煤礦配電系統節能降耗研究

李嘉儀，李小鋒

(1.陜西工業職業技術學院 土木工程學院，陜西 咸陽 712000； 2.成都基準方中建筑設計股份有限公司 西安分公司，陜西 西安 710054)

煤礦配電系統是向礦井提供電力服務的系統，其主要由各級變電所、電壓等級以及輸配電線路組成，通常情況下該配電系統分為深井和淺井2種配電系統。煤礦在開采以及正常作業過程中[1]，電能是其主要能源。因此，需保證供電的安全性、電能的可靠性、良好的供電質量以及節能降耗。煤礦配電系統在選擇時是依據礦井的深度決定，通常情況下礦井距離地表的距離在200 m以內的為小礦井[2]，該類礦井通常采用淺井配電系統，如果距離大于200 m的礦井則采用深井配電系統。配電系統在支撐煤礦供電過程中，機電設備的功率很大、并且供電距離較遠，并且，隨著開采作業面的不斷加深，配電線路以及相應設備的不斷深入，則會導致配電過程中發生不同程度的電能損耗，且能源消耗較大。對于煤礦企業造成一定的經濟損失。因此，如何控制煤礦配電系統的能耗[3]，成為煤礦企業運行管理中的一個重要部分。BIM也稱為建筑信息模型，其能夠完成建筑工程的三維模型構建，并且可提供詳細工程的信息，其依據數字化技術完成，多方人員可通過BIM模型協同工作[4]，可使工作效率顯著提升。為實現能耗有效控制，李鵬等[5-6]分別對此展開研究，提出基于任務調度和基于功率預測的能耗控制方法，上述方法在能耗控制過程中，主要依據電能需求和運行功率完成能耗控制，但是在控制過程中，上述方法無法實現整個配電系統的所有信息集成以實時共享。本文提出基于BIM的煤礦配電系統節能降耗方法，利用BIM的優勢實現配電系統的信息集成，實現能耗的優化控制。

1 配電系統節能耗控制方法

1.1 煤礦配電系統BIM平臺

配電系統BIM通過參數化信息模型完成配電系統全部生命周期中信息的集成，可將該信息在決策、設計、運行、維護以及施工等過程中進行共享和傳遞，便于多方參與人員了解、掌握配電系統的全面運行狀態和信息[7]。BIM能夠在配電系統運行的全部過程中，可依據數字化技術完成配電系統實體數據信息的集成以及虛擬仿真化的呈現，用時形成完整項目，為相關人員的隨時調用提供模型數據，并且能夠進行模型數據的調整和修改，在滿足配電系統物理和功能兩種特性的基礎上實現數字化建模(圖1)。BIM具備8大主要特性，分別是可視化、實體模擬、溝通協調性、修改優化性、高效出圖、參數化、一體化以及信息完備。基于其上述特性，BIM模型在描述配電系統的物理、幾何、專業以及運行狀態的同時，可完成時間和成本相關特性的描述。

1.2 系統能耗數據集成

在對煤礦配電系統實行能耗控制前，需對配電系統的能耗數據實行集成，依據BIM的數據集成優勢，完成配電系統能耗數據集成[8]。在集成過程中，依據配電系統在不同應用階段內的變化為依據，結合不同的軟件完成能耗數據集成，同時實現相關幾何和屬性信息的轉換，其中包含的軟件有OBJ格式、解析DWG、DXF等文件格式、EPM Technology、BIMserve等，基于上述軟件實現跨應用軟件的數據轉換和共享，基于BIM的配電系統能耗數據集成框架如圖2所示。

圖1 配電系統BIM數字化建模模型Fig.1 BIM digital modeling model of distribution system

圖2 基于BIM的配電系統能耗數據集成框架Fig.2 Energy consumption data integration framework of distribution system based on BIM

配電系統能耗數據在集成過程中，通過AutoCAD平臺完成數據的批量處理后導入3DMax/Maya建模軟件中，實現配電系統的模型生成，同時以煤礦配電系統的能耗控制需求以及實際情況對模型的精度和粒度實行劃分處理，利用3DS/OBJ等通用格式完成文件的導入和導出，將該文件導入至BIM軟件中，將其作為配電系統的模型生成的構件或者單元，完成參數化建模以及空間位置的集成；在此基礎上，通過GIS/BIM完成能耗數據的轉換以及模型的輕量化處理，形成BIM模型存儲數據庫，存儲全部的煤礦配電系統能耗數據，滿足數據交互、查詢的需求，同時為能耗控制提供全面、完整的能耗數據。

