CC BY
4
In this article, use a method for determining the physical properties of electric machines. The usefulness of such calculations, in addition to determining the electrical and mechanical characteristics of the machine, should allow us to predict the thermal characteristics of the machine. This method will be based on calculating the desired property using the inverse problem method applied to a random distribution of conductors. Thanks to this method, we will have the opportunity to replace a bundle of wires in modeling with an equivalent homogeneous area that correctly represents the phenomena under study, which in turn leads to cheaper manufacturing of an electric machine.
Key words: electric machine, determination method, winding, physical and electrical properties, composite materials, replacement of windings.
Titov Ivan Leonidovich, candidate of technical sciences, docent, vanya-titov-1993@mail. ru, Russia, Genichesk, Kherson Technical University,
Gaskarov Vagiz Dilyaurovich, doctor of technical sciences, professor, [email protected], Russia, Saint Petersburg, Admiral S.O. Makarov State University of Marine and River Fleet,
Shcherbina Maximilian Aleksandrovich postgraduate, sherbinam@mail. ru, Russia, Kerch, Kerch State Maritime Technological University,
Lysyuk Ivan Vladimirovich postgraduate, lysukivan@mail. ru, Russia, Kerch, Kerch State Maritime Technological University
УДК 621.311.22
DOI: 10.24412/2071-6168-2024-5-367-368
ОПТИМИЗАЦИЯ РАБОЧИХ РЕЖИМОВ ЭЛЕКТРИЧЕСКИХ СЕТЕЙ 0,4 КВ
А.М. Маклецов, К.К. Лыу, О.В. Воркунов, В.В. Максимов, О.Е. Куракина
В данной работе проведено исследование возможности оптимизации симметрирующих переключений фазных нагрузок с помощью имитационной модели линии электропередачи напряжением 0.4 кВ с распределенной нагрузкой. Оптимальная схема электрической сети определяется порядком подключения всех потребителей к конкретным фазам на каждой опоре линии электропередачи, обеспечивающим минимальные потери активной мощности в сети. При любом изменении схемы необходим новый расчет потерь мощности в несимметричной сети с распределенными вдоль длины линии электропередачи нагрузками. Таким образом без применения математических методов перебор всех возможных вариантов схемы с расчетами потерь мощности не представляется возможным. Авторами для определения оптимально симметрированной схемы электрической сети приведена методика и алгоритм определения оптимальных переключений при симметрировании фазных нагрузок на основе метода Роя частиц. Приведен пример расчета потерь мощности для электрической сети с распределенными потребителями по фазам с использованием данного алгоритма, до оптимизации симметрирующих переключений фазных нагрузок и после него. Показано практическое развитие предлагаемого метода оптимизации симметрирования фазных нагрузок на основе алгоритма роя частиц с распределенной нагрузкой, для последующего создания программного обеспечения автоматической системы симметрирования электрических сетей напряжением 0.4 кВ.
Ключевые слова: оптимизация работы электрических сетей, симметрирование, электрические сети 0,4 кВ, энергосбережение.
Основными приоритетами развития и повышения эффективности функционирования электрических сетей являются внедрение энергосберегающих технологий, и повышение надежности электроснабжения потребителей. Внедрение энергосберегающих технологий призвано снизить потери электроэнергии при передаче ее по электрическим сетям. Указанные потери разнятся по регионам и по данным ПАО «Россети» потери электроэнергии в электрических сетях РФ и по последним оценкам составляют 6,69% [1]. Следует отметить, что более половины потерь электроэнергии в электрических сетях составляют ее потери в сетях 10-0,4 кВ. Значительная часть указанных потерь обуславливается несимметрией фазных нагрузок распределительных сетей 0,4 кВ. Симметрирование нагрузок может обеспечить снижение потерь электроэнергии в сетях 0,4 кВ до 50% от существующих при несимметричных нагрузках [2,3], что делает вопрос энергосбережения за счет оптимизации симметрирования работы сетей 0,4 кВ особенно актуальным.
