一种变电站高压室内控温优化方法与系统与流程

1.本发明属于变电站高压室控温技术领域，具体涉及一种变电站高压室内控温优化方法与系统。


背景技术：

2.目前室内变电站数量逐渐变得越来越多，室内变电站设备紧凑，占地面积小，但是室内环境散热效果不好。为了保证设备的安全运行，设备室内常常配置空调或者风扇等辅助散热工具。
3.变电站内室内设备控温主要是通过空调或者风扇进行散热，但空调、风扇基本上都是固定位置摆放，如果室内较大的情况下，可以明显感受到室内温差。此外，一些智能化站利用的控温技术也是通过采集温度，设备开启，降温，回差值达到后停止。但同样问题是测温点也是固定的，最终调节起来效果也不是很好。此外，更加简单的办法就是长时间全投入散热装置，这一方面经济性不高，站用电消耗比例高，另外效果也无法准确判断。


技术实现要素：

4.有鉴于此，本发明旨在解决现有变电站高压室在考虑经济性因素时所采用的控温散热方法效果不好的问题。
5.为了解决上述技术问题，本发明提供以下技术方案：第一方面，本发明提供了一种变电站高压室内控温优化方法，包括如下步骤：采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，每一个基因串代表散热装置的一种布局，以散热装置的出力和室内设备运行时的目标温度构建适应度函数；不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。
6.进一步的，将设备在不同运行阶段的温度变化速率采用对应阶段的负载变化率进行代表，设备的不同运行阶段至少包括：从设备开始投入后的设定时间段为投入起始段；当负载满足下式时，为负载基本均衡变化段，；式中，k为负载曲线的斜率，xl为负载基本均衡变化段的负载数据，为均衡区间
的负载平均值；当负载满足下式时，为负载缓慢变化段，；式中，x2为负载缓慢变化段的负载数据，为缓慢变化区间的负载平均值；当负载满足下式时，为负载快速变化段，；式中，x3为负载快速变化段的负载数据，为快速变化区间的负载平均值。
7.进一步的，在设备的不同运行阶段，温度采集周期具体如下：在投入起始段，温度采集周期为第一采样间隔，第一采样间隔的值至少小于负载缓慢变化段的采样间隔值；负载基本均衡变化段，温度采集周期的采样间隔为m；在负载缓慢变化段，温度采集周期的采样间隔为；在负载快速变化段，温度采集周期的采样间隔为，其中，m和n为两个不同的设定值。
8.进一步的，散热模型具体如下：；式中，表示空气密度，表示空气恒压热容，k表示空气导热系数，为目标温度，为空气速度、为发热量、为由散热装置总出力计算得到的散热量。
9.进一步的，适应度函数具体如下：；式中，w1和w2为权重系数，为需优化控温的目标温度，为设定温度值，为由散热装置总出力计算得到的散热量。
10.第二方面，本发明提供了一种变电站高压室内控温优化系统，包括：温度采集单元，用于采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；温度计算单元，用于将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；
控温优化单元，用于采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，每一个基因串代表散热装置的一种布局，以散热装置的出力和室内设备运行时的目标温度构建适应度函数；不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。
11.进一步的，在温度采集单元中，将设备在不同运行阶段的温度变化速率采用对应阶段的负载变化率进行代表，设备的不同运行阶段至少包括：从设备开始投入后的设定时间段为投入起始段；当负载满足下式时，为负载基本均衡变化段，；式中，k为负载曲线的斜率，xl为负载基本均衡变化段的负载数据，为均衡区间的负载平均值；当负载满足下式时，为负载缓慢变化段，；式中，x2为负载缓慢变化段的负载数据，为缓慢变化区间的负载平均值；当负载满足下式时，为负载快速变化段，；式中，x3为负载快速变化段的负载数据，为快速变化区间的负载平均值。
12.进一步的，在温度采集单元中，在设备的不同运行阶段，温度采集周期具体如下：在投入起始段，温度采集周期为第一采样间隔，第一采样间隔的值至少小于负载缓慢变化段的采样间隔值；负载基本均衡变化段，温度采集周期的采样间隔为m；在负载缓慢变化段，温度采集周期的采样间隔为；在负载快速变化段，温度采集周期的采样间隔为，其中，m和n为两个不同的设定值。
13.进一步的，在温度计算单元中，散热模型具体如下：；
式中，表示空气密度，表示空气恒压热容，k表示空气导热系数，为目标温度，为空气速度、为发热量、为由散热装置总出力计算得到的散热量。
14.进一步的，在控温优化单元中，适应度函数具体如下：；式中，w1和w2为权重系数，为需优化控温的目标温度，为设定温度值，为由散热装置总出力计算得到的散热量。
15.综上，本发明提供了一种变电站高压室内控温优化方法与系统，包括采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，每一个基因串代表散热装置的一种布局，以散热装置的出力和室内设备运行时的目标温度构建适应度函数；不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。本发明通过获取高压室内设备不同阶段的温度数据，并将其作为初始边界温度，构建散热模型并利用遗传算法确定散热装置布局，可以得到效率较高的高压室控温方案。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
17.图1为本发明实施例提供的一种变电站高压室内控温优化方法的流程示意图。
具体实施方式
18.为使得本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
19.本发明实施例提供一种变电站高压室内控温优化方法，包括如下步骤：s1：采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应。
20.可以理解的是，采集设备的温度数据时，采样周期很大程度上决定了所采集的温度数据是否能真实反映设备的温度情况。由于设备在不同阶段，例如刚投入时或稳定运行时，其温度的变化情况并不相同，因此，采集温度的周期要与对应阶段的温度变化速率相适应，从而确保所采集的温度数据能准确全面的反映设备的发热情况。
21.s2：将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模
型包括散热装置出力与室内设备的目标温度之间的关系。
22.将采集到的设备温度数据作为热源的边界条件，考虑散热装置的出力与室内设备目标温度之间的关系，可以建立得到一个散热模型。该散热模型给出了在当前温度条件下，室内散热装置功率出力与室内被调节设备目标温度之间的关系。
23.s3：采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，每一个基因串代表散热装置的一种布局，以散热装置的出力和室内设备运行时的目标温度构建适应度函数。
24.遗传算法（genetic algorithm，简称ga）起源于对生物系统所进行的计算机模拟研究，是一种随机全局搜索优化方法，它模拟了自然选择和遗传中发生的复制、交叉(crossover)和变异(mutation)等现象，从任一初始种群（population）出发，通过随机选择、交叉和变异操作，产生一群更适合环境的个体，使群体进化到搜索空间中越来越好的区域，这样一代一代不断繁衍进化，最后收敛到一群最适应环境的个体（individual），从而求得问题的优质解。
25.在本实施例中，采用基于遗传算法的优化方法来优化散热装置的布局，以达到室内控温的目标。在该方法中，定义其基因编码方式：将散热装置的布局看作一个基因串，每个基因表示一个散热装置的位置。这里采用二进制编码方式，每个基因为一个二进制数，表示该位置是否放置散热装置。初始化种群为生成一定数量的个体（即散热布局方案），每个个体由一串二进制基因组成，表示散热装置的位置。定义目标函数为散热装置功率出力和目标温度。其中，最小化功率出力是为了降低能耗，目标温度是为了保持设备运行温度。为了方便计算可以对其进行标准化处理。
26.采用遗传算法进行散热装置布局优化的步骤如下：s31：计算适应度，将目标函数转换成适应度函数，可以将适应度函数定义为两个目标函数之和。针对每个个体，计算其对应的温度分布和散热功率，并将其作为适应度函数的输入。适应度函数需要同时考虑目标温度是否在设定值范围内，以及散热功率出力是否最小。
27.s32：选择操作，根据适应度函数的值，对种群中的个体进行选择操作，选择适应度较高的个体，并将其复制到下一代中。
28.s33：交叉操作，对种群中的个体进行交叉操作，将两个个体的基因串互相交换一部分基因。交叉的概率可以设定为一个适当的值，以保证基因多样性。
29.s34：变异操作，对种群中的个体进行变异操作，即随机改变个体中的一个或多个基因。变异的概率也可以设定为一个适当的值，以保证种群多样性。
30.s35：新种群生成：通过选择、交叉和变异操作生成新的种群，然后重复前述步骤，直到满足停止条件。
31.s4：不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。
32.需要说明的是，停止条件可以是达到最大迭代次数或达到目标适应度。
33.本实施例提供一种变电站高压室内控温优化方法，包括采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模型包括散
热装置出力与室内设备的目标温度之间的关系；采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，每一个基因串代表散热装置的一种布局，以散热装置的出力和室内设备运行时的目标温度构建适应度函数；不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。本发明通过获取高压室内设备不同阶段的温度数据，并将其作为初始边界温度，构建散热模型并利用遗传算法确定散热装置布局，可以得到效率较高的高压室控温方案。
34.为了达到准确全面获取设备发热情况的目标，在本发明的一个实施例中，采用分段法采集设备的温度数据。具体如下：将设备在不同运行阶段的温度变化速率采用对应阶段的负载变化率进行代表，设备的不同运行阶段至少包括：从设备开始投入后的设定时间段为投入起始段；当负载满足下式时，为负载基本均衡变化段，；式中，k为负载曲线的斜率，xl为负载基本均衡变化段的负载数据，为均衡区间的负载平均值；当负载满足下式时，为负载缓慢变化段，；式中，x2为负载缓慢变化段的负载数据，为缓慢变化区间的负载平均值；当负载满足下式时，为负载快速变化段，；式中，x3为负载快速变化段的负载数据，为快速变化区间的负载平均值。
35.基于上述实施例对于设备运行阶段的划分，在本发明的进一步实施例中，温度采集周期具体如下：在投入起始段，温度采集周期为第一采样间隔，第一采样间隔的值至少小于负载缓慢变化段的采样间隔值；负载基本均衡变化段，温度采集周期的采样间隔为m；在负载缓慢变化段，温度采集周期的采样间隔为；在负载快速变化段，温度采集周期的采样间隔为，其中，m和n为两个不同的设定值。
36.例如，设定投入起始采样段（0-1h），刚投入时，柜面温度会逐渐升高，这时需要采用间隔采样，采样周期可以为基础周期例如t=15min，15min也为后台数据采集间隔周期，红外测温装置更新该设备的温度数据。因为数据差异大，数据更新采取整体更新。
37.当设备进入基本均衡变化段时，这可采用长间隔，可以选择为60min（即m取60min），因为负载均衡，数据变化小，通过对比相应的数据，采取部分更新。
38.当设备进入缓慢变化段时，则测温周期满足，其中15min为后台采样数据间隔，当为1/2时，则计算得到为60分钟，同理当为1时，则计算得到最小采样值15min。
39.当设备进入快速变化段时，这可采用最短间隔，选择为15min。
40.可以理解的是，上述所采取的15min或60min的采样测温周期仅作为举例使用，具体时间间隔的确定可根据实际情况确定。
41.将所有获取的温度分布数据进行组装，例如单个设备柜面测温结果，n1为该设备编号，将整个数据组装作为初始边界温度数据。
42.在本发明的另一个实施例中，将采集的设备温度作为热源边界条件，考虑辐射传热的影响，优化散热装置（空调和风扇）的布局。建立室内散热模型b（x）：；式中，表示空气密度，表示空气恒压热容，k表示空气导热系数，为计算温度值，为空气速度、为发热量、为由散热装置总出力计算得到的散热量，单位为si。
43.，散热量与散热装置出力关系，包括所有散热装置的分布情况以及数量情况，为散热装置的动态可调出力，范围为。
44.在本发明的又一个实施例中，基于目标温度和散热装置出力的考虑，可以采用如下计算式作为遗传算法的适应度函数：；其中，w1和w2为适当的权重系数，用于平衡两个目标，为需优化控温的设备表面目标温度，为设定温度值，为由散热装置总出力计算得到的散热量。
45.以上是对本发明的一种变电站高压室内控温优化方法的实施例进行的详细介绍，
以下将对本发明的一种变电站高压室内控温优化系统的另一实施例进行详细的介绍。
46.本实施例提供了一种变电站高压室内控温优化系统，包括：温度采集单元，用于采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；温度计算单元，用于将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；控温优化单元，用于采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，每一个基因串代表散热装置的一种布局，以散热装置的出力和室内设备运行时的目标温度构建适应度函数；不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。
47.进一步的，在温度采集单元中，将设备在不同运行阶段的温度变化速率采用对应阶段的负载变化率进行代表，设备的不同运行阶段至少包括：从设备开始投入后的设定时间段为投入起始段；当负载满足下式时，为负载基本均衡变化段，；式中，k为负载曲线的斜率，xl为负载基本均衡变化段的负载数据，为均衡区间的负载平均值；当负载满足下式时，为负载缓慢变化段，；式中，x2为负载缓慢变化段的负载数据，为缓慢变化区间的负载平均值；当负载满足下式时，为负载快速变化段，；式中，x3为负载快速变化段的负载数据，为快速变化区间的负载平均值。
48.进一步的，在温度采集单元中，在设备的不同运行阶段，温度采集周期具体如下：在投入起始段，温度采集周期为第一采样间隔，第一采样间隔的值至少小于负载缓慢变化段的采样间隔值；负载基本均衡变化段，温度采集周期的采样间隔为m；在负载缓慢变化段，温度采集周期的采样间隔为；在负载快速变化段，温度采集周期的采样间隔为，其中，m和n为两个不
同的设定值。
49.进一步的，在温度计算单元中，散热模型具体如下：；式中，表示空气密度，表示空气恒压热容，k表示空气导热系数，为目标温度，为空气速度、为发热量、为散热量。
50.进一步的，在控温优化单元中，适应度函数具体如下：；式中，w1和w2为权重系数，为需优化控温的目标柜面温度，为散热量。
51.需要说明的是，本实施例提供的优化系统用于实现前述实施例提供的优化方法，各单元的具体设置均以完整实现该方法为准，在此不再赘述。
52.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种变电站高压室内控温优化方法，其特征在于，包括如下步骤：采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；将采集到的所述温度数据作为初始边界温度数据，建立室内散热模型，所述室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；采用遗传算法确定室内散热装置的布局，初始化种群，所述种群中的每个个体为一个基因串，每一个所述基因串代表所述散热装置的一种布局，以所述散热装置的出力和室内设备运行时的所述目标温度构建适应度函数；不断迭代对所述种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。2.根据权利要求1所述的变电站高压室内控温优化方法，其特征在于，将设备在不同运行阶段的所述温度变化速率采用对应阶段的负载变化率进行代表，设备的不同运行阶段至少包括：从设备开始投入后的设定时间段为投入起始段；当负载满足下式时，为负载基本均衡变化段，；式中，k为负载曲线的斜率，xl为负载基本均衡变化段的负载数据，为均衡区间的负载平均值；当负载满足下式时，为负载缓慢变化段，；式中，x2为负载缓慢变化段的负载数据，为缓慢变化区间的负载平均值；当负载满足下式时，为负载快速变化段，；式中，x3为负载快速变化段的负载数据，为快速变化区间的负载平均值。3.根据权利要求2所述的变电站高压室内控温优化方法，其特征在于，在设备的不同运行阶段，所述温度采集周期具体如下：在所述投入起始段，所述温度采集周期为第一采样间隔，所述第一采样间隔的值至少小于所述负载缓慢变化段的采样间隔值；所述负载基本均衡变化段，所述温度采集周期的采样间隔为m；
在所述负载缓慢变化段，所述温度采集周期的采样间隔为；在所述负载快速变化段，所述温度采集周期的采样间隔为，其中，m和n为两个不同的设定值。4.根据权利要求1所述的变电站高压室内控温优化方法，其特征在于，所述散热模型具体如下：；式中，表示空气密度，表示空气恒压热容，k表示空气导热系数，为目标温度，为空气速度、为发热量、为由散热装置总出力计算得到的散热量。5.根据权利要求1所述的变电站高压室内控温优化方法，其特征在于，所述适应度函数具体如下：；式中，w1和w2为权重系数，为需优化控温的目标温度，为设定温度值，为由散热装置总出力计算得到的散热量。6.一种变电站高压室内控温优化系统，其特征在于，包括：温度采集单元，用于采集变电站室内设备不同运行阶段的温度数据，每个阶段的温度采集周期与对应阶段内设备的温度变化速率相适应；温度计算单元，用于将采集到的所述温度数据作为初始边界温度数据，建立室内散热模型，所述室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；控温优化单元，用于采用遗传算法确定室内散热装置的布局，初始化种群，所述种群中的每个个体为一个基因串，每一个所述基因串代表所述散热装置的一种布局，以所述散热装置的出力和室内设备运行时的所述目标温度构建适应度函数；不断迭代对所述种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。7.根据权利要求6所述的变电站高压室内控温优化系统，其特征在于，在所述温度采集单元中，将设备在不同运行阶段的所述温度变化速率采用对应阶段的负载变化率进行代表，设备的不同运行阶段至少包括：从设备开始投入后的设定时间段为投入起始段；当负载满足下式时，为负载基本均衡变化段，；式中，k为负载曲线的斜率，xl为负载基本均衡变化段的负载数据，为均衡区间的负载平均值；
当负载满足下式时，为负载缓慢变化段，；式中，x2为负载缓慢变化段的负载数据，为缓慢变化区间的负载平均值；当负载满足下式时，为负载快速变化段，；式中，x3为负载快速变化段的负载数据，为快速变化区间的负载平均值。8.根据权利要求7所述的变电站高压室内控温优化系统，其特征在于，在所述温度采集单元中，在设备的不同运行阶段，所述温度采集周期具体如下：在所述投入起始段，所述温度采集周期为第一采样间隔，所述第一采样间隔的值至少小于所述负载缓慢变化段的采样间隔值；所述负载基本均衡变化段，所述温度采集周期的采样间隔为m；在所述负载缓慢变化段，所述温度采集周期的采样间隔为；在所述负载快速变化段，所述温度采集周期的采样间隔为，其中，m和n为两个不同的设定值。9.根据权利要求6所述的变电站高压室内控温优化系统，其特征在于，在所述温度计算单元中，所述散热模型具体如下：；式中，表示空气密度，表示空气恒压热容，k表示空气导热系数，为目标温度，为空气速度、为发热量、为由散热装置总出力计算得到的散热量。10.根据权利要求6所述的变电站高压室内控温优化系统，其特征在于，在所述控温优化单元中，所述适应度函数具体如下：；式中，w1和w2为权重系数，为需优化控温的目标温度，为设定温度值，为由散热装置总出力计算得到的散热量。

技术总结
本发明提供了一种变电站高压室内控温优化方法与系统，包括采集变电站室内设备不同运行阶段的温度数据；将采集到的温度数据作为初始边界温度数据，建立室内散热模型，室内散热模型包括散热装置出力与室内设备的目标温度之间的关系；采用遗传算法确定室内散热装置的布局，初始化种群，种群中的每个个体为一个基因串，代表散热装置的一种布局，以散热装置的出力和目标温度构建适应度函数；不断迭代对种群进行更新操作，直到达到停止条件时，选择适应度最优的个体作为当前室内的控温方案。本发明通过获取高压室内设备不同阶段的温度数据，并将其作为初始边界温度，构建散热模型并利用遗传算法确定散热装置布局，可以得到效率较高的高压室控温方案。的高压室控温方案。的高压室控温方案。


技术研发人员：雷剧璋 姚积坤 何嘉良 田松 陈考斌 张俊 张莉珠 邓胜初 郁景礼 叶玮铮 江伟 冯镇生 黄湘
受保护的技术使用者：广东电网有限责任公司佛山供电局
技术研发日：2023.06.19
技术公布日：2023/7/20