Инновационные технологии стабилизации напряжения компенсацией реактивной мощности

Компенсация реактивной мощности в электросетях исследуется с 1960-х годов прошлого века, но если вначале технические средства применялись только для коррекции коэффициента мощности, то уже с 90-х началось использование компенсационных устройств для регулирования, управления напряжением и балансировки нагрузки в электроэнергетических системах (electrical power system - EPS).

Стимулировали интерес к расширению функциональной возможности технических средств (и технологий) коррекции коэффициента мощности аварии в Швеции и Дании в 2003 году, в московской, калужской и тульской энергосистемах в нашей стране в мае 2005 года, масштабные отключения электроэнергии в Соединенных Штатах в начале января прошлого года, в Австралии, Эквадоре, Колумбии, Мексике летом 2024 из-за сильной жары, обусловленные (в техническом аспекте) дисбалансом мощности и лавинообразным, неуправляемым падением сетевого напряжения.

Нормативно-правовую базу по устойчивости энергосистем за счет стабилизации напряжения путем компенсации реактивной мощности (в том числе) формируют:

• Указания по компенсации реактивной мощности в распределительных сетях 1974 года (действующие);
• Методические указания по устойчивости энергосистем (утв. Приказом Минэнерго России от 30.06.2003 N 277);
• Правила регулирования напряжения и перетоков реактивной мощности (утв. Решением Электроэнергетического Совета СНГ, Протокол № 31 от 29.05.2007);
• СТО 56947007-29.180.02.140-2012 ПАО «ФСК ЕЭС» (Методические указания по проведению расчетов для выбора типа, параметров и мест установки устройств компенсации реактивной мощности в ЕНЭС);
• СТО 56947007-29.240.10.248-2017 ПАО «ФСК ЕЭС» (Нормы технологического проектирования подстанций переменного тока с высшим напряжением 35-750 кВ (НТП ПС));
• СТО 56947007-25.040.40.246-2017 ПАО «ФСК ЕЭС» (Типовые схемы управления силовым оборудованием ПС средствами АСУТП);
• Требования к обеспечению надежности электроэнергетических систем, надежности и безопасности объектов электроэнергетики и энергопринимающих установок «Правила предотвращения развития и ликвидации нарушений нормального режима электрической части энергосистем и объектов электроэнергетики» (утв. Приказом Минэнерго России от 12.07.2018 N 548);
• Требования к обеспечению надежности электроэнергетических систем, надежности и безопасности объектов электроэнергетики и энергопринимающих установок «Методические указания по устойчивости энергосистем» (утв. Приказом Минэнерго России от 03.08.2018 N 630);
• Правила перехода энергосистемы на работу в вынужденном режиме и условия работы в вынужденном режиме (утв. Приказом Минэнерго России от 13.02.2019 N 99 в ред. Приказа Минэнерго России от 08.11.2023 N 1017);
• ГОСТ Р 58092.3.2-2023 (Системы накопления электрической энергии. Проектирование и оценка рабочих параметров. Применения с преимущественным использованием мощности и интеграция с возобновляемыми источниками энергии);
• ГОСТ Р 71084-2023 (Единая энергетическая система и изолированно работающие энергосистемы. Релейная защита и автоматика. Системы группового регулирования активной мощности гидравлических и гидроаккумулирующих электростанций. Нормы и требования) и др.

Инновационные технологии повышения стабильности напряжения за счет оптимизации расположения и параметров технических средств компенсации реактивной мощности.

Растущий мировой спрос на электроэнергию потребовал расширения электроэнергетических систем, что вынудило передачу энергии, энергетический рынок и сетевых операторов развиваться с новыми технологическими инфраструктурами, чтобы гарантировать обслуживание с нормированными параметрами качества. Одним из основных параметров, которые следует учитывать при определении надежности EPS, является профиль напряжения, на который может повлиять неожиданное увеличение импеданса и нагрузок в системе. Напряжение ниже или выше значения, принятого в нормативных актах каждой страны, ставит под угрозу правильную работу оборудования, подключенного к электрической сети, и, в свою очередь, может привести к экономическим потерям и человеческим жертвам.

С прогрессом силовой электроники, микропроцессоров, а также разработкой новых технологий генерации, распределении, потреблении электроэнергии начали развиваться гибкие системы передачи переменного тока. Технические средства и технологии позволяют контролировать и улучшать профили напряжения, увеличивать пропускную способность, компенсировать реактивную мощность и интегрировать использование возобновляемых источников энергии. С экономической точки зрения, одной из наиболее жизнеспособных альтернатив для улучшения профилей напряжения является реактивная компенсация, которая преимущественно осуществляется через конденсаторные батареи.

В последние годы исследования были сосредоточены в основном на определении размеров и размещении FACTS в магистральных и распределительных сетях по нескольким критериям качества и экономической жизнеспособности с различными эвристическими и оптимизационными моделями (снижение отклонения напряжения в узлах сети, минимизация потерь мощности в проводниках линий электропередачи, минимальная стоимость размещения и т.д.). Сегодня нейронные сети и искусственный интеллект начинают лидировать в областях исследований, связанных с электроэнергетическими системами, и в основном потому, что они помогают прогнозировать спрос на электроэнергию в краткосрочной и среднесрочной перспективе, а также улучшать производительность и совместимость устройств FACTS с передовыми методами управления.

Популярным становится глубокое обучение (Deep Learning, DL) – набор автономных алгоритмов, которые пытаются моделировать абстракции или высокоуровневые процессы в базе данных, определенной с использованием вычислительной архитектуры, связанной с множественными и итеративными нелинейными преобразованиями.

При глубоком обучении происходит настройка основных параметров в базе данных, настройка сервера для самостоятельного обучения, распознавание с помощью слоев обработки, в современном мире влияние глубокого обучения очень значительно, и это только начало, с непрерывным коллективным увеличением обработка с искусственным интеллектом, глубокое обучение позволяют находить, собирать и детализировать информацию, касающуюся компенсации реактивной мощности в различных сценариях для валидации этого алгоритма.

Результаты последних исследований в этой области показывают, что нейронная сеть:

• способна найти оптимальное место и параметры технических средств компенсации реактивной мощности, в том числе наиболее доступных по цене конденсаторных установок УКРМ, УКРМТ, УКРМФ, УКРМТФ в любой системе передачи и независимо от размера сети и количества шин;
• может быть использована в электроэнергетической системе в качестве метода оптимизации при условии, что целевая функция адаптирована для выходных данных сети;
• уже становится реальной альтернативой для интеграции и использования в электроэнергетических системах с нелинейными нагрузками, требующими, как компенсации реактивной мощности, так и нивелирования гармонических искажений.