云主站电能质量监测治理系统及关键技术 J.信息技术,2 0 2 1（7）：12 6-13 2,13 8.2陈虹.含分布式电源的配电网无功补偿优化研究J.信息技术,2 0 2 0,44(11):13 2-13 6.3龚雪娇,郝东光，朱瑞金.基于改进NSDE算法的有源配电3s网多目标无功优化 J.电力电容器与无功补偿，2 0 2 0，41(5):54 59,66.【4张,刘炜,谢文君,等.基于逆变回馈装置的城市轨道交通分布式无功补偿方案研究J.电工电能新技术，2020,39(8):75-80.5项恩新，王科，关静恩，等.基于凸松弛的主动配电网储能与无功补偿协同规划J.电力系统及其自动化学报，2020,32(10):63-69.6贺虎成，王驰，李争宝，等.静止无功发生器的自抗扰控制策略 J.西安科技大学学报,2 0 2 1,41（5）：92 9-93 7.7马永翔，韩迪.孤岛模式下辐射配电网改进潮流算法J.信息技术,2 0 2 0,44(5)：12 5-13 0.8 余廷芳，张浩杰.基于SVM和RBF神经网络的CFBNOx生成预测模型 J.计算机仿真,2 0 2 0,3 7（9）：2 0 9-2 13,3 16.9常凤筠,景炜,俞海，等.带辅助控制的TCR型SVC控制策略研究 J.电气传动,2 0 2 1,51（2 0）：10-16.10李肇卿，洪建，王亚楠，等一种基于非参数估计的电能质量分析方法 J：信息技术，2 0 2 1（8）：156 16 0.