CN117353288A - 一种多流融合的有源配电网仿真分析方法、***及介质 - Google Patents
一种多流融合的有源配电网仿真分析方法、***及介质 Download PDFInfo
- Publication number
- CN117353288A CN117353288A CN202311277777.8A CN202311277777A CN117353288A CN 117353288 A CN117353288 A CN 117353288A CN 202311277777 A CN202311277777 A CN 202311277777A CN 117353288 A CN117353288 A CN 117353288A
- Authority
- CN
- China
- Prior art keywords
- state
- distribution network
- power distribution
- simulation
- resolution model
- 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.)
- Pending
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 222
- 238000009826 distribution Methods 0.000 title claims abstract description 166
- 238000004458 analytical method Methods 0.000 title claims abstract description 47
- 230000004927 fusion Effects 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 55
- 238000012935 Averaging Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 25
- 238000011084 recovery Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 34
- 238000004422 calculation algorithm Methods 0.000 description 24
- 230000006854 communication Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 23
- 239000013598 vector Substances 0.000 description 23
- 238000010586 diagram Methods 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 13
- 238000013507 mapping Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 11
- 238000011160 research Methods 0.000 description 8
- 230000001052 transient effect Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种多流融合的有源配电网仿真分析方法、***及介质,包括:根据有源配电网各项参数采用平均化思想将有源配电网分别构建为稳态和动态的高低分辨率模型;利用初始运行参数对稳态的高低分辨率模型进行一次计算作为第一次计算结果,基于第一次计算结果更新稳态的高低分辨率模型的参数;基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,并基于配电网***的状态进行稳态或暂态的高低分辨率模型切换;基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。本发明采用多CPU子任务间的多速率并行仿真数据交互机制,可实现不同场景对高低分辨率模型的分辨率的需求。
Description
技术领域
本发明涉及配电网信息物理***及配电网运行分析领域,具体涉及一种多流融合的有源配电网仿真分析方法、***及介质。
背景技术
随着“新型电力***构建”的快速推进,大量分布式电源、电动汽车充电桩、储能、新一代配电自动化***和终端设备,以及柔性互联设备、多端口变流器、柔性变压器等设备接入配电网,使得配电网从电源跟踪负荷变化的传统运行模式向“源-网-荷-储”协同、柔性互动的有源配电网运行模式转变。与此同时,随着配电自动化、用电信息采集***、配电物联网、5G等先进传感、信息通信、计算和控制技术的深度应用,使得有源配电网逐步演变为包括配电物理网络、信息通信网络在内的多层次综合型网络架构,具备了典型的信息物理***CPS(Cyber Physical Systems)特征。
鉴于上述原因,配电网CPS研究及应用已成为了学术界重点关注的研究内容,同时也取得了众多的研究成果。然而,信息物理环境下配电网安全稳定运行影响因素逐渐呈现种类多样化和范围扩大化趋势,信息通信失效、网络攻击、人为失误等因素对配电网风险分析、故障恢复等传统业务的影响不可忽视,有必要在“能量流-信息流-控制流”基础上考虑上述因素对业务流的影响,因此,计及“能量-信息-控制-业务”多流融合的有源配电网成为能源互联网研究领域需要关注的关键科学问题。
多流融合的有源配电网物理、信息通信、控制、业务耦合关系复杂,时间尺度差异大,运行及控制模式多样,离散状态与连续过程混合,故障横向/纵向传播特性复杂。仿真计算是目前研究配电网运行分析问题的有力手段,在模型、算法、数据处理等环节精确、合理的前提下,可高效、准确的完成多流融合背景下的配电网运行优化、调度控制、风险扫描、故障处置与恢复等关键环节的研究。
就目前仿真技术而言,主要存在以下问题:
(1)当前配电网仿真***、平台主要限于传统物理网络,仅能应对个别传统配电网或少量源荷接入下的配电网简单案例研究;
(2)在大规模、高比例分布式电源接入的背景下,不同元件、设备,不同研究目的、实施场景对模型构建的分辨率需求不同,存在显著的多分辨率仿真状态及状态切换需求,但目前的仿真软件、***、平台等基本不具备上述功能,亟待开展深入研究。
发明内容
为了解决现有技术仅能应对个别传统配电网或少量源荷接入下的配电网简单案例研究,不具备多分辨率仿真状态及状态切换功能的问题,本发明提出了一种多流融合的有源配电网仿真分析方法,包括:
根据有源配电网各项参数采用平均化思想将有源配电网分别构建为稳态和动态的高低分辨率模型;
利用初始运行参数对稳态的高低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述稳态的高低分辨率模型的参数;
基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换;
基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。
可选的所述根据有源配电网各项参数采用时间平均技术将有源配电网构建为高分辨率模型;并采用平均化思想将有源配电网构建为低分辨率模型,包括:
基于电力电子变换器的拓扑结构,将整理器开关抽象为理想开关,定义相开关函数,并确定交流侧三相线电压与直流电压的关系和交流侧三相线电流与直流电流的关系;