Для симметрирования нагрузок необходимо иметь результаты расчетов потерь электроэнергии до и после планируемого симметрирования в определенных временных интервалах. При этом необходимо определять конкретные переключения фазных нагрузок в точках отпуска электроэнергии. Однако, в настоящее время из-за отсутствия измерений параметров режима всех подключенных к ЛЭП потребителей такие расчеты не производились.
В настоящее время субъекты электроэнергетики переходят на интеллектуальные системы учёта электроэнергии с измерением в режиме реального времени всех параметров режима ЛЭП 0,4 кВ с распределенной вдоль ее длины нагрузкой. Такой переход открывает новые возможности для оценки степени несимметрии сетей и выработки рекомендаций для ее оптимального симметрирования.
Исследование возможностей оптимизации симметрирующих переключений фазных нагрузок производилось на математической модели ЛЭП 0,4 кВ с распределенной вдоль ее длины нагрузкой. На рис. 1 показана расчетная схема исследуемой радиальной неразветвленной сети напряжением 0,4 кВ. Сеть включает в себя 15 точек (опор) присоединения нагрузки. Однофазные нагрузки подключены к узлам присоединения нагрузки (опорам ЛЭП). Параметры имитационной модели линии электропередачи равномерны, расстояние между опорами составляет 40 м, сопротивления проводов равны и составляют: активное R = 0,0184 Ом, реактивное X = 0,01528 Ом. Параметры нагрузок электрической сети приведены в таблице 1.
Таблица 1
Параметры нагрузок, подключенных к сети ___
Потребитель Опора R (Ом) X (Ом) Фаза подключения Фаза А Фаза B Фаза C
1 2 31,43 110,00 А 1 0 0
2 2 17,29 60,50 В 0 1 0
3 2 11,92 41,72 С 0 0 1
4 3 44,00 110,00 А 1 0 0
5 3 24,20 60,50 В 0 1 0
6 3 16,69 41,72 С 0 0 1
7 4 41,90 88,00 А 1 0 0
8 4 23,05 48,40 В 0 1 0
9 4 15,89 33,38 С 0 0 1
10 5 48,89 88,00 А 1 0 0
11 5 26,89 48,40 В 0 1 0
12 5 18,54 33,38 С 0 0 1
13 6 48,89 97,78 А 1 0 0
14 6 26,89 53,78 В 0 1 0
15 6 18,54 37,09 С 0 0 1
16 7 48,89 125,71 А 1 0 0
17 7 26,89 69,14 В 0 1 0
18 7 18,54 47,68 С 0 0 1
19 8 44,00 62,86 А 1 0 0
20 8 24,20 34,57 В 0 1 0
21 8 16,69 23,84 С 0 0 1
22 9 48,89 88,00 А 1 0 0
23 9 26,89 48,40 В 0 1 0
24 9 18,54 33,38 С 0 0 1
25 10 40,00 88,00 А 1 0 0
26 10 22,00 48,40 В 0 1 0
27 10 15,17 33,38 С 0 0 1
28 11 36,67 97,78 А 1 0 0
29 11 20,17 53,78 В 0 1 0
30 11 13,91 37,09 С 0 0 1
31 12 33,85 88,00 А 1 0 0
32 12 18,62 48,40 В 0 1 0
33 12 12,84 33,38 С 0 0 1
34 13 58,67 146,67 А 1 0 0
35 13 32,27 80,67 В 0 1 0
36 13 22,25 55,63 С 0 0 1
37 14 55,00 110,00 А 1 0 0
38 14 30,25 60,50 В 0 1 0
39 14 20,86 41,72 С 0 0 1
40 15 41,90 125,71 А 1 0 0
41 15 23,05 69,14 В 0 1 0
42 15 15,89 47,68 С 0 0 1
43 16 31,43 110,00 А 1 0 0
44 16 17,29 60,50 В 0 1 0
45 16 11,92 41,72 С 0 0 1
Оптимальная схема рассматриваемой сети определяется порядком подключения всех потребителей к конкретным фазам на каждой опоре ЛЭП, обеспечивающим минимальные потери активной мощности в сети. Таким образом, при любом изменении схемы необходим расчет потерь мощности в несимметричной сети с распределенными вдоль длины ЛЭП нагрузками.
