CN111244937A - 一种电力***暂态电压稳定性严重故障筛选方法 - Google Patents
一种电力***暂态电压稳定性严重故障筛选方法 Download PDFInfo
- Publication number
- CN111244937A CN111244937A CN202010023361.3A CN202010023361A CN111244937A CN 111244937 A CN111244937 A CN 111244937A CN 202010023361 A CN202010023361 A CN 202010023361A CN 111244937 A CN111244937 A CN 111244937A
- Authority
- CN
- China
- Prior art keywords
- fault
- faults
- serious
- bus
- tvsi
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电力***暂态电压稳定性严重故障筛选方法,属于电力***暂态安全评估和控制领域。该方法首先构建预想故障集,对预想故障集中所有故障进行暂态仿真,得到预想故障集中各故障下的电压时序轨迹,计算得到各故障下每个220kV及以上电压等级的母线节点暂态电压稳定性指标;根据指标计算结果,获取严重故障组成严重故障集并建立严重故障集的余弦距离矩阵;对严重故障聚类获取每个聚类中的代表性故障,最终得到代表性故障集。本发明可以快速完成电力***安全状况的评估,进行有效的故障预防,防止电力***大规模问题的发生。
Description
技术领域
本发明涉及一种电力***暂态电压稳定性严重故障筛选方法,属于电力***暂态电压安全评估及控制领域。
背景技术
近年来,随着高压直流输电、新能源发电等技术的发展,电力***的动态无功储备日显不足,由故障所引起的暂态电压稳定问题尤为突出。然而,由于预想故障数量较多,如果直接针对所有故障进行无功优化将导致优化问题的规模过大,造成求解困难。因此,需要采取一种有效的方式减少需要考虑的故障数量。
现有的故障筛选方法主要有时域仿真法、暂态能量函数法、人工智能法等。其中时域仿真法计算精度较高,但存在计算耗时长、无法提供稳定裕度等缺陷;能量函数法能够提供稳定裕度等信息,并且计算速度较快,但在求取临界能量时存在困难;人工智能法的优势是训练好的神经网络在线计算时间很短,但该方法存在一些普遍的缺点,比如特征变量的选取不全面、样本不足以覆盖整个样本空间等导致筛选的准确率得不到保证。因此需要研究一种更为有效的故障筛选方法。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种电力***暂态电压稳定性严重故障筛选方法。本发明可以快速的完成电力***安全状况的评估,进行有效的故障预防,防止电力***大规模问题的发生。
本发明提出一种电力***暂态电压稳定性严重故障筛选方法,其特征在于,包括以下步骤:
(1)构建预想故障集,对预想故障集中所有故障进行暂态仿真,得到预想故障集中各故障下的电压时序轨迹;
(2)计算预想故障集中各故障下电力***中每个220kV及以上电压等级的母线节点暂态电压稳定性指标TVSI;
其中,每个母线节点的暂态电压稳定性指标的计算如下式:
TVSI2=|Vs-V0|×(Ts-Tcut)
其中,TVSI1表示母线节点暂态电压稳定性指标的第一个分量,v(t)表示t时刻母线节点电压,t0表示v(t)第一次跌落到安全阈值Vth以下的时刻,Tend表示v(t)第一次恢复到安全阈值Vth以上的时刻;
TVSI2表示母线节点暂态电压稳定性指标的第二个分量,V0、VS分别表示母线节点电压的初始值以及稳态值,Tcut、Ts分别表示故障切除时刻以及故障后进入稳态的时刻;TVSIth1、TVSIth2分别表示第一个分量的安全阈值和第二个分量的安全阈值;k1、k2分别为第一个分量的权重系数和第二个分量的权重系数;
(3)根据步骤(2)的结果,找出每个故障下母线节点TVSI最大值,将所有故障中存在母线节点TVSI最大值大于1的故障作为严重故障,将所有严重故障组成严重故障集;
其中,SsFlt表示严重故障集,SBus表示电力***中所有220kV及以上电压等级的母线节点集合,Busj表示SBus中的第j个元素,SFlt表示预想故障集,Flti表示预想故障集中的第i个元素,表示故障Flti下母线节点Busj的暂态电压稳定性指标;
(4)计算严重故障集中所有故障两两之间TVSI的差值的绝对值作为该两个故障之间的余弦距离,构成严重故障集的余弦距离矩阵;