基于所述交流侧三相线电压与直流电压的关系和交流侧三相线电流与直流电流的关系结合电力电子变换器的拓扑结构求取开关周期平均公式;
将所述开关周期平均公式带入状态方程,得到稳态和动态的高低分辨率模型。
可选的,所述基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,包括:
更新后的稳态的高低分辨率模型的参数是否存在故障,若存在故障,则所述配电网***为故障状态,否则继续判断是否存在越限;
若存在越限则为风险状态,否则继续判断拓扑是否完整;
若不完整,则所述配电网***为恢复状态,否则继续判断是否达到经济运行指标;
若达到,则所述配电网***为优化状态,否则所述配电网***为正常状态。
可选的,所述并基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换,包括:
当所述配电网***为所述故障状态、风险状态或恢复状态时选择动态的高低分辨率模型进行仿真分析;
当所述配电网***为所述优化状态或正常状态时,选择稳态的高低分辨率模型进行仿真分析。
可选的,所述基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果,包括:
S1:调用切换后的高低分辨率模型,设置子任务采样步长,进行初始化;
S2:子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果xn-1和在[tn-1,tn]时步内的仿真结果xn,其中,tn-2为第n-2时刻,tn-1为第n-1时刻,tn为第n时刻;
S3:子任务2向子任务1传递自身在[tn-1,tn]时步内的仿真结果yn;
S4:子任务2确认S2已经完成,在[tn,tn+1]时步内,采用延时模块记录子任务1在上一仿真步长结束时刻的仿真结果xn-1,子任务2利用仿真结果xn-1和子任务1当前状态仿真结果xn进行插值,根据预测值计算式依次得到m个子任务1的状态量预测值,进行m次迭代计算,其中tn+1为第n+1时刻;
S5:子任务1确认S3已经完成,并利用子任务2当前状态量yn进行一次迭代计算;
S6:判断迭代次数是否超过设定阈值,若未超过,则子任务1和子任务2同步运行至tn+1时刻,将t n+1时刻赋值给tn返回S2,否则仿真结束。
可选的,所述预测值计算式如下式所示:
式中,xn,k为m个子任务1的状态量预测值,xn-1为子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果,k为子任务编号,m为迭代次数,xn为子任务1向子任务2传递自身在[tn-1,tn]时步内的仿真结果。
再一方面本发明还提供了一种多流融合的有源配电网仿真分析***,包括:
模型构建模块,用于根据有源配电网各项参数采用平均化思想将有源配电网分别构建为稳态和动态的高低分辨率模型;
参数更新模块,用于利用初始运行参数对稳态的高低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述稳态的高低分辨率模型的参数;
状态切换模块,用于基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换;
仿真模块,用于基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。
可选的,所述状态切换模块,包括:状态判断子模块和切换子模块;
所述状态判断子模块,用于基于更新后的稳态的高低分辨率模型的参数确定配电网***未故障状态、风险状态、恢复状态、优化状态或者正常状态;
所述切换子模块,用于基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换。
可选的,所述状态判断子模块具体用于:
更新后的稳态的高低分辨率模型的参数是否存在故障,若存在故障,则所述配电网***为故障状态,否则继续判断是否存在越限;
若存在越限则为风险状态,否则继续判断拓扑是否完整;
若不完整,则所述配电网***为恢复状态,否则继续判断是否达到经济运行指标;
若达到,则所述配电网***为优化状态,否则所述配电网***为正常状态。
可选的,所述切换子模块具体用于:
当所述配电网***为所述故障状态、风险状态或恢复状态时选择动态的高低分辨率模型进行仿真分析;
当所述配电网***为所述优化状态或正常状态时,选择稳态的高低分辨率模型进行仿真分析。
可选的,所述仿真模块具体用于:
S1:调用切换后的低分辨率模型或高分辨率模型,设置子任务采样步长,进行初始化;
S2:子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果xn-1和在[tn-1,tn]时步内的仿真结果xn,其中,tn-2为第n-2时刻,tn-1为第n-1时刻,tn为第n时刻;
S3:子任务2向子任务1传递自身在[tn-1,tn]时步内的仿真结果yn;
S4:子任务2确认S2已经完成,在[tn,tn+1]时步内,采用延时模块记录子任务1在上一仿真步长结束时刻的仿真结果xn-1,子任务2利用仿真结果xn-1和子任务1当前状态仿真结果xn进行插值,根据预测值计算式依次得到m个子任务1的状态量预测值,进行m次迭代计算,其中tn+1为第n+1时刻;
S5:子任务1确认S3已经完成,并利用子任务2当前状态量yn进行一次迭代计算;
S6:判断迭代次数是否超过设定阈值,若未超过,则子任务1和子任务2同步运行至tn+1时刻,将t n+1时刻赋值给tn返回S2,否则仿真结束。
优选的,所述预测值计算式如下式所示:
式中,xn,k为m个子任务1的状态量预测值,xn-1为子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果,k为子任务编号,m为迭代次数,xn为子任务1向子任务2传递自身在[tn-1,tn]时步内的仿真结果。
再一方面,本申请还提供了一种计算设备,包括:一个或多个处理器;
处理器,用于执行一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的一种多流融合的有源配电网仿真分析方法。
再一方面,本申请还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的一种多流融合的有源配电网仿真分析方法。
与现有技术相比,本发明的有益效果为:
本发明提供了一种多流融合的有源配电网仿真分析方法包括:根据有源配电网各项参数采用平均化思想将有源配电网分别构建为稳态和动态的高低分辨率模型;利用初始运行参数对稳态的高低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述稳态的高低分辨率模型的参数;基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换;基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。本发明构建稳态和动态的高低分辨率模型,且再仿真过程中根据参数更新***状态,进而切换到状态对应的高低分辨率模型,具备多分辨率仿真状态及状态切换功能,提高了仿真结果的精度。
附图说明
图1为本发明的一种多流融合的有源配电网仿真分析方法流程图;
图2为本发明的三相电压源型变流器的拓扑结构图;
图3为本发明的VSC平均值模型示意图;
图4为本发明的有源配电网仿真分析流程图;
