專利名稱：電氣化鐵道牽引變電所負(fù)荷的評估方法
技術(shù)領(lǐng)域：
本發(fā)明屬于電力系統(tǒng)和牽引供電系統(tǒng)負(fù)荷評估技術(shù)領(lǐng)域，尤其涉及一種電氣化鐵 道牽引變電所負(fù)荷的評估方法。
背景技術(shù)：
隨著電氣化鐵道的快速建設(shè)以及大功率電力機(jī)車和高速動車組的大量上線運(yùn)行， 電氣化鐵道與電力系統(tǒng)的相互影響日益受到人們的重視。構(gòu)建牽引變電所的負(fù)荷模型對電 氣化鐵道負(fù)荷預(yù)測、電能質(zhì)量分析和電網(wǎng)運(yùn)行優(yōu)化有重要意義。牽引負(fù)荷最大的特點(diǎn)是隨機(jī)波動性，這使得準(zhǔn)確描述牽引負(fù)荷變得十分困難。關(guān) 于牽引負(fù)荷建模的研究國內(nèi)外開展得都不多。文獻(xiàn)1(康.古.馬克瓦爾特著，袁則富、何其 光譯，電氣化鐵道供電，西南交通大學(xué)出版社，1989. 246-301)對牽引負(fù)荷的數(shù)字特征進(jìn)行 了較為詳細(xì)的分析，提出多臺同類型機(jī)車取用相等電流時(shí)，饋線電流的分布服從正態(tài)分布， 并指出由于受到列車密度的影響，電流分布曲線不對稱，用正態(tài)分布描述將造成較大誤差。 文獻(xiàn)2 (李群湛，電氣化鐵道并聯(lián)綜合補(bǔ)償及其應(yīng)用，中國鐵道出版社，1993. 6-13)進(jìn)一步 提出牽引饋線電流具有有界性、連續(xù)性、單峰性和非對稱性，并利用分段函數(shù)描述其概率密 度。然而，由于不同牽引變電所的負(fù)荷差異較大，分段函數(shù)的通用性不強(qiáng)。文獻(xiàn)3(Ho，T. K.， Chi, Y. L. 1，Wang, J.，et al，Probabilistic load flow in AC electrified railways, IEE Proceedings :Electric Power Applications，ν 152，η 4，ρ 1003-1013，July 2005) 針對AT和BT供電方式電氣化鐵道進(jìn)行了仿真分析，統(tǒng)計(jì)分析了有功、無功、視在功率及網(wǎng) 壓的概率分布，提出了利用蒙特卡洛等隨機(jī)方法模擬牽引負(fù)荷分布的思路，但沒有給出具 體技術(shù)細(xì)節(jié)。早期研究牽引負(fù)荷的分布規(guī)律時(shí)通常不考慮功率因數(shù)的變化，只分析饋線電流的 分布特征，如文獻(xiàn)1和文獻(xiàn)2。然而，不同類型電力機(jī)車的功率因數(shù)差異較大，同一電力機(jī)車 的功率因數(shù)隨有功功率的變化也很大，這使得饋線電流的分布呈現(xiàn)一定復(fù)雜性，很難用統(tǒng) 一的函數(shù)形式準(zhǔn)確描述不同區(qū)段的饋線電流分布。本文針對電氣化鐵路的運(yùn)行特點(diǎn)，直接統(tǒng)計(jì)和分析牽引變電所有功功率和無功功 率的分布規(guī)律，利用綜合測辨法(李培強(qiáng)、李欣然、林舜江，電力負(fù)荷建模研究述評，電力系 統(tǒng)及其自動化學(xué)報(bào)，2008，20 (5). 56-64)構(gòu)建了牽引變電所的負(fù)荷概率模型，建立了多元目 標(biāo)函數(shù)，給出了利用模擬退火算法進(jìn)行參數(shù)辨識的方法和步驟，并進(jìn)行了實(shí)例求解和驗(yàn)證。

發(fā)明內(nèi)容