其中,Mdis表示严重故障集的余弦距离矩阵,dij表示故障Flti和Fltj之间的余弦距离,N代表严重故障数,表示故障Flti下母线节点Busk的暂态电压稳定性指标,NBus表示电力***中220kV及以上电压等级的母线节点数量;
(5)根据矩阵Mdis采用层次聚类算法,采用轮廓系数法确定最终的聚类方案以及聚类数量N;具体步骤如下:
(5-1)对每个聚类方案,计算该方案对应的轮廓系数;
其中,ai表示该聚类方案下任一严重故障聚类中故障i到该聚类中其它故障的平均距离,bi表示任一严重故障聚类中故障i到各其它严重故障聚类的平均距离的最小值,sci表示故障i的轮廓系数,SC表示该聚类方案的轮廓系数;
(5-2)选取轮廓系数最大方案作为最终的聚类方案,将该方案对应的的轮廓系数作为最终的聚类数量Nc;
(6)将每个严重故障聚类中母线节点TVSI最大值对应的故障作为该聚类对应的代表性故障,所有代表性故障构成代表性故障集,筛选完成。
本发明的特点及有益效果在于:
1、本发明方法采用并行计算技术实现对多个预想故障同时进行暂态仿真,实现了在保证计算精度的前提下尽可能减少仿真的时间。
2、本发明方法通过计算出每个故障下各节点的暂态电压稳定性指标,从而得到各故障的暂态电压稳定裕度信息。
3、本发明方法结合聚类算法对严重故障集进一步筛选,得到代表性故障集,从而显著减少了需要考虑的严重故障数量。
具体实施方式
本发明提出一种电力***暂态电压稳定性严重故障筛选方法,下面结合具体实施例对本发明进一步详细说明如下。
本发明提出一种电力***暂态电压稳定性严重故障筛选方法,该方法采用并行计算技术同时对多个故障进行暂态仿真,根据仿真结果计算电压稳定性指标并据此初步筛选严重故障集,然后采用层次聚类算法对严重故障聚类,最后从每一类故障中选出若干个故障构成典型的代表性故障集。包括以下步骤:
(1)选取多个故障组成预想故障集(预想故障集中故障数量无特殊要求);利用MATLAB编程调用PSASP暂态仿真程序,通过MATLAB的并行计算功能实现对预想故障集中所有故障同时进行暂态仿真计算,得到预想故障集中各故障下的电压时序轨迹。
(2)计算预想故障集中各故障下电力***中每个220kV及以上电压等级的母线节点暂态电压稳定性指标TVSI;
其中,每个母线节点的暂态电压稳定性指标的计算如下式:
TVSI2=|Vs-V0|×(Ts-Tcut)
其中,TVSI1表示母线节点暂态电压稳定性指标的第一个分量,
v(t)表示t时刻母线节点电压,t0表示v(t)第一次跌落到安全阈值Vth以下的时刻,Tend表示v(t)第一次恢复到安全阈值Vth以上的时刻(其中安全阈值Vth取标幺值0.8)。
TVSI2表示母线节点暂态电压稳定性指标的第二个分量,V0、VS分别表示母线节点电压的初始值以及稳态值,Tcut、Ts分别表示故障切除时刻以及故障后进入稳态的时刻。TVSIth1、TVSIth2分别表示第一个分量的安全阈值和第二个分量的安全阈值(所有安全阈值均取标幺值0.8);
每个母线节点的暂态电压稳定性指标TVSI为该母线节点两个分量TVSI1和TVSI2的加权和,k1、k2分别为对应的权重系数(分别取0.5)。
(3)根据步骤(2)的结果,找出每个故障下的母线节点TVSI最大值用于衡量故障的暂态电压稳定程度,将所有故障中存在母线节点TVSI最大值大于1的故障作为严重故障,将所有严重故障组成严重故障集:;
其中,SsFlt表示严重故障集,SBus和Busj分别表示电网力***中所有220kV及以上电压等级的母线节点集合以及其中的第j个元素,SFlt和Flti分别表示预想故障集以及预想故障集中的第i个元素,表示故障Flti下母线Busj的暂态电压稳定性指标。
(4)计算严重故障集中所有故障两两之间TVSI的差值的绝对值作为该两个故障之间的余弦距离,构成严重故障集的余弦距离矩阵;
其中,Mdis表示严重故障集的余弦距离矩阵,dij表示故障Flti和Fltj之间的余弦距离,N代表严重故障数,表示故障Flti下母线节点Busk的暂态电压稳定性指标,NBus表示电力***中220kV及以上电压等级的母线节点数量;
(5)根据矩阵Mdis采用层次聚类算法对严重故障聚类,聚类的数量采用轮廓系数确定,将轮廓系数最大方案作为最终的聚类方案,将该方案对应的的轮廓系数作为最终的聚类数量Nc;具体步骤如下:
(5-1)对每个聚类方案,计算该方案对应的轮廓系数;
其中,ai表示该聚类方案下任一严重故障聚类中故障i到该聚类中其它故障的平均距离,bi表示任一严重故障聚类中故障i到各其它严重故障聚类的平均距离的最小值,sci表示故障i的轮廓系数,SC表示该聚类方案的轮廓系数,N为严重故障的数量。
(5-2)对所有聚类方案计算对应的轮廓系数后,选取轮廓系数最大方案作为最终的聚类方案,将该方案对应的的轮廓系数作为最终的聚类数量Nc。
