中小水电集群的动态等值方法与流程

本发明具体涉及一种中小水电集群的动态等值方法。
背景技术：
：由于中小水电灵活、方便且环境友好，近年来水电丰富地区中小水电站发展较为迅速。这些机组单机容量较小，每台机对电网的影响可以忽略，但随着其并网规模的逐渐增加，整个中小水电群对电力系统稳定与安全运行的影响将难以被忽视。由于每台机组和线路的参数均难以获得，因此建立包含所有水电机组在内的中小水电集群的详细模型非常困难；而且，由于详细模型阶数较高，即使建立了详细模型，在电力系统稳定计算中也可能会带来维数灾。现今在我国对于中小型水力电力系统的研究中，通常的方法是将水电机组等值成负负荷模型，然而负负荷模型下水电机组的动态响应以及暂态稳定性并不能与详细模型的机组响应保持一致。目前，关于电力系统的等值研究有三种基本的方法：同调等值法，模态等值法以及估计等值法。其中模态等值法只能用于小干扰稳定性而非暂态稳定性的研究；同调等值法不适用于研究发电机组和网络的参数未知的情况，而由于中小型水电机组的参数通常都是未知的，因此同调等值法对于中小水电集群等值问题而言是不适用的；但是，估计等值法却适用于发电机和网络参数未知的情况，因此在中小水电集群等值研究方面有较大的优势。当前，相量量测技术已广泛应用于电力系统动态监测，估计等值法正可以应用连接待等值水电群和电力系统联络线的相量量测数据。在基于估计等值法的中小水电集群等值研究中，目前已取得了一些研究成果。基于降阶的人工神经网络等人工智能方法来辨识被等值系统的动态响应已取得一定成果，并且成果在一个16机测试系统上实现；但是该方法以人工智能模型的方式进行等值，等值模型并没有实际物理意义。在基于物理模型的基础上的估计等值法也有一定的成果，该方法多基于量测数据对物理模型的参数进行辨识。有文献(BoweiHu,JingtaoSun,LijieDing,XinyuLiu,XiaoruWang,“DynamicEquivalentModelingforSmallandMediumHydropowerGeneratorGroupBasedonMeasurements,”Energy,vol.9.no.5,pp.1-14,May2016.)将中小水电机群等值为发电机并联负荷模型，并基于量测数据、利用动态多群粒子群(DMS-PSO)算法来辨识得到模型参数，但是其等值模型的动态响应特性在第二摆以后误差较大，而且其参数辨识方法并不稳定。粒子群算法广泛应用于参数辨识领域，然而基于粒子群算法的参数辨识算法在某些场景下并不准确。技术实现要素：本发明的目的在于提供一种基于实际量测量，快速准确对中小水电集群进行动态等值的中小水电集群的动态等值方法。本发明提供的这种中小水电集群的动态等值方法，包括如下步骤：S1.获取目标中小水电集群的运行量测信息；S2.建立目标中小水电集群的动态等值模型；S3.采用自适应控制参数改进差分进化算法辨识水电集群动态等值模型参数；S4.将步骤S3得到的模型参数带入步骤S2的动态等值模型，完成目标中小水电集群的动态等值模型。步骤S1所述的运行量测信息，包括联络线靠近目标中小水电集群侧的有功功率、联络线靠近目标中小水电集群侧的无功功率、目标中小水电集群送出母线的电压和目标中小水电集群送出母线的频率。步骤S2所述的建立目标中小水电集群的动态等值模型，具体包括如下步骤：Ⅰ.建立等值发电机模型；Ⅱ.建立等值负荷模型；Ⅲ.得到等值模型的有功功率输出算式和无功功率输出算式。