本發(fā)明的目的在于，針對當(dāng)前電氣化鐵道牽引負(fù)荷分析中，只采用一個(gè)固定負(fù)荷 (即有功功率和無功功率不變)描述牽引負(fù)荷，無法反映其波動性和隨機(jī)性的問題，提出一 種電氣化鐵道牽引變電所負(fù)荷的評估方法，通過直接統(tǒng)計(jì)和分析牽引變電所有功功率和無 功功率的分布規(guī)律，構(gòu)建牽引變電所的負(fù)荷概率模型，并利用模擬退火算法進(jìn)行參數(shù)辨識， 實(shí)現(xiàn)對變電所負(fù)荷的描述。
技術(shù)方案是，一種電氣化鐵道牽引變電所負(fù)荷的評估方法，其特征是所述方法包 括步驟1 構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型；步驟2 利用模擬退火算法辨識有功功率概率模型參數(shù)；步驟3 構(gòu)建牽引變電所電力機(jī)車的無功功率概率模型；步驟4 利用模擬退火算法辨識無功功率概率模型參數(shù)；步驟5 驗(yàn)證牽引變電所負(fù)荷概率模型。所述構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型具體包括步驟11 利用運(yùn)行圖法或者實(shí)測法，確定牽引變電所行車數(shù)量計(jì)算公式為 mk 約，σ,2);其中，k是仿真時(shí)步，m為當(dāng)前時(shí)刻供電區(qū)段內(nèi)的行車數(shù)量；步驟12 分析牽引變電所電力機(jī)車的有功功率，確定有功功率的計(jì)算公式為 Λ,,Λ^^,σ〗);其中，k是仿真時(shí)步，i為電力機(jī)車序號，ρ為其有功功率；步驟13 根據(jù)行車數(shù)量和每臺電力機(jī)車發(fā)揮的功率，確定牽引變電所電力機(jī)車的
…k
有功功率概率模型為巧Σ =Σ凡；其中，Pks為第k步仿真時(shí)刻變電所的總有功功率。
i=l所述牽引變電所電力機(jī)車的無功功率概率模型具體是 其中，Yi是當(dāng)前電力機(jī)車的待求功率因數(shù)，外、(P2、約分別是交直型無補(bǔ)償、交 直型有補(bǔ)償、交直交型三種電力機(jī)車的功率因數(shù)瞬時(shí)值，frnd則根據(jù)三種車型數(shù)量比例對以 上三個(gè)功率因數(shù)進(jìn)行隨機(jī)選取。所述功率因數(shù)瞬時(shí)值計(jì)算公式為#(x) = a(l-e_fa)，x是電力機(jī)車的有功功率，a、 b為系數(shù)。所述利用模擬退火算法辨識有功功率概率模型參數(shù)以及無功功率概率模型參數(shù) 具體包括步驟21 設(shè)置初始溫度、降溫系數(shù)和終止溫度；步驟22:設(shè)置初始值；步驟23 執(zhí)行外層循環(huán)，并判斷是否達(dá)到終止溫度，如果達(dá)到，則跳至第步驟27 ； 否則，執(zhí)行步驟24;步驟24 產(chǎn)生鄰域；步驟25 執(zhí)行定長內(nèi)循環(huán)，計(jì)算出多個(gè)有功功率值，并選取最優(yōu)解；步驟26 進(jìn)行降溫，跳至步驟23 ；步驟27 輸出全局最優(yōu)解。本發(fā)明結(jié)合電氣化線路及電力機(jī)車的運(yùn)行規(guī)律，構(gòu)建了牽引變電站負(fù)荷概率模 型，所建負(fù)荷概率模型克服了常用負(fù)荷模型無法反映其波動性和隨機(jī)性的問題，刻畫了牽 引變電所有功功率和無功功率的統(tǒng)計(jì)特性，可直接用于概率潮流計(jì)算，或?yàn)殡娏ο到y(tǒng)仿真 分析提供負(fù)荷數(shù)據(jù)。