(6)将每个严重故障聚类中TVSI最大值对应的故障作为该聚类对应的代表性故障,所有代表性故障构成代表性故障集,筛选完成;
Claims (1)
1.一种电力***暂态电压稳定性严重故障筛选方法,其特征在于,包括以下步骤:
(1)构建预想故障集,对预想故障集中所有故障进行暂态仿真,得到预想故障集中各故障下的电压时序轨迹;
(2)计算预想故障集中各故障下电力***中每个220kV及以上电压等级的母线节点暂态电压稳定性指标TVSI;
其中,每个母线节点的暂态电压稳定性指标的计算如下式:
TVSI2=|Vs-V0|×(Ts-Tcut)
其中,TVSI1表示母线节点暂态电压稳定性指标的第一个分量,v(t)表示t时刻母线节点电压,t0表示v(t)第一次跌落到安全阈值Vth以下的时刻,Tend表示v(t)第一次恢复到安全阈值Vth以上的时刻;
TVSI2表示母线节点暂态电压稳定性指标的第二个分量,V0、VS分别表示母线节点电压的初始值以及稳态值,Tcut、Ts分别表示故障切除时刻以及故障后进入稳态的时刻;TVSIth1、TVSIth2分别表示第一个分量的安全阈值和第二个分量的安全阈值;k1、k2分别为第一个分量的权重系数和第二个分量的权重系数;
(3)根据步骤(2)的结果,找出每个故障下母线节点TVSI最大值,将所有故障中存在母线节点TVSI最大值大于1的故障作为严重故障,将所有严重故障组成严重故障集;
其中,SsFlt表示严重故障集,SBus表示电力***中所有220kV及以上电压等级的母线节点集合,Busj表示SBus中的第j个元素,SFlt表示预想故障集,Flti表示预想故障集中的第i个元素,表示故障Flti下母线节点Busj的暂态电压稳定性指标;
(4)计算严重故障集中所有故障两两之间TVSI的差值的绝对值作为该两个故障之间的余弦距离,构成严重故障集的余弦距离矩阵;
其中,Mdis表示严重故障集的余弦距离矩阵,dij表示故障Flti和Fltj之间的余弦距离,N代表严重故障数,表示故障Flti下母线节点Busk的暂态电压稳定性指标,NBus表示电力***中220kV及以上电压等级的母线节点数量;
(5)根据矩阵Mdis采用层次聚类算法,采用轮廓系数法确定最终的聚类方案以及聚类数量N;具体步骤如下:
(5-1)对每个聚类方案,计算该方案对应的轮廓系数;
其中,ai表示该聚类方案下任一严重故障聚类中故障i到该聚类中其它故障的平均距离,bi表示任一严重故障聚类中故障i到各其它严重故障聚类的平均距离的最小值,sci表示故障i的轮廓系数,SC表示该聚类方案的轮廓系数;
(5-2)选取轮廓系数最大方案作为最终的聚类方案,将该方案对应的的轮廓系数作为最终的聚类数量Nc;
(6)将每个严重故障聚类中母线节点TVSI最大值对应的故障作为该聚类对应的代表性故障,所有代表性故障构成代表性故障集,筛选完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023361.3A CN111244937B (zh) | 2020-01-09 | 2020-01-09 | 一种电力***暂态电压稳定性严重故障筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010023361.3A CN111244937B (zh) | 2020-01-09 | 2020-01-09 | 一种电力***暂态电压稳定性严重故障筛选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111244937A true CN111244937A (zh) | 2020-06-05 |
CN111244937B CN111244937B (zh) | 2021-01-05 |
Family
ID=70865451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010023361.3A Active CN111244937B (zh) | 2020-01-09 | 2020-01-09 | 一种电力***暂态电压稳定性严重故障筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111244937B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112688341A (zh) * | 2020-12-21 | 2021-04-20 | 广东电网有限责任公司广州供电局 | 一种直流受端电网无功补偿设备配置站点选择方法和装置 |
