1.本发明属于电力系统稳定性分析与控制领域，具体涉及一种光伏电站并网系统站内/站网振荡抑制的参数优化方法。
背景技术：
：：2.随着以新能源为主体的新型电力系统的提出，光伏发电容量逐年增加。然而，光伏电站并网系统存在振荡问题。lichun在《unstableoperationofphotovoltaicinverterfromfieldexperiences》中指出实际的光伏电站并网系统中曾出现几十赫兹到几千赫兹的宽频振荡现象，但未涉及振荡抑制的参数优化方法；赵书强在《光伏并入弱交流电网次同步振荡机理与特性分析》中指出光伏接入弱交流电网系统存在次同步振荡问题。实际光伏电站并网工程的振荡易引发光伏脱网、设备损坏、系统停运。因此，提出用于光伏电站并网系统振荡抑制的参数优化方法，对于电力系统安全稳定运行的分析和规划具有重要意义。3.目前关于光伏电站并网系统振荡抑制的参数优化主要基于详细系统模型，针对地仅是单一站网振荡模式，且优化过程中约束条件的选取不够全面。然而，基于详细模型进行参数优化耗时较长，面临“维数灾”问题，导致现有数值计算方法可能出现结果不收敛的情况；同时，光伏电站并网系统站内振荡模式的阻尼可能呈现负阻尼或弱阻尼，对系统稳定性影响较大，在参数优化过程中应该考虑；此外，现有参数优化方法的约束条件仅考虑了非主导振荡模式的阻尼比，未考虑控制系统的动态性能和系统的最大传输功率，不够全面。因此，传统参数优化方法用于抑制光伏电站并网系统振荡存在耗时长、准确性和适用性差的问题。技术实现要素：4.本发明是为了解决上述现有技术存在的不足之处，提出一种光伏电站并网系统站内/站网振荡抑制的参数优化方法，以期能通过站内/站网振荡分析的降阶解耦模型来提高参数优化的计算效率；同时，在参数优化过程中能同时抑制站内振荡和站网振荡，从而能提高参数优化的准确性和适用性。5.本发明为达到上述发明目的，采用如下技术方案：6.本发明一种光伏电站并网系统站内/站网振荡抑制的参数优化方法，所述光伏电站并网系统包括：n个光伏发电单元和一个交流电网，并将任意一个光伏发电单元的编号记为i，i＝1,…,n；其特点在于，所述参数优化方法是按如下步骤进行：7.步骤s1：获取适用于站内/站网振荡分析的同调光伏发电单元；8.步骤s1.1：获取光伏电站并网系统的主导站内/站网振荡模式：9.步骤s1.1.1：通过潮流计算获取光伏电站并网系统的初始运行点x0，并利用式(1)获取光伏电站并网系统在初始运行点x0处的线性化状态空间模型；[0010][0011]式(1)中，d表示微分，t为时刻，xpg为光伏电站并网系统的状态变量，apg为光伏电站并网系统的状态矩阵，bpg为光伏电站并网系统的输入矩阵，upg为光伏电站并网系统的输入变量；δxpg表示xpg的增量，δupg表示upg的增量；[0012]步骤s1.1.2：求解式(2)并得到状态矩阵apg的特征值{λe|e＝1,2,…,l}；其中，l为apg的阶数，λe表示apg的第e个特征值；[0013]|λeepg-apg|＝0ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(2)[0014]式(2)中，epg为与状态矩阵apg同阶的单位矩阵；[0015]步骤s1.1.3：筛选出{λe|e＝1,2,…,l}中实部和虚部均非0的z个振荡模式{so|o＝1,2,…,z}，并利用式(3)获取{so|o＝1,2,…,z}对应的左特征向量{ugo|o＝1,2,…,z}和右特征向量{vgo|o＝1,2,…,z}；其中，so为第o个实部和虚部均非0的振荡模式，ugo为so对应的左特征向量，vgo为so对应的右特征向量；[0016][0017]式(3)中，表示vg的转置；[0018]步骤s1.1.4：计算状态变量xpg中l个状态变量{fk|k＝1,2,…,l}参与振荡模式{so|o＝1,2,…,z