圖1是電氣化鐵道牽引變電所負(fù)荷的評估方法流程圖；圖2是動車組有功功率的概率分布圖；圖3是圖2有功功率概率密度函數(shù)的擬合結(jié)果表；圖4是林木牽引變電所的實(shí)測有功功率的概率分布以及根據(jù)正態(tài)分布函數(shù)進(jìn)行 曲線擬合的示意圖；圖5是安定牽引變電所的實(shí)測有功功率的概率分布以及根據(jù)正態(tài)分布函數(shù)進(jìn)行 曲線擬合的示意圖；圖6是三界牽引變電所的實(shí)測有功功率的概率分布以及根據(jù)正態(tài)分布函數(shù)進(jìn)行 曲線擬合的示意圖；圖7是泰山牽引變電所的實(shí)測有功功率的概率分布以及根據(jù)正態(tài)分布函數(shù)進(jìn)行 曲線擬合的示意圖；圖8是京滬線某變電所供電區(qū)間列車數(shù)量的概率分布圖；圖9是有功功率概率分布的實(shí)測與仿真結(jié)果對比圖；圖10是有功功率概率分布的實(shí)測與仿真結(jié)果對比表；圖11是無功功率概率分布的實(shí)測與仿真對比圖；圖12是郭店變電所有功功率的實(shí)測與仿真結(jié)果對比圖；圖13是郭店變電所有功功率的實(shí)測與仿真結(jié)果對比表。
具體實(shí)施例方式下面結(jié)合附圖，對優(yōu)選實(shí)施例作詳細(xì)說明。應(yīng)該強(qiáng)調(diào)的是，下述說明僅僅是示例性 的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。圖1是電氣化鐵道牽引變電所負(fù)荷的評估方法流程圖。圖1中，本發(fā)明提供的方 法包括步驟1 構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型。牽引變電所的供電區(qū)段一般為40 60km，區(qū)段內(nèi)線路的坡度、曲線、限速等條件 都比較穩(wěn)定。因此，單一列車在固定區(qū)段內(nèi)的出力往往集中于幾個(gè)功率區(qū)間，當(dāng)樣本數(shù)量足 夠大時(shí)，有功功率在這些區(qū)間內(nèi)近似服從正態(tài)分布。圖2是動車組有功功率的概率分布圖， 采樣間隔為1秒。選取正態(tài)分布公式如下F(x)=1/√2πaexp[1(x-u)2/2a2](1)式中，χ為有功功率，σ為方差，μ為有功功率均值。利用最小二乘法進(jìn)行非線性 曲線擬合，得到結(jié)果如圖3所示，圖3是圖2有功功率概率密度函數(shù)的擬合結(jié)果表，其中R2 為決定系數(shù)。從圖3中可以看出，數(shù)據(jù)相關(guān)系數(shù)很高，說明吻合程度比較好?？梢姡熊嚨?有功功率可以視作在若干個(gè)功率區(qū)間內(nèi)服從正態(tài)分布。在同一個(gè)變電所的供電區(qū)段內(nèi)，假設(shè)同時(shí)有多列動車組正在運(yùn)行，在某一功率取 值下，單列動車組的有功功率服從某一個(gè)正態(tài)分布，由于變電所總有功功率為獨(dú)立取值的 多個(gè)動車組有功功率的線性疊加，根據(jù)正態(tài)分布的特性，變電所總有功功率在一定時(shí)間周期內(nèi)(通常為一天)將近似服從正態(tài)分布，并且列車日對數(shù)越多，近似程度越高。圖4-7為 4個(gè)典型牽引變電所的實(shí)測有功功率的概率分布以及根據(jù)正態(tài)分布函數(shù)進(jìn)行曲線擬合的結(jié) 果，包括圖4大秦線木林變電所、圖5京津線安定變電所、圖6京滬線三界變電所和圖7泰 山變電所。由圖4-7可見，有功功率在數(shù)值較高區(qū)間與正態(tài)分布函數(shù)吻合度非常高，而在數(shù) 值較低區(qū)間有較大偏差，尤其是圖6和圖7京滬線的三界和泰山變電所，這主要是該供電區(qū) 段的行車密度較低所導(dǎo)致。建立負(fù)荷概率模型主要是為了求取功率的95%概率大值，變電所有功功率的 95%概率大值所對應(yīng)的行車數(shù)量一般遠(yuǎn)大于行車數(shù)量的平均值，因此，即便對于供電區(qū)段 內(nèi)行車密度較低的變電所仍可假設(shè)有功功率服從正態(tài)分布，不會影響所建負(fù)荷概率模型的 仿真精度。