基于故障信息的电力系统暂态稳定评估

发布时间：2020-03-14 15:13

【摘要】：电力系统是人类历史上构造最复杂的强非线性、高维数、分层、分布的动态工业大系统之一,其稳定分析和控制问题也一直是电力科学研究的热点和难点。近年来,随着负荷的增长、送电距离的增加、各种新技术和控制器件的应用、电力市场化政策的实施、风电、太阳能等新能源大规模接入以及大量高压直流输电和柔性交流输电系统的投运,现代电力系统的同调性、失稳模式、关键断面等动态特性也越来越复杂,增加了电力系统稳定分析和控制的难度。未来,随着智能电网建设的推进,电力系统设备的利用率在现有基础上将得到进一步的提高,这势必将导致电力系统的运行越来越靠近其稳定运行极限,使得现代电力系统发生在不同的交流通道之间、直流通道之间、交直流通道之间、送受端电网之间的相继故障的可能性越来越高。加上继电保护装置的潜在故障、多馈入直流系统与交流电网的相互影响、机组非计划停运、受端无功支撑能力、低频振荡、暂态稳定和电压稳定等因素,未来电力系统出现相继故障演化为大停电的风险势必增加。而暂态稳定破坏作为诱发相继故障演化为大停电事故的重要因素之一,能否对其进行快速准确的评估对于大停电防御体系中的预防控制、紧急控制和校正控制措施的有效执行有着重要的意义。因此,现代电力系统亟须一套行之有效的稳定分析方法来快速分析故障后的系统的稳定状态,为电力系统运行人员及时有效地采取控制措施提供重要的信息支撑。随着广域测量技术和人工智能技术的发展,基于广域测量信息及人工智能算法的电力系统暂态稳定评估方法获得了研究人员的广泛关注。本文从充分利用广域测量系统提供的电力系统故障信息的角度出发,基于人工智能算法和能量函数算法对电力系统暂态稳定评估展开了研究,主要研究内容如下： (1)本文提出了一种基于发电机组合轨迹输入特征支持向量机的电力系统暂态稳定分析模型,算法采用基于组合轨迹输入的支持向量机分类器进行暂态稳定识别,并且给出了分类器的可信区和非可信区以提高该分类器的实用性,同时,提出了修正策略对非可信区的分类结果进行修正以提高分类器在非可信区的分类性能。 (2)本文将单机能量函数和广义势能的概念引入到势能脊方法中,提出了单机势能脊判据。同时考虑到能量函数中电网模型和实际电网模型的差异,根据实际电网的运行特点,提出了提高单机势能脊判据可靠性的约束条件,并在此基础上,提出了基于WAMS实时信息的电力系统暂态稳定单机势能脊判断方法。 (3)本文在支路势能函数的基础上,结合势能脊方法,提出了一种用于电力系统暂态稳定分析及临界割集识别的支路势能脊法。同时,为了解决支路势能脊法在稳定情况下无法识别临界割集的缺陷,提出了一种计算简单,能够有效反应系统受扰程度的电力系统支路和系统稳定度指标。和现有支路势能函数方法相比,本文所提算法准确度高,计算简单,在已知电网结构参数的情况下,只需要实时获得电网母线电压幅值和相角即可进行电力系统暂态稳定状态和临界割集的实时分析和识别,而且该算法对于多群失稳模式依然适用。同时,由于本算法仅依赖于系统网络结构和参数,因此也可以应用于有风电等新能源接入的电力系统暂态稳定分析。 (4)本文提出了一种基于滚动双层次聚类的电力系统临界割集搜寻方法,算法分别采用发电机轨迹和母线轨迹进行独立的层次聚类,从基于发电机轨迹的层次聚类中可以获得故障后系统的发电机分群情况,从基于母线值轨迹的层次聚类中可以获得故障后系统的母线分群情况,然后对两个层次聚类结果进行一致性校验以提高临界割集搜寻结果的可靠性。同时,为了降低层次聚类中母线轨迹间距离的计算量,并保证通过聚类获得的母线群内部连通性,本文进一步提出了计及电网拓扑结构的母线变量轨迹距离简化计算方法,从而大大提高了所提算法效率。 (5)本文从输电断面可用传输容量(ATC)的角度出发,结合临界割集的概念,提出了一种新的电力系统暂态稳定裕度表征方法—暂态稳定可用传输容量(TATC),TATC直接从功率的角度对系统的暂态稳定程度进行定量度量,方便电网运行人员直接基于该裕度指标快速制定出保证系统安全稳定运行的预防或者紧急控制措施。同时,为了实现该指标的在线计算,论文提出了基于支持向量机的TATC快速预测方法,该方法只需要获取初态故障信息即可实现对TATC的快速预测。
【图文】：

分析图,暂态稳定评估,轨迹长度,方案

2.4.1 方案1结果与分析图2-6为方案1输入特征下支持向量机暂态稳定评估结果。99.5 ： g 97 目 96.5 ^ 、、. 96 功角 ■转速95.5 电压格ft —“电进功率95、. 不平衡功率 20 40 60 80 100120 140 1601?)200 220 240260 280 300轨迹持续时间(ms)图2-6不同轨迹长度K方案1暂态稳定评估结果分析方案1的结果，可以得出以下2个结论：(1).方案1中分类准确率最高的分类器的所采用的输入是归一化不平衡功率轨迹，当输入时间截止到故障清除后20ms时，分类准确率可以达到97.826%，分类准确率最高为98.792%(200ms)，但是随着输入故障轨迹长度的增加，分类准确率波动较大，但是分类效果要优于文献[95]所提基于故障后电伍幅值轨迹输入特征支持向量机的性能；(2).方案1中分类准确率最低的分类器的所采用的输入是转速轨迹，当输入时间截止到故障清除后20ms时，分类准确率为96.256%
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TM712

【参考文献】