一种适用于大电网分析的小水电机群动态等值方法与流程

本发明属于电力系统仿真建模
技术领域：
，更为具体地讲，涉及一种适用于大电网分析的小水电机群动态等值方法。
背景技术：
：近年来，随着全球能源危机和环境污染的不断加剧，包括水电资源在内的可再生能源得到了快速的发展。截止2015年，水电装机容量占世界总电力装机容量的16.6％，占可再生能源装机容量的70％，预计未来25年将以每年3.1％的比例增长。由于受到地理环境的影响，在中国部分地区存在大量小水电机组(单站容量小于25mw)在某一区域集中在配网侧(35kv)并网的现象。大量小水电机群在配网侧接入电网，不仅会对配电网造成影响，同时也会对大电网的稳定性造成影响。在大电网建模分析过程中，由于小水电机群数量众多，结构复杂，参数不透明等特点，难以在仿真模型中进行详细建模。同时，采用详细模型进行大电网分析，不仅会引入累计误差，而且易造成“维数灾”。基于pmu测量信息的动态等值(pmubaseddynamicequivalent,pde)可以很好的解决这个问题。在保证等值区域动态特性一致的情况下，pde采用降阶模型对等值区域进行简化建模，在提高建模效率的同时有效消除详细建模过程中的累计误差，避免“维数灾”。然而，在实际应用中发现，基于传统pde方法得到的小水电机群等值模型虽然可以很好的重现已有故障，但是却难以准确预测未知的故障，即存在等值模型鲁棒能力不强的问题。由同调性理论可知，只有当等值区域内机组完全同调时，才能对其进行动态等值操作；同时，由于电力系统的强非线性特征，传统基于单一故障信息的pde难以完全反映系统的动态特性；最后，在传统pde方法中，由于待辨识参数过多，等值模型容易出现多解的问题。这些都是造成小水电机群等值模型鲁棒能力不强的重要原因。因此，在各国持续增加可再生能源接入电网比例的大背景下，建立适用于大电网分析，且具有较高准确性和较强鲁棒能力的小水电机群动态等值模型具有重要的现实意义。技术实现要素：本发明的目的在于克服现有技术的不足，提出一种适用于大电网分析的小水电机群动态等值方法，以有效提高小水电机群动态等值模型的准确性和鲁棒能力。为实现上述发明目的，本发明适用于大电网分析的小水电机群动态等值方法，其特征在于，包括以下步骤：(1)、采用时域仿真判别方法，对需要进行等值的小水电机群进行同调性判别，如果小水电机群内的小水电机组不完全同调时，则按照同调性判据对小水电机群内的小水电机组进行分群，直到每一分群内的机组满足同调性要求；(2)、对满足同调性要求的小水电机群，建立小水电机群动态等值模型；(3)、采用相对轨迹灵敏度对动态等值模型参数进行灵敏度分析，选出对小水电机群动态特性影响较大的待辨识参数作为关键参数，其余的待辨识参数为非关键参数；(4)、基于多pmu多故障信息，应用统计学理论和信息熵方法，提取更能反映小水电机群动态特性的多pmu多故障特征；(5)、基于多pmu多故障特征对关键参数和非关键参数进行差异性辨识，建立动态等值模型。本发明的目的是这样实现的。本发明适用于大电网分析的小水电机群动态等值方法，通过同调性判别保证了等值区域即小水电机群内的小水电机组严格同调，采用灵敏度分析区分关键参数与非关键参数，并充分利用多pmu多故障信息中包含的系统特征，提高动态等值模型对真实小水电机群的解释能力，对待辨识参数进行差异性辨识，有效消除动态等值模型存在多解的问题，从而有效提高小水电机群动态等值模型的准确性和鲁棒能力。附图说明图1是适用于大电网分析的小水电机群动态等值方法的流程图；图2是四川省某真实小水电机群接线图；图3是图2所示小水电机群某一典型故障情况下的功角曲线；图4是等值母线处的有功功率曲线；图5是外部系统母线20处的有功功率曲线。具体实施方式下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。图1是适用于大电网分析的小水电机群动态等值方法的流程图。在本实施例中，如图1所示，本发明适用于大电网分析的小水电机群动态等值方法包括以下步骤：步骤s1：同调性判别采用时域仿真判别方法，对小水电机群进行同调性判别，如果小水电机群内的小水电机组不完全同调时，则按照同调性判据对小水电机群内的小水电机组进行分群，直到每一分群内的机组满足同调性要求。