影響牽引變電所有功功率的因素主要有兩個(gè)一是行車密度，即某一時(shí)刻同時(shí)從 變電所取流的列車數(shù)量；二是每臺電力機(jī)車的功率發(fā)揮。因此，有功功率的概率模型應(yīng)包含 以上兩個(gè)因素。具體構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型的過程包括步驟11 利用運(yùn)行圖法或者實(shí)測法，確定牽引變電所行車數(shù)量。行車密度的統(tǒng)計(jì)一般采用運(yùn)行圖法或?qū)崪y法，文獻(xiàn)1對此有較為深入的探討。以 京滬線京津段為例，根據(jù)運(yùn)行圖對黃土坡至廊坊段進(jìn)行行車數(shù)量統(tǒng)計(jì)，24小時(shí)內(nèi)行車數(shù)量 的概率分布如圖8所示。按照正態(tài)分布函數(shù)進(jìn)行擬合，決定系數(shù)為0. 96，行車密度近似服從 正態(tài)分布，列車日對數(shù)越高吻合程度越好。因此，行車數(shù)量按以下公式計(jì)算為mk ~Ν(βχ,σ2χ)(2)其中，k是仿真時(shí)步，m為當(dāng)前時(shí)刻供電區(qū)段內(nèi)的行車數(shù)量。步驟12 根據(jù)公式(1)，牽引變電所電力機(jī)車的有功功率的計(jì)算公式為Pd 而⑶其中，k是仿真時(shí)步，i為電力機(jī)車序號，P為其有功功率。步驟13 根據(jù)行車數(shù)量和每臺電力機(jī)車發(fā)揮的功率，確定牽引變電所電力機(jī)車的
有功功率概率模型為 "hP^=YjPkl(4)
(=1其中，Pks為第k步仿真時(shí)刻變電所的總有功功率。公式(2)、(3)、(4)中包含4個(gè)未知參數(shù)，分別為μι、％、μ2、ο 2，分別用于描述 行車密度和單列電力機(jī)車有功功率發(fā)揮的概率分布。所以，牽引變電所有功功率的概率模 型的參數(shù)辨識問題轉(zhuǎn)變?yōu)榍笕?個(gè)變量的非線性規(guī)劃問題，求取較復(fù)雜的非線性全局優(yōu)化 可采用蒙特卡洛、模擬退火等算法，本文利用模擬退火算法來求取其全局最優(yōu)值。步驟2 利用模擬退火算法辨識有功功率概率模型參數(shù)。根據(jù)變電所高壓側(cè)三相有功功率的實(shí)測數(shù)據(jù)，很容易求得有功功率分布的概率積 分值，適當(dāng)選取多個(gè)概率積分值作為負(fù)荷概率模型的收斂目標(biāo)，目標(biāo)函數(shù)如下⑶
n /=1 厶 ΑΣ式中，η為所選取的概率積分值的總數(shù)，Lks是第k步仿真時(shí)刻有功功率利用式(3)進(jìn)行計(jì)算的總次數(shù)，Lki為其中符合第i個(gè)統(tǒng)計(jì)區(qū)間的落點(diǎn)數(shù)量；Si是由實(shí)測數(shù)據(jù)分析得到 的對應(yīng)區(qū)間的概率積分值。退火溫度的控制采取非線性降溫策略Tnew=T-^-(6)
k + l式中，λ為降溫系數(shù)，一般設(shè)為0.8 0.98，該降溫公式可增大在冷卻階段的搜索強(qiáng)度。在搜索過程中，鄰域按下式產(chǎn)生(^1,Ct15^25Ct2Xcw ^Κη^μ,,σ^,μ^σ^+^-β-OO式中，Ci為常數(shù)，用于調(diào)整不同變量的增量，鄰域的產(chǎn)生步驟為按平均分布隨機(jī) 選取其中一個(gè)變量，由標(biāo)準(zhǔn)正態(tài)分布函數(shù)隨機(jī)產(chǎn)生位于[_1，1]中的增量，并利用常數(shù)調(diào)整 增量的大小。領(lǐng)域的約束條件可根據(jù)線路和電力機(jī)車的實(shí)際情況設(shè)定，通常，P1范圍為(0， 10)，O1 范圍為(1,5), μ2 范圍為(0. 1,0. 8), O1 范圍為(0,0. 5) 新解的產(chǎn)生按照Metropolis規(guī)則，即接受新解的概率按下式計(jì)算
