Повышение устойчивости по напряжению сложных энергосистем с использованием моделей адаптивной интеллектуальной автоматики на примере северной части энергосистемы Иркутской области

46

э

н

е

р

г

о

с

н

а

б

ж

е

н

и

е

энергоснабжение

П

ричинами

 

возникновения

 

системных

 

аварий

 

нередко

 

являются

 

нарушения

 

устойчивости

 

по

 

напряжению

 

вслед

-

ствие

 

образования

 

локальных

 

дефи

-

цитов

 

реактивной

 

мощности

 

в

 

узлах

 

нагрузки

. 

Непрогнозируемые

 

изменения

 

нагрузки

 

потре

-

бителей

 

в

 

совокупности

 

с

 

аварийными

 

возмуще

-

ниями

 

являются

 

триггерами

 

неустойчивости

 

по

 

напряжению

. 

Дефицит

 

пропускной

 

способности

 

ЛЭП

 

к

 

удаленным

 

узлам

 

нагрузки

 

и

 

отсутствие

 

источников

 

реактивной

 

мощности

 

в

 

них

 

также

 

может

 

привести

 

к

 

лавине

 

напряжения

. 

Помимо

 

наличия

 

резервов

 

реактивной

 

мощности

 

в

 

ЭЭС

 

требуется

 

их

 

координация

 

для

 

правильного

 

рас

-

пределения

 

по

 

узлам

 

нагрузки

 

за

 

наименьшее

 

время

. 

При

 

используемом

 

в

 

ЕЭС

 

России

 

про

-

тивоаварийном

 

управлении

  (

ПАУ

) 

сделать

 

это

 

достаточно

 

трудно

, 

так

 

как

 

традиционные

 

мето

-

ды

 

могут

 

оказаться

 

несвоевременными

 

или

 

не

-

эффективными

, 

что

 

в

 

некоторых

 

случаях

 

может

 

способствовать

 

развитию

 

аварии

 [1–3]. 

Модели

 

и

 

системы

 

на

 

основе

 

искусственного

 

интеллекта

  (

ИИ

) 

предполагают

 

дополнение

 

су

-

ществующих

 

средств

 

ПАУ

, 

повышая

 

тем

 

самым

 

Реуцкий

 

И

.

С

., 

старший

 

диспетчер

 

ОДС

 

филиала

 

АО

 «

СО

 

ЕЭС

» — 

«

Региональное

 

диспетчерское

 

управление

 

энергосистемы

 

Иркутской

 

области

»

Томин

 

Н

.

В

., 

к

.

т

.

н

., 

старший

 

научный

 

сотрудник

, 

заведующий

 

лабораторией

 

управления

 

функционированием

 

электроэнергетических

 

систем

 

ИСЭМ

 

СО

 

РАН

Курбацкий

 

В

.

Г

.,

д

.

т

.

н

., 

профессор

, 

главный

 

научный

 

сотрудник

 

ИСЭМ

 

СО

 

РАН

Ключевые

 

слова

:

 

устойчивость

 

по

 

напряжению

, 

регулирование

 

напряжения

, 

автоматика

, 

роевой

 

интеллект

, 

мультиагентная

 

система

, 

машинное

 

обучение

Повышение устойчивости 
по напряжению сложных энергосистем 
с использованием моделей адаптивной 
интеллектуальной автоматики 
на примере северной части 
энергосистемы Иркутской области

УДК

 621.311:004.855

Как

 

показывает

 

практика

, 

принципы

 

существующей

 

структуры

 

противоаварийного

 

управления

 (

ПАУ

) 

в

 

ЕЭС

 

России

 

как

 

сред

-

ства

 

предотвращения

 

нарушения

 

устойчивости

 

по

 

напряжению

 

не

 

позволяют

 

выполнять

 

корректное

 

ПАУ

 

в

 

нерасчетных

 

режи

-

мах

 

и

 

при

 

ненормативных

 

возмущениях

, 

которые

 

возникают

 

при

 

системных

 

авариях

. 

Эффективным

 

решением

 

может

 

стать

 

дополнение

 

существующей

 

системы

 

ПАУ

 

интеллектуальными

 

комплексами

. 

В

 

статье

 

предложена

 

концепция

 

новой

 

интел

-

лектуальной

 

автоматики

 

регулирования

 

напряжения

 

и

 

реак

-

тивной

 

мощности

 (

ИАРН

) 

в

 

ЭЭС

, 

использующей

 

мультиагент

-

ные

 

технологии

 

для

 

предотвращения

 

нарушения

 

устойчивости

 

по

 

напряжению

. 

Предложенная

 

модель

 

ИАРН

 

реализует

 

две

 

мультиагентные

 

подсистемы

 

адаптивной

 

настройки

 

регулято

-

ров

 

напряжения

: 

систему

 

регулирования

 

уставок

 

автоматики

 

регулирования

 

возбуждения

 

синхронных

 

генераторов

 

и

 

систему

 

управления

 

средствами

 

компенсации

 

реактивной

 

мощности

, 

построенной

 

по

 

принципу

 

виртуальной

 

электростанции

. 

Эффек

-

тивность

 

предложенной

 

ИАРН

 

продемонстрирована

 

на

 

примере

 

реальной

 

схемы

 

Бодайбинского

 

энергетического

 

кольца

 

север

-

ной

 

части

 

энергосистемы

 

Иркутской

 

области

, 

в

 

котором

 

могут

 

возникать

 

проблемы

 

с

 

устойчивостью

 

по

 

напряжению

. 

Рассма

-

тривается

 

концепция

 

внедрения

 

предложенной

 

ИАРН

 

в

 

суще

-

ствующую

 

систему

 

ПАУ

 

ЕЭС

 

России

. 

47

МПА

ВЭ

-

СКРМ

EMS-SCADA

ВЭ

L

-

индексы

Оптимальные

 

инъекции

 

Q

Измерения

Оптималь

-

ные

уставки

  

СКРМ

Локальная

 

информация

 

(

токи

 

статора

, 

ротора

, 

напряжения

, 

локальные

 

сигналы

 

отключения

)

Регулирование

 

уставки

 

АРВ

Регулирование

 

уставки

 

АРВ

Регулирование

 

уставки

 

АРВ

сигнал

 

измерений

сигнал

 

УВ

Генератор

 

n

Генератор

 2

Генератор

 1

Агент

 2

Агент

 1

Агент

 

N

АРВ

 1

АРВ

 2

АРВ

 

n

ЭЭС

СКРМ

 1

СКРМ

 2

СКРМ

 

m

их

 

интеллектуальный

 

уровень

. 

Разработки

 

послед

-

них

 

лет

 

связаны

 

с

 

применением

 

систем

 

децентра

-

лизованного

 

мультиагентного

 

управления

 [4–7], 

об

-

ладающих

 

хорошей

 

отказоустойчивостью

 

и

 

высокой

 

адаптивностью

 

при

 

выдаче

 

управляющих

 

воздей

-

ствий

  (

УВ

). 

Другим

 

перспективным

 

подходом

 

явля

-

ется

 

развитие

 

интеллектуальных

 

систем

 

централи

-

зованного

 

управления

, 

основанных

 

на

 

сочетании

 

традиционных

 

методов

 

с

 

технологиями

 

машинного

 

обучения

 

и

 

эвристической

 

оптимизации

 [8, 9]. 

