变电站空调和照明系统节电改造优化建模研究

郜幔幔， 欧阳森， 王克英

(华南理工大学电力学院， 广东 广州 510640)

变电站空调和照明系统节电改造优化建模研究

郜幔幔， 欧阳森， 王克英

(华南理工大学电力学院， 广东 广州 510640)

变电站的空调和照明系统节电潜力巨大，本文首次尝试从年节电量、投资成本和年支出费用等角度对变电站空调和照明系统的改造进行优化建模研究。首先，对分布在变电站各场所的空调和照明设备的功率、特点、用电规律及利用率等进行研究，并根据设备的安装位置、特点、用电规律和利用率等分别将空调和照明系统分为3类和5类；然后，以不同类别、不同功率的空调和照明设备的改造数量为控制变量，空调和照明系统的年支出费用最小为目标函数，建立综合考虑年节电量、投资成本和分布在变电站各场所的空调和照明设备的功率、数量、运行时间等约束的节电改造优化模型；基于该模型的实际特点，采用整数编码的灾变遗传算法搜索全局最优解；最后，以某220kV有人值守变电站的空调和照明系统节电改造为例，验证了所提模型的理论与应用价值。

优化模型； 节电改造； 变电站； 空调系统； 照明系统

1 引言

变电站节能是电网降损工作的重要环节，其对电网实现节能减排目标、节能评估和规划、降低电网运营成本、提升电网企业效益大有裨益[1,2]。变电站站用电负荷主要由主变冷却、通风散热、空调、照明以及机房通信等构成[3]，由于站用电负荷结构特点及改造技术的限制，目前变电站站用负荷的节电研究主要集中在用电量大且易于实施改造的空调、照明系统[3-6]。

文献[3]对变电站站用电负荷进行分模块研究，确定以空调和照明系统作为节电研究重点，提出对空调和照明系统进行全部改造的节电方案；文献[4]对电网企业建筑和变电站的空调、照明系统提出了全部进行改造和人为选择部分设备进行改造的高、低潜力方案，并进行相应改造方案的效益分析；文献[5]介绍了空调设备从选择到日后运行使用的各个环节中的节能措施；文献[6]分析了目前变电站照明存在的“不节能”问题，并依托济南某220kV变电站工程提出精细化照明设计方案；但是，文献[5,6]皆未提出具体的节电改造方案。

综上，现有文献尚无对变电站空调和照明系统进行优化改造的研究，即并未涉及当面对不同场所的不同类型及功率的空调和照明设备时，应如何选择改造对象以实现资源的最优配置和最大的改造效益的问题；在实际工作中，往往采用全部改造或者依据人为经验主观选择部分设备进行改造的形式。全部改造的问题在于投资成本大、适应性差，且可能造成新的资产浪费；根据人为经验主观选择部分设备进行改造的形式因缺乏科学、规范化的方案制定原则和方案优劣的评判标准，易造成改造盲目、资源浪费、改造收益低等缺点。并且在对投资成本或改造后的节电量有一定要求的特殊场合，以上改造形式都显得无能为力。

针对以上现状，本文首次尝试对变电站空调和照明系统的改造进行优化建模研究；对分布在变电站各场所的空调和照明设备的功率、特点、用电规律及利用率等进行详细分析，从科学的建模的角度进行改造方案的制定和方案优劣的评判，并采用灾变遗传算法寻求在不同年节电量和投资成本约束下的最优改造方案。本文方法充分考虑设备资产、利用率、投资成本和节电效益等因素，有利于实现资源的最优配置和改造效益的最大化，能够适应对投资成本或改造后的节电量有一定要求的特殊场合，具有更强的适应性和灵活性。最后，利用某220kV有人值守变电站空调和照明系统的节电改造进行验证。

2 空调与照明系统分类

2.1 分类的必要性及思路

变电站内空调、照明设备分布区域广、设备类型多样，用电规律差异大，设备利用率参差不齐。作者曾对多地变电站进行调研，以某220kV有人值守变电站为例，其空调和照明系统分布情况分别如表1和表2所示。

由表1和表2可以看出，若直接以各场所不同功率的空调和照明设备的改造数量为变量进行建模研究，则该220kV变电站空调和照明系统的优化改造需要求解具有50个变量的模型。对于更大规模的空调和照明系统或数十甚至上百个变电站同时进行改造计算的情况，模型变量将成倍增加，所建模型的实用性和适用性都将受到限制。因此，对分布在不同场所的空调和照明设备进行科学合理的抽样分类，在不影响所建模型精度的情况下，适当减小模型复杂度，提高所建模型的实用性和应用价值，具有极大的必要性。