}的参与因子{pk,go＝uk,govk,go|k＝1,2,…,l；o＝1,2,…,z}；其中，fk为状态变量xpg中的第k个状态变量，uk,go为右特征向量ugo的第k项元素，vk,go为左特征向量vgo的第k项元素，pk,go为第k个状态变量fk参与第o个振荡模式so的参与因子；[0019]步骤s1.1.5：筛选l×z个参与因子{pk,go＝uk,govk,go|k＝1,2,…,l；o＝1,2,…,z}所对应的站内振荡模式sin和站网振荡模式sout；其中，站内振荡模式是指光伏电站状态变量参与程度大于所设定阈值的振荡模式；站网振荡模式是指光伏电站状态变量和交流电网状态变量参与程度均大于所设定阈值的振荡模式；[0020]步骤s1.1.6：从站内振荡模式sin中筛选出离虚轴最近的振荡模式λpc并作为光伏电站并网系统的主导站内振荡模式；[0021]从站网振荡模式sout中筛选出离虚轴最近的振荡模式λgc并作为光伏电站并网系统的主导站网振荡模式；[0022]步骤s1.2：获取参与所述主导站内振荡模式λpc和主导站网振荡模式λgc的主导状态变量；[0023]步骤s1.2.1：利用式(4)求解主导站内振荡模式λpc对应的左特征向量upc和右特征向量vpc；利用式(5)求解主导站网振荡模式λgc对应的左特征向量ugc和右特征向量vgc；[0024][0025][0026]式(4)中，表示vpc的转置；[0027]式(5)中，表示vgc的转置；[0028]步骤s1.2.2：计算l个状态变量{fk|k＝1,2,…,l}参与所述主导站内振荡模式λpc的参与因子{pk,pc|k＝1,2,…,l}；其中，第k个状态变量参与主导站内振荡模式λpc的参与因子pk,pc＝uk,pcvk,pc，uk,pc为右特征向量upc的第k项，vk,pc为左特征向量vpc的第k项；[0029]计算l个状态变量{fk|k＝1,2,…,l}参与所述主导站网振荡模式λgc的参与因子{pk,gc|k＝1,2,…,l}；其中，第k个状态变量参与主导站网振荡模式λgc的参与因子pk,gc＝uk,gcvk,gc，uk,gc为右特征向量ugc的第k项，vk,gc为左特征向量vgc的第k项；[0030]步骤s1.2.3：对{pk,pc|k＝1,2,…,l}进行降序排序，根据拟选取主导站内振荡模式的主导状态变量的数量mpc，选择降序排序后的前mpc个参与因子所对应的参与状态变量{xpc,j|j＝1,2,…,mpc}作为主导站内振荡模式的主导状态变量；其中，xpc,j为{pk,pc|k＝1,2,…,l}降序排序后的第j个参与因子对应的参与状态变量；[0031]对{pk,gc|k＝1,2,…,l}进行降序排序，根据拟选取主导站网振荡模式的主导状态变量的数量mgc，选择降序排序后的前mgc个参与因子所对应的参与状态变量{xgc,q|q＝1,2,…,mgc}作为主导站网振荡模式的主导状态变量；其中，xgc,q为{pk,gc|k＝1,2,…,l}降序排序后的第q个参与因子对应的参与状态变量；[0032]步骤s1.3：获取光伏电站的同调光伏发电单元：[0033]步骤s1.3.1：从主导站内振荡模式的主导状态变量{xpc,j|j＝1,2,…,mpc}中筛选出n个光伏发电单元的状态变量{xpcp,i|i＝1,2,…,n}和交流电网的状态变量xpcg；其中，xpcp,i表示从{xpc,j|j＝1,2,…,mpc}中筛选出的第i个光伏发电单元的状态变量；[0034]从主导站网振荡模式的主导状态变量{xgc,q|q＝1,2,…,mgc}中筛选出n个光伏发电单元的状态变量{xgcp,i|i＝1,2,…,n}和交流电网的状态变量xgcg；其中，xgcp,i表示从{xgc,q|q＝1,2,…,mgc}中筛选出的第i个光伏发电单元的状态变量；[0035]步骤s1.3.2：通过潮流计算获取状态变量{xpcp,i|i＝1,2,…,n}的初始值{xpcp,i,0|i＝1,2,…,n}和状态变量{xgcp,i|i＝1,2,…,n}的初始值{xgcp,i,0|i＝1,2,…,n}；其中，xpcp,i,0表示xpcp,i的初始值，xgcp,i,0表示xgcp,i的初始值；[0036]步骤s1.3.3：将xpcp,i,0、xgcp,i,0、光照强度和光伏发电单元地理位置作为同调指标，采用k-means聚类算法将光伏电站划分为w个同调光伏发电群pv1,pv2,…,pvw；其中，pvw表示第w个同调光伏发电群；[0037]步骤s2：建立光伏电站并网系统的站内/站网解耦降阶系统；[0038]步骤s2.1：分别测试w个同调光伏发电群pv1,pv2,…,pvw中光伏发电单元的阻尼；[0039]步骤s2.2：选取同调光伏发电群中阻尼最差的光伏发电单元的参数作为所在同调光伏发电群中所有光伏发电单元的参数，从而得到经过参数设置后的w个同调光伏发电群pv1|r,pv2|r,…,pvw|r；其中，pvw|r表示经过参数设置后的第w个同调光伏发电群；[0040]步骤s2.3：将pv1|r,pv2|r,…,pvw|r分别降阶解耦为两个解耦光伏发电单元，其中，第一个解耦光伏发电单元与所在同调光伏发电群中的光伏发电单元一样，第二个解耦光伏发电单元的电压放大倍数乘以电流放大倍数等于所在同调光伏发电群中光伏发电单元的个数；[0041]步骤s2.4：将第一个解耦光伏发电单元与无穷大母线连接，第二个解耦光伏发电单元与交流电网连接，从而相应得到光伏电站并网系统的站内/站网解耦降阶系统；[0042]步骤s3：对站内/站网解耦降阶系统进行参数优化；[0043]步骤s3.1：筛选出站内/站网解耦降阶系统中主导站内振荡模式的主导状态变量{xpc,j|j＝1,2,…,mpc}和主导站网振荡模式的主导状态变量{xgc,q|q＝1,2,…,mgc}对应的一次参数和控制参数，并作为优化变量；[0044]步骤s3.2：以待改善的主导站内振荡模式λpc和主导站网振荡模式λgc为目标模式，利用式(6)建立站内/站网解耦降阶系统的参数优化模型中的目标函数f；[0045]f＝max(ηpcζpc+ηgcζgc)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(6)[0046]式(6)中，ηpc为主导站内振荡模式λpc阻尼比的加权系数，ζpc为主导站内振荡模式λpc的阻尼比，ηgc为主导站网振荡模式λgc阻尼比的加权系数，ζgc为主导站网振荡模式λgc的阻尼比；[0047]步骤s3.3：在参数优化过程中，设置如下约束条件：[0048]1)主导站内振荡模式λpc和主导站网振荡模式λgc的阻尼比大于所设定的阈值ε0；[0049]2)非主导振荡模式的阻尼比不低于所设定的阈值ε1；其中，非主导振荡模式表示振荡模式{so|o＝1,2,…,z}中除λpc和λgc以外的振荡模式；[0050]3)光伏电站控制系统的超调量和调整时间满足光伏电站并网系统的实际需求；[0051]4)光伏电站并网系统最大传输功率不低于所设定的阈值ε2；[0052]步骤s3.4：利用智能优化算法求解所述参数优化模型，从而获取优化后的一次参数和控制参数。[0053]与现有技术相比，本发明的有益效果在于：[0054]1.区别于传统同调等值方法将同调光伏发电群降阶为单个光伏发电单元，本发明将同调光伏发电群降阶解耦为两个光伏发电单元，可同时反映站内/站网振荡问题，弥补了传统同调等值方法难以反映站内振荡的缺陷，从而提高了参数优化模型的适用性；[0055]2.本发明基于降阶解耦系统进行参数优化，显著降低了参数优化的时长，提高了参数优化效率；[0056]3.区别于传统优化方法仅考虑单一站网振荡问题，本发明在参数优化过程中目标函数的选取同时考虑了站内振荡问题和站网振荡问题，且约束条件的选取更为全面，因此可提高参数优化方法的准确性和适用性。