1.3 配電系統BIM特征應用

由于BIM能夠高度完成配電系統能耗數據的集成，參數配電系統整個生命周期，因此能夠為煤礦配電管理決策提供可靠的依據，同時BIM集成的煤礦配電系統能耗數據中包含豐富的數據特征，為實現配電系統能耗的控制，需準確掌握數據中能耗數據的時間序列，組合可采用配電系統的BIM特征完善能耗數據時間序列，以此可提升能耗數據的準確描述和刻畫。配電系統能耗數據的BIM特征是建立在配電系統全部能耗數據的基礎上。因此，其可分為配電系統結構信息和運行信息，前者是描述配電系統整體結構，后者則是面向BIM開發人員的配電系統運行狀態的顯式特征，并依據該特征的直接相關性，完成配電系統的模型建立，確定的BIM特征描述見表1。表1中的4個分類特征可直接作為特征進行使用，采用數據轉換的方式完成特征變換，使其形成向量，采用拼接組合的方式對多個向量化的類別特征實行處理，形成BIM特征。

表1 煤礦配電系統能耗數據的BIM特征Tab.1 BIM characteristics of energy consumption data of coal mine distribution system

1.4 煤礦配電系統能耗預測

1.4.1 煤礦配電系統能耗預測模型工作原理

為實現煤礦配電系統能耗的有效控制，需明確配電系統的能耗情況。本文在能耗控制前，對煤礦配電系統的能耗情況實行預測。在預測過程中，以表1的BIM特征為依據，將注意力機制(Attention Mechanism，AM)和長短記憶網絡(Long Short-term Memory Units，LSTM)相結合，形成預測模型，完成煤礦配電系統的特征序列獲取、重構以及預測。煤礦配電系統能耗預測模型工作原理如圖3所示。

2.4.2 煤礦配電系統的特征序列獲取以及重構

定義外因序列X，其是指長度為T的耗電單位時間序列，且不包含目標序列Y，Y的數量為n；數量為n+1的耗電單位的BIM特征用B表示，合理運用Z能夠保證預測結果的可靠性。本文在對能耗預測前，需先獲取以及重構煤礦配電系統的特征序列，采用AM和LSTM結合完成。通過編碼器先對輸入能耗數據實行特征提取[9]，形成每個特征對應的編碼向量。

圖3 煤礦配電系統能耗預測模型工作原理Fig.3 Schematic diagram of energy consumption prediction model of coal mine distribution system

但是煤礦配電系統存在多變量時間序列，并且與之間的關聯程度不確定，因此定義輸入編碼器中的能耗數據為全電力序列為V=(v1，v2，…，vT)，其中Vt∈Rn+1，n為數量，對應外因序列；t時刻下，輸入序列的編碼向量用ht表示，vt至hf的映射關系為：hf=(fht-1，fvt)，m表示編碼長度；f表示映射關系，對應輸入和編碼2種向量之間。對輸入的V實行重構，對重構后的序vt←BIM-Attention(vt)實行編碼；對分配權重實行學習，其通過注意力機制完成。則在t時刻時，第k個外因序列權重計算公式為：

(1)

(2)

為獲取全電力序列的權重向量，計算全電力序列的權重，然后獲取長短記憶網絡的輸入向量，從而獲取煤礦配電系統的特征序列，從而獲取煤礦配電系統的能耗預測值[10]，對特征序列實行解碼處理，解碼后，完成煤礦配電系統能耗數據的重構，并且解碼后的序列與解碼前序列的形式存在差異，BIM數據庫的存儲行為在此情況下不會發生改變，因此，表示解碼后的數據內容不會發生變化，能夠保證數據的完成性。

1.4.3 煤礦配電系統的能耗預測

通過上述步驟完成煤礦配電系統的特征序列獲取以及重構，在此情況下，為了提升能耗預測結果的精度，對重構的配電能耗數據實行歸一化處理，使數據均處于一定的區間內，不存在大小不一的數據，以此可提升預測效率以及精度。因此，將重構后的數據歸一化處理使其位于[-1，1]，以此保證重構后數據中的BIM特征以及其他能耗特征均能夠在預測中發揮最大作用，同時保證能耗數據中變量的維度相同，將能耗數據目標序列中的多個歷史值和預測值實行拼接，將其通過LSTM完成能耗預測。

1.5 煤礦配電系統的能耗優化控制

獲取煤礦配電系統能耗的預測值后，采用模糊能耗控制方法對預測實行優化控制，在煤礦配電系統信息管理模式下[13]，能耗控制決策函數為：

(3)

為獲取煤礦配電系統能耗控制的適應度函數之間的分布關系，且在BIM環境下，利用最小二乘法對能耗數據實行回歸分析完成，則在BIM環境下配電系統的能耗控制模糊決策函數，依據模糊控制的決策調度獲取能耗控制的反饋函數，根據反饋函靈敏完成煤礦配電系統能耗控制。

2 應用性能分析

2.1 煤礦配電系統的設置

為測試本文方法在煤礦配電系統能耗控制中的應用性能和控制效果，將本文方法用于某煤礦中，對其配電系統實行節能降耗，實現其能耗控制。該配電系統中共包含36個節點，6組電容器組，共有3條饋線，其基準電壓為10 kV。有載分接頭變壓器額定容量為10 MVA，該配電系統在實行能耗控制前。對該煤礦配電系統的運行數據實行采集，采集時間間隔為1 h，每天采集24次，采集獲取的數據共720個，期望的數據失效率低于0.5%。采用本文方法依據應用對象的配電系統的結構構建BIM模型，模型的部分情況如圖4所示。

2.2 煤礦配電系統的能耗數據集成效果

為衡量本文方法的配電系統能耗數據集成性能，以數據集成失效率作為衡量標準，測試本文在對不同屬性數量的能耗數據實行集成時的失效率結果(圖5)。分析圖5測試結果可得，隨著采集的能耗數量逐漸增加，不同屬性數量的數據的集成失效率結果存在一定的差異，但是該差距較小，屬性數量越多數據集成后的數據失效率則相對略高，但是整體數據失效率均低于 0.3%。因此，表明本文方法具備良好的數據集成性能，是由于本文方法采用GIS/BIM完成能耗數據的轉換以及模型的輕量化處理，形成BIM模型存儲數據庫，因此，可最大限度保證數據的完整性。

圖4 煤礦配電系統的BIM模型(局部)Fig.4 BIM model of coal mine power distribution system(local)

圖5 煤礦配電系統能耗數據集成效果Fig.5 Energy consumption data integration effect of coal mine distribution system

2.3 煤礦配電系統能耗預測效果

為測試本文方法對于配電系統能耗預測的性能，采用擬合優度作為評價指標，其計算公式為：

(4)

擬合優度值越接近1表示擬合程度越好，即本文方法的預測性能越好；反之則越差。依據式(4)獲取本文方法對采集的能耗數據實行預測，獲取不同時段內的擬合優度(圖6)。分析圖6進行分析可得：在不同的時間段內，煤礦配電系統的能耗預測結果存在一定差異，表示煤礦配電系統在不同的時間段內損失的能量不相同，并且本文方法對能耗的預測結果與實際能耗結果之間的擬合優度值較高，表示本文方法能夠可靠預測出配電系統的能耗結果。

圖6 煤礦配電系統能耗的預測效果Fig.6 Prediction effect of energy consumption of coal mine distribution system

2.4 煤礦配電系統能耗控制最佳適應度系數

本文方法在對能耗實行控制時，需確定最佳的適應度系數，以能耗控制收斂值作為衡量標準，獲取在不同取值下能耗控制收斂值的變化情況，將最小收斂值結果對應的適應度系數取值作為最佳取值，結果如圖7所示。分析圖7測試結果可得，在適應度系數取值為0.4時，能耗控制收斂值最小。因此，確定本文方法的適應度系數最佳取值為0.4，并用于后續應用中。

圖7 最佳的適應度系數測試結果Fig.7 Best fitness coefficient test results

2.5 煤礦配電系統能耗控制效果

為測試本文方法的能耗控制效果，以功率耗損情況以及節點電壓的變化情況作為衡量標準，測試應用對象的配電系統在控制前后功率損耗以及電壓的變化情況，結果如圖8和圖9所示。由于篇幅有限，結果僅隨機呈現10個節點的結果。分析圖8和圖9的測試結果可得：控制前后，36個節點的功率損耗結果之間存在明顯差異，控制前，功率的損耗結果存在顯著的波動變化，并且各個節點功率損耗結果均在0.025 MW以上；控制后，各節點的功率損耗結果均低于0.015 MW。此外，控制前各個節點的電壓波動較大，控制后各個節點的電壓相對較為平穩，均在0.94 p.u.左右波動。因此，本文方法的能耗控制效果良好，控制后，能夠降低配電系統的能量損失，能夠保證電壓的平穩。

圖8 煤礦配電系統的功率損耗測試結果Fig.8 Power loss test results of coal mine power distribution system

圖9 煤礦配電系統的電壓變化結果Fig.9 Voltage change results of coal mine power distribution system

3 結語

電能是保證煤礦正常、安全開采的保證，但是煤礦在實際開采過程中其配電系統在開采面不斷深入的情況下，其供電線路也不斷發生改變，會造成電能發生不同程度的損耗。為對該損耗實行有效控制，本文研究基于BIM的煤礦配電系統節能降耗方法，實現煤礦配電系統的能耗控制。經測試，本文方法具備良好煤礦配電系統數據集成性能，可最大限度保證數據的完整性，并且能夠可靠預測配電系統的能耗結果，即使配電系統中各個節點的能耗存在差異時，預測結果依據與實際結果吻合，并且經過本文方法控制后，煤礦配電系統的功率損耗明顯下降且穩定。