在本实施例中，所述采用时域仿真判别方法，对需要进行等值的小水电机群进行同调性判别为：1.1)、在某一故障条件下，记录被判别各小水电机组功角曲线；1.2)、若在故障发生后[0,τ]时间范围内，任意两台小水电机组在任意时刻的相对功角差不大于给定值ε，则判别该小水电机群同调，即：其中，δσmn(t)为小水电机组m和n在t时刻的功角差，通常ε可取5～10°，τ可取1～3s；1.3)、在不同典型故障情况下重复上述操作即步骤1.1)、1.2)，若在所有典型故障情况下，小水电机群均满足同调性要求，则小水电机群内所有电机同调，只有当小水电机群满足同调性判据，才能对其进行动态等值操作。步骤s2：建立小水电机群动态等值模型对满足同调性要求的小水电机群，建立小水电机群动态等值模型。在本实施例中，将满足同调性的小水电机群简化为一5阶同步发电机和一静态zip负荷并联模型，其中：5阶同步发电机数学表达式如下：d轴电气参数：q轴电气参数：转子运动方程：其中，xd,xq为d,q轴同步电抗；xd'为d轴暂态电抗；xd”,xq”为d,q轴次暂态电抗；td0'为d轴暂态开路时间常数；td0”,tq0”为次暂态开路时间常数；ed',eq'为d,q轴暂态电势；ed”,eq”为d,q轴次暂态电势；ef为励磁电势；ud,uq为d,q轴定子电压；id,iq为d,q轴定子电流；其中，静态zip负荷模型数学表达式如下：其中，p,q分别为当母线电压为u时，负荷消耗的有功、无功功率；u0为额定电压；p0，q0为额定电压时负荷所消耗的有功、无功功率；pz,pi,ps和qz,qi,qs分别为负荷有功、无功功率中恒阻抗、恒电流、恒功率分量的比例系数，且满足pz+pi+ps＝qz+qi+qs＝1。步骤s3：选出关键参数与非关键参数采用相对轨迹灵敏度对动态等值模型参数进行灵敏度分析，选出对小水电机群动态特性影响较大的待辨识参数作为关键参数，其余的待辨识参数为非关键参数。在本实施例中，具体包括：3.1)、定义小水电机群动态等值模型与大电网连接的母线为系统等值母线；3.2)、选取系统等值母线处的有功、无功功率作为观测轨迹变量，求取待辨识参数θh的有功、无功相对轨迹灵敏度tsph、tsqh：其中，为有功功率轨迹yp在第k个采样点对于待辨识参数θh的偏导数，yp0为有功功率轨迹yp的稳态值，为无功功率轨迹yq在第k个采样点对于待辨识参数θh的偏导数，yq0为无功功率轨迹yq的稳态值，θh0为待辨识参数θh的标准值，k为采样点数，h为待辨识参数的序号，h＝1,2,…,h，h为待辨识参数的数量；将待辨识参数θh的有功、无功相对轨迹灵敏度tsph、tsqh相加，得到待辨识参数θh的综合轨迹灵敏度；设定一关键参数选择阈值，如果综合轨迹灵敏度大于设定阈值的待辨识参数定为关键参数，其余参数定为非关键参数。步骤s4：提取多pmu多故障特征基于多pmu多故障信息，应用统计学理论和信息熵方法，提取更能反映小水电机群动态特性的多pmu多故障特征。在本实施例中，包括以下步骤：4.1)、多pmu多故障信息选取所选取的多pmu多故障信息作为动态等值模型参数辨识目标函数中的误差评价指标(errorevaluationindicator,eei)，应能更加全面的反映大电网的动态特性。在本实施例中，选取典型故障条件下包括等值母线在内的系统重要母线有功、无功功率作为小水电机群动态等值的eei；4.2)、应用统计学理论和信息熵方法，提取多pmu多故障特征多pmu多故障特征提取即为所选取的eei在等值模型参数辨识目标函数中的权重确定过程：4.2.1)、根据小水电机群总额定容量及负荷的总额定容量，给出等值模型待辨识参数的理论值；在一定置信区间(理论值的10％到理论值的200％)范围内，随机产生多组待辨识参数组合，在不同故障条件于等值模型中重现pmu记录的历史故障事件，据此，可得不同待辨识参数组合在不同故障条件下与pmu实测数据的误差矩阵e为：其中，i为故障编号，i＝1,2,…,i，i为故障数，j为同一故障条