表1 空调系统分布1Tab.1 Distribution of air-conditioning equipments 1

表2 照明系统分布1Tab.2 Distribution of lightings 1

本节首先对分布在变电站不同场所的空调和照明设备的用电规律、设备利用率等进行研究，分别将具有相同或相近用电规律及设备利用率的空调、照明设备划分为同一类。由于同一类空调或照明系统具有相近的用电规律及设备利用率，因此，改造同一类不同场所的相同功率的设备产生的节电收益并无差别或差别较小，从而所建模型仅需以各类空调和照明系统的不同功率的设备改造数量为变量，由此大大减少变量个数，降低所建模型的复杂度，提高实用性。对于同一类的空调或照明设备的具体改造分布，可根据各场所同一功率设备的老旧程度、改造实施的难易等具体决定。

(1)

2.2 空调系统分类

空调系统主要分布在主控室、继保室、通信室、高压室、电容电抗器室、蓄电池室、配电室、电度表室、办公室、会议室、接待室、资料室、休息室等场所，空调系统分类及各类用电规律如表3所示。其中高、中、低表示各类空调设备的相对利用率。

表3 变电站空调系统分类及用电规律Tab.3 Classification and pattern of electric consumption of air-conditioning equipments in substation

2.3 照明系统分类

照明系统主要分布在户外、走道、办公室、会议室、接待室、资料室、主控室、继保室、高压室、电容电抗器室、蓄电池室、电度表室、休息室、盥洗间、水泵房等场所[7]，照明系统分类及各类用电规律如表4所示。

表4 变电站照明系统分类及用电规律Tab.4 Classification and pattern of electric consumption of lightings in substation

3 优化模型设计及求解

3.1 优化模型设计

本文模型可适用于文献[3-7]提出的空调和照明系统的多种节电策略，甚至可以扩展应用于其他设备的改造优化计算。下面对本文模型的具体介绍，空调系统的节电策略以将非变频空调更换为变频空调为例，节电率取30%[3]；照明系统的节电策略以更换照明灯具光源为例。

3.1.1 目标函数

类似于配电网节能改造、无功补偿装置优化配置等模型[8-10]，本文变电站空调和照明系统的节电改造优化模型以空调和照明系统的年支出费用最小为优化目标：

minf=μV+VC

(2)

式中，μ为改造投资的年回收率(%)；V为改造空调和照明设备的投资；VC为空调和照明系统的年电费支出。

V计算如下：

(3)

式中，Vk、Vz分别为改造空调、照明设备的投资；A、C分别为空调、照明系统的分类数，本文A=3，C=5；B、D分别为不同功率的空调、照明设备的种类数；βkj、βzj分别为第j种功率的空调、照明设备的净单价，所谓净单价是单台设备的购买和安装的支出费用与旧设备回收费用之差；kij、zij分别为改造第i类空调、照明系统的第j种功率设备的数量。

VC计算如下：

(4)

3.1.2 约束条件

约束条件主要包括改造空调和照明设备的年节电量及投资成本约束、设备的改造数量约束。

(1)年节电量约束

(5)

式中，S、Sk、Sz、S1分别为改造设备的年总节电量、改造空调设备的年节电量、改造照明灯具的年节电量、空调和照明系统改造的年节电量目标。Sk、Sz具体计算公式如下：

(6)

(7)

(2)投资成本约束

(8)

式中，M为设备改造的最大投资成本。

(3)设备的改造数量约束

0≤kij≤Kiji=1,2，…，A,j=1,2，…，B

(9)

0≤zij≤Ziji=1,2，…，C,j=1,2，…，D

(10)

3.2 模型求解

由3.1节可见，变电站空调和照明系统的节电改造优化模型具有模型简单、实用性和适用性强等优点；对于一个或少数几个变电站的空调和照明系统的节电改造优化，仅需采用简单的规划求解方法即可得到最优解。在变电站空调和照明系统规模较大且数十个变电站同时优化求解的情况下，简单的规划求解方法易出现求解速度慢、陷入局部最优等问题，因此，本文应用具有强大全局搜索能力的灾变遗传算法[11]进行模型求解，以确保在各种情况下都能快速、高效地得到全局最优解。

首先考虑优化模型的去约束处理，可将不等式约束作为惩罚项加到目标函数中构成扩展目标函数[12，13]，从而在改进模型中，改造空调和照明设备的数量约束作为自约束的控制变量，年节电量和投资成本约束作为惩罚项构成新的目标函数：

(11)

式中，f为原目标函数；Spunish、Vpunish分别为年节电量、投资成本约束的惩罚项，其表达式为：

(12)

(13)

其中，λs、λv可取无穷大或者很大的正数。

由于模型变量特点，本文灾变遗传算法采用整数编码方式。

4 算例分析

限于篇幅，以某220kV有人值守变电站的空调和照明系统的节电改造计算为例。该220kV有人值守变电站年站用负荷电量为127.2万kW·h，空调和照明系统的年用电量达到82.6万kW·h(年电费支出合计66.08万元)，超过总站用负荷用电量的60%。空调和照明系统的具体分布如表1、表2所示，对空调和照明系统进行分类统计并计算其日平均工作时间，结果如表5和表6所示。