‘ι￥腦 <￥ald ιΛ卞—m(8)式中，T為模擬退火算法的溫度值，Δ fnew和Δ fold分別為本次和上次循環(huán)所得到 的目標(biāo)函數(shù)誤差值。步驟3 構(gòu)建牽引變電所電力機(jī)車的無功功率概率模型。通常，功率因數(shù)瞬時(shí)值可采用下式近似描述
(p(x) = a(l-e-hx)(9)式中，X是電力機(jī)車的有功功率，a、b為系數(shù)。由于交直型無補(bǔ)償、交直型有補(bǔ)償、交直交型三種電力機(jī)車的功率因數(shù)存在比較 明顯的差異，可根據(jù)典型車型由式(9)分別確定相應(yīng)系數(shù)。考慮到三類車型在供電區(qū)段內(nèi) 所占比例直接影響到變電所的無功功率分布，構(gòu)建牽引變電所無功功率的概率模型的公式 如下
mHΓ^
■ β-Σ(ΛΓ^-Ι)(10)
= Jrnd (Ψι (Ph I Ψι (λ, IΨ3 (Pb))式中，Yi是當(dāng)前電力機(jī)車的待求功率因數(shù)，約、φ2、灼分別是由式(9)計(jì)算出的 功率因數(shù)，frnd則根據(jù)三種車型數(shù)量比例對以上三個(gè)功率因數(shù)進(jìn)行隨機(jī)選取。當(dāng)電力機(jī)車輸出的有功功率一定時(shí)，其功率因數(shù)圍繞某一個(gè)固定值呈正態(tài)分布， 因此，引入正態(tài)分布的標(biāo)準(zhǔn)差對功率因數(shù)的波動進(jìn)行描述，可提高模型的靈活性和仿真精度。結(jié)合上述分析，無功功率概率模型需要辨識的參數(shù)包括三類車型的比例和功率因數(shù)的標(biāo)準(zhǔn)差，共有3個(gè)變量，同樣可以采用模擬退火算法進(jìn)行求解。步驟4 利用模擬退火算法辨識無功功率概率模型參數(shù)。利用模擬退火算法辨識無功功率概率模型參數(shù)時(shí)，目標(biāo)函數(shù)的構(gòu)建及鄰域生成方 法與有功功率概率模型(步驟2)類似。步驟5 驗(yàn)證牽引變電所負(fù)荷概率模型。圖9是有功功率概率分布的實(shí)測與仿真結(jié)果對比圖。圖9中，以安定牽引變電所 為例，選取日實(shí)測數(shù)據(jù)，統(tǒng)計(jì)得到圖9所示的概率密度分布。利用模擬退火算法辨識模型參 數(shù)的步驟如下步驟21 設(shè)置初始溫度、降溫系數(shù)和終止溫度。步驟22:設(shè)置初始值。步驟23 執(zhí)行外層循環(huán)，并判斷是否達(dá)到終止溫度，如果達(dá)到，則跳至第步驟27 ； 否則，執(zhí)行步驟24。步驟24 根據(jù)公式(7)產(chǎn)生鄰域。步驟25 執(zhí)行定長內(nèi)循環(huán)，由公式(4)計(jì)算出多個(gè)有功功率值，并由公式(5)和公 式(8)選取最優(yōu)解。步驟26 按公式(6)進(jìn)行降溫，跳至步驟23 ；步驟27 輸出全局最優(yōu)解。以上對安定變電所的參數(shù)辨識結(jié)果為(μ” O1, μ 2, σ 2)。pt = (3. 240,1. 528,0. 291,0. 220)獲得以上參數(shù)后，利用式(2)、式(3)和式⑷進(jìn)行仿真運(yùn)算，仿真間隔為1秒，可 得到變電所24小時(shí)內(nèi)的有功功率，統(tǒng)計(jì)得到其概率分布，結(jié)果見圖9，與實(shí)測數(shù)據(jù)的吻合程 度很高，特別是在高值功率范圍，概率模型能真實(shí)地模擬有功功率的實(shí)際分布情況。