Количество возможных комбинаций схемы с 45 однофазными потребителями, подключаемым к 3-м разным фазам определяется факториалом числа 15 - (15!) и равно 1,3*1012. Поэтому простой перебор всех возможных вариантов схемы с расчетами потерь мощности практически невозможен, что требует применения математического метода оптимизации.
Для определения оптимально симметрированной схемы используется метод оптимизации роя частиц [4]. К настоящему времени известно значительное количество приложений модификаций указанного метода [5-16].
Идея метода базируется на использовании анализа поведения коллективного интеллекта роя частиц, например, стаи птиц. При движении в стае каждая птица может видеть несколько мест кормления. Среди этих мест она может выделить наилучшее (локальный максимум). Птицы общаются друг с другом и путем сравнения они могут найти наилучшее из локальных максимумов всех птиц. (наилучшее глобальное решение). Затем каждая птица
стаи корректирует свое движение в сторону глобального максимума. При этом каждая птица постоянно ищет новые локальные максимумы, стая определяет новый глобальный максимум и так далее, пока не будет выполнен критерий останова.
Укрупненная блок-схема рассматриваемого алгоритма представлена на рис. 2.
Рис. 2 Блок-схема алгоритма базового метода PSO
При решении задачи определяется минимум функции ¡(X), где Х [х1, х2,...,хи] - ее аргументы, текущее положение каждого г'-го агента (частицы), N - размерность задачи, г = 1, X , где X - размер роя, характеризуется вектором с координатами х = [х'1, х'2... хП]. При этом частица имеет текущую скорость V = [у'1, у'2... у'п] а ее положение на Г-м шаге алгоритма определяется как
Х\ = х(Г-1)+у(Г-1) (1)
Для задачи оптимального симметрирования блок-схема алгоритма роя частиц представлена на рис. 3.
Рис. 3. Блок-схема алгоритма базового метода PSO для решения задачи оптимального симметрирования
369
Самым сложным в представленных алгоритмах является определение скорости каждой частицы на каждой итерации. Способ определения этой скорости зависит от характера решаемой задачи, при этом, как правило, вводятся настроечные параметры, учитывающие движения частиц по инерции, а также движение к локальному и глобальному экстремумам.
В рассматриваемой задаче оптимизации схемы подключения однофазных нагрузок к 3-х фазной ЛЭП понятие скорости частицы теряет смысл, так как в трехмерной задаче (N=3) положение каждой частицы описывается двумя цифрами: 0, или 1, что соответствует отключенному, или подключенному положению потребителя к одной из 3-х фаз. Задачи подобного родя относятся к классу дискретных, в которых скорость частиц кодируется в виде матрицы вероятностей, определяющей переход двоичных значений от 0 к 1 и наоборот [4]. В данной работе решение задачи оптимального симметрирования производится на основе алгоритма селективной вероятностной оптимизации роя дискретных частиц (далее БРБ-РБО) [17]. Порядок решения задачи ниже иллюстрируется на примере схемы, приведенной на рис. 4 и таблицы 2.
Таблица 2
Параметры расчетной схемы_
№ потр. Нагрузка, Ом Фаза подключения
Я X А В С
1 48,40 161,33 1 0 0
2 24,20 80,67 0 1 0
3 16,13 53,78 0 0 1
4 12,10 40,33 0 0 1
5 9,68 32,27 0 1 0
6 8,07 26,89 0 1 0
7 6,91 23,05 1 0 0
8 6,05 20,17 1 0 0
9 5,38 17,93 0 0 1
Положение роя частиц на итерации Г =1 (начальная схема подключения нагрузок) описывается матрицей состояния размером к х 3, где к - количество частиц роя (потребителей):
1 0 0
0 1 0
0 0 1
0 0 1
0 1 0
0 1 0
1 0 0
1 0 0
0 1 0
Расчетные потери мощности начальной схемы определяются таблицей 3.
Таблица 3
Расчетные потери мощности__
Участок сети Фаза А Фаза В Фаза С Нулевой провод
и, В I, А АР, Вт и, В I, А АР, Вт и, В I, А АР, Вт I, А АР, Вт
1 228.3 77,75 111.2 227.6 106.9 210.3 229.2 34.58 22 63.1 73.4
2 226.7 72,83 97.59 225.5 97.1 173.5 228.8 19.74 7.17 68.57 86.5
3 225.1 72,83 97.59 224.5 43.59 34.96 228.8 0 0 63.43 74.04
Потери на фазах АР (Вт) 306.4 418.8 29.2 233.9
Суммарные потери активной мощности АР (Вт) всей сети 988
Коррекция движения каждой частицы на каждой итерации определяется выражениями:
гк+1 = - хк)+^^т^ъв^г- хк), (2)
370
4+1=4 + 7ез
И.
Составляющие выражений (2) и (3):
(3)
РЬеяГ,к -
1 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 1 0 1 -1 0 0 0 0
0 0 1 0 0 1 0 0 0 0 0 0
1 0 0 0 0 1 / \ 1 0 -1 / \ 0 0 0
0 0 1 0 0 1 ; \рье$г,к - хк )= 0 -1 1 ; рЬе$Г,к - хк! = 0 -1 1
0 1 0 0 1 0 0 0 0 0 0 0
1 0 0 1 0 0 0 0 0 0 0 0
1 0 0 0 0 1 0 0 0 -1 0 1
0 1 0 0 1 0 0 0 0 0 0 0
0.5 0.5 1 0 1
0.3 0.25 0 0 0
0.4 0.4 0 0 0
0.25 0.2 0 0 0
0.45 ; Q2 - 0.4 ; Qз - 0 ; ^1^2 = ; ^1^2 = 0 ; ^3 = 0
0.3 0.45 0 0 1 0
0.2 0.24 1 0 1 1
0.2 0.25 1 0 1 1
0.35 0.4 1 0 1 1
Приведенные составляющие определяются следующим образом:
Рьвцк - матрица локальных экстремумов. Каждый потребитель поочередно подключается к каждой фазе, т.е. для каждой строки матрицы в каждом столбце поочередно появляется 1 и производится расчет ДР. Из трех значений ДР выбирается минимальное (локальный экстремум) и запоминается положение ненулевого элемента строки, при котором достигается локальный экстремум. Затем строка возвращается в исходное состояние и осуществляется поиск локального экстремума для следующей строки (потребителя). Всего на данном этапе для рассматриваемой задачи производится 27 расчетов ДР. Запомнившееся ненулевые элементы и составляют матрицу Ры*цк
Оьвцк - матрица глобального экстремума. Из 27 значений ДР выбирается наименьшее, которое и определяет глобальный экстремум (положение всех потребителей при глобальном экстремуме). Состояние роя при этом экстремуме составят матрицу Оьецк.
(Рье*1,к - X'к ) и (Оьецк - X'к ) - указанные матрицы определяются по формулам вычитания матриц.
Ql - вектор, характеризующий текущую связь положения потребителя с локальным экстремумом. Значения определяются генератором случайных чисел в диапазоне от 0 до 0,5.
Q2 - вектор, характеризующий текущую связь положение потребителя с глобальным экстремумом. Значения определяются генератором случайных чисел в диапазоне от 0 до 0,5.
Qз - вектор, определяющий движение частиц по инерции. Значения определяются равными 0, или 1 с равной вероятностью.
IQ1 > Q2 - вектор, значения которого равны 0, или1. Значения равны 1, если для г'-ой строки Q1¿ > Q2^ Если Q1í < Q2í, то значение вектора равно 0.
I Q1 > Q2 - вектор, значения которого также равны 0, или 1. Значения равны 1, если для г'-ой строки Q1,' < Q2i. Если Q1г' > Q2i, то значение вектора равно 0.
I ез - вектор равнозначен вектору Q3.
Тогда обновление роя на итерации Г + 1:
0 0 0 1 0 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 0
1 -1 0 1 1 -1 0 0 0 0 0 0 1 0 0 1 0 0 1 -1 0
0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0
1 0 -1 1 1 0 -1 0 0 0 0 / \ 1 0 0 0 0 1 0 1 0 -1
0 -1 1 - 1 * 0 -1 1 + 0 * 0 -1 1 Г+1 Г . т Г+1 . хк = хк + ^3 Лук )= 0 1 0 - 0 1 0 + 0 • 0 -1 1
0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 0 0 1 0 0 0
-1 0 1 0 0 0 0 1 -1 0 1 0 0 1 1 0 0 1 -1 0 1
0 0 0 0 0 0 0 1 0 0 0 0 1 0 0 1 0 1 0 0 0
На рис.5 приведена новая схема подключения потребителей к фазам сети. Переключившиеся фазы на рисунке выделены цветом (номер 4 и 8).
А В С
Рис. 5. Схема электрической сети после первой итерации
Расчет потерь мощности ДР для нового положения роя частиц (новой схемы распределения потребителей по фазам) дает результаты представленные в таблице 5.
Расчет потерь мощности АР для нового положения роя частиц
Таблица 5
№ Фаза А Фаза В Фаза С Нулевой провод
U(B) ДА) AP (Вт) U(B) ДА) AP (Вт) U(B) ДА) AP (Вт) ДА) AP (Вт)
1 228.7 58.8 63.63 227.6 106.9 210.3 228.8 53.99 53.64 50.69 47.28
2 227.5 53.9 53.4 225.5 97.1 173.5 227.9 39.19 28.26 52.06 49.87
3 226.8 34.2 21.57 224.5 43.59 34.96 227.1 39.19 28.26 8.22 1.24
Потери на фазах AP (Вт) 138.6 418.8 110.2 98.39
Суммарные потери активной мощности АР (Вт) всей сети 765
В таблице 6 представлены результаты работы программы по переключениям фазных нагрузок. Как видно из таблиц 4 и 5 алгоритм БРБ-РБО уже при первой итерации дает существенное снижение потерь мощности.
В таблице 6 представлены результаты оптимизации симметрирующих переключений после 4-х итераций.
Результаты оптимизации симметрирующих переключений после 4-х итераций
Таблица 6
1 0 0
0 1 0
0 0 1
0 0 1
0 1 0
0 1 0
1 0 0
1 0 0
0 1 0
t xk
1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 1 0
1 0 0
0 0 1
0 1 0
1 0 0
0 1 0
0 0 1
1 0 0
0 0 1
0 1 0
1 0 0
0 0 1
0 1 0
1 0 0
0 1 0
0 0 1
1 0 0
0 0 1
0 1 0
1 0 0
0 1 0
0 0 1
1 0 0
0 1 0
0 0 1
0 0 1
1 0 0
0 1 0
1 0 0
0 1 0
0 0 1
t+1
xk
t+2
xk
t+3
t+4
xk
AP = 988 Вт
AP = 765 Вт
AP = 629 Вт
AP = 627 Вт
AP = 614 Вт
nnl TaciK OrvfcTop W>n(
Qdidji a did ti R
Количество цикл рэзвергш итерация
Рис. 6. Результаты вычислений потерь мощности по программе «ROI»
372
0
Рис. 6. иллюстрирует работу разработанной программы алгоритма БРБ-РБО для схемы сети, представленной на рис. 1.
До оптимизации потери были равны 8297,76 Вт., но после расчета 500 итераций потери снизились до 7421,26 Вт (рис. 6).
Результаты работы программы для рассматриваемой схемы представлены на рис.7. Оптимальный вариант подключения фазных нагрузок требует переключения этих нагрузок на 12 опорах из имеющихся 15. Переключенные фазные нагрузки выделены цветом.
Таким образом, предлагаемый метод оптимизации симметрирования фазных нагрузок на основе алгоритма роя частиц позволяет существенно снизить потери мощности в электрических сетях с распределенной вдоль линий нагрузкой и служить основой программного обеспечения для автоматических систем симметрирования этих сетей.
Рис. 7. Подключения однофазных нагрузок после предлагаемого оптимального симметрирования
Заключение. Существующие подходы к оценке дополнительных потерь электроэнергии от несимметрии фазных нагрузок при имеющейся в настоящее время системы измерений параметров режима работы электрических сетей не могут обеспечить их корректное симметрирование. Оптимизация работы электрических сетей для симметрирования фазных нагрузок способствует повышению эффективности функционирования электрических сетей, путем внедрения энергосберегающих технологий, повышению надежности электроснабжения потребителей
1. Приведены разработанные авторами методика и алгоритм для определения оптимальных переключений при симметрировании фазных нагрузок на основе метода Роя частиц.
2. Приведен пример расчета потерь мощности для электрической сети с распределенными потребителями по фазам с использованием разработанного алгоритма, до оптимизации симметрирующих переключений фазных нагрузок и после него.
Проведенные исследования показывают возможность практического применения предлагаемого метода Роя частиц для оптимизации симметрирования фазных нагрузок электрических сетей напряжением 0.4 кВ.
Список литературы
1. Россети - интерактивный годовой отчет 2022. 439 с.
2. Магазинчик Л.Т., Егорова Н.Ю. Оценка величины дополнительных потерь мощности, обусловленных несимметрией токов // Современные наукоемкие технологии. 2006. №4. С. 44-45.
3. Сенько А.Ю. Влияние несимметрии нагрузки на потери электроэнергии в электрической сети // Материалы 78-ой научно-технической конференции. Электроэнергетика и электротехника. СНТК-78. Минск, МНГУ, 2022. С. 79-82.
4. Kennedy J., Eberhart R.C. Particle swarm optimization // Proceedings of the IEEE International Conference on Neural Networks. 1995. vol. 4. P. 1942-1948.
5. Саймон Д. Алгоритмы эволюционной оптимизации. Биологически обусловленные и популяционно-ориентированные подходы к компьютерному интеллекту. М.: ДМК Пресс, 2020. 409 с.
6. Казакова Е.М. Применение метода роя частиц в задачах оптимизации // Известия Кабардино-Балкарского научного центра РАН. 2022. №5(109). С 48-57.
7. Манусов В.З., Матренин П.В., Третьякова Е.С. Оптимизация размещения источников реактивной мощности алгоритмом роя частиц с генетической адаптацией // Промышленная энергетика. 2016. № 8. С. 34-40.
8. Королев С.А., Майков Д.В. Модификация алгоритма роя частиц на основе метода анализа иерархий // Вестник ВГУ. Системный анализ и информационные технологии. 2019. № 4. С. 36-46.
9. Shami T.M., Saleh A.A., Alswaitti M. Particle Swarm Optimization: A Comprehensive Survey. IEEE. 2022. Vol. 10. P. 10031-10061.
10. Chaturvedi K.T., Pandit M., Srivastava L. Particle swarm optimization with time varying acceleration coefficients for non-convex economic power dispatch // International Journal of Electrical Power & Energy Systems 31, 2009. P. 249-257.
11. Nandy S., Mitra A., Mukherjee T. Study of PSO and Firefly algorithm based feed-forward neural network training algorithms // 7th Proceedings of the IEEE International Conference on Signal Processing and Integrated Networks (SPIN). 2020. P. 908-913.
12. Yang B., Chen Y., Zhao Z. A hybrid evolutionary algorithm by combination of PSO and GA for unconstrained and constrained optimization problems, International Conference on Control and Automation // IEEE. 2007. P. 166170.
13. Mahesh K., Nallagownden P., Elamvazuthi I. Optimal Placement and Sizing of DG // Distribution System Using Accelerated PSO for Power Loss Minimization. 2015. P. 193-198.
14. Матренин П.В., Секаев В.Г. Системное описание алгоритмов роевого интеллекта // Программная инженерия. 2013. №2. С. 39-45.
15. Карпенко А.П. Популярные алгоритмы глобальной оптимизации. Обзор новых и малоизвестных алгоритмов // Информационные технологии. 2012. №7. С. 1-32.
16. Kennedy J., Eberhart R. A discrete binary version of the particle swarm algorithm // Proceedings 1997 IEEE International Conference on Systems, Man, and Cybernetics: Computational Cybernetics and Simulation. 1997. P. 41044108.
17. Seah M.S., Tung W.L., Banks T.A Novel Discrete Particle Swarm Optimization approach to large-scale survey planning // 11th International Conference on Natural Computation (ICNC). 2015. vol. 2016. P. 261-268.
Маклецов Александр Михайлович, канд. техн. наук, доцент, mac. am@mail. ru, Россия, Казань, Казанский государственный энергетический университет,
Лыу Куок Кыонг, аспирант, lqcuong.nute@gmail. com, Вьетнам, Намдинг, Казанский государственный энергетический университет,
Максимов Виктор Владимирович, канд. техн. наук, заведующий кафедрой, viktor.maksimov. 1968@mail. ru, Россия, Казань, Казанский государственный энергетический университет,
Воркунов Олег Владимирович, канд. техн. наук, доцент, vorcunov_oleg@mail. ru, Россия, Казань, Казанский государственный энергетический университет,
Куракина Ольга Евгеньевна, канд. техн. наук, доцент, randomji@,mail. ru, Россия, Казань, Казанский государственный энергетический университет
OPTIMIZATION OF OPERATING MODES OF 0.4 KV POWER GRIDS A.M. Makletsov, K.K. Luu, O. V. Vorkunov, V. V. Maksimov, O.E. Kurakina
This paper studies the possibility of optimizing symmetrical switching of phase loads using a simulation model of a 0.4 kV transmission line with distributed load. The optimal scheme of the electric network is determined by the order of connection of all consumers to specific phases at each transmission line support, providing minimum active power losses in the network. Any change in the scheme requires a new calculation of power losses in an asymmetrical network with loads distributed along the length of the transmission line. Thus, without the use of mathematical methods, it is not possible to enumerate all possible variants of the scheme with power loss calculations. The authors present a methodology and algorithm _ for determining the optimal symmetrical scheme of an electric network _ for determining the optimal switching at sym-metrization of phase loads on the basis of the Swarm of Particles method. An example of calculation of power losses _ for an electric network with distributed consumers by phases using this algorithm, before optimization of symmetrical switching of phase loads and after it is given. The practical development of the proposed method of optimization of symmetrical switching of phase loads on the basis of the algorithm of particle swarm with distributed load is shown for the subsequent creation of software for automatic system of symmetrical switching of 0.4 kV electrical networks.
Key words: optimization of electric networks operation, symmetry, 0,4 kV electric networks, energy saving.
Makletsov Alexander Mikhailovich, candidate of technical sciences, docent, [email protected], Russia, Kazan, Kazan State Power Engineering University,
Luu Quoc Cuong, postgraduate, lqcuong. nute@gmail. com, Vietnam, Nam Ding, Kazan State Power Engineering
University,
Maximov Victor Vladimirovich, candidate of technical sciences, head of department, viktor. maksimov. 1968@mail. ru, Russia, Kazan, Kazan State Power Engineering University,
Vorkunov Oleg Vladimirovich, candidate of technical sciences, docent, vorcunov_oleg@mail. ru, Russia, Kazan, Kazan State Power Engineering University,
Kurakina Olga Evgenyevna, candidate of technical sciences, docent, random_ii@mail. ru, Russia, Kazan, Kazan State Power Engineering University
