- •Содержание.
- •1. Оптимизация режимов энергосистем 6
- •2. Автоматизированные системы управления (асу). 53
- •Введение
- •1. Оптимизация режимов энергосистем
- •1.1. Параметры режима эс
- •1.2. Формулировка задачи оптимизации
- •1.3. Особенности задачи нелинейного программирования
- •1.4. Методы безусловной оптимизации
- •1.4.1. Метод покоординатного спуска
- •1.4.2. Градиентный метод
- •1.4.3. Метод случайного поиска
- •1.4.4. Метод деформированного многогранника
- •1.5. Оптимизация с учетом ограничений в форме равенств
- •1.5.1. Метод прямой оптимизации
- •1.5.2. Метод приведенного градиента
- •1.5.3. Метод неопределенных множителей Лагранжа
- •1.6. Оптимизация с учетом ограничений в форме неравенств
- •1.7. Условия оптимального распределения нагрузки между параллельно работающими блоками
- •1.8. Характеристики основного оборудования тэс
- •1.9. Характеристики блоков
- •1.10. Маневренные свойства блока
- •1.11. Методы распределения нагрузки между блоками на кэс
- •1.11.1. Графический метод.
- •1.11.2. Распределение с помощью эвм.
- •1.12. Влияние погрешностей в определении на пережог топлива
- •1.13. Условие оптимального распределения в системе с тэс
- •1.14. Условия распределения мощности и энергии с учетом рынка перетоков
- •1.15. Определение удельных приростов потерь
- •1.16. Мероприятия по снижению потерь в сети
- •1.17. Распределение нагрузки в системе с гэс
- •1.18. Определение характеристик гэс
- •1.19. Распределение нагрузки в системе с гэс
- •1.19.1. Применение динамического программирования для выбора графика сработки водохранилища для гэс
- •1.20. Оптимизация реактивной мощности в системе
- •1.21. Комплексная оптимизация режима
- •1.22. Выбор состава включенного в работу оборудования.
- •1.23. Применение эвм для оптимизации
- •1.24. Оптимизация надежности
- •1.24.1. Выбор оптимального аварийного резерва
- •1.24.2. Определение дискретных рядов аварийного выхода и снижения нагрузки
- •1.25. Оптимизация качества электроэнергии.
- •1.26. Интегральный критерий качества.
- •1.27. Определение оптимального напряжения для осветительной нагрузки.
- •2. Автоматизированные системы управления (асу).
- •2.1. Энергосистема как объект управления.
- •2.2. Подсистемы асу тп.
- •2.3. Подсистемы технического обеспечения.
- •2.3.1. Датчики электрических параметров.
- •2.3.2. Счетчики.
- •2.3.3. Устройства преобразования информации.
- •2.3.4. Средства связи в асу и телемеханика.
- •2.3.5. Регистраторы событий.
- •2.3.6. Автоматизированные системы контроля и учета электроэнергии (аскуэ).
- •2.3.7. Средства отображения информации.
- •2.3.8. Информационное обеспечение.
- •2.4. Подсистемы программного обеспечения асу.
- •Иоасу “Энергия”
- •2.5. Асу тп тэс.
- •2.6. Асу пэс
- •2.7. Асу тп подстанций.
- •2.8. Контроль за работой пэ энергосистемы.
1.4.3. Метод случайного поиска
В данном методе возможные направления определяются с помощью генератора псевдослучайных чисел с равномерным распределением в диапазоне -1,…,1.
Для этого в исходной точке Х(0) рассматривается куб с гранью 2x (рис.1.9) и считается значение функции F0. Случайным образом выбирается точка в кубе , гдеi – псевдослучайное число (-1 i 1). В точке Х(1) считается значение функции F1.
Если F1 < F0, то исходная точка Х(0) переносится в точку Х(1) и процедура повторяется. Если F1 > F0, то выбранная точка Х(1) считается неудачной, и вместо нее отыскивается новая точка. Вдали от минимума вероятность попадания в область возможных направлений близка к 50%. По мере приближения к решению величина x уменьшается.
Достоинства метода: простота алгоритма, не требующего вычисления производных. Недостаток - большое число итераций.
1.4.4. Метод деформированного многогранника
Метод основан на вычислении целевой функции в (n+1) точках Х1, Х2, Х3 (рис.1.10).Среди них ищется точка сFMAX (в нашем случае Х2 c F2). Затем найденная точка проектируется через центр тяжести остальных точек (Х1 и Х3) с коэффициентом (0 1) и получается новая точка (Х4). В полученной точке считается F (здесь F4). С полученными тремя точками (Х1, Х3, Х4) проводим аналогичные операции – проводится дальнейшая деформация.
Метод деформированного многогранника и случайного поиска относят к методам нулевого порядка, поскольку они не требуют вычисления производных и строятся только на вычислении значений целевой функции.
1.5. Оптимизация с учетом ограничений в форме равенств
Рассмотрим общую задачу нелинейного программирования
F(X) min при G(X) = 0.
Здесь X = {x1,…,xn} – вектор неизвестных,
G(X) = {g1(X),…,gm(X)}- вектор-функция ограничений в форме равенств.
Соотношение m и n определяет возможности решения. Если m > n, то система ограничений несовместна и решения нет. Если m = n, то может существовать единственное решение. При m < n система ограничений имеет множество решений, среди которых и надо найти оптимальное.
Рассмотрим основные методы оптимизации при ограничениях – равенствах.
1.5.1. Метод прямой оптимизации
Данный метод используется, когда G(X) представлена простыми функциями, например линейными. В этом случае m неизвестных из n можно аналитически выразить через остальные k = n – m и подставить эти выражения в F(X). Тогда получим новую функцию,
условие минимума которой будет иметь k уравнений:
.
Решение этих уравнений позволяет найти все k составляющих вектора . Остальные переменные находятся подстановкой в ранее найденные выражения.
Рассмотрим пример:
F(X) = 5 + x12 + x22 min;
g(X) = x1 + x2 – 2 = 0;
= x2
x1 = 2 – x2
f() = f(x2) = 5 + (2 – x2)2 + x22 min,
, –2(2 – x2) + 2x2=0, x2 = 1;
x1 = 2 – 1 = 1.
Метод прямой оптимизации прост, но может быть использован для решения только аналитически заданных функций сравнительно простого вида.
1.5.2. Метод приведенного градиента
Здесь исходный вектор неизвестных делится на два блока
X ={, Y}, где – свободные, в количестве k, а Y – зависимые, в количестве m.
При этом зависимость Y() безусловно существует, но в неявной форме, то есть не определяется аналитическим выражением.
Выражение для градиента целевой функции можно записать по правилу вычисления производной с учетом неявных функций.
,
где в скобках указаны производные, взятые с учетом только явной зависимости.
Производную можно определить аналогично из условияG(X)=0.
Поскольку G(X) = G(,Y) = 0, то .
Откуда
и ,
где – приведенный градиент.
Приведенный градиент может использоваться в процедуре градиентного метода.
Изобразим на графике процесс поиска решения методом приведенного градиента в пространстве 2-х переменных (рис.1.11).
Здесь– это проекция антиградиента на линию ограничений, в общем случае – на плоскость.
Решение лежит в точке A, где линия ограничения касается ближайшей линии F = const.
Сложности метода связаны с определением проекции, для чего требуется обращение матрицы , имеющей размерностьmm.