CN102157938B - 电力***电压稳定薄弱节点在线识别方法 - Google Patents

Abstract

电力***电压稳定薄弱节点在线识别方法，本发明涉及电压稳定薄弱节点在线识别，属于电力***安全分析、监视领域。它克服了现有电压稳定薄弱节点识别方法准确性差或计算量大的缺点。它包括以下步骤：一、根据实时的网络拓扑结构情况，从数据库里在线调用相应的***网络阻抗矩阵参数；二、利用各负荷节点的电压和电流量测信息，计算从各负荷节点看进去的等值阻抗参数；三、计算各负荷节点的等值阻抗和负荷阻抗的比值，依据大小进行排序，实现对***薄弱节点的在线识别。

Description

电力***电压稳定薄弱节点在线识别方法

技术领域

本发明涉及电压稳定薄弱节点在线识别，属于电力***安全分析、监视领域。

背景技术

近几年，在世界范围内由于电压崩溃而引起的大面积停电事故时有发生，造成了很大的经济损失，引起了各国政府和电力公司的高度重视。为了保证电力***的安全稳定运行，为用户提供优质可靠的电能，电力调度中心需要实时监控电力***的运行情况。电力***的电压稳定事故，通常是由一个或几个薄弱节点所引起，而后逐渐蔓延为全***事故。因此，研究和发明一种有效的指标、技术或手段，为电力***电压稳定薄弱节点的在线监视和控制提供服务，是实现电力***安全稳定运行的一项重要内容和任务。

目前为止，电压稳定薄弱节点在线识别和监控问题已经引起电力部门的高度重视，其方法主要有以下几种：

1)模式分析(modal analysis)法：该方法通过求解***雅可比矩阵的最小奇异值(或特征值)及其特征向量，依据特征向量的大小，来识别节点电压的薄弱性。由于对***雅可比矩阵进行特征值分解需要全网的数据和较大的计算量，而且奇异值/特征值在***临界点附近具有强非线性且变化很快。因此，该方法的计算速度慢、线性度差。

2)电压稳定域度指标法：该方法需要利用连续潮流或其它工具，计算当前运行点到崩溃点的距离，然后利用这一距离指标来识别节点电压的相对薄弱性。因此，该方法通常需要进行多次潮流计算，计算量很大，难以满足实时监控的要求。

3)灵敏度指标法：该方法以潮流方程为基础，利用***中某些物理量之间的变化关系(即近似微分关系)，来研究节点电压的薄弱性。该方法同样需要全网的潮流数据，而且在某一运行点的灵敏度关系仅在该点及其附近成立，在崩溃点附近灵敏度指标具有强非线性，因而该方法应用于电压稳定薄弱节点在线识别有时会存在问题。

4)基于戴维南等值的阻抗模比值法：节点戴维南等值阻抗参数的准确快速辨识是制约该方法的一个重要因素。目前为止，各种试图辨识电力***戴维南等值阻抗的方法，都具有本质上的局限性，辨识结果往往不准，有时甚至会出现错误的结果。

发明内容

本发明的目的是提供一种电力***电压稳定薄弱节点在线识别方法，以克服现有电压稳定薄弱节点识别方法准确性差或计算量大的缺点。

它包括以下步骤：一、根据实时的网络拓扑结构情况，从数据库里在线调用相应的***网络阻抗矩阵参数；二、利用各负荷节点的电压和电流量测信息，计算从各负荷节点看进去的等值阻抗参数；三、计算各负荷节点的等值阻抗和负荷阻抗的比值，依据大小进行排序，实现对***薄弱节点的在线识别。

由于相量量测技术的进步，基于同步量测的阻抗模比值法近几年受到了较为广泛的关注。本发明沿用这一思路，通过对电力***戴维南等值参数的解析，提出了一种解析的电压稳定薄弱节点在线识别方法。该方法直接利用网络阻抗数据和单时间断面的节点量测信息，即可实现电压稳定薄弱节点的快速、准确识别。大量仿真结果表明，该方法物理意义明晰、计算速度快、准确度高、线性度好。

附图说明

图1是本发明所提出的多端口解耦的解析等值网络示意图。图2是利用本发明方法计算出的各负荷节点薄弱性指标示意图。图3是利用本发明方法计算出的各负荷节点对负荷节点42薄弱性的相对贡献度指标示意图。图4是利用模式分析方法计算出的各负荷节点薄弱性指标的对比示意图。图5是一个广义的电力***网络结构示意图。

具体实施方式

具体实施方式一：下面结合图1至图4具体说明本实施方式。本实施方式包括以下步骤：一、根据实时的网络拓扑结构情况，从数据库里在线调用相应的***网络阻抗矩阵参数；二、利用各负荷节点的电压和电流量测信息，计算从各负荷节点看进去的等值阻抗参数；三、计算各负荷节点的等值阻抗和负荷阻抗的比值，依据大小进行排序，实现对***薄弱节点的在线识别。识别出各个电压稳定薄弱节点以后，可以针对各薄弱节点，在线计算和识别造成该节点薄弱的主要因素，执行相应的无功调控或负荷卸载措施。