图5为本发明的网络边界节点结构示意图;
图6为本发明的物理层和通信层数字仿真状态同步接口示意图;
图7为本发明的仿真内核算法示意图;
图8为本发明的有源配电网仿真状态切换方法;
图9为本发明的多速率并行仿真数据交互模式示意图。
具体实施方式
本发明提出一种多流融合的有源配电网仿真分析方法,主要目的是支撑面向业务流、信息流、控制流与能量流融合的配电网运行分析,采用本发明所提出的分析方法可支撑更加丰富、多样化场景下的配电网运行状态研究分析,并显著提升所采用仿真计算方法的效率、精度与经济性。
现有技术未能充分、全面考虑信息通信层面、场景、事件驱动等因素的影响。
实施例1:
一种多流融合的有源配电网仿真分析方法,如图1所示,包括:
步骤1:根据有源配电网各项参数采用平均化思想将有源配电网分别构建为稳态和动态的高低分辨率模型;
步骤2:利用初始运行参数对稳态的高低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述稳态的高低分辨率模型的参数;
步骤3:基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换;
步骤4:基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。
本发明主要提出了一种多流融合有源配电网仿真分析方法,该分析方法主要包括模型构建方法、交互接口构建方法、运行状态切换方法、控制层算法组成,如图4所示,具体如下:
(1)模型构建方法
在配电网运行过程中,业务流中的各项事件驱动物理***的状态量发生变化,物理***的状态量通过量测单元和信息***上传给控制中心,控制中心根据相应的算法给出相应策略,并通过信息***下发至物理***,完成状态的改变。因此,准确的物理侧、信息侧及业务流模型是运行分析的基础。
1)能量***模型建模
在采用仿真计算的手段对配电网运行问题进行分析时,通常将仿真方法分为两类,即稳态仿真和暂态仿真。稳态仿真适用于有源配电网潮流计算、无功优化、优化潮流等较长时间尺度的参数变化过程,而涉及到风险预警、故障定位与诊断、保护等参数快速变化的场景须使用暂态仿真。稳态仿真与暂态仿真对于模型的精度要求不同,当仿真精度与模型精度相匹配时,可以实现计算效率与计算精度的均衡。为此,本发明提出了面向配电网物理侧的多分辨率建模方法,具体如下。
①高分辨率建模方法
针对电力电子设备的高分辨率模型,是指满足微秒级时间尺度下或暂态的仿真模型。寻求对电力电子设备进行器件级建模,将是实现高分辨率模型的有效方式。状态空间法进行复杂配电网交互元件中控制***和电路方程的分析和综合,比以传递函数为基础的分析设计方法更为直接和方便。
状态变量描述***运动特征所需独立变量的最少组合。每一变量都表示***运动状态的一种特征,单个变量往往也称为状态变量。状态变量的选取对一个***来说不是唯一的,一般选取易于测量的变量。
状态向量是以状态变量为元组成的向量。如x1(t),x2(t),xn(t)是***的一组状态变量,则状态向量就是以这组状态变量为分量的向量,即:
状态空间:X(t)为状态向量,以x1(t),x2(t),xn(t)为坐标轴所组成的正交n维空间,称为状态空间,状态空间中的每一点,都代表状态变量的唯一和特定的一组值。
状态方程:由***的状态变量构成的一阶微分方程组。
对于线性***,其状态方程和输出方程一般可以表示为:
式中,X(t)为状态向量,A,B,C,D分别为***常数,根据***不同选取,Y(t)为输出参数,u(t)为常量向量。
对于非线性***,状态空间平均法是平均法的一阶近似,根据线性RLC元件、独立电源和周期性开关组成的原始网络,以电容电压、电感电流为状态变量,按照功率开关器件的ON和OFF两种状态,利用时间平均技术,得到一个周期内平均状态变量,将一个非线性电路转变为一个等效的线性电路,建立状态空间平均模型。
状态空间法描述***的主要特点:
(1)便于采用向量、矩阵简化数学描述,能了解***全部内部状态的变化,其将***的所有输入、输出信号(如果有多个)作为动态方程的变量,同时也将***动态过程中的中间信息作为变量,组成一组一阶微分方程组。因此能同时确定***每时每刻的全部运动信息。
(2)容易考虑初始条件,由于描述***用的是一阶微分方程,所以可以很容易地处理初始条件。
(3)可广泛地适用于线性非线性、定常/时变、连续/离散、随机、多变量等各类***。
(4)便于计算机求解。由于是一阶微分方程,加之计算机的利用,可以用来求解除线性定常***问题之外,还可以求解非线性、时变、多输入—多输出***、随机过程等问题。
(5)由于状态空间法能同时确定***每时每刻的全部运动信息,因而为复杂***的精确控制提供了条件。
运用状态空间法建模包括公式建模和***辨识。公式建模是基于物理规律建立数学模型;***辨识是基于输入输出实测数据建立数学模型。***辨识可以定义为用在一个动态***上观察到的输入与输出数据来确定它的模型过程。
②低分辨率建模方法
对于电力电子变换器,传统电磁暂态仿真采用对开关元件精确建模的详细模型进行仿真,而且脉宽调制技术(PWM)、空间矢量调制技术(SVPWM)极大加快了电力电子器件的动态响应速度,但同时也增加了计算量。在应用PWM控制技术的接口元件中,针对IGBT开关阈值的建模和实际仿真***中采取小积分步长保证每一次开关事件会极大增加***数学计算量,详细模型对于硬件的计算能力要求很高,在含有大量开关过程的***仿真中,仿真效率低下,且能够仿真的***规模严重受限。因此,建立能够提供与高分辨率模型相似甚至一致的***动态响应的高效低分辨率模型,有效用于动态及稳态仿真,是非常必要的。
本发明中采用平均化建模思想进行物理侧低分辨率建模。平均化建模的核心思想是忽略电力电子的快速开关过程,减少开关器件的数学计算量,实现增大仿真步长,提高仿真效率的目的。
以电力电子器件中常用的三相电压源型变流器(VSC)建模为例,建立平均化低分辨率模型,拓扑结构如图2所示,并基于拓扑进行平均化建模。
为达到简化目的,将整流器开关模型抽象为理想开关。则开关函数可定义为:三相电压型PWM整流器或者逆变器中有六个开关器件,如图2所示,假定Sap,Sbp,Scp表示上半桥中分别连接a、b、c相开关器件的状态,San,Sbn,Scn表示三相整流器下半桥中分别连接a、b、c相开关器件的状态。为了使开关动作不造成电压源或者电容的短路,以及电流源或电感的开路。在三相电压型PWM整流器或者逆变器中,为了防止短路故障,任意一个瞬间每一相中只有一个开关器件导通,定义相开关函数:
si=sip=1-sin,i∈{a,b,c} (3)
式中,si为i相,sip为p开关导通状态,sin为n开关导通状态,i为第i相,a,b,c分别为a相、b相和c相。
交流侧三相线电压与直流电压的关系:
式中,vab,vbc,vca分别为三相线电压,sa,sb,sc分别为三相的导通状态,vdc为直流侧电压。
交流侧三相线电流与直流电流的关系:
式中,idc为直流侧电流,ia、ib、ic分别为交流侧三相相电流。
可得到交流侧状态方程和直流侧状态方程如式(6)和式(7)所示:
式中,vAB、vBC、vCA分别为三相相电压L为感抗,R为电阻,t为时间常数,C为电容。
将式(6)和式(7)采用矢量表示,得到交直流侧状态方程的矢量表示形式:
式中,il-l为电流矢量,vL-L为电压矢量,sl-l为开关导通状态矢量,C为电容,为T时刻开关导通状态矢量。
