数据驱动的电力***电压薄弱节点在线辨识方法
技术领域
本发明涉及电力***薄弱节点的在线识别,属于电力***在线静态稳定态势评估领域。
背景技术
电力***的电源与负荷日趋多样化,其发电特性与负荷特性对电网安全稳定运行的影响受到广泛关注。通过阻抗匹配原理将戴维南等值与电网电压稳定结合,可以提高电网电压失稳的辨识效率。迄今为止,戴维南等值参数辨识方法都基于各种假设条件,具有一定的局限性。而且,还有一部分辨识方法由于没有考虑待辨识参数自身的合理约束,导致求得的结果出现严重偏差。因此,寻求一种准确度高、适应性强的薄弱节点辨识方法显得尤为重要。
虽然目前有大量的文献研究戴维南等值参数辨识方法,但都受到了大电网的时变性和非线性的制约。目前为止,现有戴维南等值参数辨识方法主要有以下三类:
(1)基于多时刻局部量测的戴维南等值参数辨识方法,这一类方法需要等值节点处多时间断面的实测数据。通过假设采样时间间隔内,从等值节点看向***的戴维南参数不发生变化,利用曲线拟合的方法计算戴维南等值参数。但该类方法存在的问题是***非线性较强时无法满足量测时间间隔内戴维南参数不变的前提。
(2)基于单时刻全网量测的网络化简方法,这一类方法需要单时间断面所有节点的实测数据。虽然克服了多时刻局部量测方法中的参数漂移问题,但该类方法存在的问题是改变了非线性元件的特性或没有明确的耦合项处理方式。
(3)基于单时刻局部量测和虚拟扰动的戴维南等值参数辨识方法,这一类方法需要单时间断面***局部的实际量测数据,与添加虚拟扰动后得到***局部的非实际量测数据相配合,计算***戴维南等值参数。这一类方法存在的问题是具有初值依赖性或有隐含前提。
发明内容
本发明是为了解决现有的基于戴维南等值参数和阻抗匹配原理的电压稳定薄弱节点辨识方法,应用于非线性电力***准确性差的问题。现提供数据驱动的电力***电压薄弱节点在线辨识方法。
数据驱动的电力***电压薄弱节点在线辨识方法,所述方法包括以下步骤:
步骤一、根据电力***实时运行状态,得到各个发电机节点的电压和电流信息,将电力***中的各个发电机节点聚合为一个发电机节点,得到聚合后的发电机节点的净输出功率,根据所述的电压和电流信息和所述的净输出功率获得聚合后的发电机节点电势;
步骤二、利用聚合后的发电机节点电势、电力***中某个负荷节点的电压和电流信息,得到等值阻抗;
步骤三、将等值阻抗和相应负荷节点的负荷阻抗的比值作为该负荷节点的负荷阻抗比指标L,根据该阻抗比指标L,实现电力***中电压薄弱节点的辨识。
本发明的有益效果为:
本申请通过化简电力***网络,将***发电机节点和负荷节点分类聚合,分别化简,得到等值负荷支路联结于源端的分类聚合等值网络。通过计算从某个节点看进去的等值阻抗与该节点的负荷阻抗的阻抗模比值,识别电力***电压薄弱节点。本申请与现有戴维南等值参数辨识方法的阻抗模指标相比,该方法基于单时间断面的量测数据,仅需要***发电机节点量测数据,不需要网络参数。并且,本申请通过应用于IEEE标准***,验证了数据驱动的电力***电压薄弱节点在线辨识方法的有效性。
附图说明
图1为原电力网络;
图2为分类聚合星形等值网络;
图3为分类聚合三角形等值网络;
图4为分类聚合三角形等值网络的化简;
图5为等值PQ节点联结于源端的分类聚合等值网络;
图6为IEEE 30节点***的L指标;
图7为IEEE 57节点***的L指标。
具体实施方式
具体实施方式一:参照图1至图5具体说明本实施方式,本实施方式所述的数据驱动的电力***电压薄弱节点在线辨识方法,所述方法包括以下步骤:
步骤一、根据电力***实时运行状态,得到各个发电机节点的电压和电流信息,将电力***中的各个发电机节点聚合为一个发电机节点,得到聚合后的发电机节点的净输出功率,根据所述的电压和电流信息和所述的净输出功率获得聚合后的发电机节点电势;
步骤二、利用聚合后的发电机节点电势、电力***中某个负荷节点的电压和电流信息,得到等值阻抗;
步骤三、将等值阻抗和相应负荷节点的负荷阻抗的比值作为该负荷节点的负荷阻抗比指标L,根据该阻抗比指标L,实现电力***中电压薄弱节点的辨识。
本实施方式中,对于图1所示的原电力网络进行化简,将发电机节点和负荷节点分类聚合,分别化简,得到图2所示的分类聚合星形等值网络。图1中,G1至Gm表示每个发电机节点,SLn表示第n个负荷节点的净消耗功率,PLn表示第n个负荷节点的净消耗有功功率,QLn表示第n个负荷节点净消耗无功功率,j表示复数虚部;SLi表示各个负荷节点净消耗功率,PLi表示各个负荷节点净消耗有功功率,i表示所研究负荷节点。利用发电机节点的电压和电流量测信息,计算分类聚合等值网络等值PV(发电机)节点的电势参数。