附图说明[0057]图1为本发明光伏电站并网系统的结构图；[0058]图2为本发明的流程图；[0059]图3为本发明光伏电站并网系统站内/站网解耦降阶的流程图；[0060]图4为本发明参数优化的流程图。具体实施方式[0061]下面结合附图，对本发明的技术方案进行具体说明。[0062]本实施例中，如图1所示，光伏电站并网系统包括：n个光伏发电单元和一个交流电网，并将任意一个光伏发电单元的编号记为i，i＝1,…,n；[0063]如图2所示，一种光伏电站并网系统站内/站网振荡抑制的参数优化方法是按如下步骤进行：[0064]步骤s1：获取适用于站内/站网振荡分析的同调光伏发电单元；[0065]步骤s1.1：获取光伏电站并网系统的主导站内/站网振荡模式：[0066]步骤s1.1.1：通过潮流计算获取光伏电站并网系统的初始运行点x0，并利用式(1)获取光伏电站并网系统在初始运行点x0处的线性化状态空间模型；[0067][0068]式(1)中，d表示微分，t为时刻，xpg为光伏电站并网系统的状态变量，apg为光伏电站并网系统的状态矩阵，bpg为光伏电站并网系统的输入矩阵，upg为光伏电站并网系统的输入变量；δxpg表示xpg的增量，δupg表示upg的增量；[0069]步骤s1.1.2：求解式(2)并得到状态矩阵apg的特征值{λe|e＝1,2,…,l}；其中，l为apg的阶数，λe表示apg的第e个特征值；[0070]|λeepg-apg|＝0ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(2)[0071]式(2)中，epg为与状态矩阵apg同阶的单位矩阵；[0072]步骤s1.1.3：由于实部为0或虚部为0的特征值均为非振荡模式，因此筛选出{λe|e＝1,2,…,l}中实部和虚部均非0的z个振荡模式{so|o＝1,2,…,z}，并利用式(3)获取{so|o＝1,2,…,z}对应的左特征向量{ugo|o＝1,2,…,z}和右特征向量{vgo|o＝1,2,…,z}；其中，so为第o个实部和虚部均非0的振荡模式，ugo为so对应的左特征向量，vgo为so对应的右特征向量；[0073][0074]式(3)中，表示vg的转置；[0075]步骤s1.1.4：计算状态变量xpg中l个状态变量{fk|k＝1,2,…,l}参与振荡模式{so|o＝1,2,…,z}的参与因子{pk,go＝uk,govk,go|k＝1,2,…,l；o＝1,2,…,z}；其中，fk为状态变量xpg中的第k个状态变量，uk,go为右特征向量ugo的第k项元素，vk,go为左特征向量vgo的第k项元素，pk,go为第k个状态变量fk参与第o个振荡模式so的参与因子；[0076]步骤s1.1.5：筛选l×z个参与因子{pk,go＝uk,govk,go|k＝1,2,…,l；o＝1,2,…,z}所对应的站内振荡模式sin和站网振荡模式sout；其中，站内振荡模式是指光伏电站状态变量参与程度大于所设定阈值为0.9的振荡模式；站网振荡模式是指光伏电站状态变量和交流电网状态变量参与程度均大于所设定阈值为0.1的振荡模式；[0077]步骤s1.1.6：由于主导振荡模式对系统稳定性影响较大，因此从站内振荡模式sin中筛选出离虚轴最近的振荡模式λpc并作为光伏电站并网系统的主导站内振荡模式；[0078]从站网振荡模式sout中筛选出离虚轴最近的振荡模式λgc并作为光伏电站并网系统的主导站网振荡模式；[0079]步骤s1.2：获取参与主导站内振荡模式λpc和主导站网振荡模式λgc的主导状态变量；[0080]步骤s1.2.1：利用式(4)求解主导站内振荡模式λpc对应的左特征向量upc和右特征向量vpc；利用式(5)求解主导站网振荡模式λgc对应的左特征向量ugc和右特征向量vgc；[0081