Этот

 

подход

 

позволяет

 

значительно

 

ускорить

 

и

 

автомати

-

зировать

 

решение

 

задачи

 

оценки

 

устойчивости

 

ЭЭС

 

по

 

напряжению

 

на

 

основе

 

характерных

 

индикаторов

. 

Также

 

возможна

 

комбинация

 

этих

 

систем

 

в

 

целях

 

бо

-

лее

 

эффективного

 

управления

 [10, 11]. 

Применение

 

таких

 

систем

 

в

 

ЕЭС

 

России

 

позволит

 

значительно

 

повысить

 

устойчивость

 

ЭЭС

, 

способствуя

 

развитию

 

уровня

 

интеллектуализации

 

сетей

 

и

 

достижению

 

це

-

лей

 

цифровой

 

трансформации

 

ЕЭС

 

России

.

КОНЦЕПЦИЯ

 

АДАПТИВНОЙ

 

ИНТЕЛЛЕКТУАЛЬНОЙ

 

АВТОМАТИКИ

 

УПРАВЛЕНИЯ

 

НАПРЯЖЕНИЕМ

 

И

 

РЕАКТИВНОЙ

 

МОЩНОСТЬЮ

 

В

 

настоящее

 

время

 

при

 

режимном

 

управлении

 

сис

-

темные

 

операторы

 

во

 

всем

 

мире

 

все

 

еще

 

широко

 

ис

-

пользуют

 «

ручной

» 

принцип

 (

или

 

принцип

 

встречного

 

регулирования

) 

управления

 

реактивной

 

мощностью

, 

который

 

включает

 

оперативную

 

корректировку

 

уста

-

вок

 

по

 

напряжению

, 

а

 

также

 

загрузки

 

генераторов

 

по

 

реактивной

 

мощности

 

в

 

соответствии

 

с

 

плановым

 

графиком

, 

включение

 

и

 

отключение

 

батарей

 

стати

-

ческих

 

конденсаторов

  (

БСК

) 

и

 

управляемых

 

шунти

-

рующих

 

реакторов

  (

УШР

), 

перенастройка

 

уставок

 

FACTS 

и

 

автоматики

 

регулирования

 

коэффициента

 

трансформации

  (

АРКТ

) 

на

 

регулирования

 

транс

-

форматора

 

под

 

нагрузкой

  (

РПН

). 

Часть

 

данных

 

за

-

дач

 

может

 

решаться

 

локальными

 

автоматическими

 

устройствами

.

Противоаварийное

 

управление

 

напряжением

 

и

 

реак

-

тивной

 

мощностью

 

в

 

ЭЭС

 

традиционно

 

осущест

-

вляется

 

локальными

 

системами

 

противоаварийной

 

автоматики

 (

ПА

). 

В

 

этом

 

случае

 

ключевыми

 

элемен

-

тами

 

являются

 

различные

 

локальные

 

автоматики

, 

призванные

 

обеспечить

 

устойчивость

 

динамиче

-

ского

 

перехода

 

к

 

новому

 

установившемуся

 

режиму

, 

а

 

именно

: 

 

–

обеспечивающие

 

автоматическое

 

резкое

 

нара

-

щивание

 

выработки

 

реактивной

 

мощности

 

при

 

коротких

 

замыканиях

 — 

форсировка

 

возбуждения

 

автоматики

 

регулирования

 

возбуждения

  (

АРВ

) 

и

 

устройства

 FACTS; 

 

–

обеспечивающие

 

автоматическое

 

включение

 

средства

 

компенсации

 

реактивной

 

мощности

 

(

СКРМ

) 

и

/

или

 

отключение

 

потребителей

 

по

 

факту

 

резкого

 

снижения

 

напряжения

  (

автоматика

 

огра

-

ничения

 

снижения

 

напряжения

 — 

АОСН

). 

Для

 

целей

 

режимного

 

и

 

противоаварийного

 

управления

 

напряжением

 

и

 

реактивной

 

мощностью

 

в

 

работе

 

использовано

 

сочетание

 

двух

 

подходов

 

для

 

разработки

 

модели

 

интеллектуальной

 

автоматики

 

регулирования

 

напряжения

 (

ИАРН

) (

рисунок

 1). 

В

 

работе

 

использована

 

концепция

 

предаварийного

 

управления

, 

предложенная

 

в

 [1], 

которая

 

рассматри

-

вается

 

как

 

промежуточное

 

звено

 

между

 

оперативно

-

диспетчерским

 

и

 

противоаварийным

 

управлением

. 

Основной

 

целью

 

такого

 

управления

 

является

 

раннее

 

предупреждение

 

и

 

предотвращение

 

опасных

 

состоя

-

ний

 

режима

 

и

 

аварийных

 

ситуаций

 

прежде

, 

чем

 

они

 

приведут

 

к

 

крупной

 

системной

 

аварии

. 

Таким

 

образом

, 

предаварийное

 

управление

 

представляет

 

своеобраз

-

ный

 «

нулевой

 

эшелон

» 

в

 

общей

 

системе

 

противоава

-

рийного

 

управления

 

и

 

позволяет

  «

отвести

» 

систему

 

от

 

границ

 

неустойчивости

.

Рис

. 1. 

Общая

 

схема

 

гибридной

 

модели

 

автоматики

 

ИАРН

 

с

 

подсистемами

 

МПА

 

и

 

ВЭ

-

СКРМ

 

№

 2 (77) 2023

48

ЭНЕРГОСНАБЖЕНИЕ

Ввиду

 

того

 

что

 

одним

 

из

 

основных

 

требований

 

к

 

новым

 

системам

 

ПАУ

 

является

 

отказоустойчи

-

вость

, 

выполнение

 

ИАРН

 

сугубо

 

централизованной

 

существенно

 

снижает

 

данное

 

требование

. 

Поэтому

 

для

 

адаптивного

 

регулирования

 

уставок

 

АРВ

 

син

-

хронных

 

генераторов

 

предлагается

 

модель

 

децен

-

трализованной

 

мультиагентной

 

противоаварийной

 

автоматики

, 

где

 

генераторы

 

используются

 

в

 

каче

-

стве

 

агентов

. 

Роль

 

автоматики

 

для

 

децентрализо

-

ванно

-

централизованного

 

управления

 

СКРМ

 

вы

-

полняет

 

подсистема

 

на

 

основе

 

роевого

 

интеллекта

 

и

 

машинного

 

обучения

, 

реализованная

 

по

 

принципу

 

виртуальной

 

электростанции

  (

ВЭ

). 

Роевый

 

интел

-

лект

 

в

 

данном

 

случае

 

рассматривается

 

как

 

много

-

уровневая

 

мультиагентная

 

система

, 

реализующая

 

глобальное

 

децентрализованное

 

поведение

 

через

 

взаимодействие

 

агентов

 [12]. 

Таким

 

образом

 

ИАРН

 

включает

 

две

 

составляющие

: 

1) 

децентрализованную

 

мультиагентную

 

противо

-

аварийную

 

автоматику

 (

МПА

) 

для

 

регулирования

 

уставок

 

АРВ

 

синхронных

 

генераторов

;

2) 

децентрализованно

-

централизованную

 

мультиагент

-

ную

 

автоматику

 

координации

 

дискретных

 

устройств

 

СКРМ

 

на

 

базе

 

концепции

 

ВЭ

 (

ВЭ

-

СКРМ

).