圖10 是有功功率概率分布的實(shí)測與仿真結(jié)果對比表，圖10中，95%概率大值和平均值的誤差均 小于5%。利用模擬退火算法，輸入已經(jīng)辨識出的有功功率概率模型參數(shù)，可求得無功功率 概率模型的相關(guān)參數(shù)。然后采用隨機(jī)過程仿真得到無功功率的概率分布，結(jié)果如圖11所 示，概率模型能很好地描述無功功率的實(shí)際分布情況。本發(fā)明提供的模型的應(yīng)用包括(1)通過對典型牽引變電站測試和分析，辨識模型參數(shù)，用于電力系統(tǒng)概率潮流計(jì) 算以及其他仿真研究；(2)根據(jù)實(shí)際情況估計(jì)模型參數(shù)，對已建或待建的變電所進(jìn)行評估，協(xié)助研究電氣 化鐵路建設(shè)對電網(wǎng)的影響。以膠濟(jì)線郭店變電所為例，估計(jì)模型參數(shù)并求解的步驟如下首先，利用牽引計(jì)算程序計(jì)算出列車的雙向全程運(yùn)行數(shù)據(jù)，然后統(tǒng)計(jì)郭店變電所 供電區(qū)段內(nèi)的有功功率得到95%概率大值為3.84MW，平均值為1.41麗。根據(jù)正態(tài)分布 的特點(diǎn)，可以計(jì)算得到其標(biāo)準(zhǔn)差約為1.48麗，則單列動車組有功功率近似服從正態(tài)分布 N(l. 41，1. 482)。根據(jù)運(yùn)行圖很容易統(tǒng)計(jì)出經(jīng)過該供電段的日開行電力機(jī)車和動車組的數(shù)量平均 值為1. 35，最大值為4，行車密度近似服從正態(tài)分布公式N(l. 35，1. 032)。
8
根據(jù)前述負(fù)荷概率模型的應(yīng)用方法，仿真計(jì)算得到變電所的有功功率，間隔1秒， 時(shí)間為24小時(shí)，統(tǒng)計(jì)結(jié)果如圖12和圖13所示，誤差主要由參數(shù)估計(jì)偏差引起。同理，統(tǒng)計(jì) 出電力機(jī)車的類型和比例，可以估算牽引變電所的無功功率。本發(fā)明所構(gòu)建的負(fù)荷概率模型具備以下特點(diǎn)(1)求解和應(yīng)用均基于概率模型，能較為真實(shí)地描述牽引變電所有功功率和無功 功率的概率分布特征；(2)模型的參數(shù)辨識采用模擬退火算法，得到的全局最優(yōu)解較為精確；(3)模型應(yīng)用所基于的算法簡單明確，計(jì)算速度快，適用范圍廣。本發(fā)明提供的方法能較好地刻畫牽引變電所有功功率和無功功率的統(tǒng)計(jì)特性，可 直接用于概率潮流計(jì)算，或?yàn)殡娏ο到y(tǒng)仿真分析提供負(fù)荷數(shù)據(jù)。為評估變電所的供電能力、 分析三相電壓不平衡度、估算諧波發(fā)射水平等提供支持。以上所述，僅為本發(fā)明較佳的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此， 任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換， 都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍 為準(zhǔn)。
權(quán)利要求
一種電氣化鐵道牽引變電所負(fù)荷的評估方法，其特征是所述方法包括步驟1構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型；步驟2利用模擬退火算法辨識有功功率概率模型參數(shù)；步驟3構(gòu)建牽引變電所電力機(jī)車的無功功率概率模型；步驟4利用模擬退火算法辨識無功功率概率模型參數(shù)；步驟5驗(yàn)證牽引變電所負(fù)荷概率模型。