步骤二中,对图2的分类聚合三角形等值网络进行星三角变换,解耦等值PV(发电机)与等值PQ节点,得到图3的分类聚合星形等值网络,将图3中等值PV节点到VX的阻抗拆分,如图4所示,即可得到图5的等值PQ(负荷)节点联结于源端的分类聚合等值网络,图4中的Vpqeq表示其他负荷节点的等值电势。
具体实施方式二:本实施方式是对具体实施方式一所述的数据驱动的电力***电压薄弱节点在线辨识方法作进一步说明,本实施方式中,步骤一中,根据所述的电压和电流信息和所述的净输出功率获得聚合后的发电机节点电势的过程为:
根据公式:
获得所有发电机节点净输出功率的和SG,
式中,m为发电机节点的数目,SG为所有发电机节点净输出功率的和,SGk为各个发电机节点发电机输出功率,SGLk为各个发电机节点所带负荷消耗功率,SCk为各个发电机节点对地电纳输出功率;
所有发电机节点净输出电流的和为:
式中,IG为所有发电机节点净输出电流的和,为各个发电机节点电压的共轭,为各个发电机节点对地电纳输出功率的共轭,为各个发电机节点所带负荷消耗功率的共轭,为各个发电机节点对地电纳输出功率的共轭;
聚合后的发电机节点电势为:
式中,为所有发电机节点净输出电流的和的共轭,Vpveq为等值PV节点的等值电势。
具体实施方式三:本实施方式是对具体实施方式二所述的数据驱动的电力***电压薄弱节点在线辨识方法作进一步说明,本实施方式中,步骤二中,利用聚合后的发电机节点电势、电力***中某个负荷节点的电压和电流信息,得到等值阻抗为:
式中,Zpveq为等值PV节点到某个负荷节点的等值阻抗,VL为某个负荷节点的电压,IL为某个负荷节点的电流。
本实施方式中,为求取分类聚合等值网络的阻抗参数,对分类聚合等值网络进行化简,得到图5的等值PQ节点联结于源端的分类聚合等值网络。利用等值PV节点的电势参数,计算从所研究负荷节点看进去的等值阻抗参数。
虽然该等值阻抗和戴维南等值阻抗的求取,都是从负荷节点看进***,但该方法等值阻抗的求取是建立在分类聚合等值网络的基础上,不同于传统的戴维南等值阻抗的求取,所以称之为类戴维南等值阻抗。
具体实施方式四:本实施方式是对具体实施方式三所述的数据驱动的电力***电压薄弱节点在线辨识方法作进一步说明,本实施方式中,步骤三中,根据等值阻抗和某个负荷阻抗的比值,实时得到某个负荷阻抗比指标L,根据该阻抗比指标L为:
式中,ZL为某个负荷节点的阻抗。
本实施方式中,本发明提出的利用公式5所示的类戴维南等值阻抗比指标,可以用来描述各负荷节点的薄弱性。大量仿真结果证明,该阻抗比指标可以准确辨识负荷节点的薄弱性,计算速度快,且仅需***PV节点的量测数据,不需要网络参数,适用于电网在线静态稳定态势评估与决策。
实施例1:
以IEEE 30节点***为例进行仿真分析,具体步骤和结果如下:
1)利用潮流计算的数据代替各发电机节点的实时量测数据。仿真计算中,所有的负荷类型均取为恒功率特性,负荷消耗的功率以相同倍数逐步增长,发电机输出功率也以相同倍数做相应增长,直至潮流不收敛为止。各节点电压向量和电流向量由MATPOWER潮流计算得到,收敛精度为10-6。
2)利用公式1至公式3计算分类聚合等值网络等值PV节点的电势参数。
3)利用公式4计算类戴维南等值阻抗参数。
4)利用公式5计算所研究节点的阻抗比指标,结果如图6所示。
从图中可以看出,负荷节点3为最薄弱节点,而且可以看出,随着***负荷增长,各负荷节点的L指标都增大,在接近***崩溃时,薄弱节点的L指标增大较快,非薄弱节点的L指标增大较慢。
5)以上结果与发现均与电力***的实际相吻合。
以下是本发明的一个实施例子,以IEEE 57节点***为例进行仿真分析,具体步骤和结果如下:
1)利用潮流计算的数据代替各发电机节点的实时量测数据。仿真计算中,所有的负荷类型均取为恒功率特性,负荷消耗的功率以相同倍数逐步增长,发电机输出功率也以相同倍数做相应增长,直至潮流不收敛为止。各节点电压向量和电流向量由MATPOWER潮流计算得到,收敛精度为10-6。
2)利用公式1至公式3计算分类聚合等值网络等值PV节点的电势参数。
3)利用公式4计算类戴维南等值阻抗参数。
4)利用公式5计算所研究节点的阻抗比指标,结果如图7示。
从图中可以看出,负荷节点17为最薄弱节点,而且可以看出,随着***负荷增长,各负荷节点的L指标都增大,在接近***崩溃时,薄弱节点的L指标增大较快,非薄弱节点的L指标增大较慢。
5)以上结果与发现均与电力***的实际相吻合。