МОДЕЛЬ

 

МУЛЬТИАГЕНТНОЙ

 

ПРОТИВОАВАРИЙНОЙ

 

АВТОМАТИКИ

 

РЕГУЛИРОВАНИЯ

 

АРВ

 

ГЕНЕРАТОРОВ

Существенное

 

снижение

 

напряжения

 

с

 

одновремен

-

ным

 

увеличением

 

выработки

 

реактивной

 

мощности

 

синхронными

 

машинами

 

были

 

предложены

 

в

 

раз

-

личных

 

работах

 

в

 

качестве

 

индикаторов

 

критической

 

ситуации

, 

предшествующей

 

лавине

 

напряжения

 [1]. 

В

 

предкритической

 

ситуации

 

резкое

 

увеличение

 

вы

-

работки

 

реактивной

 

мощности

 

будет

 

сопровождать

-

ся

 

токовой

 

перегрузкой

 

генераторов

. 

Таким

 

образом

, 

фиксация

 

приближения

 

токов

 

статоров

 

или

 

роторов

 

генераторов

 

в

 

контролируемой

 

подсистеме

 

к

 

около

-

критическим

 

значениям

 

может

 

быть

 

использована

 

для

 

выявления

 

критической

 

ситуации

 

и

 

запуска

 

рас

-

пределенной

 

противоаварийной

 

автоматики

.

В

 

общем

 

виде

 

закон

 

регулирования

 

современных

 

отечественных

 

АРВ

 

сильного

 

действия

 

может

 

быть

 

представлен

 

следующим

 

выражением

 [13]:

 

dU

G 

 

U

f

 = 

U

f

0

 + 

K

0

U

(

U

0

 – 

U

G

) – 

K

1

U

 

 –



 dt
 

di

f

 

d



 – 

K

1

if

 

 

+ 

K

0





K

1



. (1)

 dt 

dt

При

 

исследовании

 

лавины

 

напряжения

 

основной

 

интерес

 

представляет

 

длительная

 

перегрузка

 

сис

-

темы

 

возбуждения

, 

а

 

не

 

сохранение

 

устойчивости

 

параллельной

 

работы

 

в

 

первом

 

цикле

 

качаний

, 

для

 

чего

 

предполагается

 

оптимальная

 

настройка

 

коэф

-

фициентов

 

по

 

производным

 

соответствующих

 

пере

-

менных

 

состояния

 

системы

. 

В

 

связи

 

с

 

этим

 

можно

 

использовать

 

упрощенную

 

модель

 

АРВ

 [1], 

содержа

-

щую

 

пропорциональный

 

канал

 

по

 

отклонению

 

и

 

ста

-

билизирующий

 

канал

 

по

 

производной

 

напряжения

 

статора

:

 

dU

G 

 

U

f

 = 

U

f

0

 + 

K

0

U

(

U

0

 – 

U

G

) – 

K

1

U

 

. (2)

 dt

При

 

анализе

 

лавины

 

напряжения

, 

помимо

 

закона

 

регулирования

 (2) 

требуется

 

также

 

учесть

 

перегру

-

зочную

 

способность

 

системы

 

возбуждения

. 

Режим

 

поддержания

 

напряжения

 

АРВ

 

на

 

заданном

 

уровне

 

возможен

 

до

 

тех

 

пор

, 

пока

 

значения

 

токов

 

статора

 

и

 

ротора

 

находятся

 

в

 

допустимых

 

пределах

 [13]:

 

I

G

 



 

I

DOP

 = 

k

I

 

·

 

I

NOM

, (3)

 

i

f

MIN

 



 

i

f

 



 

i

f

DOP

 = 

k

E

 

·

 

i

f

NOM

, (4)

где

 

k

I

 

и

 

k

E

 — 

максимально

 

допустимые

 (

с

 

учетом

 

вре

-

мени

) 

кратности

 

перегрузки

 

по

 

токам

 

статора

 

и

 

ро

-

тора

 

соответственно

; 

I

DOP

 

и

 

I

NOM

 — 

соответственно

 

максимально

 

допустимый

  (

с

 

учетом

 

времени

) 

и

 

но

-

минальный

 

токи

 

статора

; 

i

f

MIN

, 

i

f

DOP

 

и

 

i

f

NOM

 — 

мини

-

мальный

, 

максимально

 

допустимый

  (

с

 

учетом

 

вре

-

мени

) 

и

 

номинальный

 

токи

 

ротора

 

соответственно

.

Обычно

 

выполнение

 

условия

 (4) 

контролирует

-

ся

 

дежурным

 

персоналом

 

станции

 

в

 

соответствии

 

с

 

имеющимися

 

инструкциями

. 

В

 

том

 

случае

, 

если

 

ток

 

статора

 

превышает

 

максимально

 

допустимый

, 

пер

-

сонал

 

снижает

 

уставку

 

АРВ

 

по

 

напряжению

, 

что

 

при

-

водит

 

к

 

уменьшению

 

выдачи

 

реактивной

 

мощности

 

и

 

в

 

большинстве

 

случаев

 

к

 

снижению

 

тока

 

статора

 

генератора

. 

Однако

 

при

 

приближении

 

к

 

лавине

 

на

-

пряжения

 

наблюдается

 

обратный

 

эффект

, 

то

 

есть

 

при

 

снижении

 

уставки

 

АРВ

 

происходит

 

увеличение

 

тока

 

статора

. 

Данный

 

эффект

 

наблюдался

 

и

 

при

 

развитии

 

Московской

 

аварии

 

в

 2005 

году

, 

когда

 

пер

-

сонал

 

станции

 

пытался

 

выполнить

 

разгрузку

 

гене

-

раторов

 

путем

 

снижения

 

уставки

 

АРВ

, 

что

 

вопреки

 

ожиданиям

 

только

 

ухудшило

 

ситуацию

 [5]. 

При

 

этом

 

контроль

 

тока

 

ротора

 

также

 

обеспечивается

 

авто

-

матикой

, 

входящей

 

в

 

состав

 

АРВ

. 

Если

 

ток

 

возбуж

-

дения

 

превысит

 

предельно

 

допустимое

 

значение

, 

сработает

 

ограничитель

 

перегрузки

  (

ОП

), 

который

 

уменьшит

 

уставку

 

АРВ

 

до

 

уровня

, 

обеспечивающего

 

достаточно

 

быстрое

 

снижение

 

температуры

 

ротора

. 

Предлагаемая

 

модель

 

МПА

 

обеспечивает

 

управле

-

ние

 

реактивной

 

мощностью

, 

предотвращает

 

аварий

-

ное

 

отключение

 

генераторов

 

и

 

сохраняет

 

напряжение

 

на

 

шинах

 

нагрузки

 

в

 

допустимых

 

пределах

. 

МПА

 

всту

-

пает

 

в

 

работу

 

при

 

приближении

 

токов

 

статоров

 

или

 

роторов

 

генераторов

 

в

 

контролируемой

 

подсистеме

 

к

 

околокритическим

 

значениям

, 

согласно

 

условиям

 (3) 

и

 (4). 

МПА

 

состоит

 

из

 

двух

 

типов

 

агентов

: 

агенты

 

на

-

грузки

  (

АН

) 

и

 

агенты

 

генерации

  (

АГ

). 