件下由pmu记录的eei编号，j＝1,2,…,j，j为eei数目，l为随机生成的待辨识参数组编号，l待辨识参数组数，为在第l样本中，在i故障条件下第j个eei的误差(等值模型仿真值与pmu实测数据均方根误差)，为第l个样本中第j个eei在i故障条件下等值模型仿真值与pmu实测数据在t时刻(t个采样点)的差值，t为采样点数；在误差矩阵e中，每一列代表一个eei，每一行代表在一次参数辨识过程中所用到的全部eei；4.2.2)、将各eei进行负向指标标准化：其中，l＝1,…,l；4.2.3)、计算第i个故障、第j个eei在样本l中的比重：4.2.4)、计算第i个故障、第j个eei的信息熵：其中，g＝1/ln(l)是一个与样本数l有关的常数，以便使得信息熵entm∈[0,1]；4.2.5)、计算信息熵的冗余度：dij＝1-entij(12)4.2.6)、计算第i个故障、第j个eei的权重：据此，基于统计学原理和信息熵理论，得到各eei在等值模型参数辨识目标函数中的权重值，将eij乘以各自权重ωij并相加，即可获得更能反映小水电机群动态特性的多pmu多故障特征c：步骤s5：基于多pmu多故障特征对关键参数和非关键参数进行差异性辨识，建立动态等值模型。在本实施例中，具体包括：5.1)、初步辨识依次采用单一故障条件下的多pmu信息对所有待辨识参数进行辨识，此时，参数辨识的目标函数为：其中，msempsf_i为基于多pmu单故障条件下的eei综合均方误差；5.2)、重点辨识依据初步辨识结果，将非关键参数赋予初步辨识时的平均辨识值，同时采用多pmu多故障信息对关键参数进行重点辨识；此时，参数辨识的目标函数为：其中，msempmf为基于多pmu多故障条件下的eei综合均方误差。此外，若小水电机群按照同调性判据被分为n群，则将每一个小水电分群简化为一组动态等值模型；按照步骤s2到步骤s5依次对每一个小水电分群进行动态等值操作；当对第1个分群进行动态等值时，其余分群采用详细模型，当对第i(2≤i≤n-1)个分群进行动态等值时，第i个分群之前的分群采用等值模型，第i个分群之后的分群采用详细模型，当对第n个分群进行动态等值时，其余分群采用等值模型。本发明与现有技术相比，具有以下优势：1、根据同调等值理论，只有当发电机组同调时，才能对其进行动态等值操作。本发明在对小水电机群进行动态等值前，对等值区域内的小水电机组进行同调性验证，保证每次等值操作的小水电机群严格同调，消除不同调机组对等值模型动态特性的影响，有效提高动态等值精度。2、采用相对轨迹灵敏度将待辨识参数分为关键参数和非关键参数，并对其进行差异性辨识。有效降低了等值模型解空间的维数，消除参数辨识多解问题对等值模型精度和鲁棒能力的影响。3、在参数辨识过程中引入能够全面反映系统动态特性的多pmu多故障数据，有效提高了等值模型对真实系统的解释能力，进一步提高等值模型的准确性和鲁棒能力。实例图2所示为四川省某真实小水电机群接线图。小水电机群内共有9台水电机组g1～g9，直接接入35kv配电网络。等值区域内总装机容量75mva，总负荷为14mw+36mvar，内部线路总长185km，小水电机群在与某220kv母线处接入外部大电网。1、采用时域仿真判别方法，对需要进行等值的、图2所示的小水电机群进行同调性判别。在外部系统所有典型故障条件下，小水电机群均满足同调性要求。某一典型故障情况下，小水电机群功角曲线如图3所示，其中，g9功角为参考0°。功角差最大为8.2度，符合要求。2、对满足同调性要求的小水电机群，建立小水电机群动态等值模型。将小水电机群简化为一5阶同步发电机和一静态zip负荷并联模型。在本实施例中，同步发电机待辨识参数为：xd，xd’，xd”，xq，xq”，td0’，td0”，tq0”，h，d。zip负荷模型待辨识参数为p0，q0，pz，pi，ps，qz，qi，qs。3、采用相对轨迹灵敏度对动态等值模型参数进行灵敏度分析，选出对小水电机群动态特性影响较大的待辨识参数作为关键参数，其余的待辨识参数为非关键参数。在本实例中，选取系统等值母线处的有功、无功功率作为观测轨迹变量，求取待辨识参数θh的有功、无功相对轨迹灵敏度tsph、tsqh，将待辨识参数θh的有功、无功相对轨迹灵敏度tsph、tsqh相加，得到待辨识参数θh的综合轨迹灵敏度。在本实例中，待辨识参数的相对轨迹灵敏度如表1所示：表1为保证关键参数在待辨识参数中的代表性，分别设置5阶同步发电机和静态zip负荷模型关键参数选择阈值。5阶同步发电机关键参数综合轨迹灵敏度阈值设定为0.04，静态zip负荷模型关键参数综合轨迹灵敏度阈值设定为0.4。因此，待辨识参数中关键参数为：xd，xd’，xd”，xq，xq”，h，p0，q0，qz，qi，qs。非关键参数为：td0’，td0”，tq0”，d，pz，pi，ps。4、基于多pmu多故障信息，应用统计学理论和信息熵方法，提取更能反映系统动态特性的多pmu多故障特征：4.1、如图2所示，选取等值母线、母线5及母线17处的有功、无功功率作为等值模型参数辨识目标函数中的eei。另外，三个pmu记录的典型故障也被选定用于eei权重计算，分别为，故障1：母线1单相接地故障。故障2：母线11两相接地故障。故障3：母线23三相接地故障。4.2、根据等值区域内小水电机组总额定容量及负荷的总额定容量，给出等值模型待辨识参数的理论值。在一定置信区间(理论值的10％到理论值的200％)范围内，随机产生多组待辨识参数组合，设置不同故障条件，在等值模型中重现pmu记录的历史故障事件。据此，可得不同待辨识参数组合在不同故障条件下与pmu实测数据的误差矩阵e。分别在故障1、故障2及故障3条件下计算各eei权重，结果如表2所示：eeip1eeip2eeip3eeiq1eeiq2eeiq3故障10.19120.08550.08560.37120.08340.1831故障20.17770.07030.07040.38600.08960.2060故障30.19020.08610.08620.37170.08350.1822表2其中，eeipi和eeiqi分别为所选母线i处eei有功功率、无功功率权重。在三故障条件下计算各eei权重，结果如表3所示：eeip11eeip21eeip31eeiq11eeiq21eeiq310.08120.03670.03680.15800.03560.0777eeip12eeip22eeip32eeiq12eeiq22eeiq320.02370.01220.01220.05730.01400.0310eeip12eeip22eeip32eeiq12eeiq22eeiq320.08060.03660.03660.15720.03540.0772表3其中，eeipij和eeiqij分别为所选母线i处eei在故障j条件下的有功功率、无功功率权重。5、基于多pmu多故障特征对关键参数和非关键参数进行差异性辨识，建立等值精度高且具有较强鲁棒能力的动态等值模型。5.1、初步辨识。分别在故障1、故障2及故障3条件下采用等值母线、母线5及母线17的有功、无功功率对所有待辨识参数进行辨识。各单故障条件下，参数辨识目标函数中eei权重设置如表2所示。5.2、重点辨识。依据初步辨识结果，将非关键参数赋予初步辨识时的平均辨识值，同时采用三故障信息对关键参数进行重点辨识。多故障条件下，参数辨识目标函数中eei权重设置如表3所示。为说明采用本发明所得等值模型的准确性和鲁棒能力，分别采用本发明所得等值模型和传统等值方法(在某单一故障条件下(故障1)，动态等值目标函数为等值母线处有功无功均方根误差之和)所得等值模型用于重现系统发生故障4(母线10两相接地故障)时的动态特性。等值母线处的有功功率曲线如图4所示，外部系统母线20处的有功功率曲线如图5所示。由图4和图5可知，采用本发明所提方法后，小水电机群动态等值模型准确性及鲁棒能力显著提高。尽管上面对本发明说明性的具体实施方式进行了描述，以便于本
技术领域：
的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本
技术领域：
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。当前第1页12