步骤Ⅰ所述的建立等值发电机模型的具体表达式如下所示：式中t是时间；ω是等值发电机转速；δ’是等值发电机功角与机端母线电压相角差；E’是等值发电机x’d后面的电动势，即q轴暂态电动势；V是等值发电机机端电压；ωf是等值发电机机端母线电压的频率；Pm是等值发电机机械功率；Pe是等值发电机电磁功率；Qe是等值发电机无功功率；Tj是等值发电机惯性时间常数；D是等值发电机阻尼系数；xd是等值发电机d轴同步电抗；x’d是等值发电机d轴暂态电抗，等于q轴同步电抗xq；T’d0是等值发电机d轴开路暂态时间常数；KV是等值发电机励磁电压反馈系数；Ef0是等值发电机初始励磁电压；V0是等值发电机初始机端电压。步骤Ⅱ所述的建立等值负荷模型为静态ZIP负荷模型，具体如下式所示：式中Ps0是并联等值静态ZIP负荷初始有功功率；Qs0是并联等值静态ZIP负荷初始无功功率；Ap、Bp,、Aq、Bq分别是并联等值静态ZIP负荷中恒阻抗、恒电流分量的比例系数；下标p和q分别表示有功功率和无功功率。步骤Ⅲ所述的等值模型的有功功率输出算式和无功功率输出算式具体如下式所示：式中P为等值模型输出有功功率；Q为等值模型输出无功功率；Pe是发电机有功功率；Qe是发电机无功功率；Ps是并联静态ZIP负荷有功功率；Qs是并联静态ZIP负荷无功功率。步骤S3所述的采用自适应控制参数改进差分进化算法辨识水电集群动态等值模型参数，具体包括如下步骤：A.初始化：需辨识的参数有Tj、T’d0、xd、x’d、D、KV、Ps0、Qs0、Ap、Aq、Bp,、Bq，共M＝12个，组成M维向量X＝[TjT′d0xdxd′DKvPs0Qs0ApAqBpBq]，记为X＝(x1x2...xM)，根据参数向量的上下限Xmax＝(xmax1xmax2...xmaxM)和Xmin＝(xmin1xmin2...xminM)，在范围之内随机生成N个第g＝0代参数向量作为种群搜索空间；B.选择第g代个体参数向量下等值模型输出响应值，其中g为非负整数：令输入变量V和ωf为目标中小水电集群送出母线的量测电压Vl(t),t＝1,2,…,T和目标中小水电集群送出母线的量测频率ωfl(t),t＝1,2,…,T，等值模型的待辨识参数向量分别为第i个个体参数向量利用四阶龙格库塔算法求解目标中小水电集群的动态等值模型共N次，分别得到第i个个体参数向量对应的等值模型的输出响应值有功功率PXi(t),t＝1,2,...,T和无功功率QXi(t),t＝1,2,...,T，其中i＝1,2,…,N；C.选择第g代最优个体参数向量：采用如下算式计算所有个体对应的适应度其中，Pl(t),t＝1,2,…,T为联络线靠近目标中小水电集群侧的量测有功功率，Ql(t),t＝1,2,…,T为联络线靠近目标中小水电集群侧的量测无功功率；选择适应度最优的个体作为最优个体，即适应度中最小值对应的个体参数向量其中，的值为求取达到最小值时对应的值；D.判断第g代最优个体参数向量是否满足收敛要求：如果g＝gmax或则表明参数的精度已经满足要求，输出最终的待辨识参数向量算法停止；否则，则继续执行剩余的计算步骤；其中，gmax为最大代数，ε为事先设定的精度要求，为第g代参数的最优适应度；E.变异，即求第g代变异参数向量：变异得到参数向量计算公式如下：其中，和为从当前种群搜索空间中随机选择的三个不同个体向量，即i_r1,i_r2和i_r3为随机选取、满足i_r1,i_r2,i_r3∈{1,2,...,N}且i_r1≠i_r2≠i_r3≠i的个体向量下标，对于每个个体向量的每次更新均随机选取三个不同个体向量，即针对不同i，i_r1,i_r2和i_r3均随机生成，由于每次迭代需要更新N个个体向量，共随机生成N次；Fi为变异尺度因子，根据下式计算得到：式中，Fl和Fu分别为变异尺度因子的下限和上限，一般情况下，取Fl＝0.1，Fu＝0.9；fb、fm、fw分别为个体向量和对应的适应度和最好、较好和最差值，即其中的最小值、次小值和最大值分别为fb、fm和fw；若变异超过个体向量的上下限，则需要对作如下修正，得到最终的变异参数向量其中第i个向量第j维参数选取原则为下式所示，其中i＝1,2,…,N，j＝1,2,…,M：其中，randij[0,1]为第i个向量在第j维上产生的一个[0,1]范围内的均匀分布的随机数；F.