В

 

этом

 

случае

 

синхронные

 

генераторы

 

ЭЭС

 

выступают

 

в

 

качестве

 

АГ

, 

которые

 

получают

 

следующую

 

локальную

 

инфор

-

мацию

: 

величины

 

токов

 

статоров

 

и

 

роторов

 

генерато

-

ров

, 

первичные

 

и

 

вторичные

 

напряжения

 

на

 

шинах

 

станции

, 

локальные

 

сигналы

 

фиксации

 

отключения

 

оборудования

, 

номера

 

отпаек

 

регуляторов

 

напряже

-

ния

 

генераторных

 

трансформаторов

. 

Если

 

величина

 

тока

 

статора

 

или

 

ротора

 

превышает

 

максимально

 

допустимое

 

значение

  (

приближается

 

к

 

предельной

 

величине

), 

то

 

АГ

 

пытается

 

исключить

 

возможность

 

отключения

 

генератора

 

вследствие

 

перегрузки

. 

Для

 

этого

 

он

 

отправляет

 

сообщения

 

сторонним

 

агентам

, 

которые

 

в

 

состоянии

 

снизить

 

дефицит

 

реактивной

 

мощности

 

в

 

подсистеме

. 

Сторонние

 

АГ

 

могут

 

снизить

 

дефицит

 

за

 

счет

 

повышения

 

уставки

 

АРВ

. 

Условием

 

возникновения

 

перегрузки

 

генератора

 

является

 

уве

-

49

личение

 

текущей

 

генерации

 

реактивной

 

мощности

 

свыше

 

максимального

 

значения

 (

Q

g

 – 

Q

g

max

 > 0).

В

 

разработанной

 

программе

 

действие

 

ОП

 

моде

-

лируется

 

путем

 

последовательного

 

плавного

 

сниже

-

ния

 

уставки

 

по

 

напряжению

 

PU

-

узла

 (

рисунок

 2). 

Если

 

в

 

работу

 

вводится

 

МПА

, 

то

 

канал

 

ОП

 

может

 

блокиро

-

ваться

, 

тем

 

самым

 

исключается

 

возможность

 

сниже

-

ния

 

напряжения

 

и

, 

как

 

следствие

, 

предотвращения

 

лавины

 

напряжения

 

в

 

сети

. 

Однако

 

в

 

этом

 

случае

 

за

 

снятие

 

перегрузки

 

генератора

 

отвечает

 

предложен

-

ная

 

модель

 

МПА

. 

Такая

 

блокировка

 

требуется

 

только

 

для

 

проведения

 

сравнительных

 

испытаний

. 

Кроме

 

того

, 

для

 

повышения

 

быстродействия

 

с

 

од

-

новременным

 

сохранением

 

простоты

 

реализации

 

процедура

 

отключения

 

нагрузки

  (

ОН

), 

контролиру

-

ющая

 

состояние

 

послеаварийного

 

режима

, 

должна

 

использовать

 

менее

 

сложные

 

принципы

 

работы

, 

на

-

пример

 

по

 

сравнению

 

с

 

оптимизационными

 

расчета

-

ми

 

УВ

. 

Поэтому

 

дополнительно

 

в

 

МПА

 

могут

 

зада

-

ваться

 

АН

, 

которые

 

принимают

 

участие

 

в

 

процедуре

 

отключения

 

нагрузки

, 

в

 

том

 

числе

 

реализуя

 

эту

 

про

-

цедуру

 

независимо

 

в

 

случае

 

критического

 

снижения

 

напряжения

 

на

 

шинах

 

его

 

подстанции

  (

реализация

 

стандартной

 

автоматики

 

ограничения

 

снижения

 

на

-

пряжения

 — 

АОСН

). 

Однако

 

прежде

 

чем

 

перейти

 

к

 

отключению

 

нагрузки

, 

то

 

есть

 

к

 

реализации

 

проти

-

воаварийных

 

управляющих

 

воздействий

, 

МПА

 

пыта

-

ется

 

перераспределить

 

реактивную

 

мощность

 

с

 

це

-

лью

 

снятия

 

локальных

 

перегрузок

 

агрегатов

.

Знания

 

агента

 

о

 

подсистеме

 

формируются

 

в

 

виде

 

базы

 

знаний

 

с

 

использованием

 

подхода

, 

основан

-

ного

 

на

 

анализе

 

чувствительности

 

коэффициентов

 

матрицы

 

Якоби

 

уравнений

 

установившегося

 

режи

-

ма

 [14]. 

Полагая

 

неизменными

 

инъекции

 

активной

 

мощности

 (



P

 = 0), 

коэффициенты

 

чувствительности

 

определятся

 

как

:

 



Q

 



Q

 



Q

 



P 

–1 



P

 

 = 

 – 

 

 

  

, (5)

 



U

 



U

 



 



 



U

где

 



P

, 



Q

, 



, 



U

 — 

соответственно

, 

векторы

 

инкре

-

ментных

 

изменений

 

инъекций

 

активной

 

и

 

реактивной

 

мощности

, 

а

 

также

 

углов

 

и

 

напряжений

 

в

 

узлах

 

ЭЭС

. 

МОДЕЛЬ

 

АВТОМАТИКИ

 

РЕГУЛИРОВАНИЯ

 

СКРМ

 

НА

 

БАЗЕ

 

КОНЦЕПЦИИ

 

ВЭ

Традиционный

 

подход

 

ко

 

вторичному

 

регулированию

 

является

 

более

 

простым

 

с

 

точки

 

зрения

 

реализации

, 

однако

 

обеспечивает

 

меньший

 

уровень

 

автоматиза

-

ции

 

процессов

. 

Он

 

заключается

 

в

 

установке

 

большо

-

го

 

количества

 

СКРМ

 

в

 

ЭЭС

, 

которые

 

используются

 

для

 

поддержания

 

напряжения

 

в

 

передающей

 

части

 

сети

 

в

 

часы

 

прохождения

 

пика

 

нагрузки

, 

а

 

также

 

в

 

случае

 

возникновения

 

аварийных

 

ситуаций

. 

Коор

-

динированный

 

подход

 

основан

 

на

 

разделении

 

сис

-

темы

 

на

 

районы

 

управления

 

с

 

последующим

 

внед

-

рением

 

средств

 

координации

 

реактивной

 

мощности

 

в

 

каждой

 

из

 

подсистем

 [15].

При

 

разработке

 

модели

 

автоматики

 

ВЭ

-

СКРМ

 

предлагается

 

объединить

 

преимущества

 

вышеопи

-

санных

 

подходов

 

посредством

 

технологии

 

ВЭ

, 

кон

-

цепция

 

которой

 

обычно

 

предполагает

 

объединение

 

совокупности

 

распределенных

 

генераторов

 

для

 

со

-

Рис

. 2. 

Схема

 

канала

 

управления

 

с

 

выбором

 

ОП

 

и

 

МПА

 

в

 

качестве

 

снятия

 

перегрузки

 

генератора

 

ЭЭС

O

max

O

g

«+»

«+»

«–»









O

g

 – 

O

max

IsMASOFF

1/0

K

T

s



U

ref

U

ref

«–»

0

здания

 

системы

 

согласованно

 

работающих

 

устройств

, 

управляемой

 

и

 

контролируемой

 

из

 

единого

 

центра

. 

Обычно

 

ВЭ

 

рассматривается

 

как

 

виртуальный

 

кла

-

стер

 

распределенных

 

источников

 

активной

 

мощности

 

с

 

целью

 

обеспечения

 

энергетической

 

гибкости

 

при

 

использовании

 

генерации

 

или

 

доступной

 

мощности

 

потребителя

. 