CN113097997A (zh) * | 2021-03-19 | 2021-07-09 | 清华大学 | 一种考虑大量预想故障的暂态电压安全预防控制优化方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102403717A (zh) * | 2011-11-18 | 2012-04-04 | 中国南方电网有限责任公司 | 一种电力***故障严重程度评价方法 |
CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
CN105512799A (zh) * | 2015-11-26 | 2016-04-20 | 中国电力科学研究院 | 一种基于海量在线历史数据的电力***暂态稳定评估方法 |
CN107482621A (zh) * | 2017-08-02 | 2017-12-15 | 清华大学 | 一种基于电压时序轨迹的电力***暂态电压稳定评估方法 |
CN108336741A (zh) * | 2017-12-29 | 2018-07-27 | 中国电力科学研究院有限公司 | 一种全过程电压稳定性分析的故障筛选方法及*** |
CN108988347A (zh) * | 2018-08-01 | 2018-12-11 | 中国南方电网有限责任公司 | 一种电网暂态电压稳定样本集类别失衡的调节方法及*** |
CN110348540A (zh) * | 2019-07-24 | 2019-10-18 | 国电南瑞科技股份有限公司 | 基于聚类的电力***暂态功角稳定故障筛选方法及装置 |
CN110417005A (zh) * | 2019-07-23 | 2019-11-05 | 清华大学 | 结合深度学习和仿真计算的暂态稳定严重故障筛选方法 |
-
2020
- 2020-01-09 CN CN202010023361.3A patent/CN111244937B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102403717A (zh) * | 2011-11-18 | 2012-04-04 | 中国南方电网有限责任公司 | 一种电力***故障严重程度评价方法 |
CN102842105A (zh) * | 2012-07-09 | 2012-12-26 | 中国电力科学研究院 | 一种计及风电不确定性的暂态稳定风险在线评估方法 |
CN105512799A (zh) * | 2015-11-26 | 2016-04-20 | 中国电力科学研究院 | 一种基于海量在线历史数据的电力***暂态稳定评估方法 |
CN107482621A (zh) * | 2017-08-02 | 2017-12-15 | 清华大学 | 一种基于电压时序轨迹的电力***暂态电压稳定评估方法 |
CN108336741A (zh) * | 2017-12-29 | 2018-07-27 | 中国电力科学研究院有限公司 | 一种全过程电压稳定性分析的故障筛选方法及*** |
CN108988347A (zh) * | 2018-08-01 | 2018-12-11 | 中国南方电网有限责任公司 | 一种电网暂态电压稳定样本集类别失衡的调节方法及*** |
CN110417005A (zh) * | 2019-07-23 | 2019-11-05 | 清华大学 | 结合深度学习和仿真计算的暂态稳定严重故障筛选方法 |
CN110348540A (zh) * | 2019-07-24 | 2019-10-18 | 国电南瑞科技股份有限公司 | 基于聚类的电力***暂态功角稳定故障筛选方法及装置 |
Non-Patent Citations (4)
Title |
---|
HUAICHANG GE ET AL.: "A model and data hybrid-driven short-term voltage stability real-time monitoring method", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 * |
WENLU ZHAO ET AL.: "Real-Time Analysis of Transient Voltage Security Based on Off-Line Database and Data Fitting", 《IEEE》 * |
YAN XU ET AL.: "Assessing Short-Term Voltage Stability of Electric Power Systems by a Hierarchical Intelligent System", 《IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS》 * |
顾闻 等: "考虑暂态电压稳定性的电力***多目标无功备用优化", 《水电能源科技》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112688341A (zh) * | 2020-12-21 | 2021-04-20 | 广东电网有限责任公司广州供电局 | 一种直流受端电网无功补偿设备配置站点选择方法和装置 |
CN113097997A (zh) * | 2021-03-19 | 2021-07-09 | 清华大学 | 一种考虑大量预想故障的暂态电压安全预防控制优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111244937B (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111628501B (zh) | 一种交直流大电网暂态电压稳定评估方法及*** | |
CN114429153B (zh) | 基于终身学习的齿轮箱增量故障诊断方法及*** | |
Fang et al. | Application of gray relational analysis to k-means clustering for dynamic equivalent modeling of wind farm | |
CN107563251B (zh) | 基于极限学习机的风机故障诊断方法 | |
CN111244937B (zh) | 一种电力***暂态电压稳定性严重故障筛选方法 | |
CN1976160A (zh) | 一种大型电力***脆弱线路辨识的方法 | |
CN112557811B (zh) | 一种基于改进遗传算法的含分布式电源配电网故障定位 | |
CN111652479A (zh) | 一种针对电力***动态安全评估的数据驱动方法 | |
CN112485587B (zh) | 一种含分布式光伏配电网故障区段分层定位方法 | |
Yan et al. | Deep learning based total transfer capability calculation model | |
CN113991856B (zh) | 一种微能网多适应性μPMU最优布点方法 | |
CN111062569A (zh) | 一种基于bp神经网络的小电流故障判别方法 | |
CN111585277B (zh) | 一种基于混合集成模型的电力***动态安全评估方法 | |
He et al. | Power system frequency situation prediction method based on transfer learning | |
CN108460177A (zh) | 一种大规模多状态串并联***的可靠性近似计算方法 | |
CN116933860A (zh) | 暂态稳定评估模型更新方法、装置、电子设备及存储介质 | |
CN103513168B (zh) | Gis及电缆局部放电综合判断方法 | |
CN113807027B (zh) | 一种风电机组健康状态评估模型、方法及*** | |
CN111162541B (zh) | 一种电力***电压控制的动态分区方法 | |
CN110943473A (zh) | 一种基于广域测量***和聚类理论的发电机同调识别方法 | |
He et al. | A method for transient stability assessment based on pattern recognition | |
Dou et al. | Research on multi-level Cooperative detection of power grid Dispatching fault based on Artificial intelligence technology [J] | |
Lu et al. | Elevator Error Diagnosis Method Based on Neural Network Model | |
CN113283702B (zh) | 融合电力***安全稳定特性的潮流状态评价方法及装置 | |
Wei et al. | Resilience Assessment Using Simulation System of Distribution Network under Extreme Weather |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |