Вісник НАН України. 2017. № 7.62-70
https://doi.org/10.15407/visn2017.07.064
ВОЛОШКО Олександр Валерійович —
кандидат технічних наук, науковий співробітник відділу проблем управління магнітним полем Державної установи «Інститут технічних проблем магнетизму НАН України»
ORCID: 0000-0002-0965-1171
СИНТЕЗ СИСТЕМ АКТИВНОГО ЕКРАНУВАННЯ МАГНІТНОГО ПОЛЯ ПОВІТРЯНИХ ЛІНІЙ ЕЛЕКТРОПЕРЕДАЧІ
За матеріалами наукового повідомлення на засіданні Президії НАН України 29 березня 2017 року
Розроблено новий метод синтезу систем активного екранування техногенного магнітного поля повітряних ліній електропередачі всередині заданої області простору за допомогою керованих джерел магнітного поля. Синтез зводиться до розв’язання задачі багатокритеріального нелінійного програмування з обмеженнями, в якій обчислення цільових функцій і обмежень виконуються на основі розв’язання рівнянь Максвелла в квазістаціонарному наближенні. Завдання вирішується методом стохастичної мультиагентної оптимізації мультироєм частинок. Проведено експериментальну верифікацію методу синтезу замкнених систем активного екранування магнітного поля на розробленому макеті трифазної повітряної лінії електропередачі. Експериментально підтверджено можливість зменшення магнітної індукції до нормативного рівня для житлових приміщень.
Ключові слова: повітряні лінії електропередачі, магнітне поле промислової частоти, система активного екранування, багатокритеріальний синтез, стохастична мультиагентна оптимізація, експериментальні дослідження.
Вступ
Високовольтні лінії електропередачі (ЛЕП) є одним з найнебезпечніших для людей джерел електромагнітного поля, оскільки створюють у навколишньому просторі інтенсивне магнітне поле промислової частоти [1, 2], що охоплює великі населені території. Експертами Всесвітньої організації охорони здоров’я було виявлено канцерогенні властивості магнітного поля ЛЕП у разі його слабкої, але довготривалої дії на людей [3, 4]. Тому впродовж останніх 15 років у всьому світі санітарні норми щодо гранично допустимого рівня індукції магнітного поля 50–60 Гц стають дедалі жорсткішими, інтенсивно проводяться дослідження з розроблення методів нормалізації магнітного поля [5–13].
В Україні більш жорсткі санітарні норми з індукції магнітного поля 50 Гц (0,5 мкТл для населення) уже також починають вводити в нормативні документи [14], однак на практиці ці норми поки що не реалізовані [1, 2], що створює загрозу для здоров’я сотень тисяч людей, які проживають поблизу ЛЕП. Ця ситуація потребує термінового вжиття заходів щодо зниження до безпечного рівня магнітного поля високовольтних ЛЕП, розташованих у межах міст України.
Серед відомих методів нормалізації магнітного поля діючих ЛЕП [1–3] найефективнішим є їх реконструкція, тобто переміщення ЛЕП на безпечну відстань від житлових будинків, або заміна повітряної ЛЕП на підземну кабельну лінію. Однак останній спосіб реконструкції пов’язаний зі значними матеріальними витратами. Тому доцільним є більш дешевий метод активного екранування магнітного поля [11, 15].
Сутність методу активного екранування полягає у формуванні такої просторово-часової структури компенсуючого магнітного поля з, суперпозиція якого з магнітним полем ЛЕП у зоні захисту мінімізується до рівня санітарних норм. Цей метод реалізується за допомогою системи активного екранування, схему якої наведено на рис. 1.
Система активного екранування (САЕ) складається з компенсаційних обмоток, системи управління і датчика магнітного поля. Вона автоматично формує компенсуюче магнітне поле у функції сигналу зворотного зв’язку з датчика магнітного поля, встановленого в зоні захисту. Основною характеристикою системи екранування є ефективність екранування, що визначає, у скільки разів значення екранованого магнітного поля менше, ніж вихідного [11].
Технологію активного екранування магнітного поля діючих ЛЕП уже понад 10 років використовує більшість розвинених країн світу, наприклад США та Ізраїль [5–7, 11]. На жаль, в Україні як самої такої технології, так і наукових основ її створення немає, і це не дозволяє відносно недорогими засобами здійснювати захист здоров’я населення від техногенного магнітного поля ЛЕП.
Отже, метою нашої роботи є розроблення методу синтезу ефективних систем активного екранування магнітного поля ліній електропередачі.
Вихідними параметрами синтезу є параметри ЛЕП (робочі струми, геометрія і кількість проводів, розташування ЛЕП відносно зони захисту), а також розміри зони захисту і нормативне значення індукції магнітного поля, яке має бути досягнуто в результаті екранування.
У процесі синтезу необхідно визначити параметри компенсаційних обмоток (їх кількість, конфігурацію, просторове розташування, схему підключення), струми компенсаційних обмоток, результуюче значення індукції магнітного поля множини точок зони захисту, а також алгоритм роботи системи управління.
Введемо вектор параметрів оптимізації , компонентами якого є вектор координат просторового положення та геометричних розмірів компенсаційних обмоток , і вектор параметрів регуляторів , так що .
Тоді при заданому векторі струмів ЛЕП визначимо [14, 16] діюче значення індукції магнітного поля в точках , яке необхідно екранувати до нормативного рівня.
Синтез системи активного екранування зведено до розв’язання задачі багатокритеріальної оптимізації векторного критерію компонентами якого є діючі значення модуля вектора індукції в точках зони захисту. Ці компоненти векторного критерію є нелінійними функціями вектора шуканих параметрів [16, 17].
Метод розв’язання задачі багатокритеріальної оптимізації. Задача знаходження локального мінімуму (1) в одній точці розглянутого простору, як правило, є багато-екстремальною і містить локальні мінімуми та максимуми, тому для її розв’язання доцільно використовувати алгоритми стохастичної мультиагентної оптимізації [18, 19]. Розглянемо алгоритм знаходження множини парето-оптимальних рішень багатокритеріальних задач нелінійного програмування на основі стохастичної мультиагентної оптимізації. На сьогодні розроблено велику кількість алгоритмів оптимізації роєм частинок — PSO-алгоритмів на основі ідеї колективного інтелекту роя частинок, такі як gbest PSO та lbest PSO алгоритми [20]. Застосування стохастичних мультиагентних методів оптимізації для розв’язання багатокритеріальних задач становить на сьогодні певні труднощі, однак цей напрям продовжує інтенсивно розвиватися [18, 20]. Для розв’язання вихідної багатокритеріальної задачі нелінійного програмування (1) з обмеженнями побудуємо алгоритм стохастичної мультиагентної оптимізації на основі безлічі роїв частинок, кількість яких дорівнює кількості компонент векторного критерію оптимізації. У стандартному алгоритмі оптимізації роєм частинок зміна швидкостей частинок здійснюється за лінійними законами [18]. Для підвищення швидкості знаходження глобального оптимуму використовують нелінійний алгоритм стохастичної мультиагентної оптимізації [20].
За допомогою окремих j-х роїв вирішуються завдання оптимізації скалярних критеріїв , які є компонентами векторного критерію оптимізації (1). Для знаходження глобального розв’язку вихідної багатокритеріальної задачі (1) у ході пошуків оптимальних рішень локальних критеріїв окремі рої обмінюються інформацією між собою. При цьому для обчислення швидкості руху частинок одного роя використовується інформація про глобальний оптимум, отриманий частинками іншого роя, що дозволяє виділити всі потенційні парето-оптимальні розв’язки [18]. З цією метою на кожному кроці t руху i-ї частинки j-го роя використовуються функції бінарних переваг локальних рішень, отриманих усіма роями. Рішення , отримане у процесі оптимізації цільової функції за допомогою j-го роя, є кращим відносно рішення , отриманого в ході оптимізації цільової функції за допомогою k-го роя, тобто , якщо виконується умова
При цьому як глобальне оптимальне рішення k-го роя використовується глобальне рішення , отримане j-м роєм, яке є набагато кращим відносно глобального рішення k-го роя на підставі співвідношення переваги (2).
Фактично в такому підході реалізується основна ідея методу послідовного звуження області компромісів — з вихідної множини можливих рішень на підставі інформації про відносну важливість локальних рішень послідовно видаляються всі парето-оптимальні рішення, які не можуть бути обрані згідно з наявною інформацією про співвідношення переваг. Видалення здійснюється доти, доки не буде отримано глобально оптимальне рішення. У результаті застосування такого підходу на кожному кроці звуження не буде видалено жодного потенційно оптимального рішення [18].