Распределенный

 

характер

 

такой

 

поста

-

новки

 

делает

 

ее

 

идеальной

 

для

 

парадигмы

 

мультиа

-

гентной

 

системы

. 

Концепция

 

ВЭ

 

с

 

мультиагентным

 

регулированием

 

может

 

также

 

быть

 

применена

 

для

 

координирован

-

ного

 

управления

 

СКРМ

 (

БСК

, 

УШР

 

и

 

т

.

п

.) 

для

 

целей

 

вторичного

 

регулирования

 

напряжения

 

в

 

ЭЭС

 [16]. 

Однако

, 

в

 

отличие

 

от

 

подсистемы

 

МПА

, 

распреде

-

ленное

 

регулирование

 

СКРМ

 

в

 

рамках

 

платформы

 

ВЭ

 

предполагает

 

централизованную

 

координацию

. 

Такая

 

постановка

 

может

 

быть

 

успешно

 

реализова

-

на

 

на

 

базе

 

мультиагентной

 

системы

, 

построенной

 

на

 

принципе

 

роевого

 

интеллекта

 [17], 

где

 

глобальная

 

цель

 

такого

  «

интеллекта

» 

заключается

 

в

 

миними

-

зации

 

некой

 

целевой

 

функции

 

с

 

определенным

 

на

-

бором

 

ограничений

. 

При

 

этом

 

поведение

, 

свойства

 

и

 

структура

 

на

 

коллективном

 

уровне

 

порождаются

 

только

 

локальными

 

взаимодействиями

 

агентов

 [18].

В

 

статье

 

в

 

качестве

 

такой

 

функции

 

предлагает

-

ся

 

использовать

 

один

 

из

 

эффективных

 

индикаторов

 

устойчивости

 

по

 

напряжению

 — 

сумму

 

L

-

индексов

, 

значения

 

которого

 

необходимо

 

минимизировать

 

для

 

обеспечения

 

требуемого

 

уровня

 

надежности

. 

L-

индекс

 

является

 

эффективной

 

количественной

 

мерой

 

устой

-

чивости

 

ЭЭС

, 

позволяющей

 

определить

, 

как

 

далеко

 

текущее

 

состояние

 

системы

 

от

 

точки

 

лавины

 

по

 

на

-

пряжению

 [19] (

рисунок

 3). 

Данный

 

индекс

 

меняется

 

в

 

диапазоне

 

от

 0 (

режим

 

холостого

 

хода

) 

до

 1 (

коллапс

 

напряжения

) 

и

 

может

 

быть

 

рассчитан

 

по

 

формуле

:

 

U

∙

0

j 

S

∙

j

+ 

S

j

+

 

L

j

 = 

1 + 

 

= 

 

= 

, 

(6)

 

U

∙

j Y

∙

jj

+

* 

∙

 

U

j

2 

Y

jj

+

 

∙

 

U

j

2

где

 

Y

jj

+

 — 

комплексно

-

сопряженные

 

элементы

 

преоб

-

разованной

 

матрицы

 

проводимости

; 

U

∙

j

 — 

комплекс

-

ное

 

напряжение

, 

зависящее

 

от

 

узловой

 

мощности

 

S

∙

j

 

и

 

эквивалентной

 

мощности

 

S

∙

j

corr

; 

U

∙

0

j

 — 

эквивалентное

 

напряжение

; 

S

∙

J

+

 — 

преобразованная

 

комплексно

-

со

-

пряженная

 

мощность

.

На

 

основе

 

метода

 

расчета

 

L

-

индекса

 

в

 [20] 

пред

-

ложен

 

общий

 

аналитический

 

алгоритм

 

оптимизации

 

по

 

реактивной

 

мощности

, 

который

 

позволяет

 

опре

-

делить

 

объем

 

необходимых

 

инъекции

 

реактивной

 

мощности

 



Q

I

 

для

 

i

-

го

 

нагрузочного

 

узла

 

для

 

работы

 

№

 2 (77) 2023

50

ЭНЕРГОСНАБЖЕНИЕ

электрической

 

сети

 

в

 

оптимальном

 

установившемся

 

режиме

. 

Такие

 

корректирующие

 

воздействия

 

позво

-

ляют

 

обеспечить

 

необходимый

 

уровень

 

режимной

 

надежности

 

системы

 

и

 

избежать

 

проблем

 

с

 

устойчи

-

востью

 

по

 

напряжению

.

Для

 

этого

 

необходимо

 

решить

 

систему

 

уравнений

 

относительно

 

частных

 

производных

 

функции

 

суммы

 

локальных

 

L

-

индексов

, 

L

sum

 

по

 



Q

I

 

для

 

корректировки

 

доступных

 

в

 

ЭЭС

 

СКРМ

.

 



L

sum



Q

=































L

sum



Q

1



L

sum



Q

m





























=

1

U

j

X

j

1

U

1





2



+ 



2

1

U

j

X

jm

m





2



+ 



2



i



L

 

–

  i

 



 

j



i



L

 

–

  i

 



 

j

 = 0,  (7)

где

 

, 



 =



 =

(

Q

i 

+ 



Q

i

)

X

ji

U

i

–

P

i

X

ji

U

i



i



L

  i

 



 

j



i



L

  i

 



 

j

 ; 

P

i

, 

Q

i

  —

активная

 

и

 

реактивная

 

мощности

 

нагрузки

 

узла

 

соответ

-

ственно

; 

X

ji

 — 

реактивное

 

сопротивление

 

между

 

нагру

-

зочными

 

узлами

 

j

 

и

 

i

; 

m

 — 

количество

 

доступных

 

СКРМ

.

В

 

результате

 

определяется

 

экстремум

 

функции

 

L

sum

, 

и

 

поскольку

 

она

 

является

 

выпуклой

, 

то

 

ее

 

экстремаль

-

ное

 

значение

 

будет

 

являться

 

минимальным

. 

В

 

итоге

 

сформулированная

 

модель

 

цен

-

трализованной

 

автоматики

 

регули

-

рования

 C

КРМ

 

на

 

базе

 

концепции

 

ВЭ

 

может

 

быть

 

представлена

 

об

-

щей

 

схемой

 (

рисунок

 4). 

Для

 

решения

 

системы

 

уравне

-

ний

 (7) 

предлагается

 

использовать

 

быстрые

 

решатели

 

на

 

основе

 

эм

-

пирического

 

алгоритма

 

роевого

 

ин

-

теллекта

  (

метод

 

мотылька

 

и

 

пла

-

мени

  (

ММП

)), 

а

 

также

 

алгоритма

 

градиентного

 

бустинга

 CatBoost 

для

 

ускорения

 

решений

 

от

 

ММП

.

Выбор

 

алгоритма

 

ММП

 

об

-

условлен

 

тем

, 

что

 

по

 

сравнению

 

с

 

другими

 

роевыми

 

алгоритмами

 

его

 

сходимость

 

наивысшая

, 

то

 

есть

 

оптимальное

 

решение

 

дости

-

гается

 

за

 

наименьшее

 

количество

 

итераций

 [21, 22]. 

Главными

 

эле

-

ментами

 

алгоритма

 

ММП

 

являют

-

ся

 

мотыльки

 

и

 

пламя

, 

которые

 

со

-

ответствуют

 

решениям

. 

Мотыльки

 

являются

 

поисковыми

 

агентами

, 

которые

 

перемещаются

 

в

 

про

-

странстве

 

решений

, 

в

 

то

 

время

 

как

 

пламя

 — 

лучшие

 

на

 

текущий

 

момент

 

найденные

 

решения

. 

Все

 

мотыльки

 

осуществляют

 

поиск

 

вокруг

 

пламени

 

и

 

перемещают

 

пламя

 

в

 

новое

 

положение

, 

если

 

найдено

 

лучшее

 

решение

. 

Такой

 

процесс

 

поиска

 

гарантирует

 

на

-

хождение

 

глобального

 

решения

 

оптимизационной

 

задачи

. 

Стра

-

тегически

 

в

 

процессе

 

миграции

 

агенты

 

движутся

 

таким

 

образом

, 

чтобы

 

приблизиться

 

к

 

глобально

-

му

 

экстремуму

 

фитнес

-

функции

.

Для

 

нахождения

 

оптимальных

 

инъекций

 



Q

i

 

мы

 

стремимся

 

минимизировать

 

сумму

 

локальных

 

L

-

индексов

, 

L

sum

, 

то

 

есть

 

найти

 

экстремум

 

функ

-

ции

 

L

sum

 

согласно

 (7). 

В

 

этом

 

случае

 

фитнес

-

функ

-

ция

 

для

 

задачи

 

нахождения

 

оптимальных

 

уставок

 

СКРМ

 

может

 

быть

 

записана

 

следующим

 

образом

:

 

1

F

 = 

L

sum

 = 



m

j

=1

 

1 – 

 



 

U

j

 

     . 

(8)

                      

2

 



i



L

  i

 



 

j



i



L

  i

 



 

j

  +

(

Q

i

 + 



Q

i

)

X

ji

U

i

        

2

 

–

P

i

X

ji

U

i



Механизм

 

работы

 

данного

 

алгоритма

 

ММП

 

при

-

менительно

 

к

 

решаемой

 

в

 

данной

 

работе

 

задаче

 

приведен

 

на

 

рисунке

 5.

Предложенный

 

оптимизационный

 

решатель

 

на

 

основе

 

МПП

 

как

 

основной

 

элемент

 

предложенной

 

централизованной

 

автоматики

 

предполагает

 

бы

-

стрый

 

расчет

 

дополнительных

 

инъекции

 

реактив

-

ной

 

мощности

 



Q

i

 

для

 

СКРМ

, 

согласно

 

условию

:

 

t

расч

 



 

t

кр

, (9)

где

 

t

расч

 — 

время

 

расчета

 

алгоритмом

 

ММП

 

инъекций

 

реактивной

 

мощности

 

для

 

всех

 

регулируемых

 

ИРМ

 

Рис

. 3. 

Значения

 

напряжения

 

и

 

локального

 

L

-

индекса

 

в

 

нагрузочных

 

узлах

 

6-

узловой

 

схемы

 IEEE 

при

 

увеличении

 

нагрузки

1,1

1

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0

50  100 150 200

Напр

яжения

, 

о

.

е

. / 

L

-

индек

с

U

4

U

5

L

5

 = 

L

max

L

4

L

6

U

6

Точка

 

коллапса

Состояния

 

тестовой

 

схемы

 

в

 

зависимости

 

от

 

нагрузки

Рис

. 4. 

Общая

 

схема

 

реализуемой

 

централизованной

 

ВЭ

-

СКРМ

 

Измерения

, 

расчетные

 

значения

 

индексов

 

устойчивости

, 

мощности

 

ИРМ

Централизованная

 

ИИ

-

автоматика

Параметры

 

P

, 

Q

, 

U

, 

Q

ирм

, 

L

index

Быстрый

 

оптимизационный

 

решатель

 (

МП

-

алгоритм

)

Да

Нет

Предобученный

 

ускоритель

 

решений

 

(

машинное

 

обучение

)

 

Оптимальные

 

инъекции

 



Q

 

t

 

>

 

t

крит

Виртуальная

 

станция

 

ИРМ

Оптимальная

 

корректировка

уставок

 

ИРМ

U

1

Q

1

Q

имр

1

Q

имр

2

Q

имр

3

Q

имр

m

Q

имр

i

P

1

P

2

P

3

P

i

Q

3

Q

m

P

m

Q

i

Q

2

U

2

U

3

U

i

U

m

51

в

 

ЭЭС

, 

t

кр

 — 

критическое

 

время

, 

определяемое

 

тре

-

бованиями

 

режимного

 

и

 

противоаварийного

 

управ

-

ления

. 

В

 

случае

 

нарушения

 

условия

 (9), 

например

, 

для

 

схем

 

ЭЭС

 

большой

 

размерности

 

с

 

большим

 

количе

-

ством

 

установленных

 

регулируемых

 

СКРМ

, 

предла

-

гается

 

использовать

 

предобученный

 

ускоритель

 

ре

-

шений

 

на

 

основе

 

модели

 

машинного

 

обучения

, 

когда

 

задача

 

оптимизации

 

трансформируется

 

в

 

задачу

 

множественной

 

многоцелевой

 

регрессии

, 

целью

 

ко

-

торой

 

является

 

одновременное

 

предсказание

 

инъек

-

ций

 

реактивной

 

мощности

 



Q

1

, …, 



Q

d

, 

где

 

d

  — 

коли

-

чество

 

регулируемых

 

СКРМ

 

в

 

ЭЭС

. 

В

 

общем

 

случае

 

такая

 

задача

 

сводится

 

к

 

обуче

-

нию

 

многоцелевой

 

регрессионной

 

модели

 

на

 

наборе

 

данных

 

S

 = (

x

(1)

, 

y

(1)

), …, (

x

(

N

)

, 

y

(

N

)

), 

вычисленном

 

с

 

по

-

мощью

 

некой

 

функции

 

h

, 

которая

 

присваивает

 

векто

-

рам

 

x

 

и

 

y

 

d

-

целевые

 

значения

 

для

 

каждого

 

экземпля

-

ра

. 

Тогда

 

математически

 

это

 

может

 

быть

 

записано

 

следующим

 

образом

:

h

: 



x

1

 



…

 



x

m

 = 



y

1

 



 

…

 



 



y

d

,

 

x

 = (

x

1

, 

…

, 

x

m

) 

→

 

y

 = (

y

1

, 

…

, 

y

d

), 

(10)

где

 



xi

 

и

 



yi

 — 

пространство

 

образцов

 

для

 

каждого

 

предиктора

 

x

i 

(

i

 



 1, 

…

, 

m

) 

и

 

каждой

 

целевой

 

пере

-

менной

 

y

i 

(

i

 



 1, 

…

, 

d

) 

соответственно

. 

При

 

этом

 

под

 

предикторами

 

x

i

 

здесь

 

понимаются

 

расчетные

 

ло

-

кальные

 

L

-

индексы

 

L

j

 

в

 

соответствии

 

с

 (1), 

а

 

под

 

вы

-

ходами

 

y

i

 — 

предсказанные

 

значения

 

инъекций

 

реак

-

тивной

 

мощности

 



Q

i

. 

Под

 

функциями

 

h

 

здесь

 

могут

 

пониматься

 

как

 

модель

 

квазидинамики

 

ЭЭС

, 

которая

 

позволяет

 

получать

 

последовательность

 

установив

-

шихся

 

режимов

 

с

 

различными

 

расчетными

 

параме

-

трами

 

режима

, 

так

 

и

 

некий

 

накопленный

 

архив

 

теле

-

измерений

.

