161
многократной проверки результатов обучения); 3)
тестирование (15% данных направляется в набор тестов
для оценки реальной производительности на новых
данных).
Обучение проходило через 61 эпоху. Наилучший
результат был достигнут в 55-ю эпоху. Анализ результата
показывает, что выборка для обучения сформирована
правильно, а уровень ошибки приемлем для выполнения
задачи управления потоком мощности.
E.
Тестирование
Для тестирования ИРПМ с алгоритмом управления в
режиме реального времени была разработана
MATLAB
-
модель. При запуске модели на вход ИНС поступают токи
ответвления, напряжение источника и нагрузки,
компоненты активной и реактивной мощности нагрузки.
ИНС генерирует управляющий сигнал для ИРПМ, который
создает требуемый уровень добавки напряжения.
Следует отметить, что из 2808 режимов, рассмотренных
до включения ИРПМ, только 5 % попали под критерии
«зеленой» зоны, 15% попали в «желтую» и 80 % – в
«красную» зону. После включения ИРПМ 84 % режимов
перешли в «зеленую» зону, 14% - в «желтую» и только 2 %
режимов остались в «красной» зоне. Рассмотренный
пример наглядно демонстрирует эффективность алгоритма
управления в режиме реального времени.
IV.
Р
ЕЗУЛЬТАТЫ
Для проверки алгоритма управления ИРПМ в реальном
времени на разработанной компьютерной модели был
проведен ряд экспериментов.
В эксперименте № 1 был установлен режим
электрической сети с переменной нагрузкой (рис. 3).
Сопротивление нагрузки изменяется через 4 и 8 с.
Стартовые
значения
активного
и
реактивного
сопротивления нагрузки составляют соответственно 6 и
2 Ом. В интервале 4–8 с активное сопротивление нагрузки
увеличивается до 8 Ом, а реактивное - до 4 Ом. Фазное
напряжение на источнике осталось неизменным и равным
3603 В.
а)
б)
Рис. 3 – Графики токов эксперимента №1; 1 – в КЛ и 2 – в ВЛ: а) без
регулирования, б) с управляющим алгоритмом
В начале моделирования ток КЛ составляет 305 А, что
превышает длительно допустимый предел (рис. 3,
а
). ВЛ
недогружена. Оптимальная добавка напряжения (
E
прод
= 6,3
В,
E
поп
= 270,9 В) применяется в интервале 0,2 с. Введение
добавки
U
перераспределяет токи и переводит систему в
«зеленую» зону. На 4-й с сопротивление нагрузки
увеличивается, что приводит к уменьшению токов (рис. 3,
а
и
б
). Система управления реагирует на это изменением
добавки напряжения. Через 8 с сопротивление нагрузки
вернулось в исходное состояние, система управления
определила повышение напряжения так же, как и раньше.
В заключении следует отметить, что методика обучения
ИНС «с учителем» для ААСУ ИРПМ типового узла
нагрузки является эффективной. Система управления
адекватно реагирует на изменение переменных параметров
сети, рационально распределяя токи по параллельным
ветвям, одновременно повышая общий КПД сети и
стабилизируя напряжение на нагрузке.
СПИСОК ЛИТЕРАТУРЫ
[1]
Elmetwaly A.H., et al. An Adaptive D-FACTS for Power Quality
Enhancement in an Isolated Microgrid / IEEE Access, 2020. Vol. 8. P.
57923-57942.
[2]
Michael T. Burr, "Reliability demands drive automation investments,
" Public Utilities Fortnightly, Technology Corridor department, Nov. 1,
2003.
[3]
Tom Siebel, «The Internet of Energy», Articles, C3.ai, Apr 1, 2015.
[Электронный ресурс]. URL
дата
обращения 1.09.2021).
[4]
Omid Abrishambaf, Fernando Lezama, Pedro Faria, Zita Vale, «Energy
Strategy Reviews», Nov 2019, Volume 26, 100418 Elsevier.
[5]
Yi Xu, Jianhua Zhang, Wenye Wang, Avik Juneja, and Subhashish
Bhattacharya, «Energy Router: Architectures and Functionalities toward
Energy Internet», Systems Center Department of Electrical and Computer
Engineering, North Carolina State University Raleigh, NC, USA, 978-1-
4577-1702-4/11©2011 IEEE.
[6]
Yingshu Liu, Chunping Bi,Yao Zhao,Yao Wu,Xi Chen, «Energy
Procedia», Feb 2019, Volume 158, Elsevier pp. 2561-2566.
[7]
Hui Guo, F. Wang, Jian Luo and Lijun Zhang, "Review of energy routers
applied for the energy internet integrating renewable energy," 2016 IEEE
8th International Power Electronics and Motion Control Conference
(IPEMC-ECCE Asia), Hefei, 2016, pp. 1997-2003, doi:
10.1109/IPEMC.2016.7512602.
[8]
Асабин A.A. и др. Универсальное модульное вольтодобавочное
устройство для распределительных сетей среднего напряжения,
Патент № 2710886, Бюл. № 2, 2020.
[9]
Asabin, A., et al. Control System of the Thyristor Voltage Regulator / 7th
International Conference on Control, Decision and Information
Technologies, CoDIT 2020. P. 802–806.
[10]
Хохлов А.
Internet of Energy: как распределенная энергетика
повлияет на безопасность, цены на электричество и экологию.
[Электрон. ресурс]. URL:
дата обращения 3.09.2021).
[11]
Гардин А.И., Савельев И.А. Исследование работы фазоповоротных
устройств в электрических сетях среднего напряжения. Актуальные
проблемы электроэнергетики, Нижний Новгород, НГТУ, 2017, С.
191 – 195.
[12]
Henri P. Gavin, The Levenberg-Marquardt algorithm for nonlinear least
squares curve-fitting problems // Department of Civil and Environmental
Engineering Duke University August 3, 2019.
Исследование выполнено за счет гранта РНФ (проект №
20-19-00541).
