同步相量测量下电力系统故障非线性诊断方法

发布时间：2020-05-27 09:34

【摘要】：电力能源的持续供应是现代社会经济飞速发展的基础保障。最新的全球可再生能源报告指出,2016年全球再生能源装机容量高达2017GW。随着分布式可再生能源发电的不断引入与电力系统规模的迅速壮大,电网的结构与运行方式愈加复杂,对系统的稳定运行提出更高挑战。为解决以上问题,运用同步相量测量单元(Phasor Measurement Unit,PMU)对全网各区域信息进行实时采集,为故障分析提供数据来源,研究及时有效的故障非线性诊断方法,实现快速的故障时刻判断与准确的故障位置识别,对于保证电力系统安全稳定运行具有重要的研究价值及实用意义。本文基于PMU提供的数据信息,将核主成分分析(Kernel Principal Component Analysis,KPCA)、海赛局部线性嵌入(Hessian Locally Linear Embedding,HLLE)、Nystr?m近似理论引入电力系统故障诊断中,提出新的非线性诊断方法,有效解决目前已有算法存在的故障元件定位精度不高、计算复杂度过高、信息时变特性难以追踪等问题,同时运用MATLAB软件完成了相应的仿真实验,得到良好的验证效果。主要工作及创新性如下:(1)综述了电力系统故障诊断方法的发展现状,分析了PMU的基本原理及其在电力系统中的应用,研究了目前已有的电力系统故障诊断方法,分析现有算法的局限性,为新算法的理论探索与性能分析提供技术支撑。(2)针对数据驱动类电力系统故障诊断算法多数为线性变换方法,难以有效提取PMU信息的非线性特征,影响相应的故障检测与故障元件定位准确性的问题,将KPCA方法引入电力系统故障定位领域,借助比例因子推导出多项式核函数的偏导数,得到各母线节点对统计量的贡献率,确定故障元件位置并判断故障后整个系统的波动情况,进而提出基于KPCA的电力系统故障元件定位方法。与基于主成分分析(Principal Component Analysis,PCA)的电力系统故障诊断方法相比,所提算法具有更低的误报率与更优的定位效果。(3)KPCA方法需要复杂的非线性映射,增加了算法的计算复杂度。为此,探索HLLE理论在电力系统故障检测中的应用,对PMU提供的海量数据进行有效压缩,运用局部线性回归估计高维空间与低维嵌入空间的映射函数,降低新数据处理时的计算复杂度。以此为基础,提出基于HLLE的电力系统故障检测方法。与基于KPCA的电力系统故障检测方法相比,所提算法在保证检测性能基本不变的基础上,可以大幅度降低相应的检测时间。(4)PMU测量数据具有时变特征,引入移动窗实现KPCA模型与控制限的动态变化,解决算法难以自适应调节而导致新的稳定状态被误判为故障的问题,针对KPCA算法中高维核矩阵构建与特征值分解带来的繁重计算负担,运用Nystr?m近似理论实现核矩阵、特征值和特征向量的近似重构,从而提出基于移动窗Nystr?m核主成分分析(Moving Window Nystr?m KPCA,MWNKPCA)的电力系统故障诊断新方法。较基于移动窗核主成分分析(Moving Window KPCA,MWKPCA)的电力系统故障诊断方法,所提算法在保证检测性能基本不变的基础上,降低约37%的运行时间,并能有效识别故障元件位置。上述研究探索了KPCA方法、HLLE方法、Nystr?m近似方法在电力系统故障诊断领域的应用,为电力系统稳定安全运行、实时监控保护提供技术支撑。
【图文】：

框图,原理结构,框图,状态估计

.2 PMU 在电力系统中的应用本小节介绍 PMU 测量数据在电力系统动态实时监测控制、状态估计、暂态控制等方面的应用情况。）电力系统动态实时监测控制实时监控的目的是向调度人员提供电力系统在线运行情况，进而提高正常情人员的操作效率，同时允许操作人员在异常情况下进行问题的检测、预测和纠于 SCADA 系统秒级的数据刷新速率，，PMU 拥有更高的数据采集速率，为系实时运行分析提供数据来源。以此为基础，文献[33]提出了以 PMU 为基本组新型全网实时监测系统的整体构架。）电力系统状态估计状态估计可以提供系统状态的最优估计，是能源管理系统（Energy Managetem, EMS）的重要功能之一[34]。传统的状态估计运用 SCADA 系统测量到的电

节点,硕士学位论文

吉林大学硕士学位论文5 仿真分析本节通过两组仿真实验评价所提算法的故障定位性能，并与基于PCA的电力诊断方法进行对比分析。如图3.1所示，运用Simulink仿真软件平台搭建IEE统，其中包含9条母线与3台发电机。假设每个节点都安装了一个PMU，其采50Hz。2T 统计量与Q 统计量的置信度为0.99，方差贡献率为80%。为了进一际系统，在仿真得到的正序电压数据中加入高斯白噪声[42]。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM711

【相似文献】