][0082][0083]式(4)中，表示vpc的转置；[0084]式(5)中，表示vgc的转置；[0085]步骤s1.2.2：计算l个状态变量{fk|k＝1,2,…,l}参与主导站内振荡模式λpc的参与因子{pk,pc|k＝1,2,…,l}；其中，第k个状态变量参与主导站内振荡模式λpc的参与因子pk,pc＝uk,pcvk,pc，uk,pc为右特征向量upc的第k项，vk,pc为左特征向量vpc的第k项；[0086]计算l个状态变量{fk|k＝1,2,…,l}参与主导站网振荡模式λgc的参与因子{pk,gc|k＝1,2,…,l}；其中，第k个状态变量参与主导站网振荡模式λgc的参与因子pk,gc＝uk,gcvk,gc，uk,gc为右特征向量ugc的第k项，vk,gc为左特征向量vgc的第k项；[0087]步骤s1.2.3：对{pk,pc|k＝1,2,…,l}进行降序排序，根据拟选取主导站内振荡模式的主导状态变量的数量mpc，选择降序排序后的前mpc个参与因子所对应的参与状态变量{xpc,j|j＝1,2,…,mpc}作为主导站内振荡模式的主导状态变量；其中，xpc,j为{pk,pc|k＝1,2,…,l}降序排序后的第j个参与因子对应的参与状态变量；[0088]对{pk,gc|k＝1,2,…,l}进行降序排序，根据拟选取主导站网振荡模式的主导状态变量的数量mgc，选择降序排序后的前mgc个参与因子所对应的参与状态变量{xgc,q|q＝1,2,…,mgc}作为主导站网振荡模式的主导状态变量；其中，xgc,q为{pk,gc|k＝1,2,…,l}降序排序后的第q个参与因子对应的参与状态变量；[0089]其中，{xpc,j|j＝1,2,…,mpc}和{xgc,q|q＝1,2,…,mgc}中可能有重复的主导状态变量，实际主导状态变量选择过程中对于重复的主导状态变量选其中一个即可；[0090]步骤s1.3：获取光伏电站的同调光伏发电单元：[0091]步骤s1.3.1：从主导站内振荡模式的主导状态变量{xpc,j|j＝1,2,…,mpc}中筛选出n个光伏发电单元的状态变量{xpcp,i|i＝1,2,…,n}和交流电网的状态变量xpcg；其中，xpcp,i表示从{xpc,j|j＝1,2,…,mpc}中筛选出的第i个光伏发电单元的状态变量；[0092]从主导站网振荡模式的主导状态变量{xgc,q|q＝1,2,…,mgc}中筛选出n个光伏发电单元的状态变量{xgcp,i|i＝1,2,…,n}和交流电网的状态变量xgcg；其中，xgcp,i表示从{xgc,q|q＝1,2,…,mgc}中筛选出的第i个光伏发电单元的状态变量；[0093]步骤s1.3.2：通过潮流计算获取状态变量{xpcp,i|i＝1,2,…,n}的初始值{xpcp,i,0|i＝1,2,…,n}和状态变量{xgcp,i|i＝1,2,…,n}的初始值{xgcp,i,0|i＝1,2,…,n}；xpcp,i,0表示xpcp,i的初始值，xgcp,i,0表示xgcp,i的初始值；[0094]步骤s1.3.3：将xpcp,i,0、xgcp,i,0、光照强度和光伏发电单元地理位置作为同调指标，采用k-means聚类算法将光伏电站划分为w个同调光伏发电群pv1,pv2,…,pvw；其中，pvw表示第w个同调光伏发电群；基于k-means算法获取同调光伏发电群的步骤如下：[0095]1)收集光伏电站中光伏发电单元的{xpcp,i,0|i＝1,2,…,n}、{xgcp,i,0|i＝1,2,…,n}、光照强度和地理位置，将这些参数作为样本数据进行标准化处理，即减去样本数据的平均值后，除以样本数据的标准差；[0096]2)计算样本间欧式距离，设定光伏发电群间距离的加权平均值为聚类指标；[0097]3)筛选距离最大的对象，从剩余样本中选取y个初始聚类中心点；[0098]4)根据样本与聚类中心的相似度，分别将样本分配给与其距离最近的群，并迭代计算；[0099]5)重复步骤3)和步骤4)，直至所有样本都不能分配为止；[0100]步骤s2：如图3所示，光伏电站并网系统的站内/站网解耦降阶系统建模步骤如下：[0101]步骤s2.1：分别测试w个同调光伏发电群pv1,pv2,…,pvw中光伏发电单元的阻尼；实际工程中，设备厂家一般会提前测试光伏发电单元的阻尼，因此可通过从设备厂家获取数据或现场测试的手段获取光伏发电单元的阻尼；[0102]步骤s2.2：选取同调光伏发电群中阻尼最差的光伏发电单元的参数作为所在同调光伏发电群中所有光伏发电单元的参数，从而得到经过参数设置后的w个同调光伏发电群pv1|r,pv2|r,…,pvw|r；其中，pvw|r表示经过参数设置后的第w个同调光伏发电群；步骤2.2中同调光伏发电群中光伏发电单元参数的选取虽使得参数优化过程具有一定的保守性，但有利于参数优化模型的降阶，且能保证参数优化后系统具有充分的稳定裕度，因此是以一定的保守性为代价获得参数优化的便捷性和充分的稳定裕度；[0103]步骤s2.3：将pv1|r,pv2|r,…,pvw|r分别降阶解耦为两个解耦光伏发电单元，其中，第一个解耦光伏发电单元与所在同调光伏发电群中的光伏发电单元一样，第二个解耦光伏发电单元的电压放大倍数乘以电流放大倍数等于所在同调光伏发电群中光伏发电单元的个数；[0104]步骤s2.4：将第一个解耦光伏发电单元与无穷大母线连接，第二个解耦光伏发电单元与交流电网连接，从而相应得到光伏电站并网系统的站内/站网解耦降阶系统；对于含有w个同调光伏发电群的光伏电站，若每个同调光伏发电群中有z个光伏发电单元，每个光伏发电单元的阶数为hp，交流电网的阶数为hg，则经站内/站网解耦降阶后光伏电站并网系统阶数可由hpwz+hg阶降为2hpw+hg阶；z越大，降阶效果越明显；[0105]步骤s3：如图4所示，站内/站网解耦降阶系统参数优化步骤如下：[0106]步骤s3.1：筛选出站内/站网解耦降阶系统中主导站内振荡模式的主导状态变量{xpc,j|j＝1,2,…,mpc}和主导站网振荡模式的主导状态变量{xgc,q|q＝1,2,…,mgc}对应的一次参数和控制参数，并作为优化变量；[0107]步骤s3.2：以待改善的主导站内振荡模式λpc和主导站网振荡模式λgc为目标模式，利用式(6)建立站内/站网解耦降阶系统的参数优化模型中的目标函数f；式(6)所示目标函数同时考虑了站内振荡和站网振荡两种风险，可提高参数优化的适用性；[0108]f＝max(ηpcζpc+ηgcζgc)ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ(6)[0109]式(6)中，ηpc为主导站内振荡模式λpc阻尼比的加权系数，ζpc为主导站内振荡模式λpc的阻尼比，ηgc为主导站网振荡模式λgc阻尼比的加权系数，ζgc为主导站网振荡模式λgc的阻尼比；[0110]步骤s3.3：在参数优化过程中，设置如下约束条件：[0111]1)主导站内振荡模式λpc和主导站网振荡模式λgc的阻尼比大于所设定的阈值ε0；[0112]2)非主导振荡模式的阻尼比不低于所设定的阈值ε1；其中，非主导振荡模式表示振荡模式{so|o＝1,2,…,z}中除λpc和λgc以外的振荡模式；[0113]3)光伏电站控制系统的超调量和调整时间满足光伏电站并网系统的实际需求；[0114]4)光伏电站并网系统最大传输功率不低于所设定的阈值ε2；[0115]上述约束条件的选取可保证光伏电站并网系统具有一定站内/站网振荡阻尼的情况下，不影响系统的其余性能；[0116]步骤s3.4：利用智能优化算法求解参数优化模型，从而获取优化后的一次参数和控制参数；具体实施中，参数优化模型的求解可采用遗传算法、粒子群算法、蚁群算法等智能优化算法。当前第1页12当前第1页12