式(8)和式(9)为不连续方程,同时开关函数为不连续函数,可对上述方程求取开关周期平均,得到式(10)和式(11):
式中,Ts为***时间常数。
电容电压在一个开关周期的变化较小,是关于时间的连续的状态变量,则可做如下近似出力,如式(12)所示:
式中,dab、dbc、dca分别为三相的近似参数。
同理,电流矢量与电容电压具有相似的性质,也可对其进行近似出力,如式(13)所示:
将状态周期平均公式代入状态方程,得到VSC的开关周期平均模型,如式(14)和式(15)所示:
式中,dl-l为近似参数向量,为dl-l的转置。
在详细模型中,双闭环控制器的输出电压信号是作为在三相电压型PWM调制环节的调制波,通过与三角载波的比较而产生脉冲去控制IGBT的关断,进而得到VSC的输出波形,但该波形包含大量谐波。在开关周期平均值模型中,将双闭环控制器的输出电压信号US作为受控源Ua,Ub,Uc信号,而并非作为调制波。因而将PWM调制过程省略,减少了数学计算量。通过功率平衡方程,以虚拟受控电流源Idc表征交/直流接口关系,最终通过电容电压积分关系反推得到直流电压,针对VSC所构建的平均化模型如图3所示。
2)信息***及信息流建模
在信息***模型中,主要包括信息传输功能模块、信息处理功能模块、信息池功能模块的属性对应于分支的输入和输出信息节点的映射关系。分支的输入和输出信息节点分别成为输入节点和输出节点。相应地,连接输入节点的分支称为输出分支,连接输出节点的分支称为输入分支。通常,分支可以被建模为从其输入节点到其输出节点的信息映射。三种类型的分支的模型定义如下:
(1)信息传输分支bk:信息传输分支是单输入单输出(SISO)分支,其应实现从输入节点到输出节点的一对一映射功能。我们将分支的输入节点/输出节点的信息描述为列向量xk/yk;映射关系如下:
yk=Ik·xk (3)
式中,yk为输出节点的信息描述为列向量,xk为分支的输入节点的信息描述为列向量,Ik为映射函数。
(2)信息处理分支bl:信息处理分支是单输入单输出(SISO)分支,其中输入节点通过特定函数映射到输出节点。我们定义分支的输入节点/输出节点作为列向量xl/yl;映射关系如下:
yl=Fl·xl (4)
其中,运算符Fl表示映射函数,xl、yl分别为分支的输入节点、输出节点为列向量。
(3)信息池分支:电力信息***中,有些模块的数据输出将汇集为一个总的信息池,它将作为另一些模块的数据源,这类模块称为“信息母线”模块。信息池分支可以具有多个输入节点和多个输出节点。该分支首先对来自输入节点的信息进行积分以形成信息池,然后生成输出节点的信息。在本研究中,信息池分支被建模为几个子分支的组合,每个子分支对应于从所有输入节点的并集到特定输出节点的映射。我们假设信息池分支m有wm in个输入节点,wm out个输出节点。
式中,分别为1个、wm in个输入节点元素,/>分别为1个、wm in个输出节点元素,/>为输出节点中的第i个元素,/>为映射函数,/>为输入节点中的第i个元素,为输入节点的集合表示。
在已有的物理信息网络模型中,为保证网络的完整性,我们引入一个虚拟的信息接地节点(cyber ground node,CGND),该节点的数据定义为所有冗余数据的并集。依照该定义,该节点与可视为通过一个虚拟的信息母线支路与其他节点相连,该支路定义为信息接地支路,用符号bCG表示。设支路bCG包含wCG个尾点。
而支路的头点,即***信息接地节点,其数据用yCG表示,则该支路可建模为如下表达式:
式中,bCG为信息接地支路,分别为支路bCG上的首点和尾点,yCG为***信息接地节点的数据,/>为支路bCG上的第i点。
引入信息接地节点和支路后,原有的网络节支关联矩阵A的行数和列数都增加了1。定义该矩阵为扩展节–支关联矩阵,用符号A′表示,矩阵元素的定义见下:
式中,A'为扩展节–支关联矩阵,A为原有的网络节支关联矩阵,ACG为接地节点矩阵。
在引入接地节点和支路后,原有节点与支路的关联关系并不发生变化,故A′的左上角矩阵即为A。矩阵A′的最后一行代表接地节点与支路的连接关系。因冗余数据不再参与信息流,该节点没有任何出支路,因此该行只有第K+L+M+1个元素为-1,不包含任何+1。而矩阵A′的最后一列代表信息接地支路与各数据节点的映射关系,故列向量ACG中,只有与冗余数据节点对应的元素为+1,其余元素均为0。扩展节–支关联矩阵A′中,一些行只含有元素+1,不含元素-1,这些行代表的数据点为网络的根节点,可视为信息***的数据源,如AVC***的物理测点;而另一些行只含一个元素-1,其余元素均为0,这些行代表的数据点除接地节点外为信息网络的叶节点,均代表对物理***的最终控制指令。
电力业务的信息流建模的准确性是评估其性能的关键所在,因此需要对每个数据包经历的协议栈,以及封装、路由等过程进行精确建模。针对简单业务,可通过ON/OFF的建模机制,仅在ON期间生成数据包。每个包的大小可以按照某种分布函数进行定义,包的时间间隔可以由指数函数来确定。平均数据负载计算公式如下所示:
其中L为平均数据总负载,Te为业务结束时间,Ts为业务开始时间,TON为平均ON的持续时间,TOFF为平均OFF的持续时间,l为包长度平均值,δ为包到达间隔均值。
针对详细电力业务信息流的建模,可分为以下4个步骤:1)定义应用;2)设定业务主询;3)配置服务器支持的应用;4)设定客户端主询。
1)设定应用参数
对业务的动作进行详细描述,规定其每次发送数据包的大小和间隔。常用的9种标准应用如下:Database、Email、Ftp、Http、Print、Remote Login、Video Conferencing、Voice。电力业务通常可分解为这9种应用的组合。配置具体参数:
Transaction Mix代表查询数据量占整体的比例;
Transaction Interarrival Time指定时间间隔;
Transaction Size指定数据包大小;
Type of Service根据业务对服务优先级分成0~7等级;
RSVP Parameters用于启动资源预留协议;
Back-end Custom Application设定CPU背景业务。
2)设定业务主询
业务主询描述该电力业务包含多少个应用,同时业务主询也描述了用户应用的行为,如用户什么时候开始使用某种应用,持续了多久。
Start Time设定业务主询的开始时间,作为初始化预留时间。当配置多种业务主询时,通常需要设置时间间隔,使不同业务的开始时间错开。
Duration设置业务主询加载的时间,通常设定为仿真结束终止。
Repeatibity设置业务主询的重复性,其中Serial为首尾相连模式,及前一个业务加载完毕并跨过重复时间间隔才开始下一个。Concurrent为另一种重复模式,前一个业务未结束时,可人为设置一个时间间隔开始下一个业务。
Operation Mode设置运行模式,针对包含两种以上应用的电力业务,需要根据实际情况选择运行模式。
Applications用于圈定业务主询包含的应用,Start Time Offset代表应用的开始时间,Duration代表应用持续时间,Repeatability设定应用的重复性。
3)配置服务器支持的应用
配置好电力业务参数和主询后,需要为服务器设置所支持的服务和应用。一台服务器可同时支持多种业务,当选定好业务后,可通过服务器信息配置对应支持的应用参数。
Processing speed设置服务器处理速度,可根据实际电力业务的处理能力对其进行设置。
Overhead为CPU处理开销,用于计算服务器CPU的表现,从而影响服务器性能。
Selection Weight设置服务器被客户选中的比重,当多个服务器同时支持某种业务时,客户可根据该比重选择向哪台服务器索取服务。
4)设置客户端业务主询
与服务器配置相对应,客户端需要设置相应的业务主询,用于匹配客户端与服务端。客户端需要设置Destination Preference表明从哪些特定服务器获取服务。针对不同业务可配置不同的传输协议,Application Segment Size指定数据包的最大值极限,若传输过程中数据包超过该极限,则需要分段。
3)业务流建模方法(事件流模型建模方法)
在仿真过程中,事件类函数为进程模型提供关键事件信息,这些事件通常由仿真核心统一管理,按照执行时间的顺序存储在列表中。事件列表的队首为当前要执行的事件,核心函数可使用事件句柄对事件进行操作。
i)op_ev_current()返回当前事件的句柄;
ii)op_ev_next()用于调用事件列表中的下一个事件;
iii)op_ev_seek_time()可获得与输入的仿真时间接近的事件句柄。
事件的2个常用属性分别是事件类型和调度时间,op_ev_type()可返回一个事件的类型,其中中断的类型应用较多,常用类型如下表所示。
表1事件列表
事件类型 | 描述 |
OPC_INTRPT_FAIL | 节点或链路失效 |
OPC_INTRPT_RECOVER | 节点或链路恢复 |
OPC_INTRPT_PROCEDURE | 程序调用中断 |
OPC_INTRPT_SELF | 自中断 |
OPC_INTRPT_STRM | 流中断 |
OPC_INTRPT_STAT | 状态中断 |
OPC_INTRPT_REMOTE | 远程控制 |
OPC_INTRPT_BEGSIM | 仿真开始 |
OPC_INTRPT_ENDSIM | 仿真结束 |
OPC_INTRPT_ACCESS | 获取包流队列中封包的中断 |
OPC_INTRPT_MCAST | 多播中断 |
OPC_INTRPT_PROCESS | 进程调用中断 |
OPC_INTRPT_REGULAR | 周期性产生中断 |
(2)交互接口构建方法
在有源配电网能量流、信息流、控制流、业务流中,控制流与信息流、业务流与能量流之间均可直接转换、响应,而能量流与信息流之间的数据连接需要根据一定的规则进行转换。因此,本发明重点提出一种能量流与信息流之间的交互接口构建方法,如下所示。
电力***与通信***之间为点对点通信,然而两个***中有多个节点需要映射,并且需要同时处理多个并发事件,因此需要基于节点等效原理,构造一个网络边界节点,将整个通信网络对外等效为1个节点。网络边界节点接收接口数据包,根据接口数据包中各个数据段的源地址和目的地址将其分发给终端并映射为相应通信协议,同时汇集终端收到的控制命令并重新打包为接口数据包。网络边界节点的状态机模型由5个状态组成:“Init”、“Wait”、“Dis”、“Col”、“Tri”,翻译为中文为“初始化”、“等待”、“分发数据包”、“汇集数据包”和“事件触发”,其中,default为设定,如图5所示。
仿真开始后首先进入“初始化”状态,设置ip地址和端口,与电力***仿真工具建立UDP连接。之后进入“等待”状态,等待接收接口数据包或终端控制命令。状态转移函数δ1为判断是否收到PIF,若收到则将状态转移到“分散数据包”。“分发数据包”状态的进入动作E1如下所示:
根据映射规则fmap()将接口数据包PIF分解并修改为各个终端的数据包PSIM。状态转移函数δ2为判断数据包是否分发完成,若分发完成则将状态转移到“等待”。状态转移函数δ3为判断是否收到终端控制命令,若收到则将状态转移到“汇集数据包”。“汇集数据包”状态的进入动作E2为E1的逆过程,将各个终端的数据包PSIM统一格式,打包为一个接口数据包PIF。状态转移函数δ4为判断数据包是否汇集完成,若完成则将状态转移到“等待”。
状态转移函数δ5为判断是否接收到PEV,若收到则将状态转移到“事件触发”。“事件触发”状态的进入动作E3是根据PEV中的事件编号,将待触发事件逐一***当前事件队列中并执行。状态转移函数δ5为判断是否执行完突发事件,若完成则将状态转移到“等待”。
/>
式中,PSIM1、PSIM2、PSIMn分别为第1、第2、第n个终端的数据包,PIF为第1、2…n个终端的接口数据包。
信息***与电力***在仿真层面的交互接口,本质上是二者状态同步的体现,图6展示了通信层仿真子***与物理层仿真子***之间的状态同步模式。两者连接的前后,状态相互对应,即两者的未连接状态和断开连接状态相互对应。
在连接状态中,通信层仿真子***与物理层仿真子***的等待收包状态相互对应,该状态下即可由物理层仿真子***向通信层仿真子***主动发送消息,也可由通信层仿真子***向物理层仿真子***主动发送消息。
当通信层仿真子***向物理层仿真子***发送控制数据包后,由等待收包状态迁移到等待确认状态,与之同步的,物理层仿真子***由等待收包状态迁移到收到控制信息状态,在状态同步图中体现为通信层仿真子***的等待确认状态对应物理层仿真子***收到控制信息状态。
同理,物理层仿真子***当向通信层仿真子***发送事件信息后,由等待收包状态迁移到等待确认状态,与之同步的,通信层仿真子***由等待收包状态迁移到收到事件信息状态,在状态同步图中体现为物理层仿真子***的等待确认状态对应通信层仿真子***收到控制信息状态。通过这种收发数据的状态同步与回复确认数据包的方式来实现通信层仿真子***与物理层仿真子***的通信过程中的同步机理。
(3)控制层算法
多源配电网的控制层本质上是多种算法的集合,当业务流(事件流)引起物理侧及信息侧参数变化时,控制层根据一定的逻辑算法生成相应的控制策略。
为满足不同场景、不同状态下的配电网仿真计算需求,所构建的仿真引擎包含多种基础计算层面的算法以及针对常见典型的功能、场景的算法,本发明中将所涉及之算法模块分为基础级、功能级与事件级进行层次化布局,详见图7。
如基础级中包含能量流层面潮流计算涉及的大型稀疏矩阵线性与非线性求解算法、映射函数算法、大型DAE方程组数值积分算法等;功能级算法中包括能量流层面的短路计算算法、单相/三相潮流计算算法、序贯/非序贯蒙特卡洛可靠性计算算法以及信息流层面的DDoS攻击、虚假信息注入、中间人攻击等算法;事件级算法实质上主要针对各典型场景与典型模态,如正常态时序仿真算法、故障态时序仿真算法、风险态演变仿真算法、优化状态时序仿真算法以及供电恢复过程仿真算法等。
(4)运行状态切换方法
配电网业务流可表述为一系列按照一定逻辑顺序的发展过程,而常见事件及其发展过程基本上可划分在配电网运行过程的几种典型运行状态中,即正常状态、优化状态、风险状态、故障状态与恢复状态等。当一些列事件发展时,亦即业务流流动时,配电网可能均处于同一状态下,也可能发生状态演变与迁移。根据上述需求,本发明提出了基于有限状态机(FSM)的业务流事件推进下的状态切换方法。有限状态机理论是数学***设计领域常用的状态划分问题解决方案。***状态为有限集合,由某一时刻的输入和当前状态组成,FSM依照状态切换条件,驱动***维持当前状态或转换到下一个状态。
目前配电网领域的量测技术已有了长足进步,量测数据的种类与数量均有显著增加,支撑了有源配电网运行状态的实时判断。通过对典型事件及其对应的特征参数的判定,驱动有源配电网运行状态的保持或转移,进而指导仿真模型随着运行状态的变化而自动切换,实现有源配电网多状态仿真。状态切换界定条件如下所示:
①正常态:当有源配电网运行区域内未出现风险、故障等情况,且***运行指标处于待优化状态时,视为***处于正常运行状态。
②优化态:配电网运行指标达到优化目标时的运行状态。以网损率为例,当***通过优化重构等方式使得网损率降至阈值以下时,***转移至优化状态;反之则***由优化状态转移至其他状态。
③风险态:***接近无法保持正常运行的临界状态。当最大电压偏差超过风险阈值时,***进入风险状态;反之转移至其他状态。本发明中采用《国家电网公司企业标准(Q/GDW 667-2011)》中配电网正常运行的电压允许范围选取。
④故障态:当保护装置检测到过流信号或电压偏差超过安全运行极限值时,即判定配电网进入故障状态。设定电压故障阈值和继电保护整定值时,本发明中采用《国家电网公司企业标准(Q/GDW 667-2011)》要求的最大允许电压偏差的1.5倍选取,按照额定负荷电流的4倍选取。
⑤恢复态:当***发生故障后,故障已被切除,但仍存在失电区域时,***处于恢复状态;拓扑完整且恢复供电时,***脱离恢复状态。
由上构配电网运行状态切换方法,如图8所示。即首先利用初始运行参数对模型进行赋值,利用稳态模型进行一次计算进而使模型进入连续仿真过程。当多状态仿真模型以稳态或动态模型完成一个时间步长的运算后,以该步长内的运算结果更新全部运行参数,同时判断运算过程是否达到预设仿真时长:若已达到预设时长,则终止本次仿真;若未达到预设时长,则再次判断***运行状态,从而判定下一步长运算中***的运行状态,以及是否需要对仿真模型进行切换。
此外,对不同状态的仿真进一步细化研究可知,在兼顾到仿真精度与仿真效率及经济性的前提下,不同状态仿真对模型粒度和仿真步长有不同的需求。配电网多分辨率仿真模型的优选模型如式(9)所示。
其中,F为模型优选目标;Δf(r,Ri,j)仿真累积误差;Δt(r,Ri,j)为仿真耗时;fk(r,Ri,j)、fk-1(r,Ri,j)为第k、k-1次迭代计算的计算值;tz(r,Ri,j)、ts(r,Ri,j)分别为仿真一次计算的止、起时间;r为配电网仿真所选用的模型组合;ri%为第i个设备模型的分辨率;Ri,j表示由状态转换到状态/>的过程;rn%为第n个设备模型的分辨率;r1%为第1个设备模型的分辨率;r2%为第2个设备模型的分辨率;/>为配电网状态,Δtmin为仿真时间最小值,Δt为仿真时间,Δtmax为仿真时间最大值,Δfmin、Δfmax为频率误差上下限,Δf为频率误差,Umin为电压下限,U为电压,Umax为电压上限。
该优选模型所筛选之模型组合具有如下优势,即优选出来的是***级组合分辨率模型,确定了各个设备的不同的分辨率,从而最大程度减小了由单个模型构建***级模型过程的级联误差;优选方法中考虑了不同状态迁移过程的中累积误差,相较于传统单一仿真模型仅考虑一个状态的仿真挑选模型,由显著优势:从时间尺度考虑,最大程度避免了状态不断切换带来的累积误差扩散而导致的仿真精度的明显下降。
考虑到目前城市、城镇、乡村等供电区域的不断扩大,仿真算例的规模也相应增大,为提升仿真计算速度和计算精度,对配电网算例拓扑进行分网操作与并行仿真计算。当不同分网区域所处状态不同时,可能存在仿真步长不一致的现象,这将导致小步长仿真***不能在每个仿真时步开始时得到外部***在该时刻的仿真结果,难以保证信息交互的实时性。
为解决该问题,本发明向该引擎引入了一种多CPU子任务间的多速率并行仿真数据交互机制,如图9所示。其中,Subnet1和Subnet2分别表示子网1和子网2,CPU子任务1采用大采样步长T1,CPU子任务2采用小采样步长T2,且T1=mT2,m为正整数。具体步骤如下:
Step1:调用相应的配电网模型,设置子任务采样步长,完成初始化并在tn时刻对时。
Step2:子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果xn-1和在[tn-1,tn]时步内的仿真结果xn;
Step3:子任务2向子任务1传递自身在[tn-1,tn]时步内的仿真结果yn;
Step4:子任务2确认Step 2已经完成,在[tn,tn+1]时步内,采用延时模块记录子任务1在上一仿真步长结束时刻的状态量xn-1,子任务2利用xn-1和子任务1当前状态量xn进行插值,根据式(10)依次得到m个子任务1的状态量预测值,进行m次迭代计算;
Step5:子任务1确认Step 3已经完成,并利用子任务2当前状态量yn进行一次迭代计算;
回到Step2,子任务同步运行至t n+1时刻,并以这种机制循环运行直至仿真结束。
式中,xn,k为m个子任务1的状态量预测值,xn-1为子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果,k为子任务编号,m为迭代次数,xn为子任务1向子任务2传递自身在[tn-1,tn]时步内的仿真结果。
本发明提出的一种考虑多流融合的有源配电网仿真分析方法,在考虑有源配电网能量流、信息流、控制流与业务流的条件下,实现了配电网多种运行状态的精准切换及多分辨率建模与仿真的自适应匹配,解决了现有相关仿真技术对能量流以外维度信息的忽视问题和仿真精度与仿真效率的均衡问题,极大的促进了仿真技术在分布式电源并网、配电网运行控制等领域的推广与应用。
实施例2:
再一方面本发明还提供了一种多流融合的有源配电网仿真分析***,包括:
模型构建模块,用于根据有源配电网各项参数采用平均化思想将有源配电网分别构建为稳态和动态的高低分辨率模型;
参数更新模块,用于利用初始运行参数对稳态的高低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述稳态的高低分辨率模型的参数;
状态切换模块,用于基于更新后的稳态的高低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换;
仿真模块,用于基于切换后的高低分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。
可选的,所述状态切换模块,包括:状态判断子模块和切换子模块;
所述状态判断子模块,用于基于更新后的稳态的高低分辨率模型的参数确定配电网***未故障状态、风险状态、恢复状态、优化状态或者正常状态;
所述切换子模块,用于基于所述配电网***的状态进行稳态或暂态的高低分辨率模型切换。
可选的,所述状态判断子模块具体用于:
更新后的稳态的高低分辨率模型的参数是否存在故障,若存在故障,则所述配电网***为故障状态,否则继续判断是否存在越限;
若存在越限则为风险状态,否则继续判断拓扑是否完整;
若不完整,则所述配电网***为恢复状态,否则继续判断是否达到经济运行指标;
若达到,则所述配电网***为优化状态,否则所述配电网***为正常状态。
可选的,所述切换子模块具体用于:
当所述配电网***为所述故障状态、风险状态或恢复状态时选择动态的高低分辨率模型进行仿真分析;
当所述配电网***为所述优化状态或正常状态时,选择稳态的高低分辨率模型进行仿真分析。
可选的,所述仿真模块具体用于:
S1:调用切换后的低分辨率模型或高分辨率模型,设置子任务采样步长,进行初始化;
S2:子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果xn-1和在[tn-1,tn]时步内的仿真结果xn,其中,tn-2为第n-2时刻,tn-1为第n-1时刻,tn为第n时刻;
S3:子任务2向子任务1传递自身在[tn-1,tn]时步内的仿真结果yn;
S4:子任务2确认S2已经完成,在[tn,tn+1]时步内,采用延时模块记录子任务1在上一仿真步长结束时刻的仿真结果xn-1,子任务2利用仿真结果xn-1和子任务1当前状态仿真结果xn进行插值,根据预测值计算式依次得到m个子任务1的状态量预测值,进行m次迭代计算,其中tn+1为第n+1时刻;
S5:子任务1确认S3已经完成,并利用子任务2当前状态量yn进行一次迭代计算;
S6:判断迭代次数是否超过设定阈值,若未超过,则子任务1和子任务2同步运行至tn+1时刻,将t n+1时刻赋值给tn返回S2,否则仿真结束。
优选的,所述预测值计算式如下式所示:
式中,xn,k为m个子任务1的状态量预测值,xn-1为子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果,k为子任务编号,m为迭代次数,xn为子任务1向子任务2传递自身在[tn-1,tn]时步内的仿真结果。
实施例3:
基于同一种发明构思,本发明还提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegratedCircuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能,以实现上述实施例中一种多流融合的有源配电网仿真分析方法的步骤。
实施例4:
基于同一种发明构思,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作***。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中一种多流融合的有源配电网仿真分析方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在发明待批的本发明的权利要求范围之内。
Claims (12)
1.一种多流融合的有源配电网仿真分析方法,其特征在于,包括:
根据有源配电网各项参数采用时间平均技术将有源配电网构建为高分辨率模型;并采用平均化思想将有源配电网构建为低分辨率模型;
利用初始运行参数对低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述低分辨率模型的参数;
基于更新后的低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行低分辨率模型或高分辨率模型切换;
基于切换后的低分辨率模型或高分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。
2.如权利要求1所述的方法,其特征在于,所述根据有源配电网各项参数采用时间平均技术将有源配电网构建为高分辨率模型;并采用平均化思想将有源配电网构建为低分辨率模型,包括:
基于多流融合有源配电网的物理规律建立数学模型;
将多流融合有源配电网的实测数据带入所述数学模型,得到高分辨率模型;
忽略所述多流融合有源配电网中的电力电子的快速开关过程,采用平均化建模思想进行物理侧低分辨率建模,得到低分辨率模型。
3.如权利要求1所述的方法,其特征在于,所述基于更新后的低分辨率模型的参数判断配电网***的状态,包括:
判断更新后的低分辨率模型的参数是否存在故障,若存在故障,则所述配电网***为故障状态,否则继续判断是否存在越限;
若存在越限,则为风险状态,否则继续判断拓扑是否完整;
当拓扑不完整时,所述配电网***为恢复状态,
当拓扑完整时,继续判断是否达到经济运行指标;
若达到,则所述配电网***为优化状态,否则所述配电网***为正常状态。
4.如权利要求3所述的方法,其特征在于,所述并基于所述配电网***的状态进行低分辨率模型或高分辨率模型切换,包括:
当所述配电网***为所述故障状态、风险状态或恢复状态时选择高分辨率模型进行仿真分析;
当所述配电网***为所述优化状态或正常状态时,选择稳态的低分辨率模型进行仿真分析。
5.如权利要求1所述的方法,其特征在于,所述基于切换后的低分辨率模型或高分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果,包括:
S1:调用切换后的低分辨率模型或高分辨率模型,设置子任务采样步长,进行初始化;
S2:子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果xn-1和在[tn-1,tn]时步内的仿真结果xn,其中,tn-2为第n-2时刻,tn-1为第n-1时刻,tn为第n时刻;
S3:子任务2向子任务1传递自身在[tn-1,tn]时步内的仿真结果yn;
S4:子任务2确认S2已经完成,在[tn,tn+1]时步内,采用延时模块记录子任务1在上一仿真步长结束时刻的仿真结果xn-1,子任务2利用仿真结果xn-1和子任务1当前状态仿真结果xn进行插值,根据预测值计算式依次得到m个子任务1的状态量预测值,进行m次迭代计算,其中tn+1为第n+1时刻;
S5:子任务1确认S3已经完成,并利用子任务2当前状态量yn进行一次迭代计算;
S6:判断迭代次数是否超过设定阈值,若未超过,则子任务1和子任务2同步运行至tn+1时刻,将tn+1时刻赋值给tn返回S2,否则仿真结束。
6.如权利要求5所述的方法,其特征在于,所述预测值计算式如下式所示:
式中,xn,k为m个子任务1的状态量预测值,xn-1为子任务1向子任务2传递自身在[tn-2,tn-1]时的仿真结果,k为子任务编号,m为迭代次数,xn为子任务1向子任务2传递自身在[tn-1,tn]时步内的仿真结果。
7.一种多流融合的有源配电网仿真分析***,其特征在于,包括:
模型构建模块,用于根据有源配电网各项参数采用时间平均技术将有源配电网构建为高分辨率模型;并采用平均化思想将有源配电网构建为低分辨率模型;
参数更新模块,用于利用初始运行参数对低分辨率模型进行一次计算作为第一次计算结果,基于所述第一次计算结果更新所述低分辨率模型的参数;
状态切换模块,用于基于更新后的低分辨率模型的参数判断配电网***的状态,并基于所述配电网***的状态进行低分辨率模型或高分辨率模型切换;
仿真模块,用于基于切换后的低分辨率模型或高分辨率模型采用多CPU子任务间的多速率并行仿真数据交互机制在预设仿真时长内进行仿真分析,得到仿真结果。
8.如权利要求7所述的***,其特征在于,所述状态切换模块,包括:状态判断子模块和切换子模块;
所述状态判断子模块,用于基于更新后的稳态的高低分辨率模型的参数确定配电网***为故障状态、风险状态、恢复状态、优化状态或者正常状态;
所述切换子模块,用于基于所述配电网***的状态进行低分辨率模型或高分辨率模型切换。
9.如权利要求8所述的***,其特征在于,所述状态判断子模块具体用于:
判断更新后的低分辨率模型的参数是否存在故障,若存在故障,则所述配电网***为故障状态,否则继续判断是否存在越限;
若存在越限,则为风险状态,否则继续判断拓扑是否完整;
当拓扑不完整时,所述配电网***为恢复状态,
当拓扑完整时,继续判断是否达到经济运行指标;
若达到,则所述配电网***为优化状态,否则所述配电网***为正常状态。
10.如权利要求8所述的***,其特征在于,所述切换子模块具体用于:
当所述配电网***为所述故障状态、风险状态或恢复状态时选择高分辨率模型进行仿真分析;
当所述配电网***为所述优化状态或正常状态时,选择低分辨率模型进行仿真分析。
11.一种计算机设备,其特征在于,包括:一个或多个处理器;
所述处理器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现如权利要求1至6中任一项所述的一种多流融合的有源配电网仿真分析方法。