表5 空调系统分布2Tab.5 Distribution of air-conditioning equipments 2

表6 照明系统分布2Tab.6 Distribution of lightings 2

空调和照明系统的节电改造计算以将非变频空调更换为变频空调和更换灯具光源为例，其中，更换灯具光源采用T8荧光灯更换为LED，高压钠灯更换为无极灯，具体更换原则见文献[3,4]。

表7为应用本文方案和文献[3](空调和照明系统全部进行改造)、文献[4](仅改造设备室空调和户外照明灯具)的改造效益对比。其中“对比1”为在相近投资成本下，本文方案和文献[3]的改造效益对比；“对比2”为在相近投资成本下，本文方案和文献[4]的改造效益对比；两种对比下，优化模型

表7 改造效益对比Tab.7 Transformation efficiency contrast

备注：节电率指改造后空调和照明系统的年节电量与改造前空调和照明系统的年用电量的比值；回收周期计算时年折现率取 7%；全生命周期收益计算时取空调和照明灯具皆可经济运行10年。

的参数设置如表8所示，求解得到的设备具体改造分布如表9所示。

表8 优化参数设置Tab.8 Parameter setting of optimization

表9 改造方案的具体分布Tab.9 Optimized retrofit scheme

(1)对比1。由表7的对比1可见，本文方案较文献[3]的投资成本和回收周期降低了10%左右，且实现了最小的年支出费用和最大的全生命周期收益。从这个角度来说，本文方案是最优的改造方案。虽因未全部改造，年节电量有微小降低，但从全生命周期收益的提升来看，并非所有的设备改造后都能以节约电费的形式回收成本。由表9可见，与文献[3]全部改造相比，对比1(本文方案)未改造Ⅲ类空调和Ⅴ类照明灯具，由2.2和2.3节可知，第Ⅲ类别空调和第Ⅴ类照明设备的利用率低，工作时间短，对其进行改造单位成本收益小，甚至无法回收成本，造成资源浪费。

(2)对比2。由表7的对比2可见，本文方案与文献[4]的投资成本完全相同，但年节电量、节电率和全生命周期收益都较文献[4]有所提升，且年支出费用和回收周期都更小，显然本文方案较依据人为经验制定的改造方案更优。由表9可见，对比2(本文方案)的具体改造分布包括Ⅰ类空调、部分Ⅰ类照明灯具、全部Ⅱ和Ⅳ类灯具，即对于设备利用率、单位成本收益都较高的Ⅰ、Ⅱ、Ⅳ类照明灯具，本文所建模型能够更加细致地比较其收益差别，得到凭经验及简单总结无法获取的更优的改造方案。

(3)由对比1和对比2可以看出，本文所建模型较文献[3]、文献[4]所提方案具有更大的改造效益，在投资成本不变甚至降低的情况下，获得更大的经济和节电收益。虽然对单个变电站空调和照明系统改造的效益提升有限，但若考虑某地区数十乃至数百个变电站这种规模，则很有意义且更能充分发挥本文模型的巨大实用价值。

5 结论

(1)本文系统研究了分布在变电站不同场所的空调和照明设备的特点、用电规律、利用率等，并据此分别将空调、照明系统抽样为3类和5类，为电力工作者更好地认识和挖掘变电站空调和照明系统的节电潜力提供理论支持。

(2)首次提出了考虑年节电量和投资成本约束的空调和照明系统的节电改造优化模型。实例表明，该模型能够科学、快速、准确地提供满足相应约束的最佳改造方案，有利于实现资源的最优配置和改造效益的最大化，且较现有方案具有更大的优越性、更强的适用和实用性。

(3)空调和照明系统节电改造优化模型的提出，为变电站空调和照明系统改造方案的制定和方案优劣的评判提供科学依据和理论指导，有利于充分挖掘空调、照明系统的节电潜力，落实节能减排政策，具有重要的实用价值。

[1] 朱永强，尹忠东(Zhu Yongqiang，Yin Zhongdong)．基于能量利用效率和耗能比的节能效果评估体系(New evaluation system for energy savings based on efficiency and loss ratio)[J]．电工电能新技术(Advanced Technology of Electrical Engineering &Energy)，2007，26(3)：33-36.

[2] 郑爱霞(Zheng Aixia)．强化科学管理促进电网降损节能(Strengthen scientific management and promote grid energy conservation)[J]．电力需求侧管理(Power Demand Side Management)，2007，9(1)：60-62．

[3] 杨家豪，欧阳森，冯天瑞，等(Yang Jiahao，OuYang Sen，Feng Tianrui，et al.)．变电站空调器与照明用电及其节电潜力实例分析(Analysis on the electricity rule and the potential of energy saving of air-conditioning and lighting in substation)[J]．电气应用(Electrical Applications)，2014，33(10)：26-30．

[4] 冯天瑞，黄瑞艺，石怡理，等(Feng Tianrui，Huang Ruiyi，Shi Yili，et al.)．电网企业建筑节电方法及其潜力分析(Building power-saving method of power grid enterprises and its potential analysis)[J]．电力需求侧管理(Power Demand Side Management)，2013，15(5)：27-31．

[5] 曲友立(Qu Youli)．变电站空调节能研究(The energy-saving research of air-conditioning in Substation)[J]．电气应用(Electrical Applications)，2009，28(9)：76-80．

[6] 李越，侯源红(Li Yue，Hou Yuanhong)．变电站绿色照明设计方案的研究(Research of substation green lighting design scheme)[J]．电气应用(Electrical Applications)，2011，30(24)：68-71．

[7] 覃佳奎(Tan Jiakui).变电站照明系统优化探讨(The discussion on the optimization of transformer substation llighting system)[D]．广州：华南理工大学(Guangzhou: South China University of Technology)，2012．

[8] 张勇军，陈艳(Zhang Yongjun，Cheng Yan)．高压配电网无功补偿配置原则的优化(Optimization of reactive power configuration principle in high voltage distribution networks)[J]．华南理工大学学报(自然科学版)(Journal of South China University of Technology (Natural Science Edition))，2014，42(6)：17-24．

[9] 张勇军，陈超，廖民传(Zhang Yongjun，Chen Chao，Liao Minchuan)．配电网节能改造优化建模研究(Research on optimal model for energy saving reconstruction of distribution networks)[J]．电力系统保护与控制(Power System Protection and Control)，2010，38(15)：60-64．

[10] 黄亮亮，罗安，刘秋英，等(Huang Liangliang，Luo An，Liu Qiuying，et al.)．基于改进型遗传算法的企业配电网检修计划系统(Corporate distribution network maintenance scheduling system based on improved genetic algorithm)[J]. 电工电能新技术(Advanced Technology of Electrical Engineering &Energy)，2010，29(2)：77-80．

[11] 白建勋，杨洪耕，吴传来，等(Bai Jianxun，Yang Honggeng，Wu Chuanlai，et al.)．基于自适应遗传算法的负荷特性分类(Load characteristics classification based on adaptive genetic algorithm)[J]．电工电能新技术(Advanced Technology of Electrical Engineering &Energy)，2012，31(4)：92-96．

[12] 金弟，刘杰，杨博，等(Jin Di，Liu Jie，Yang Bo，et al.)．局部搜索与遗传算法结合的大规模复杂网络社区探测(Genetic algorithm with local search for community detection in large-scale complex networks)[J]．自动化学报(Acta Automatica Sinica)，2011，37(7)：873-882．

[13] 张晶，翟鹏程，张本源(Zhang Jing，Zhai Pengcheng，Zhang Benyuan)．惩罚函数法在遗传算法处理约束问题中的应用(Application of the penalty function combined with genetic algorithm)[J]．武汉理工大学学报(Journal of Wuhan University of Technology)，2002，24(2)：56-59．

Research on optimal model for electricity-saving reconstruction of air-conditioning and lighting in substation

GAO Man-man, OUYANG Sen, WANG Ke-ying

(School of Electric Power， South China University of Technology，Guangzhou 510640, China)

Load of a air-conditioning and lighting in substation have great potential in electricity-saving. The paper, for the first time, attempts to establish an optimal model for electricity-saving reconstruction of air-conditioning and lighting in substation, which is established from the view of annual electricity-saving, investment, total annual expense, etc. First of all, the pattern of electric consumption using rules and equipment utilization of air-conditioning and lighting distributed in substations’ various places are studied systematically. Further, air conditioning and lighting are categorized in three and five classes respectively based on the study. Then, an electricity-saving optimal model is established which takes annual minimum total expense as the objective, and the rebuilding number of air conditioning and lighting equipment of different categories and power as the control variables, satisfying with different annual electricity-saving, investment constraints, etc．Cataclysmic genetic algorithm with integer encoding is adopted to solve this problem. Finally, the theory and application value of the proposed model are verified by the living example.

optimal model; electricity-saving reconstruction; substation; air-conditioning; lighting

2015-12-01

国家自然科学基金项目(51377060)

郜幔幔(1993-)， 女， 河南籍， 硕士研究生， 研究方向为电能质量、 节能技术； 欧阳森(1974-)， 男， 广西籍， 副研究员， 博士， 长期从事电能质量分析、 控制及节能技术等研究。

TM714

A

1003-3076(2016)09-0060-07