Перепишем

 

уравнения

 (10) 

более

 

компактно

 

как

 

векторно

-

матричное

 

произведение

 1 



m

, 

обозначив

 

переменные

 

x

i

 

и

 

y

i

 

в

 

постановке

 

задачи

 

регулирова

-

ния

 

СКРМ

:

 

L

∙

i

T

W

 = 

[

L

∙

i

T

w

1

, 

L

∙

i

T

w

2

, 

…

, 

L

∙

i

T

w

m

]

, (11)

и

 

тогда

 

весь

 

набор

 

линейных

 

зависимостей

 

можно

 

также

 

записать

 

как

:

 

L

∙

i

T

W

 



 



Q

j

, 

i 

= 1, …, 

d

,

 j

 = 1, …, 

m

. (12)

Приближение

 



 

в

 (12) 

верно

 

только

 

в

 

том

 

слу

-

чае

, 

если

 

можно

 

правильно

 

настроить

 

весовые

 

коэффициенты

 

модели

 

регрессии

 

W

. 

Для

 

этого

 

может

 

быть

 

использована

 

любая

 

функция

 

стоимо

-

сти

 

регрессии

 

при

 

решении

 

задачи

 

минимизации

, 

чтобы

 

это

 

приближение

 

выполнялось

 

как

 

можно

 

лучше

. 

В

 

данном

 

исследовании

 

в

 

качестве

 

решения

 (12) 

предлагается

 

использовать

 

алгоритм

 

градиентно

-

го

 

бустинга

 CatBoost, 

разработанный

 

компанией

 

Яндекс

 [23]. 

Алгоритм

 CatBoost 

использует

 

ориги

-

нальную

 

схему

 

градиентного

 

бустинга

, 

основанную

 

на

 

построении

 

симметричных

 

деревьев

 

решений

 

(«

деревья

 

забвения

»). 

В

 

результате

 

чего

 

алгоритм

 

CatBoost 

реализует

 

меньшее

 

количество

 

параме

-

тров

 

и

 

обеспечивает

 

более

 

высокую

 

точность

, 

в

 

том

 

числе

 

в

 

случае

 

сложных

 

нелинейных

 

зависимостей

. 

Кроме

 

того

, 

такие

 

деревья

 

сбалансированы

, 

менее

 

подвержены

 

переобучению

 

и

 

позволяют

 

значитель

-

но

 

ускорить

 

предсказание

 

во

 

время

 

тестирования

.

Применительно

 

к

 

задаче

 

предсказания

 

инъекций

 

реактивной

 

мощности

 



Q

i

 

алгоритм

 

градиентного

 

бус

-

тинга

 

может

 

быть

 

записан

 

как

:

 

∆

Q

i



 = 

∆

Q

i



 + 



 

∙

 





(



Q

i

 – 

∆

Q

i



)

2

 / 



Q

i

, (13)

где

 



 — 

скорость

 

обучения

; 

∆

Q

i



 

и

 



Q

i

 — 

предска

-

занные

 

и

 

целевые

 

значения

 

оптимальных

 

значений

 

инъекций

 

мощности

 

для

 

СКРМ

. 

ЭКСПЕРИМЕНТАЛЬНЫЕ

 

РАСЧЕТЫ

Описание

 

схемы

. 

Примером

 

для

 

эксперименталь

-

ного

 

исследования

 

выбрана

 

схема

 

Бодайбинского

 

энергетического

 

кольца

 (

БЭК

) 

северной

 

части

 

энер

-

госистемы

 

Иркутской

 

области

 (

рисунок

 6). 

От

 

БЭК

 220 

кВ

, 

которое

 

образуют

 

узловые

 

под

-

станции

 (

ПС

) 

Усть

-

Кут

, 

Пеледуй

 

и

 

Мамакан

, 

связан

-

ные

 

двухцепным

 

транзитом

 

ВЛ

 220 

кВ

, 

осуществля

-

ется

 

электроснабжение

 

потребителей

 

электрической

 

энергии

 

в

 

ряде

 

районов

 

Иркутской

 

области

, 

Забай

-

кальского

 

края

, 

республик

 

Бурятия

 

и

 

Саха

 (

Якутия

). 

Центрами

 

питания

 

для

 

БЭК

 

являются

 

ПС

 500 

кВ

 

«

Усть

-

Кут

» 

и

 «

Мамаканская

 

ГЭС

». 

На

 

территории

 

БЭК

 

расположены

 

объекты

 

ООО

  «

Транснефть

-

Восток

», 

АО

 «

Витимэнерго

», 

филиала

 

ПАО

 «

ФСК

 

ЕЭС

» — 

За

-

байкальское

 

ПМЭС

 

и

 

других

, 

а

 

также

 

большинство

 

энергообъектов

 

принадлежит

 

ОАО

  «

РЖД

». 

Макси

-

мальное

 

потребление

 

энергорайона

 

в

 

период

 

зимних

 

максимальных

 

нагрузок

 

составляет

 

около

 500 

МВт

. 

Баланс

 

электрической

 

мощности

 

БЭК

 

складывается

 

с

 

существенным

 

собственным

 

дефицитом

 

активной

 

мощности

. 

При

 

максимуме

 

потребления

 

мощности

 

Расчет

 

расстояния

 

между

 

пламенем

 

и

 

мотыльками

 

в

 

пространстве

 

решений

Обновление

 

положения

 

каждого

 

мотылька

 

относительно

 

пламени

Выбор

 

наилучшего

 

решения

Конец

Расчет

 

значения

 

фитнес

-

функции

 

для

 

каждого

 

агента

Проверка

 

достижения

 

условия

 

завершения

 

алгоритма

Нет

Да

Начало

Сортировка

 

агентов

 

по

 

значению

 

фитнес

-

функции

 (7)

Расчет

 

значения

 

фитнес

-

функции

 (7) 

для

 

начального

 

положения

 

агента

Начальные

 

варианты

 

инъекций

 

мощности

 

для

 

ИРМ

 (

поисковые

 

агенты

)

Рис

. 5. 

Блок

-

схема

 

алгоритма

 

ММП

 

для

 

задачи

 

расчета

 

оптимальных

 

уставок

 

СКРМ

№

 2 (77) 2023

52

ЭНЕРГОСНАБЖЕНИЕ

Усть

-

Илимская

ГЭС

БУ

Классы

 

напряжения

 500 

кВ

 

 220 

кВ

 

 110 

кВ

 

 35 

кВ

 

 10 

кВ

НПС

-9

НПС

-7

НПС

-8

НПС

-6

НПС

-11

Пеледуй

Сухой

 

Лог

Нагрузка

 

Транснефть

-

Восток

Иркутская

 

область

Республика

 

Саха

 

(

Якутия

)

Бодайбинский

энергорайон

Перевоз

Полюс

2

·

25

2

·

63

4

·

21,5

2

·

3,3

3

·

20

2

·

10

4

·

3,3

4

·

3,3

4

·

3,3

4

·

3,3

2

·

18

2

·

10

2

·

20 4

·

3,3

100

4

·

3,3

2

·

52

2

·

180

Усть

-

Кут

15

3

·

25 25

Вернинская

Вачинская

Невский

Кропоткин

Мамакан

Артем

Мамакан

-

ская

 

ГЭС

Звездная

Кунерма

Ангоя

Ангаракан

Окусикан

Новый

Уоян

Северо

-

Байкальск

Коршуниха

Лена

Якурим

Киренга Улькан

Кичера

Янчукан Перевал

Таксимо

Дабан

Тяговая

 

нагрузка

 

БАМ

 (

ВСДЭ

)

Республика

 

Бурятия

Ния

БЭК

 

в

 

зимний

 

период

 2019 

года

 (414 

МВт

) 

распола

-

гаемая

 

мощность

 

единственной

 

электростанции

 — 

Мамаканской

 

ГЭС

 

составляет

 

порядка

 10 

МВт

  (

при

 

установленной

 

мощности

 

станции

 — 86 

МВт

) 

в

 

связи

 

с

 

малой

 

приточностью

 

в

 

водохранилище

 

в

 

указан

-

ный

 

период

, 

а

 

возникающий

 

дефицит

 

покрывается

 

за

 

счет

 

перетоков

 

по

 

питающим

 

ВЛ

 500–220 

кВ

.

Развитие

 

существующих

 

золотодобывающих

 

предприятий

 

и

 

освоение

 

новых

 

перспективных

 

ме

-

сторождений

 

на

 

территории

 

Иркутской

 

области

, 

в

 

том

 

числе

 

крупных

 

месторождений

 

золотосодержа

-

щих

 

руд

, 

существенно

 

увеличат

 

спрос

 

на

 

электриче

-

скую

 

энергию

 

в

 

БЭК

. 

Значимое

 

увеличение

 

потреб

-

ности

 

в

 

электроэнергии

 

будет

 

связано

 

с

 

реализацией

 

проектов

 

по

 

реконструкции

 

инфраструктуры

 

и

 

рас

-

ширению

, 

в

 

том

 

числе

 

на

 

территории

 

Иркутской

 

об

-

ласти

, 

Байкало

-

Амурской

 

железнодорожной

 

маги

-

страли

, 

а

 

также

 

со

 

строительством

 

таких

 

крупных

 

заводов

, 

как

 

ООО

 «

Иркутская

 

нефтяная

 

компания

», 

Иркутский

 

завод

 

полимеров

 

и

 

завод

 

неорганической

 

химии

, 

а

 

также

 

освоением

 

Ковыктинского

 

месторож

-

дения

 

ПАО

 «

Газпром

».

Описание

 

проблемы

.

 

Учитывая

, 

что

 

потребле

-

ние

 

БЭК

 (

около

 500 

МВт

 

в

 

утяжеленных

 

режимах

) 

бу

-

дет

 

только

 

расти

, 

очевидно

, 

что

 

наиболее

 

тяжелые

 

послеаварийные

 

режимы

 

возникают

 

при

 

разрыве

 

кольцевой

 

схемы

 

на

 

двухцепном

 

участке

, 

когда

 

боль

-

шая

 

часть

 

нагрузки

 

остается

 

запитана

 

в

 «

тупиковом

» 

режиме

 

работы

. 

Таким

 

образом

, 

электроснабжение

 

практически

 

всей

 

нагрузки

 

БЭК

 

будет

 

осуществлять

-

ся

 

по

 

протяженному

 

транзиту

 

из

 

двух

 

ВЛ

 220 

кВ

. 

В

 

таких

 

режимах

 

напряжение

 

на

 

шинах

 

подстанций

 

220 

кВ

 

может

 

снижаться

 

ниже

 

аварийно

 

допустимых

 

значений

, 

что

 

может

 

привести

 

к

 

нарушению

 

устойчи

-

вости

 

по

 

напряжению

. 

Очевидно

, 

что

 

в

 

данном

 

слу

-

чае

 

проблема

 

устойчивости

 

по

 

напряжению

 

для

 

БЭК

 

по

-

прежнему

 

актуальна

 [3].

С

 

целью

 

управления

 

напряжением

 

на

 

кольце

 

установлены

 

СКРМ

, 

однако

 

отсутствует

 

их

 

автомати

-

ческая

 

координация

, 

что

 

усложняет

 

процесс

 

регули

-

рования

. 

Выдача

 

диспетчерских

 

команд

 

оперативно

-

му

 

персоналу

 

энергообъектов

 

в

 

нормальном

 

режиме

 

является

 

эффективным

 

решением

 

при

 

медленных

 

изменениях

 

режима

. 

В

 

аварийных

 

режимах

 

в

 

работу

 

вступает

 

АОСН

, 

но

 

она

 

не

 

всегда

 

является

 

эффек

-

тивной

, 

так

 

как

 

не

 

обладает

 

достаточной

 

гибкостью

 

и

 

адаптивностью

 

выдачи

 

УВ

, 

что

 

в

 

ряде

 

случаев

 

при

-

водит

 

к

 

их

 

избыточности

 

и

, 

как

 

следствие

, 

к

 

превы

-

шению

 

наибольших

 

рабочих

 

значений

 

напряжения

.

Сценарии

 

испытаний

 

схемы

. 

При

 

исследова

-

нии

 

эффективности

 

МПА

 

и

 

ВЭ

-

СКРМ

 

для

 

предотвра

-

щения

 

неустойчивости

 

по

 

напряжению

 

схемы

 

были

 

рассмотрены

 

следующие

 

варианты

 

моделирования

 

схемы

:

– 

без

 

реализации

 

централизованной

 

автоматики

 

ЛАПНУ

 — 

в

 

этом

 

случае

 

в

 

рассматриваемой

 

под

-

системе

 

функционируют

 

локальные

 

непрерывные

 

(

АРВ

, 

ОП

, 

УШР

) 

и

 

дискретные

 (

РПН

, 

АОСН

) 

регу

-

ляторы

, 

действия

 

которых

 

не

 

координируются

;

– 

с

 

реализацией

 

МПА

 

в

 

подсистеме

 — 

в

 

такой

 

под

-

системе

 

также

 

присутствуют

 

локальные

  (

непре

-

рывные

 

и

 

дискретные

) 

регуляторы

, 

однако

 

их

 

действия

 

координируются

 

МПА

; 

– 

с

 

реализацией

 

ВЭ

-

СКРМ

 

для

 

координированного

 

дискретного

 

управления

 

СКРМ

, 

имеющихся

 

в

 

сис

-

теме

. 

При

 

моделировании

 

не

 

учитывалась

 

автоматика

 

АОСН

. 

Несмотря

 

на

 

то

, 

что

 

данная

 

автоматика

 

явля

-

ется

 

эффективным

 

средством

 

борьбы

 

с

 

лавиной

 

на

-

пряжения

, 

она

 

не

 

лишена

 

недостатков

, 

к

 

основным

 

из

 

которых

 

можно

 

отнести

 

отсутствие

 

интеллекту

-

ального

 

уровня

 

и

 

координации

 

и

 

наличие

 

существен

-

ных

 

выдержек

 

времени

. 

АОСН

 

реализует

 

УВ

 

исходя

 

из

 

локальной

 

информации

 

о

 

параметрах

 

режима

. 

В

 

отличие

 

от

 

АОСН

, 

МПА

 

выполняет

 

отключение

 

на

-

грузки

 

лишь

 

в

 

том

 

случае

, 

если

 

это

 

действительно

 

необходимо

  (

при

 

отсутствии

 

резервов

 

реактивной

 

мощности

 

в

 

подсистеме

). 

При

 

этом

 

дополнительное

 

использование

 

ВЭ

-

СКРМ

 

для

 

координированного

 

управления

 

СКРМ

 

позволяет

 

нивелировать

 

недо

-

Рис

. 6. 

Схема

 

БЭК

 

северной

 

части

 

энергосистемы

 

Иркутской

 

области