在第一步骤中，各种拓扑结构下的网络阻抗矩阵可以离线计算；实际应用时，可以根据对网络拓扑结构的在线识别，直接从离线数据库中调用，节省了网络阻抗矩阵的计算过程和计算时间。

在第二步骤中，本发明基于所提出的多端口网络等值概念，将复杂电力***等值为一组从各负荷节点看进去近似解耦的简单等值电路，如图1所示，利用网络阻抗矩阵的对角线元素Z_ii和非对角线元素Z_ij，以及各负荷节点的量测电流，计算等值阻抗：

$Z_{\mathrm{eq},i}=Z_{\mathrm{ii}}+\underset{j=1,i\≠j}{\overset{n}{\mathrm{\Σ}}}{Z}_{\mathrm{ij}}\frac{I_j}{I_i}(i=1,\·\·\·,n)---\left(1\right)$

式中，n为负荷点数目，I_i和I_j分别为负荷节点i和j的量测电流。从公式(1)可以看出，该等值阻抗具有明显的解析表达式，仅负荷电流I_j较大且对应的Z_ij也较大的负荷，对负荷i的电压薄弱性才有较大贡献。因此，本发明所提出的方法仅需要少量负荷节点(对***薄弱节点贡献较大的那些负荷节点)的量测电流信息，即可实现对戴维南等值阻抗参数的的近似在线计算。

在第三步中，利用各负荷的节点电流和电压量测数据，计算相应负荷的阻抗Z_i，然后计算阻抗比，

$r_i=\left|\frac{Z_{\mathrm{eq},i}}{Z_i}\right|(i=1,\·\·\·,n)---\left(2\right)$

研究发现，Z_eq，i满足一种特殊形式的阻抗匹配条件，在理想的***最大功率传输条件下，各负荷阻抗Z_i与Z_eq，i相匹配。因此，本发明提出利用如式(2)所示的阻抗比指标来描述各负荷节点的相对薄弱性。大量仿真结果证实，该阻抗比指标可以准确识别各负荷节点的相对薄弱性，计算速度快、线性度好；而且物理意义明晰、具有解析性。

本实施方式还可以包括第四步骤，利用式(3)所描述的指标r_i，j，在线计算和识别导致该节点薄弱的主要因素：

$r_i=\left|\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{Z_{\mathrm{ij}}{I}_j}{V_{\mathrm{Li}}}\right|=\left|\frac{1}{V_{\mathrm{Li}}}\right|\left|\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{r}_{i,j}\right|---\left(3\right)$

式中，r_i，j可以用来描述各负荷节点对负荷i薄弱性的相对贡献度：

r_i，j＝Z_ijI_j    (4)

从公式(4)可以看出，仅那些负荷电流(I_j)较大且对应的Z_ij也较大的负荷，对负荷i的电压薄弱性才有较大贡献。因此，利用公式(4)所示的贡献度指标，可以在线识别出降低***薄弱性的关键控制措施(降低负荷i的薄弱性必须从那些负荷电流(I_j)较大且对应的Z_ij也较大的负荷节点和相应线路着手，通过在相应线路投切无功补偿设备和在相应负荷节点进行无功补偿或切负荷来实现)。而且，利用该贡献度指标也可以解析地识别哪些负荷节点为需要配置PMU(相量量测单元)的关键负荷节点(仅那些对***薄弱节点有重要贡献度的负荷节点需要配置PMU)。

由以上分析可以看出，本发明具有很大的优越性：本发明所提出的方法具有明显的解析性，不需要进行潮流计算和戴维南等值阻抗的辨识，有效解决了传统方法依赖于潮流计算或戴维南等值参数辨识这一技术性难题；直接利用网络阻抗矩阵数据和单时间断面的节点量测信息，即可实现电压稳定薄弱节点的在线识别，具有原理明晰、计算结果准确、计算速度快和操作简单等优点；而且导致相应节点薄弱的关键性因素及改善节点薄弱性的各种控制措施也可以解析地被识别。大量仿真结果表明：本发明所提出的方法计算速度快、线性度好、计算结果准确；与被公认的模式分析方法相比，本发明所提出的方法能识别出与所有关键模式相对应的各个薄弱节点，排序结果一致性很好，而且不受崩溃点附近这一约束条件限制。

以下是本发明的一个实施例子，以IEEE 118节点***为例进行试验仿真和分析，具体步骤和结果如下：

1)假设IEEE 118节点***在各种拓扑结构下的网络阻抗矩阵已经离线计算，本发明只需根据当前运行的网络拓扑结构(网络结构完好或有个别线路停运)情况，直接从数据库中调用相应的网络阻抗矩阵数据，因此节余了其它方法需要计算网络矩阵或雅可比矩阵的计算时间和计算量。

2)利用潮流计算的数据来代替各负荷节点的实时量测数据，包括各重负荷节点的电压和电流量测信息；

3)利用公式(2)计算各负荷节点的阻抗比指标，结果如图2所示。从图中可以看出，各负荷节点的薄弱性具有明显的区域性，而且可以看出负荷42为最薄弱节点。

4)以最薄弱节点42为例，利用公式(4)计算各负荷节点对其薄弱性的相对贡献度，结果如图3所示。从图中可以看出，仅负荷42附近的几个负荷对该节点的薄弱性有比较重要的影响；而且也能看出，该薄弱节点自身的贡献度最大，在该点切负荷或试图降低与该点对应的阻抗矩阵对角线元素最能改善其薄弱性。