2.根據(jù)權(quán)利要求1所述的一種電氣化鐵道牽引變電所負(fù)荷的評估方法，其特征是所述 構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型具體包括步驟11 利用運(yùn)行圖法或者實(shí)測法，確定牽引變電所行車數(shù)量計(jì)算公式為 mk #(//,，<)；其中，k是仿真時(shí)步，m為當(dāng)前時(shí)刻供電區(qū)段內(nèi)的行車數(shù)量；步驟12:分析牽引變電所電力機(jī)車的有功功率，確定有功功率的計(jì)算公式為 A, A^25O22);其中，k是仿真時(shí)步，i為電力機(jī)車序號，ρ為其有功功率；步驟13 根據(jù)行車數(shù)量和每臺電力機(jī)車發(fā)揮的功率，確定牽引變電所電力機(jī)車的有功功率概率模型為-Ατ =TjPki ；其中，Pks為第k步仿真時(shí)刻變電所的總有功功率。
3.根據(jù)權(quán)利要求1所述的一種電氣化鐵道牽引變電所負(fù)荷的評估方法，其特征是所述牽引變電所電力機(jī)車的無功功率概率模型具體是mk Γ tr ^r,/, = frnd (Ψ (Pki )，Ψ (Ph )，灼(Λ,))其中，Yi是當(dāng)前電力機(jī)車的待求功率因數(shù)，分別是交直型無補(bǔ)償、交直型φι、(p2、ψ3有補(bǔ)償、交直交型三種電力機(jī)車的功率因數(shù)瞬時(shí)值，frnd則根據(jù)三種車型數(shù)量比例對以上三 個(gè)功率因數(shù)進(jìn)行隨機(jī)選取。
4.根據(jù)權(quán)利要求3所述的一種電氣化鐵道牽引變電所負(fù)荷的評估方法，其特征是所述 功率因數(shù)瞬時(shí)值計(jì)算公式為身= 『”，Χ是電力機(jī)車的有功功率，a、b為系數(shù)。
5.根據(jù)權(quán)利要求1所述的一種電氣化鐵道牽引變電所負(fù)荷的評估方法，其特征是所述 利用模擬退火算法辨識有功功率概率模型參數(shù)以及無功功率概率模型參數(shù)具體包括步驟21 設(shè)置初始溫度、降溫系數(shù)和終止溫度； 步驟22 設(shè)置初始值；步驟23 執(zhí)行外層循環(huán)，并判斷是否達(dá)到終止溫度，如果達(dá)到，則跳至第步驟27 ；否則， 執(zhí)行步驟24 ；步驟24 產(chǎn)生鄰域；步驟25 執(zhí)行定長內(nèi)循環(huán)，計(jì)算出多個(gè)有功功率值，并選取最優(yōu)解； 步驟26 進(jìn)行降溫，跳至步驟23 ； 步驟27:輸出全局最優(yōu)解。
全文摘要
本發(fā)明公開了電力系統(tǒng)和牽引供電系統(tǒng)負(fù)荷評估技術(shù)領(lǐng)域中的一種電氣化鐵道牽引變電所負(fù)荷的評估方法，用于解決目前負(fù)荷分析中無法反映波動性和隨機(jī)性的問題。技術(shù)方案是所述方法包括構(gòu)建牽引變電所電力機(jī)車的有功功率概率模型，利用模擬退火算法辨識有功功率概率模型參數(shù)，構(gòu)建牽引變電所電力機(jī)車的無功功率概率模型，利用模擬退火算法辨識無功功率概率模型參數(shù)，驗(yàn)證牽引變電所負(fù)荷概率模型；有功功率概率模型的構(gòu)建，依據(jù)行車數(shù)量和每臺電力機(jī)車發(fā)揮的功率。本發(fā)明刻畫了牽引變電所有功功率和無功功率的統(tǒng)計(jì)特性，可直接用于概率潮流計(jì)算，或?yàn)殡娏ο到y(tǒng)仿真分析提供負(fù)荷數(shù)據(jù)。
文檔編號G06F19/00GK101917000SQ201010226780
公開日2010年12月15日 申請日期2010年7月14日 優(yōu)先權(quán)日2010年7月14日
發(fā)明者吳命利, 楊少兵 申請人:北京交通大學(xué)