交叉，求第g代试验参数向量：交叉得到第g代试验向量其第i个试验向量的第j维参数的选取原则为：其中，randij[0,1]为第i个向量在第j维上产生的一个[0,1]范围内的均匀分布的随机数，jrand为[1,M]内的随机整数，以确保试验向量至少有一维由变异向量贡献，randij[0,1]和jrand在不同i时将重新抽取，共抽取N次；CRi为交叉概率常数，取值在[0,1]范围内，根据下式计算得到：式中，CRl和CRu分别为交叉概率常数的下限和上限，一般情况下，取CRl＝0.1，CRu＝0.6；fbest、fworst和分别表示当前种群中全部N个个体参数向量的适应度之中的最优个体适应度、最差个体适应度以及当前种群的平均适应度，即中的最小值、最大值和平均值分别为fbest、fworst和G.计算第g代试验参数向量下等值模型输出响应值：令输入变量V和ωf为目标中小水电集群送出母线的量测电压Vl(t),t＝1,2,…,T和目标中小水电集群送出母线的量测频率ωfl(t),t＝1,2,…,T，等值模型的待辨识参数向量分别为第i(i＝1,2,…,N)个个体试验参数向量利用四阶龙格库塔算法求解目标中小水电集群的动态等值模型共N次，分别得到第i(i＝1,2,…,N)个个体试验参数向量对应的等值模型的输出响应值有功功率PUi(t),t＝1,2,...,T和无功功率QUi(t),t＝1,2,...,T；H.选择，求第g+1代个体参数向量：在第g代个体参数向量与第g代个体试验参数向量之间选择，得到第g+1代个体参数向量计算公式如下：其中，为第g代试验参数向量的适应度，计算公式为：I.重复步骤B～步骤H，直至步骤D的判断条件满足，即第g代最优个体参数向量满足收敛要求，得到最终的待辨识参数向量算法停止。本发明提供的这种中小水电集群动态等值方法，选择等值模型为三阶发电机并联静态ZIP负荷模型，选择中小水电集群送电联络线相量量测数据的有功功率、无功功率、电压、频率作为输入数据为输入，采用自适应控制参数改进差分进化算法来辨识等值模型参数；本发明与其它传统等值方法相比，具有较高的动态响应精度，所用的参数辨识算法具有较好的稳定性，可用于中小型水力发电机集群的等值参数辨识计算，具有杰出的工程应用价值。附图说明图1为本发明方法的流程图。图2为本发明方法与其他现有方法在等值模型有功功率输出响应上的比较结果示意图。图3为本发明方法与其他现有方法在等值模型无功功率输出响应上的比较结果示意图。具体实施方式如图1所示为本发明方法的流程图：本发明提供的这种中小水电集群的动态等值方法，包括如下步骤：S1.获取目标中小水电集群的运行量测信息，包括联络线靠近目标中小水电集群侧的有功功率、联络线靠近目标中小水电集群侧的无功功率、目标中小水电集群送出母线的电压和目标中小水电集群送出母线的频率；S2.建立目标中小水电集群的动态等值模型，具体包括如下步骤：Ⅰ.建立等值发电机模型；式中t是时间；ω是等值发电机转速；δ’是等值发电机功角与机端母线电压相角差；E’是等值发电机x’d后面的电动势，即q轴暂态电动势；V是等值发电机机端电压；ωf是等值发电机机端母线电压的频率；Pm是等值发电机机械功率；Pe是等值发电机电磁功率；Qe是等值发电机无功功率；Tj是等值发电机惯性时间常数；D是等值发电机阻尼系数；xd是等值发电机d轴同步电抗；x’d是等值发电机d轴暂态电抗，等于q轴同步电抗xq；T’d0是等值发电机d轴开路暂态时间常数；KV是等值发电机励磁电压反馈系数；Ef0是等值发电机初始励磁电压；V0是等值发电机初始机端电压；Ⅱ.建立等值负荷模型；式中Ps0是并联等值静态ZIP负荷初始有功功率；Qs0是并联等值静态ZIP负荷初始无功功率；Ap、Bp,、Aq、Bq分别是并联等值静态ZIP负荷中恒阻抗、恒电流分量的比例系数；下标p和q分别表示有功功率和无功功率；Ⅲ.得到等值模型的有功功率输出算式和无功功率输出算式：式中P为等值模型输出有功功率；Q为等值模型输出无功功率；Pe是发电机有功功率；Qe是发电机无功功率；Ps是并联静态ZIP负荷有功功率；Qs是并联静态ZIP负荷无功功率；S3.采用自适应控制参数改进差分进化算法辨识水电集群动态等值模型参数，具体包括如下步骤：A.初始化：需辨识的参数有Tj、T’d0、xd、x’d、D、KV、Ps0、Qs0、Ap、Aq、Bp,、Bq，共M＝12个，记为M维向量X＝[TjT′d0xdxd′DKvPs0Qs0ApAqBpBq]，在下文中将待辨识的模型参数组成参数向量记为X＝(x1x2...xM)，根据参数向量的上下限Xmax＝(xmax1xmax2...xmaxM)和Xmin＝(xmin1xmin2...xminM)，在范围之内随机生成N个第g＝0代参数向量作为种群搜索空间；B.选择第g代个体参数向量下等值模型输出响应值，其中g为非负整数：令输入变量V和ωf为目标中小水电集群送出母线的量测电压Vl(t),t＝1,2,…,T和目标中小水电集群送出母线的量测频率ωfl(t),t＝1,2,…,T，等值模型的待辨识参数向量分别为第i个个体参数向量利用四阶龙格库塔算法求解目标中小水电集群的动态等值模型共N次，分别得到第i个个体参数向量对应的等值模型的输出响应值有功功率PXi(t),t＝1,2,...,T和无功功率QXi(t),t＝1,2,...,T，其中i＝1,2,…,N；C.选择第g代最优个体参数向量：采用如下算式计算所有个体对应的适应度其中，Pl(t),t＝1,2,…,T为联络线靠近目标中小水电集群侧的量测有功功率，Ql(t),t＝1,2,…,T为联络线靠近目标中小水电集群侧的量测无功功率；选择适应度最优的个体作为最优个体，即适应度中最小值对应的个体参数向量其中，的值为求取达到最小值时对应的值；D.判断第g代最优个体参数向量是否满足收敛要求：如果g＝gmax或则表明参数的精度已经满足要求，输出最终的待辨识参数向量算法停止；否则，则继续执行剩余的计算步骤；其中，gmax为最大代数，ε为事先设定的精度要求，为第g代参数的最优适应度；E.变异，即求第g代变异参数向量：变异得到参数向量计算公式如下：其中，和为从当前种群搜索空间中随机选择的三个不同个体向量，即i_r1,i_r2和i_r3为随机选取、满足i_r1,i_r2,i_r3∈{1,2,...,N}且i_r1≠i_r2≠i_r3≠i的个体向量下标，对于每个个体向量的每次更新均随机选取三个不同个体向量，即针对不同i，i_r1,i_r2和i_r3均随机生成，由于每次迭代需要更新N个个体向量，共随机生成N次；Fi为变异尺度因子，根据下式计算得到：式中，Fl和Fu分别为变异尺度因子的下限和上限，一般情况下，取Fl＝0.1，Fu＝0.9；fb、fm、fw分别为个体向量和对应的适应度和最好、较好和最差值，即其中的最小值、次小值和最大值分别为fb、fm和fw；若变异超过个体向量的上下限，则需要对作如下修正，得到最终的变异参数向量其中第i个向量第j维参数选取原则为下式所示，其中i＝1,2,…,N，j＝1,2,…,M：其中，randij[0,1]为第i个向量在第j维上产生的一个[0,1]范围内的均匀分布的随机数；F.交叉，求第g代试验参数向量：交叉得到第g代试验向量其第i个试验向量的第j(j＝1,2,…,M)维参数的选取原则为：其中，randij[0,1]为第i个向量在第j维上产生的一个[0,1]范围内的均匀分布的随机数，jrand为[1,M]内的随机整数，以确保试验向量至少有一维由变异向量贡献，randij[0,1]和jrand在不同i时将重新抽取，共抽取N次；CRi为交叉概率常数，取值在[0,1]范围内，根据下式计算得到：式中，CRl和CRu分别为交叉概率常数的下限和上限，一般情况下，取CRl＝0.1，CRu＝0.6；fbest、fworst和分别表示当前种群中全部N个个体参数向量的适应度之中的最优个体适应度、最差个体适应度以及当前种群的平均适应度，即中的最小值、最大值和平均值分别为fbest、fworst和G.计算第g代试验参数向量下等值模型输出响应值：令输入变量V和ωf为目标中小水电集群送出母线的量测电压Vl(t),t＝1,2,…,T和目标中小水电集群送出母线的量测频率ωfl(t),t＝1,2,…,T，等值模型的待辨识参数向量分别为第i(i＝1,2,…,N)个个体试验参数向量利用四阶龙格库塔算法求解目标中小水电集群的动态等值模型共N次，分别得到第i(i＝1,2,…,N)个个体试验参数向量对应的等值模型的输出响应值有功功率PUi(t),t＝1,2,...,T和无功功率QUi(t),t＝1,2,...,T；H.选择，求第g+1代个体参数向量：在第g代个体参数向量与第g代个体试验参数向量之间选择，得到第g+1代个体参数向量计算公式如下：其中，为第g代试验参数向量的适应度，计算公式为：I.重复步骤B～步骤H，直至步骤D的判断条件满足，即第g代最优个体参数向量满足收敛要求，得到最终的待辨识参数向量算法停止；S4.将步骤S3得到的模型参数带入步骤S2的动态等值模型，完成目标中小水电集群的动态等值模型。以下结合一个仿真实例，说明本发明方法的优点：采用我国某实际电网的中小水电集群进行动态等值，被等值区域有10个水电站，23台水电机组，总容量为1578MW，该水电群通过500kV联络线输电至主网，详细模型采用5阶发电机模型，仿真基于PSASP进行。在进行参数辨识时，选择个体向量空间向量数N＝60，代数gmax＝300，ε＝10-5，变异尺度因子下限和上限分别取Fl＝0.1和Fu＝0.9，交叉概率常数下限和上限分别取CRl＝0.1，CRu＝0.6。图2和图3给出了基于本专利的等值模型在有功功率和无功功率输出响应上，与详细模型、参考文献(BoweiHu,JingtaoSun,LijieDing,XinyuLiu,XiaoruWang,“DynamicEquivalentModelingforSmallandMediumHydropowerGeneratorGroupBasedonMeasurements,”Energy,vol.9.no.5,pp.1-14,May2016.)中的等值模型以及负负荷等值模型的比较结果，可以看出，本专利的等值模型具有更高的准确性。表1为经过7次参数辨识得到的不同参数的结果：表17次参数辨识得到的不同参数的结果示意表表2为每个参数的平均值和标准差：表2每个参数的平均值和标准差示意表参数TjT’d0xdx’dDKV平均值(p.u.)84.94830.19560.03580.04450.84350.4387标准差(p.u.)1.15660.00990.00230.0010.05760.111参数Ps0Qs0ApAqBpBq平均值(p.u.)4.64990.22630.1709100标准差(p.u.)0.18290.00310.014600.01460通过表1和表2可以看到，辨识结果的差别较小，参数辨识的方法稳定性较高。结果中只有KV的标准差稍大，但是对等值模型动态响应影响并不大。当前第1页1 2 3