以上结果与发现均与电力***的实际相吻合。为了进一步证实本发明所提方法的有效性，图4给出了利用模式分析方法的计算结果，图中模式1为最严重的模式，模式2为次严重的模式，其它依次排列。对比图2和图4可以看出，本发明所提出的方法计算结果准确，能识别出与所有关键模式相对应的各个薄弱节点，且排序结果一致性很好。与模式分析方法相比，本发明所提出的方法，避免了多个关键模式的选择问题，可以解析地识别***的各薄弱节点及成因，可以更好地实现电压稳定薄弱节点的在线监视与控制，具有概念明晰、原理简单、结果准确性高、计算速度快等优点。

具体实施方式二：下面结合图5具体说明本实施方式。本实施方式与实施方式一的不同之处是：本实施方式是详细解释本发明所基于的理论基础，即，如何将复杂电力***等值为一组从各负荷节点看进去近似解耦的多端口等值电路，其理论推导过程如下：如图5所示的广义电力***网络(该网络包含n个负荷节点、m个发电节点和一些联络节点)，可以写出如式(11)所示的节点电压方程。

$\left[\begin{array}{c}-I_L\\ 0\\ I_G\end{array}\right]=\left[\begin{array}{ccc}{Y}_{\mathrm{LL}}& Y_{\mathrm{LT}}& Y_{\mathrm{LG}}\\ Y_{\mathrm{TL}}& Y_{\mathrm{TT}}& Y_{\mathrm{TG}}\\ Y_{\mathrm{GL}}& Y_{\mathrm{GT}}& Y_{\mathrm{GG}}\end{array}\right]\left[\begin{array}{c}{V}_L\\ V_T\\ V_G\end{array}\right]---\left(11\right)$

式中：Y代表***导纳矩阵；V和I分别代表节点电压和节点电流；下标L、T和G分别代表负荷节点、联络节点和发电节点。

根据式(11)，我们可以推导出负荷节点电压方程如下：

V_L＝E_eq-ZI_L    (12)

式中：

$Z={(Y_{\mathrm{LL}}-Y_{\mathrm{LT}}{Y}_{\mathrm{TT}}^{-1}{Y}_{\mathrm{TL}})}^{-1}---\left(13\right)$

$E_{\mathrm{eq}}=Z(Y_{\mathrm{LT}}{Y}_{\mathrm{TT}}^{-1}{Y}_{\mathrm{TG}}-Y_{\mathrm{LG}})V_G---\left(14\right)$

令E_eq，i代表E_eq的第i个元素，V_Li和I_Li分别代表负荷i的电压和电流，则式(12)可以被改写为：

V_Li＝E_eq，i-Z_eq，iI_Li  (i＝1，2，…，n)    (15)

$Z_{\mathrm{eq},i}=Z_{\mathrm{ii}}+\underset{j=1,i\≠j}{\overset{n}{\mathrm{\Σ}}}{Z}_{\mathrm{ij}}\frac{I_{\mathrm{Lj}}}{I_{\mathrm{Li}}}(i=1,\·\·\·,n)---\left(16\right)$

式中，Z_ij代表矩阵Z的第i行第j列元素，

这样，就能得到一个从各负荷节点看进去的多端口解耦等值电路(如图1所示)。

Claims (2)

1.电力***电压稳定薄弱节点在线识别方法，其特征在于它包括以下步骤：一、根据实时的网络拓扑结构情况，从数据库里在线调用相应的***网络阻抗矩阵参数；其中，各种拓扑结构下的网络阻抗矩阵离线计算，在线识别时，根据对网络拓扑结构的在线识别，直接从离线数据库中调用；二、利用各负荷节点的电压和电流量测信息，计算从各负荷节点看进去的等值阻抗参数；即将复杂电力***等值为一组从各负荷节点看进去近似解耦的多端口等值电路，利用网络阻抗矩阵的对角线元素Z_ii和非对角线元素Z_ij，以及各负荷节点的量测电流，计算等值阻抗：

式中，n为负荷点数目，I_i和I_j分别为负荷节点i和j的量测电流；

三、计算各负荷节点的等值阻抗与负荷阻抗的比值，依据大小进行排序，实现对***薄弱节点的在线识别；其具体阻抗比的过程为利用各负荷节点的电流和电压量测数据，计算相应负荷的阻抗Z_i，然后计算阻抗比，

。

2.根据权利要求1所述的电力***电压稳定薄弱节点在线识别方法，其特征在于它还包括第四步骤：利用式(3)所描述的r_i，j指标，在线计算和识别导致相应节点薄弱的主要因素：

式中，V_Li为第i个负荷节点的电压，r_i，j可以用来描述各负荷节点对负荷i薄弱性的相对贡献度：

r_i，j＝Z_ijI_j(4) 。

Images