12.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1至6中任一项所述的一种多流融合的有源配电网仿真分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311277777.8A CN117353288A (zh) | 2023-09-28 | 2023-09-28 | 一种多流融合的有源配电网仿真分析方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311277777.8A CN117353288A (zh) | 2023-09-28 | 2023-09-28 | 一种多流融合的有源配电网仿真分析方法、***及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117353288A true CN117353288A (zh) | 2024-01-05 |
Family
ID=89362372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311277777.8A Pending CN117353288A (zh) | 2023-09-28 | 2023-09-28 | 一种多流融合的有源配电网仿真分析方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117353288A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117713088A (zh) * | 2024-02-05 | 2024-03-15 | 云南电网有限责任公司 | 高铁电力机车并网对电网谐波影响的分析方法及*** |
-
2023
- 2023-09-28 CN CN202311277777.8A patent/CN117353288A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117713088A (zh) * | 2024-02-05 | 2024-03-15 | 云南电网有限责任公司 | 高铁电力机车并网对电网谐波影响的分析方法及*** |
CN117713088B (zh) * | 2024-02-05 | 2024-05-10 | 云南电网有限责任公司 | 高铁电力机车并网对电网谐波影响的分析方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709107B (zh) | 一种含大规模电力电子设备的电力网络仿真方法及*** | |
Arnold et al. | Model-free optimal coordination of distributed energy resources for provisioning transmission-level services | |
Platbrood et al. | A generic approach for solving nonlinear-discrete security-constrained optimal power flow problems in large-scale systems | |
CN106649927B (zh) | 一种基于fpga的电力电子元件实时仿真组合建模方法 | |
US11476667B2 (en) | Hybrid electromagnetic transient simulation method for microgrid real-time simulation | |
CN117353288A (zh) | 一种多流融合的有源配电网仿真分析方法、***及介质 | |
CN108959671B (zh) | 半桥和全桥型模块化多电平换流器的实时仿真建模方法 | |
US11245284B2 (en) | Power allocation of multi-parallel power electronic transformers | |
CN110457732A (zh) | 交直流电力***的混合仿真方法、装置及存储介质 | |
Zheng et al. | An event-driven parallel acceleration real-time simulation for power electronic systems without simulation distortion in circuit partitioning | |
Kolluri et al. | Controlling DC microgrids in communities, buildings and data centers | |
Gong et al. | A model review for controller-hardware-in-the-loop simulation in EV powertrain application | |
CN115495921B (zh) | 一种基于环路电流法解耦的电力电子***仿真方法 | |
WO2021031263A1 (zh) | 适用于微电网实时仿真的混合电磁暂态仿真方法 | |
CN109508479B (zh) | 基于fpga的有源配电网实时仿真器参数配置通用化方法 | |
Huang et al. | Distributed simulation applied to shipboard power systems | |
CN110516276B (zh) | 基于fpga的高频开关功率变换器实时仿真方法 | |
Fernandes et al. | Distributed control on a multi-agent environment co-simulation for DC bus voltage control | |
Jin et al. | A region-folding electromagnetic transient simulation approach for large-scale power electronics system | |
Guan et al. | An frtds real-time simulation optimized task scheduling algorithm based on reinforcement learning | |
CN104933255A (zh) | Psasp后台调用matlab引擎的联合仿真方法 | |
CN105279351A (zh) | 基于电磁暂态与机电暂态的混合仿真方法及*** | |
Rezayati et al. | Optimal down sampling for ADC-based real-time simulation of basic power electronic converters | |
CN111079364A (zh) | 一种直流变压器的仿真方法、仿真平台及可读存储介质 | |
CN115688344B (zh) | 多变流器并网***的宽频带振荡分析方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |