JP3836741B2 - 負荷特性推定装置およびそれを用いた系統周波数安定化装置 - Google Patents
負荷特性推定装置およびそれを用いた系統周波数安定化装置 Download PDFInfo
- Publication number
- JP3836741B2 JP3836741B2 JP2002072582A JP2002072582A JP3836741B2 JP 3836741 B2 JP3836741 B2 JP 3836741B2 JP 2002072582 A JP2002072582 A JP 2002072582A JP 2002072582 A JP2002072582 A JP 2002072582A JP 3836741 B2 JP3836741 B2 JP 3836741B2
- Authority
- JP
- Japan
- Prior art keywords
- load
- characteristic
- failure
- data
- parameter
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Description
【０００１】
【発明の属する技術分野】
この発明は、負荷特性推定装置およびそれを用いた系統周波数安定化装置に関し、特に、負荷の動特性を考慮した複数のパラメータからなる負荷モデル式を構築し、故障除去後の負荷モデル式におけるパラメータを高速に求める負荷特性推定装置、およびそれを用いた系統周波数安定化装置に関するものである。
【０００２】
【従来の技術】
従来の負荷特性推定手段は、例えば特開昭６０−２５５０２０号公報に開示された負荷を静特性モデルで表現し、故障発生後の電力と電圧の波形から得られる時系列的にサンプリングされたデータに対して負荷静特性モデル式のモデルパラメータを求めるものがあった。
【０００３】
【発明が解決しようとする課題】
このような負荷特性推定手段にあっては、系統に外乱が発生した時に観測される負荷の過渡応動、すなわち負荷モデル式における動特性について考慮されていない。したがって、故障除去直後のオンラインデータに基づいて高速に求める場合には、負荷の動特性による過渡的な応動が計測波形に重畳するために精度が非常に悪くなり適用できない。
【０００４】
また、たとえ動特性を考慮した負荷モデル式を用いても、故障除去後のオンラインデータに基づいてすべてのパラメータを推定するためには故障除去後から数百［ｍｓ］間（通常は、過渡的な応動が消滅するまでの間）の計測データが必要である。
【０００５】
一般的には、系統安定化装置の主制御における制御量の算出にオンラインで求めた負荷特性パラメータを反映させるためには、故障除去後から２００［ｍｓ］以内の短時間における計測データをもとに精度良く推定する必要がある。
しかし、その時間領域における計測データは負荷動特性による過渡応動が重畳するものとなり推定精度が悪くなるという問題があった。
【０００６】
この発明は、以上のような問題を解決するためになされたものであり、負荷の動特性をも考慮した負荷特性モデルを構築し、この負荷特性モデルにおける係数パラメータを故障除去後の負荷状態に適応して高速に求めることのできる負荷特性推定装置を実現することを目的とする。
【０００７】
また、上記負荷特性推定装置を系統周波数安定化制御装置に適用することにより、高速で安定、かつ高精度な制御性能を有する安定化制御装置を実現することを目的とする。
【０００８】
【課題を解決するための手段】
この発明に係る負荷特性推定装置は、電力系統の負荷特性を表す複数のパラメータからなる負荷モデル式を構築し、この負荷モデル式のパラメータを決定することにより、上記負荷特性を推定する負荷特性推定装置において、上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、上記系統状態計測手段により過去に検出された故障計測データからなる故障実績データを蓄積したデータ蓄積手段と、上記データ蓄積手段に蓄積された故障実績データを分析し、上記負荷モデル式の動特性に関する動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、上記系統状態計測手段により検出された故障計測データを上記データ分析手段により構築された特性モデル式に当てはめて上記動特性パラメータを決定し、この動特性パラメータを上記負荷モデル式から除去処理する補助演算処理手段と、上記補助演算処理手段により上記動特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部とを備えたものである。
【０００９】
また、上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、上記系統状態計測手段により過去に検出された変化データからなる変化実績データを蓄積したデータ蓄積手段と、上記データ蓄積手段に蓄積された変化実績データを分析し、上記負荷モデル式の静特性に関する静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、上記系統状態計測手段により電力系統の故障が検出されたときの上記変化データを上記データ分析手段により構築された特性モデル式に当てはめて上記静特性パラメータを決定し、この静特性パラメータを上記負荷特性モデルから除去処理する補助演算処理手段と、上記補助演算処理手段により上記静特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部とを備えたものである。
【００１０】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、上記推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出するものである。
【００１１】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、上記電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出するものである。
【００１２】
【発明の実施の形態】
実施の形態１．
この発明の実施の形態１に係る負荷特性推定装置は、過去に蓄積した故障実績データを統計的に分析し、予め動特性を推定するための適切なモデル（以下、「特性モデル式」という。）を構築しておき、実際に故障が発生した時に直ちに動特性に関する動特性パラメータを決定することにより、故障除去後の計測波形から静特性に関する静特性パラメータを決定するものである。
【００１３】
図１は、本実施の形態１に係る負荷特性推定装置の構成を示したブロック図である。以下に、図１を用いて本構成について説明する。
図１において、１はこれまでに計測された故障時の電気諸量の時系列サンプリングデータのデータ蓄積部である。これは、例えば同時刻に計測された有効・無効電力、電圧、周波数といった複数データから一組が構成され、各組に時刻タグが付されて時刻順に並んでいるものであり、故障ケース別に管理・保存される。
【００１４】
２はデータ蓄積部１で蓄積された過去のデータを統計的に分析し、負荷モデル式の動特性パラメータの推定に有用な特性モデル式を構築するデータ分析部である。
【００１５】
３は実際の故障時に電気諸量を計測する系統状態計測部である。これは、定常時に監視対象母線の上記電気諸量の時系列サンプリングデータを計測しており、データの変化が、所定の閾値を越えて急変すると故障発生と判定し、その発生時間の前後の一定時間の時系列サンプリングデータを検出して故障時のデータとする。
【００１６】
なお、系統状態計測部３における故障の判定は、例えば、監視対象母線の電圧が１サイクル前の電圧値より２％以上低下した場合に故障と判定する方法が考えられるが、任意の値を選択するものでも良い。
【００１７】
４はデータ分析部２で得られた結果をもとに、故障時の計測データから負荷モデル式のパラメータの一部を予め決定し、決定したパラメータを用いて計測データに適当な処理を施すための補助演算・処理部である。
【００１８】
５は補助演算・処理部４で処理された後の修正計測データに対して、まだ決定していないパラメータを推定するための推定演算部である。
【００１９】
６は推定演算結果を確認、提示するための表示手段である。これはＣＲＴ等の表示装置により実現される。また、一連の推定演算が終了した後に当該の故障に関して計測した時系列データはデータ蓄積部１へ最新データとして蓄積される。このデータの流れは、図１におけるデータ蓄積部１と系統状態計測部３との間を結ぶ破線で示している。
【００２０】
次に、上記構成における本実施の形態１の負荷特性推定装置の動作について説明する。図１における構成において、例えば次式（１）の有効電力負荷の動特性まで考慮した負荷モデル式を用いて動特性パラメータＫｄとＴｄについて過去の故障実績データから特性を分析し、動特性に関する特性モデル式を構築することによって、実際の故障発生時に補助演算により動特性を直ちに決定する。
【００２１】
Ｔｄ・（ｄＰ／ｄｔ）＋Ｐ＝Ｐｓ＋Ｋｄ・Ｖ・（ｄＶ／ｄｔ） ・・・・（１）
ただし、Ｐ：合成負荷の有効電力、Ｐｓ：合成負荷の静特性部分、Ｖ：計測点の母線電圧、Ｔｄ、Ｋｄ：動特性パラメータ、ｄＰ／ｄｔ：合成負荷の有効電力の時間微分、ｄＶ／ｄｔ：計測点の母線電圧の時間微分である。
【００２２】
さらに、故障除去後の計測データから他のパラメータを推定する場合に、図２に示すフローチャートにしたがって以下の手順を実施することによって、本実施の形態１に係る負荷特性推定装置におけるパラメータの推定を実現することができる。
【００２３】
観測点から負荷側を見た場合に、様々な負荷機器を統合して合成負荷と見なす。負荷の動特性はモータ負荷に起因するものとして、それらを等価一機の誘導機に見立てて動特性を考慮した負荷モデル式として公知である上記の式（１）で表わされる関数を使用する。（"Nonlinear Dynamic Load Models with Recovery for Voltage Stability Studies"、 D.J.Hill、 IEEE Trans. On Power Systems、 Vol.8、 No.1、 February、 1993等を参照）
【００２４】
式（１）の静特性部分Ｐｓに関しては、周波数特性を無視し、定電力負荷と定インピーダンス負荷からなる次式（２）を用いる。
Ｐｓ＝Ｐ０’・（Ｋｐ＋Ｋｚ・Ｖ２） ・・・・（２）
ただし、Ｋｐ、Ｋｚ：定電力負荷と定インピーダンス負荷の割合を決める電圧静特性パラメータ（すなわち、Ｋｐ＋Ｋｚ＝１）、Ｐ０’：故障除去後の負荷量（Ｐ０：初期負荷量）である。
【００２５】
これらの式（１）、（２）中の未知パラメータであるＫｄ、Ｔｄ、Ｐ０’、Ｋｐ、Ｋｚが負荷パラメータとしての推定対象となる。
以下、図２のフローチャートにしたがって説明する。
【００２６】
ステップＳ２０１では、まず、ある監視対象母線でこれまでに蓄積した故障実績データをデータ蓄積部１から取り出し、各故障ケースで計測された有効電力と電圧の各時系列サンプリングデータに対して式（１）の負荷モデル式へ当てはめ、例えば一般的な分析手法である最小二乗法を用いて負荷モデル式におけるパラメータの事前分析を実施する。
【００２７】
より具体的に例を示せば、ある時刻に計測された電圧と有効電力の時系列データはそれぞれ図３と図４となる。図３は故障時における電圧の時系列のデータ例、図４は故障時における有効電力の時系列データ例である。
【００２８】
この具体例に対しては、故障除去後から負荷特性パラメータを推定するのに十分長い５００［ｍｓ］間の時系列データを用いて最小二乗法により分析した結果、Ｋｄ＝０．００６３、Ｔｄ＝０．００４１、Ｐ０’＝０．１５０、Ｋｐ＝０．６３３、Ｋｚ＝０．３６４となる。故障実績データに対する分析結果として、これらのパラメータの組（故障ＩＤ、Ｋｄ、Ｔｄ、Ｐ０’、Ｋｐ、Ｋｚ）を各故障ケースについて保存する。ここに、故障ＩＤは様々な故障ケースを識別する識別子である。
【００２９】
次に、ステップＳ２０２で、保存されたパラメータを統計的に分析する。本実施の形態１では、動特性に関する動特性パラメータＫｄとＴｄ間の関係と、故障時の電圧低下率ΔＶとＫｄの関係について特性モデル式を構築する。それぞれの関係を実測例で示すと図５と図６となる。
【００３０】
図５は動特性パラメータＫｄとＴｄの関係の実測例、図６は電圧低下率ΔＶとＫｄの関係の実測例である。この関係に基づいて、例えば最も簡単な例として、それぞれの特性を線形モデルでモデル化すると次式（３）、（４）として示すことができる。
【００３１】
Ｔｄ＝０．５６７３・Ｋｄ＋０．００２９ ・・・・（３）
Ｋｄ＝０．２７３４・ΔＶ−０．０１０４ ・・・・（４）
【００３２】
上記の作業により抽出したこれらの特性モデル式を保存しておく。これらのステップは故障発生前にオフラインで行なわれるデータ解析であり、ステップＳ２０１とステップＳ２０２の手順はデータ解析部２で実行される。
【００３３】
次に、ステップＳ２０３〜Ｓ２０８はオンライン処理となる。ステップＳ２０３で監視対象母線に故障が発生したかどうかを判定する。
判定方法としては、系統状態計測部３における故障の判定として上述した方法などがある。
【００３４】
故障発生と判定されるまで監視し続けるために、ステップＳ２０３の処理を繰り返す。故障が発生したと判定された場合は、補助演算・処理部４において直ちにステップＳ２０４とＳ２０５の処理が実行される。
【００３５】
ステップＳ２０４では、電圧低下率ΔＶ（＝故障発生直後の電圧低下分／故障発生前の平均電圧）を求める。
また、ステップＳ２０５では、ステップＳ２０２で求めた動特性に関する特性モデル式にΔＶを代入してＫｄとＴｄを求める。これらの処理に対して実測例を挙げて説明する。
【００３６】
監視対象母線において新しい故障が発生し、その時に計測された電圧Ｖと有効電力Ｐの時系列データを図７と図８に示す。
図７は新しく検出された故障ケースにおける電圧Ｖの時系列データ例、図８は新しく検出された故障ケースにおける有効電力Ｐの時系列データ例である。
【００３７】
オンライン処理では、まず故障と判断された直後に電圧時系列データよりΔＶ＝０．１０３が求められて、式（３）、（４）からＫｄ＝０．０１８、Ｔｄ＝０．０１３が求められる。これらの演算は故障発生直後にΔＶが計測されれば、あとは代入演算で終わるので直ちに完了することができる。そして、補助演算・処理部４で続けてステップＳ２０６の処理を実行する。
【００３８】
ステップＳ２０６では、求めたＫｄとＴｄ、そして故障除去後の計測した電圧Ｖの時系列データΔＶ（図７）を代入して、式（１）より静特性部分Ｐｓを除いた部分だけを演算し、有効電力Ｐの時系列データから差し引く。電圧と有効電力の微分項ｄＶ／ｄｔ、ｄＰ／ｄｔは、差分で近似して求めれば良い。
【００３９】
ステップＳ２０６の処理後の有効電力Ｐの時系列データの例を図９に示す。推定演算部５でステップＳ２０７の処理、すなわち電圧Ｖの時系列データΔＶと、ステップＳ２０６で処理後の有効電力Ｐの時系列データから式（２）の静特性に関する負荷モデル式におけるパラメータを最小二乗法により推定する。
【００４０】
ただし、ここでは推定に使用する時系列データの長さは故障除去後から１００［ｍｓ］である。推定方法は前述のステップＳ２０１と同じで良い。その結果、故障除去後の負荷量Ｐ０’＝０．２１６、Ｋｐ＝０．４８、Ｋｚ＝０．５２となる。最後に、演算結果表示部６において推定結果を提示する（ステップＳ２０８）。
【００４１】
また、一連の処理が終了した後に、新しい故障ケースで計測した時系列データをデータ蓄積部１に送出して蓄積する（ステップＳ２０９）。
【００４２】
以上のように、本実施の形態１によれば、最終的に推定すべき負荷モデル式に関するパラメータの数を減少させることができるため推定作業が容易になり、また負荷の動特性に起因した過渡応動が強く影響している故障除去後の短い時間領域の計測データだけを使用しても精度良く故障除去後の負荷特性が推定できる効果がある。
【００４３】
実施の形態２．
この発明の実施の形態２に係る負荷特性推定装置は、負荷脱落を伴う故障ケースの場合に上記実施の形態１を実現するものである。
なお、故障中の電圧低下といった要因により負荷構成機器の一部が脱落する現象を負荷脱落という。
【００４４】
以下に、負荷脱落が発生した場合の負荷特性パラメータの推定方法について上記実施の形態１をもとに説明する。
負荷脱落が発生した場合の動特性パラメータＫｄは、負荷脱落がない場合のそれと比べて同じ電圧低下率ΔＶに対して小さくなる。そこで、上記実施の形態１の場合で、オフライン解析である図２におけるステップＳ２０２の処理内容を一部変更する。つまり、ΔＶ−Ｋｄの関係とＫｄ−Ｔｄの関係を事前分析する場合に、負荷脱落の発生が認められるケースはあらかじめ除外しておく。
【００４５】
ステップＳ２０３以下では、負荷脱落がない場合と同様に処理を進めればよい。求められた負荷特性パラメータから、次式（５）により負荷脱落量Ｐｄｒｏｐを求める。
Ｐｄｒｏｐ＝Ｐ０−Ｐ０’ ・・・・（５）
【００４６】
したがって、本実施の形態２によっても、上記実施の形態１と同様の効果を奏することができる。
さらに、故障実績データ中で負荷脱落を伴うケースは一般に少ないことから負荷脱落の場合の特性モデルが満足に解析できないことが多いが、本実施の形態２によれば多数蓄積されている負荷脱落のないケースを有効に活用できるという効果も得られる。
【００４７】
実施の形態３．
この発明の実施の形態３に係る負荷特性推定装置として、上記実施の形態１と同じ負荷モデル式（式（１）と式（２））を用いる場合を例示する。
図１０は、本実施の形態３に係る負荷特性推定装置の構成を示したブロック図である。以下に、図１０を用いて本構成について説明する。
【００４８】
図１０において、７は電力系統の定常運転時の調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を検出し、計測するための系統状態計測部である。変化の検出判定には、例えば監視対象母線の電圧が１サイクル前の電圧値より０．２％以上変化する場合に検出するといった方法などが考えられるが、任意の値を選択するものでもよい。
【００４９】
また、上記系統状態計測部７は実際の故障時における電気諸量を計測する。故障の判定は上記実施の形態１と同じものを使用すればよい。
【００５０】
８はこれまでに計測された調相設備のＯＮ／ＯＦＦ時の電気諸量の時系列データのデータ蓄積部である。データ構成、計測条件は上記実施の形態１の場合と同じで良い。
【００５１】
９はデータ蓄積部８で蓄積された過去のデータを統計的に分析し、故障発生時の負荷モデル式の静特性パラメータの推定に有用な特性モデル式を構築するデータ分析部である。
【００５２】
１０はデータ分析部９で得られた結果をもとに、故障時の状態から負荷モデル式の静特性パラメータを予め決定するための補助演算部である。
【００５３】
１１は補助演算部１０で決定した静特性パラメータを用いて、まだ決定していない残りのパラメータを推定するための推定演算部である。１２は推定演算結果を確認・提示するための表示機能である。これはＣＲＴ等の表示装置により実現される。
【００５４】
次に、上記構成における本実施の形態３の負荷特性推定装置の動作について、図１１に示すフローチャートにしたがって説明する。
ステップＳ４０１ではある監視対象母線に対して定常状態における系統状態を系統状態監視部７により監視し、調相設備のＯＮ／ＯＦＦによる変化が検出されるまで同じ作業を繰り返す。
【００５５】
そして、変化が検出されると、ステップＳ４０２では調相設備のＯＮ／ＯＦＦ時に計測される時系列データをデータ蓄積部８に蓄積する。時系列データの内容は上記実施の形態１と同じで良い。また、データ蓄積部８に蓄積された各データに対して、上記実施の形態１で説明した方法で負荷特性パラメータの分析をデータ分析部９で実施する。
【００５６】
ここでは負荷モデル式は上記実施の形態１で使用したもの（式（１）と（２））と同じとする。故障発生時に比べて計測データの変化の大きさは小さいが、実施の形態１の場合と同じように処理できる。
【００５７】
同じデータ分析部９においてステップＳ４０３を実行する。すなわち、故障発生時の負荷特性推定作業において推定すべき静特性パラメータＫｐ、Ｋｚを推定するための特性モデル式をあらかじめ構築するオフライン作業である。
【００５８】
故障時を除いた電力系統の定常運転時において、負荷の自律的な変化以外の外的要因による変化の一つとして調相設備のＯＮ／ＯＦＦが考えられる。Ｋｐ、Ｋｚといった静特性パラメータは故障前後で大きく変化しないという推察に基づき、調相設備動作による変化データから事前に静特性を分析する。
【００５９】
また、特性モデル式を構築する理由は、調相設備のＯＮ／ＯＦＦは一日の中で運転されるスケジュールが決められており、データの収集時間に大きく偏りが生じてしまい実際の故障発生時刻に最適な静特性の値を使用できない可能性があるからである。具体的には、故障発生時に最も近い最新の値を蓄積データの中から選択して使う方法がある。
【００６０】
また、曜日、季節毎に分類して分析を実施して調相設備のＯＮ／ＯＦＦの時刻毎に平均値を算出し、それらの平均値間を例えば線形補完するモデル式を構築することにより計測データのない時間帯の静特性値を与える方法がある。
【００６１】
さらに、静特性パラメータ分析のための時系列データ計測と同時に気温や天候などの気象データを計測し、計測時刻と気象データなどの計測可能な補助データを入力データとし、分析した静特性パラメータＫｐとＫｚを教師信号としてニューラルネットワークを適用し、オフラインで学習させることで特性モデルを構築することもできる。
【００６２】
この場合、実際の故障発生時には学習後のニューラルネットワークにオンラインで発生時刻と補助データを与えることでＫｐ、Ｋｚを得る方法がある。これらのオフラインデータからの静特性パラメータの獲得方法は任意の手法で良い。
【００６３】
一方、ステップＳ４０４からＳ４０７はオンライン処理となる。ステップＳ４０４で監視対象母線に故障が発生したかどうかを系統状態計測部７で判定する。判定方法としては、上述した方法などがある。
【００６４】
故障発生と判定されるまで監視し続けるためにステップＳ４０４の処理を繰り返す。故障が発生したと判定された場合は、補助演算部１０において直ちにステップＳ４０５の処理が実行される。ステップＳ４０５ではデータ分析部９で保存された特性モデル式を利用して故障発生時の系統状態に適応した静特性パラメータを求める。
【００６５】
推定演算部１１で求めた静特性パラメータを既知としてステップＳ４０６の処理、すなわち、系統状態計測部７で計測した電圧Ｖと有効電力Ｐの時系列データから式（１）、（２）のモデル式におけるパラメータを最小二乗法により推定する。
最後に、演算結果表示部１２において推定結果を提示する（ステップＳ４０７）。
【００６６】
このように、本実施の形態３によれば、最終的に推定すべき負荷特性パラメータの数を減少させることができて推定作業が容易になること、および故障除去後において負荷の静特性に起因した負荷変動については事前の分析結果を利用して与えることができるので推定精度の向上が期待できるという効果がある。
【００６７】
実施の形態４．
この発明の実施の形態４では、故障発生時の連系線のリレー動作により主系統から分離した単独系統（以下、「分離系統」という。）の故障除去後の周波数を適正に維持する系統周波数安定化装置に上記実施の形態１ないし３に記載した上記負荷特性推定装置を利用する場合について説明する。
【００６８】
系統周波数安定化装置は故障除去後の分離系統の需給バランスを考慮して、基準周波数を維持するように発電量または負荷量を適切に制御する。しかし、故障により分離系統が発生すると負荷脱落が発生する可能性がある。負荷脱落を適切に考慮しなければ系統周波数安定化装置の制御量算出に誤差として影響することになる。
【００６９】
系統周波数安定化装置の保護範囲に１つの負荷母線がある場合に、上記実施の形態１ないし３に記載の負荷特性推定装置により求めた故障除去後のパラメータから、故障により生じた負荷脱落量Ｐｄｒｏｐは式（６）のように計算できる。
Ｐｄｒｏｐ＝Ｐ０−Ｐ０’ ・・・・（６）
ただし、Ｐ０：初期負荷量、Ｐ０’：故障除去後の負荷量である。
【００７０】
負荷脱落量Ｐｄｒｏｐを用いて、故障除去後の負荷量にＰｄｒｏｐ分を考慮して制御量を算出すれば、より精度の高い制御が可能となる。
例えば、連系線を介して主系統側から有効電力Ｐｉｎを受けていた系統は、故障により分離系統となると故障除去後に周波数が低下する。この場合、一般的には受け潮流Ｐｉｎに相当する負荷を削減すれば周波数を基準値に維持することができる。しかし、負荷脱落が発生する場合には過制御となる。すなわち、負荷脱落量を考慮した最適な制御量Ｐｃは以下の式（７）になる。
【００７１】
Ｐｃ＝Ｐｉｎ−Ｐｄｒｏｐ ・・・・（７）
【００７２】
また、本実施の形態４に係る負荷特性推定装置では故障除去後の短時間で負荷モデル式におけるパラメータのオンライン算出が可能であるため、系統周波数安定化装置の制御完了時間内に算出したパラメータ値を反映した制御量演算が可能となる効果がある。
【００７３】
実施の形態５．
この発明の実施の形態５では、故障時の連系線のリレー動作により主系統から分離した単独系統（以下、分離系統と呼ぶ）の故障除去後の周波数を適正に維持する系統周波数安定化装置に上記実施の形態１ないし３に記載の負荷特性推定装置を利用する場合について説明する。
【００７４】
系統周波数安定化装置は故障除去後の分離系統の需給バランスを考慮して、基準周波数を維持するように発電量または負荷量を適切に制御する。故障により分離系統が発生すると負荷脱落が発生する可能性がある。負荷脱落を適当に考慮しなければ系統周波数安定化装置の制御量算出に誤差として影響することになる。
【００７５】
系統周波数安定化装置の保護範囲に複数の負荷母線がある場合に、例えば、各負荷母線に上記実施の形態１ないし３に記載の負荷特性推定装置を分散して設置し、それらの推定結果を中央の系統周波数安定化装置に通信線を介して送信し、総和を取って分離系統全体の負荷脱落量を求め、制御量を計算することができる。ここでは、負荷母線の総数をＭとする。
【００７６】
したがって、負荷脱落量の総和Ｐｓｕｍ＿ｄｒｏｐは、
【数１】
となる。式（７）のＰｄｒｏｐをＰｓｕｍ＿ｄｒｏｐに置き換えれば、受け潮流側の分離系統発生時の制御量を算出することができる。
【００７７】
また、本実施の形態５によれば、負荷特性推定装置では故障除去後の短時間で負荷特性パラメータのオンライン算出が可能であるため、中央装置への通信時間を考慮しても系統周波数安定化装置の制御完了時間内に算出したパラメータ値を反映した制御量演算ができるという効果がある。
【００７８】
【発明の効果】
この発明に係る負荷特性推定装置によれば、電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、過去に検出された故障実績データを蓄積したデータ蓄積手段と、データ蓄積手段に蓄積された故障実績データを分析し、負荷モデル式の動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、系統状態計測手段により検出された故障計測データを上記特性モデル式に当てはめて動特性パラメータを決定し、動特性パラメータを負荷モデル式から除去処理する補助演算処理手段と、除去処理された負荷モデル式に基づいて故障除去後のパラメータを推定する推定演算部とを備えたことにより、負荷特性モデルの動特性パラメータを推定する特性モデル式を事前に把握でき、故障発生時には直ちに動特性パラメータを決定することができるので、故障計測データをもとに故障除去後の負荷パラメータを上記推定演算部で推定する時の推定すべきパラメータ数が削減され、推定精度を向上させることができる。さらに、推定すべきパラメータ数が削減されたことにより十分な推定精度を得るために必要な故障除去後の計測時間を短縮することができるために、推定作業にかかる全体時間を高速化することが可能である。
【００７９】
また、電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、過去に検出された変化実績データを蓄積したデータ蓄積手段と、変化実績データを分析し静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、系統状態計測手段により電力系統の故障が検出されたときの変化データを特性モデル式に当てはめて静特性パラメータを決定し、静特性パラメータを負荷特性モデルから除去処理する補助演算処理手段と、除去処理された負荷モデル式に基づいて故障除去後のパラメータを推定する推定演算部とを備えたことにより、負荷特性モデルの静特性パラメータを推定する特性モデル式を事前に把握でき、故障発生時には直ちに静特性パラメータを決定することができるので、変化実績データをもとに故障除去後の負荷パラメータを上記推定演算部で推定する時の推定すべきパラメータ数が削減され、推定精度を向上させることができる。さらに、推定すべきパラメータ数が削減されたことにより十分な推定精度を得るために必要な故障除去後の計測時間を短縮することができるために、推定作業にかかる全体時間を高速化することが可能である。
【００８０】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することにより、負荷特性推定装置により系統状態に応じた精度の高い負荷特性を故障除去後に高速に与えることができるので、従来装置では困難であった高速な安定化制御における制御量算出への負荷特性の考慮ができ、その結果演算精度の向上が可能になる。
【００８１】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することにより、負荷の構成や特徴に影響を受ける負荷特性を個別に推定することが可能となるため、従来の系統安定化装置に比べてより精度の高い制御性能を実現することができる。
【図面の簡単な説明】
【図１】 この発明の実施の形態１に係る負荷特性推定装置の構成を示すブロック図である。
【図２】 この発明の実施の形態１に係る負荷特性推定装置の動作を説明するフローチャートである。
【図３】 この発明の実施の形態１に係る負荷特性推定装置の故障時における電圧の時系列データの例である。
【図４】 この発明の実施の形態１に係る負荷特性推定装置の故障時における有効電力の時系列データの例である。
【図５】 この発明の実施の形態１に係る負荷特性推定装置の動特性パラメータＫｄとＴｄの関係の実測例である。
【図６】 この発明の実施の形態１に係る負荷特性推定装置の電圧低下率ΔＶとＫｄの関係の実測例である。
【図７】 この発明の実施の形態１に係る負荷特性推定装置の新たに検出された故障ケースにおける電圧の時系列データの例である。
【図８】 この発明の実施の形態１に係る負荷特性推定装置の新たに検出された故障ケースにおける有効電力の時系列データの例である。
【図９】 この発明の実施の形態１に係る負荷特性推定装置の補助演算・処理後の時系列データの例である。
【図１０】 この発明の実施の形態３に係る負荷特性推定装置の構成を示すブロック図である。
【図１１】 この発明の実施の形態３に係る負荷特性推定装置の動作を説明するフローチャートである。
【符号の説明】
１ データ蓄積部、２ データ分析部、３ 系統状態計測部、４ 補助演算・処理部、５ 推定演算部、６ 演算結果表示部、７ 系統状態計測部、８ データ蓄積部、９ データ分析部、１０ 補助演算・処理部、１１ 推定演算部、１２ 演算結果表示部。
【発明の属する技術分野】
この発明は、負荷特性推定装置およびそれを用いた系統周波数安定化装置に関し、特に、負荷の動特性を考慮した複数のパラメータからなる負荷モデル式を構築し、故障除去後の負荷モデル式におけるパラメータを高速に求める負荷特性推定装置、およびそれを用いた系統周波数安定化装置に関するものである。
【０００２】
【従来の技術】
従来の負荷特性推定手段は、例えば特開昭６０−２５５０２０号公報に開示された負荷を静特性モデルで表現し、故障発生後の電力と電圧の波形から得られる時系列的にサンプリングされたデータに対して負荷静特性モデル式のモデルパラメータを求めるものがあった。
【０００３】
【発明が解決しようとする課題】
このような負荷特性推定手段にあっては、系統に外乱が発生した時に観測される負荷の過渡応動、すなわち負荷モデル式における動特性について考慮されていない。したがって、故障除去直後のオンラインデータに基づいて高速に求める場合には、負荷の動特性による過渡的な応動が計測波形に重畳するために精度が非常に悪くなり適用できない。
【０００４】
また、たとえ動特性を考慮した負荷モデル式を用いても、故障除去後のオンラインデータに基づいてすべてのパラメータを推定するためには故障除去後から数百［ｍｓ］間（通常は、過渡的な応動が消滅するまでの間）の計測データが必要である。
【０００５】
一般的には、系統安定化装置の主制御における制御量の算出にオンラインで求めた負荷特性パラメータを反映させるためには、故障除去後から２００［ｍｓ］以内の短時間における計測データをもとに精度良く推定する必要がある。
しかし、その時間領域における計測データは負荷動特性による過渡応動が重畳するものとなり推定精度が悪くなるという問題があった。
【０００６】
この発明は、以上のような問題を解決するためになされたものであり、負荷の動特性をも考慮した負荷特性モデルを構築し、この負荷特性モデルにおける係数パラメータを故障除去後の負荷状態に適応して高速に求めることのできる負荷特性推定装置を実現することを目的とする。
【０００７】
また、上記負荷特性推定装置を系統周波数安定化制御装置に適用することにより、高速で安定、かつ高精度な制御性能を有する安定化制御装置を実現することを目的とする。
【０００８】
【課題を解決するための手段】
この発明に係る負荷特性推定装置は、電力系統の負荷特性を表す複数のパラメータからなる負荷モデル式を構築し、この負荷モデル式のパラメータを決定することにより、上記負荷特性を推定する負荷特性推定装置において、上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、上記系統状態計測手段により過去に検出された故障計測データからなる故障実績データを蓄積したデータ蓄積手段と、上記データ蓄積手段に蓄積された故障実績データを分析し、上記負荷モデル式の動特性に関する動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、上記系統状態計測手段により検出された故障計測データを上記データ分析手段により構築された特性モデル式に当てはめて上記動特性パラメータを決定し、この動特性パラメータを上記負荷モデル式から除去処理する補助演算処理手段と、上記補助演算処理手段により上記動特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部とを備えたものである。
【０００９】
また、上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、上記系統状態計測手段により過去に検出された変化データからなる変化実績データを蓄積したデータ蓄積手段と、上記データ蓄積手段に蓄積された変化実績データを分析し、上記負荷モデル式の静特性に関する静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、上記系統状態計測手段により電力系統の故障が検出されたときの上記変化データを上記データ分析手段により構築された特性モデル式に当てはめて上記静特性パラメータを決定し、この静特性パラメータを上記負荷特性モデルから除去処理する補助演算処理手段と、上記補助演算処理手段により上記静特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部とを備えたものである。
【００１０】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、上記推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出するものである。
【００１１】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、上記電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出するものである。
【００１２】
【発明の実施の形態】
実施の形態１．
この発明の実施の形態１に係る負荷特性推定装置は、過去に蓄積した故障実績データを統計的に分析し、予め動特性を推定するための適切なモデル（以下、「特性モデル式」という。）を構築しておき、実際に故障が発生した時に直ちに動特性に関する動特性パラメータを決定することにより、故障除去後の計測波形から静特性に関する静特性パラメータを決定するものである。
【００１３】
図１は、本実施の形態１に係る負荷特性推定装置の構成を示したブロック図である。以下に、図１を用いて本構成について説明する。
図１において、１はこれまでに計測された故障時の電気諸量の時系列サンプリングデータのデータ蓄積部である。これは、例えば同時刻に計測された有効・無効電力、電圧、周波数といった複数データから一組が構成され、各組に時刻タグが付されて時刻順に並んでいるものであり、故障ケース別に管理・保存される。
【００１４】
２はデータ蓄積部１で蓄積された過去のデータを統計的に分析し、負荷モデル式の動特性パラメータの推定に有用な特性モデル式を構築するデータ分析部である。
【００１５】
３は実際の故障時に電気諸量を計測する系統状態計測部である。これは、定常時に監視対象母線の上記電気諸量の時系列サンプリングデータを計測しており、データの変化が、所定の閾値を越えて急変すると故障発生と判定し、その発生時間の前後の一定時間の時系列サンプリングデータを検出して故障時のデータとする。
【００１６】
なお、系統状態計測部３における故障の判定は、例えば、監視対象母線の電圧が１サイクル前の電圧値より２％以上低下した場合に故障と判定する方法が考えられるが、任意の値を選択するものでも良い。
【００１７】
４はデータ分析部２で得られた結果をもとに、故障時の計測データから負荷モデル式のパラメータの一部を予め決定し、決定したパラメータを用いて計測データに適当な処理を施すための補助演算・処理部である。
【００１８】
５は補助演算・処理部４で処理された後の修正計測データに対して、まだ決定していないパラメータを推定するための推定演算部である。
【００１９】
６は推定演算結果を確認、提示するための表示手段である。これはＣＲＴ等の表示装置により実現される。また、一連の推定演算が終了した後に当該の故障に関して計測した時系列データはデータ蓄積部１へ最新データとして蓄積される。このデータの流れは、図１におけるデータ蓄積部１と系統状態計測部３との間を結ぶ破線で示している。
【００２０】
次に、上記構成における本実施の形態１の負荷特性推定装置の動作について説明する。図１における構成において、例えば次式（１）の有効電力負荷の動特性まで考慮した負荷モデル式を用いて動特性パラメータＫｄとＴｄについて過去の故障実績データから特性を分析し、動特性に関する特性モデル式を構築することによって、実際の故障発生時に補助演算により動特性を直ちに決定する。
【００２１】
Ｔｄ・（ｄＰ／ｄｔ）＋Ｐ＝Ｐｓ＋Ｋｄ・Ｖ・（ｄＶ／ｄｔ） ・・・・（１）
ただし、Ｐ：合成負荷の有効電力、Ｐｓ：合成負荷の静特性部分、Ｖ：計測点の母線電圧、Ｔｄ、Ｋｄ：動特性パラメータ、ｄＰ／ｄｔ：合成負荷の有効電力の時間微分、ｄＶ／ｄｔ：計測点の母線電圧の時間微分である。
【００２２】
さらに、故障除去後の計測データから他のパラメータを推定する場合に、図２に示すフローチャートにしたがって以下の手順を実施することによって、本実施の形態１に係る負荷特性推定装置におけるパラメータの推定を実現することができる。
【００２３】
観測点から負荷側を見た場合に、様々な負荷機器を統合して合成負荷と見なす。負荷の動特性はモータ負荷に起因するものとして、それらを等価一機の誘導機に見立てて動特性を考慮した負荷モデル式として公知である上記の式（１）で表わされる関数を使用する。（"Nonlinear Dynamic Load Models with Recovery for Voltage Stability Studies"、 D.J.Hill、 IEEE Trans. On Power Systems、 Vol.8、 No.1、 February、 1993等を参照）
【００２４】
式（１）の静特性部分Ｐｓに関しては、周波数特性を無視し、定電力負荷と定インピーダンス負荷からなる次式（２）を用いる。
Ｐｓ＝Ｐ０’・（Ｋｐ＋Ｋｚ・Ｖ２） ・・・・（２）
ただし、Ｋｐ、Ｋｚ：定電力負荷と定インピーダンス負荷の割合を決める電圧静特性パラメータ（すなわち、Ｋｐ＋Ｋｚ＝１）、Ｐ０’：故障除去後の負荷量（Ｐ０：初期負荷量）である。
【００２５】
これらの式（１）、（２）中の未知パラメータであるＫｄ、Ｔｄ、Ｐ０’、Ｋｐ、Ｋｚが負荷パラメータとしての推定対象となる。
以下、図２のフローチャートにしたがって説明する。
【００２６】
ステップＳ２０１では、まず、ある監視対象母線でこれまでに蓄積した故障実績データをデータ蓄積部１から取り出し、各故障ケースで計測された有効電力と電圧の各時系列サンプリングデータに対して式（１）の負荷モデル式へ当てはめ、例えば一般的な分析手法である最小二乗法を用いて負荷モデル式におけるパラメータの事前分析を実施する。
【００２７】
より具体的に例を示せば、ある時刻に計測された電圧と有効電力の時系列データはそれぞれ図３と図４となる。図３は故障時における電圧の時系列のデータ例、図４は故障時における有効電力の時系列データ例である。
【００２８】
この具体例に対しては、故障除去後から負荷特性パラメータを推定するのに十分長い５００［ｍｓ］間の時系列データを用いて最小二乗法により分析した結果、Ｋｄ＝０．００６３、Ｔｄ＝０．００４１、Ｐ０’＝０．１５０、Ｋｐ＝０．６３３、Ｋｚ＝０．３６４となる。故障実績データに対する分析結果として、これらのパラメータの組（故障ＩＤ、Ｋｄ、Ｔｄ、Ｐ０’、Ｋｐ、Ｋｚ）を各故障ケースについて保存する。ここに、故障ＩＤは様々な故障ケースを識別する識別子である。
【００２９】
次に、ステップＳ２０２で、保存されたパラメータを統計的に分析する。本実施の形態１では、動特性に関する動特性パラメータＫｄとＴｄ間の関係と、故障時の電圧低下率ΔＶとＫｄの関係について特性モデル式を構築する。それぞれの関係を実測例で示すと図５と図６となる。
【００３０】
図５は動特性パラメータＫｄとＴｄの関係の実測例、図６は電圧低下率ΔＶとＫｄの関係の実測例である。この関係に基づいて、例えば最も簡単な例として、それぞれの特性を線形モデルでモデル化すると次式（３）、（４）として示すことができる。
【００３１】
Ｔｄ＝０．５６７３・Ｋｄ＋０．００２９ ・・・・（３）
Ｋｄ＝０．２７３４・ΔＶ−０．０１０４ ・・・・（４）
【００３２】
上記の作業により抽出したこれらの特性モデル式を保存しておく。これらのステップは故障発生前にオフラインで行なわれるデータ解析であり、ステップＳ２０１とステップＳ２０２の手順はデータ解析部２で実行される。
【００３３】
次に、ステップＳ２０３〜Ｓ２０８はオンライン処理となる。ステップＳ２０３で監視対象母線に故障が発生したかどうかを判定する。
判定方法としては、系統状態計測部３における故障の判定として上述した方法などがある。
【００３４】
故障発生と判定されるまで監視し続けるために、ステップＳ２０３の処理を繰り返す。故障が発生したと判定された場合は、補助演算・処理部４において直ちにステップＳ２０４とＳ２０５の処理が実行される。
【００３５】
ステップＳ２０４では、電圧低下率ΔＶ（＝故障発生直後の電圧低下分／故障発生前の平均電圧）を求める。
また、ステップＳ２０５では、ステップＳ２０２で求めた動特性に関する特性モデル式にΔＶを代入してＫｄとＴｄを求める。これらの処理に対して実測例を挙げて説明する。
【００３６】
監視対象母線において新しい故障が発生し、その時に計測された電圧Ｖと有効電力Ｐの時系列データを図７と図８に示す。
図７は新しく検出された故障ケースにおける電圧Ｖの時系列データ例、図８は新しく検出された故障ケースにおける有効電力Ｐの時系列データ例である。
【００３７】
オンライン処理では、まず故障と判断された直後に電圧時系列データよりΔＶ＝０．１０３が求められて、式（３）、（４）からＫｄ＝０．０１８、Ｔｄ＝０．０１３が求められる。これらの演算は故障発生直後にΔＶが計測されれば、あとは代入演算で終わるので直ちに完了することができる。そして、補助演算・処理部４で続けてステップＳ２０６の処理を実行する。
【００３８】
ステップＳ２０６では、求めたＫｄとＴｄ、そして故障除去後の計測した電圧Ｖの時系列データΔＶ（図７）を代入して、式（１）より静特性部分Ｐｓを除いた部分だけを演算し、有効電力Ｐの時系列データから差し引く。電圧と有効電力の微分項ｄＶ／ｄｔ、ｄＰ／ｄｔは、差分で近似して求めれば良い。
【００３９】
ステップＳ２０６の処理後の有効電力Ｐの時系列データの例を図９に示す。推定演算部５でステップＳ２０７の処理、すなわち電圧Ｖの時系列データΔＶと、ステップＳ２０６で処理後の有効電力Ｐの時系列データから式（２）の静特性に関する負荷モデル式におけるパラメータを最小二乗法により推定する。
【００４０】
ただし、ここでは推定に使用する時系列データの長さは故障除去後から１００［ｍｓ］である。推定方法は前述のステップＳ２０１と同じで良い。その結果、故障除去後の負荷量Ｐ０’＝０．２１６、Ｋｐ＝０．４８、Ｋｚ＝０．５２となる。最後に、演算結果表示部６において推定結果を提示する（ステップＳ２０８）。
【００４１】
また、一連の処理が終了した後に、新しい故障ケースで計測した時系列データをデータ蓄積部１に送出して蓄積する（ステップＳ２０９）。
【００４２】
以上のように、本実施の形態１によれば、最終的に推定すべき負荷モデル式に関するパラメータの数を減少させることができるため推定作業が容易になり、また負荷の動特性に起因した過渡応動が強く影響している故障除去後の短い時間領域の計測データだけを使用しても精度良く故障除去後の負荷特性が推定できる効果がある。
【００４３】
実施の形態２．
この発明の実施の形態２に係る負荷特性推定装置は、負荷脱落を伴う故障ケースの場合に上記実施の形態１を実現するものである。
なお、故障中の電圧低下といった要因により負荷構成機器の一部が脱落する現象を負荷脱落という。
【００４４】
以下に、負荷脱落が発生した場合の負荷特性パラメータの推定方法について上記実施の形態１をもとに説明する。
負荷脱落が発生した場合の動特性パラメータＫｄは、負荷脱落がない場合のそれと比べて同じ電圧低下率ΔＶに対して小さくなる。そこで、上記実施の形態１の場合で、オフライン解析である図２におけるステップＳ２０２の処理内容を一部変更する。つまり、ΔＶ−Ｋｄの関係とＫｄ−Ｔｄの関係を事前分析する場合に、負荷脱落の発生が認められるケースはあらかじめ除外しておく。
【００４５】
ステップＳ２０３以下では、負荷脱落がない場合と同様に処理を進めればよい。求められた負荷特性パラメータから、次式（５）により負荷脱落量Ｐｄｒｏｐを求める。
Ｐｄｒｏｐ＝Ｐ０−Ｐ０’ ・・・・（５）
【００４６】
したがって、本実施の形態２によっても、上記実施の形態１と同様の効果を奏することができる。
さらに、故障実績データ中で負荷脱落を伴うケースは一般に少ないことから負荷脱落の場合の特性モデルが満足に解析できないことが多いが、本実施の形態２によれば多数蓄積されている負荷脱落のないケースを有効に活用できるという効果も得られる。
【００４７】
実施の形態３．
この発明の実施の形態３に係る負荷特性推定装置として、上記実施の形態１と同じ負荷モデル式（式（１）と式（２））を用いる場合を例示する。
図１０は、本実施の形態３に係る負荷特性推定装置の構成を示したブロック図である。以下に、図１０を用いて本構成について説明する。
【００４８】
図１０において、７は電力系統の定常運転時の調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を検出し、計測するための系統状態計測部である。変化の検出判定には、例えば監視対象母線の電圧が１サイクル前の電圧値より０．２％以上変化する場合に検出するといった方法などが考えられるが、任意の値を選択するものでもよい。
【００４９】
また、上記系統状態計測部７は実際の故障時における電気諸量を計測する。故障の判定は上記実施の形態１と同じものを使用すればよい。
【００５０】
８はこれまでに計測された調相設備のＯＮ／ＯＦＦ時の電気諸量の時系列データのデータ蓄積部である。データ構成、計測条件は上記実施の形態１の場合と同じで良い。
【００５１】
９はデータ蓄積部８で蓄積された過去のデータを統計的に分析し、故障発生時の負荷モデル式の静特性パラメータの推定に有用な特性モデル式を構築するデータ分析部である。
【００５２】
１０はデータ分析部９で得られた結果をもとに、故障時の状態から負荷モデル式の静特性パラメータを予め決定するための補助演算部である。
【００５３】
１１は補助演算部１０で決定した静特性パラメータを用いて、まだ決定していない残りのパラメータを推定するための推定演算部である。１２は推定演算結果を確認・提示するための表示機能である。これはＣＲＴ等の表示装置により実現される。
【００５４】
次に、上記構成における本実施の形態３の負荷特性推定装置の動作について、図１１に示すフローチャートにしたがって説明する。
ステップＳ４０１ではある監視対象母線に対して定常状態における系統状態を系統状態監視部７により監視し、調相設備のＯＮ／ＯＦＦによる変化が検出されるまで同じ作業を繰り返す。
【００５５】
そして、変化が検出されると、ステップＳ４０２では調相設備のＯＮ／ＯＦＦ時に計測される時系列データをデータ蓄積部８に蓄積する。時系列データの内容は上記実施の形態１と同じで良い。また、データ蓄積部８に蓄積された各データに対して、上記実施の形態１で説明した方法で負荷特性パラメータの分析をデータ分析部９で実施する。
【００５６】
ここでは負荷モデル式は上記実施の形態１で使用したもの（式（１）と（２））と同じとする。故障発生時に比べて計測データの変化の大きさは小さいが、実施の形態１の場合と同じように処理できる。
【００５７】
同じデータ分析部９においてステップＳ４０３を実行する。すなわち、故障発生時の負荷特性推定作業において推定すべき静特性パラメータＫｐ、Ｋｚを推定するための特性モデル式をあらかじめ構築するオフライン作業である。
【００５８】
故障時を除いた電力系統の定常運転時において、負荷の自律的な変化以外の外的要因による変化の一つとして調相設備のＯＮ／ＯＦＦが考えられる。Ｋｐ、Ｋｚといった静特性パラメータは故障前後で大きく変化しないという推察に基づき、調相設備動作による変化データから事前に静特性を分析する。
【００５９】
また、特性モデル式を構築する理由は、調相設備のＯＮ／ＯＦＦは一日の中で運転されるスケジュールが決められており、データの収集時間に大きく偏りが生じてしまい実際の故障発生時刻に最適な静特性の値を使用できない可能性があるからである。具体的には、故障発生時に最も近い最新の値を蓄積データの中から選択して使う方法がある。
【００６０】
また、曜日、季節毎に分類して分析を実施して調相設備のＯＮ／ＯＦＦの時刻毎に平均値を算出し、それらの平均値間を例えば線形補完するモデル式を構築することにより計測データのない時間帯の静特性値を与える方法がある。
【００６１】
さらに、静特性パラメータ分析のための時系列データ計測と同時に気温や天候などの気象データを計測し、計測時刻と気象データなどの計測可能な補助データを入力データとし、分析した静特性パラメータＫｐとＫｚを教師信号としてニューラルネットワークを適用し、オフラインで学習させることで特性モデルを構築することもできる。
【００６２】
この場合、実際の故障発生時には学習後のニューラルネットワークにオンラインで発生時刻と補助データを与えることでＫｐ、Ｋｚを得る方法がある。これらのオフラインデータからの静特性パラメータの獲得方法は任意の手法で良い。
【００６３】
一方、ステップＳ４０４からＳ４０７はオンライン処理となる。ステップＳ４０４で監視対象母線に故障が発生したかどうかを系統状態計測部７で判定する。判定方法としては、上述した方法などがある。
【００６４】
故障発生と判定されるまで監視し続けるためにステップＳ４０４の処理を繰り返す。故障が発生したと判定された場合は、補助演算部１０において直ちにステップＳ４０５の処理が実行される。ステップＳ４０５ではデータ分析部９で保存された特性モデル式を利用して故障発生時の系統状態に適応した静特性パラメータを求める。
【００６５】
推定演算部１１で求めた静特性パラメータを既知としてステップＳ４０６の処理、すなわち、系統状態計測部７で計測した電圧Ｖと有効電力Ｐの時系列データから式（１）、（２）のモデル式におけるパラメータを最小二乗法により推定する。
最後に、演算結果表示部１２において推定結果を提示する（ステップＳ４０７）。
【００６６】
このように、本実施の形態３によれば、最終的に推定すべき負荷特性パラメータの数を減少させることができて推定作業が容易になること、および故障除去後において負荷の静特性に起因した負荷変動については事前の分析結果を利用して与えることができるので推定精度の向上が期待できるという効果がある。
【００６７】
実施の形態４．
この発明の実施の形態４では、故障発生時の連系線のリレー動作により主系統から分離した単独系統（以下、「分離系統」という。）の故障除去後の周波数を適正に維持する系統周波数安定化装置に上記実施の形態１ないし３に記載した上記負荷特性推定装置を利用する場合について説明する。
【００６８】
系統周波数安定化装置は故障除去後の分離系統の需給バランスを考慮して、基準周波数を維持するように発電量または負荷量を適切に制御する。しかし、故障により分離系統が発生すると負荷脱落が発生する可能性がある。負荷脱落を適切に考慮しなければ系統周波数安定化装置の制御量算出に誤差として影響することになる。
【００６９】
系統周波数安定化装置の保護範囲に１つの負荷母線がある場合に、上記実施の形態１ないし３に記載の負荷特性推定装置により求めた故障除去後のパラメータから、故障により生じた負荷脱落量Ｐｄｒｏｐは式（６）のように計算できる。
Ｐｄｒｏｐ＝Ｐ０−Ｐ０’ ・・・・（６）
ただし、Ｐ０：初期負荷量、Ｐ０’：故障除去後の負荷量である。
【００７０】
負荷脱落量Ｐｄｒｏｐを用いて、故障除去後の負荷量にＰｄｒｏｐ分を考慮して制御量を算出すれば、より精度の高い制御が可能となる。
例えば、連系線を介して主系統側から有効電力Ｐｉｎを受けていた系統は、故障により分離系統となると故障除去後に周波数が低下する。この場合、一般的には受け潮流Ｐｉｎに相当する負荷を削減すれば周波数を基準値に維持することができる。しかし、負荷脱落が発生する場合には過制御となる。すなわち、負荷脱落量を考慮した最適な制御量Ｐｃは以下の式（７）になる。
【００７１】
Ｐｃ＝Ｐｉｎ−Ｐｄｒｏｐ ・・・・（７）
【００７２】
また、本実施の形態４に係る負荷特性推定装置では故障除去後の短時間で負荷モデル式におけるパラメータのオンライン算出が可能であるため、系統周波数安定化装置の制御完了時間内に算出したパラメータ値を反映した制御量演算が可能となる効果がある。
【００７３】
実施の形態５．
この発明の実施の形態５では、故障時の連系線のリレー動作により主系統から分離した単独系統（以下、分離系統と呼ぶ）の故障除去後の周波数を適正に維持する系統周波数安定化装置に上記実施の形態１ないし３に記載の負荷特性推定装置を利用する場合について説明する。
【００７４】
系統周波数安定化装置は故障除去後の分離系統の需給バランスを考慮して、基準周波数を維持するように発電量または負荷量を適切に制御する。故障により分離系統が発生すると負荷脱落が発生する可能性がある。負荷脱落を適当に考慮しなければ系統周波数安定化装置の制御量算出に誤差として影響することになる。
【００７５】
系統周波数安定化装置の保護範囲に複数の負荷母線がある場合に、例えば、各負荷母線に上記実施の形態１ないし３に記載の負荷特性推定装置を分散して設置し、それらの推定結果を中央の系統周波数安定化装置に通信線を介して送信し、総和を取って分離系統全体の負荷脱落量を求め、制御量を計算することができる。ここでは、負荷母線の総数をＭとする。
【００７６】
したがって、負荷脱落量の総和Ｐｓｕｍ＿ｄｒｏｐは、
【数１】
【００７７】
また、本実施の形態５によれば、負荷特性推定装置では故障除去後の短時間で負荷特性パラメータのオンライン算出が可能であるため、中央装置への通信時間を考慮しても系統周波数安定化装置の制御完了時間内に算出したパラメータ値を反映した制御量演算ができるという効果がある。
【００７８】
【発明の効果】
この発明に係る負荷特性推定装置によれば、電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、過去に検出された故障実績データを蓄積したデータ蓄積手段と、データ蓄積手段に蓄積された故障実績データを分析し、負荷モデル式の動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、系統状態計測手段により検出された故障計測データを上記特性モデル式に当てはめて動特性パラメータを決定し、動特性パラメータを負荷モデル式から除去処理する補助演算処理手段と、除去処理された負荷モデル式に基づいて故障除去後のパラメータを推定する推定演算部とを備えたことにより、負荷特性モデルの動特性パラメータを推定する特性モデル式を事前に把握でき、故障発生時には直ちに動特性パラメータを決定することができるので、故障計測データをもとに故障除去後の負荷パラメータを上記推定演算部で推定する時の推定すべきパラメータ数が削減され、推定精度を向上させることができる。さらに、推定すべきパラメータ数が削減されたことにより十分な推定精度を得るために必要な故障除去後の計測時間を短縮することができるために、推定作業にかかる全体時間を高速化することが可能である。
【００７９】
また、電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、過去に検出された変化実績データを蓄積したデータ蓄積手段と、変化実績データを分析し静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、系統状態計測手段により電力系統の故障が検出されたときの変化データを特性モデル式に当てはめて静特性パラメータを決定し、静特性パラメータを負荷特性モデルから除去処理する補助演算処理手段と、除去処理された負荷モデル式に基づいて故障除去後のパラメータを推定する推定演算部とを備えたことにより、負荷特性モデルの静特性パラメータを推定する特性モデル式を事前に把握でき、故障発生時には直ちに静特性パラメータを決定することができるので、変化実績データをもとに故障除去後の負荷パラメータを上記推定演算部で推定する時の推定すべきパラメータ数が削減され、推定精度を向上させることができる。さらに、推定すべきパラメータ数が削減されたことにより十分な推定精度を得るために必要な故障除去後の計測時間を短縮することができるために、推定作業にかかる全体時間を高速化することが可能である。
【００８０】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することにより、負荷特性推定装置により系統状態に応じた精度の高い負荷特性を故障除去後に高速に与えることができるので、従来装置では困難であった高速な安定化制御における制御量算出への負荷特性の考慮ができ、その結果演算精度の向上が可能になる。
【００８１】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することにより、負荷の構成や特徴に影響を受ける負荷特性を個別に推定することが可能となるため、従来の系統安定化装置に比べてより精度の高い制御性能を実現することができる。
【図面の簡単な説明】
【図１】 この発明の実施の形態１に係る負荷特性推定装置の構成を示すブロック図である。
【図２】 この発明の実施の形態１に係る負荷特性推定装置の動作を説明するフローチャートである。
【図３】 この発明の実施の形態１に係る負荷特性推定装置の故障時における電圧の時系列データの例である。
【図４】 この発明の実施の形態１に係る負荷特性推定装置の故障時における有効電力の時系列データの例である。
【図５】 この発明の実施の形態１に係る負荷特性推定装置の動特性パラメータＫｄとＴｄの関係の実測例である。
【図６】 この発明の実施の形態１に係る負荷特性推定装置の電圧低下率ΔＶとＫｄの関係の実測例である。
【図７】 この発明の実施の形態１に係る負荷特性推定装置の新たに検出された故障ケースにおける電圧の時系列データの例である。
【図８】 この発明の実施の形態１に係る負荷特性推定装置の新たに検出された故障ケースにおける有効電力の時系列データの例である。
【図９】 この発明の実施の形態１に係る負荷特性推定装置の補助演算・処理後の時系列データの例である。
【図１０】 この発明の実施の形態３に係る負荷特性推定装置の構成を示すブロック図である。
【図１１】 この発明の実施の形態３に係る負荷特性推定装置の動作を説明するフローチャートである。
【符号の説明】
１ データ蓄積部、２ データ分析部、３ 系統状態計測部、４ 補助演算・処理部、５ 推定演算部、６ 演算結果表示部、７ 系統状態計測部、８ データ蓄積部、９ データ分析部、１０ 補助演算・処理部、１１ 推定演算部、１２ 演算結果表示部。
Claims (4)
- 電力系統の負荷特性を表す複数のパラメータからなる負荷モデル式を構築し、この負荷モデル式のパラメータを決定することにより、上記負荷特性を推定する負荷特性推定装置において、
上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、
上記系統状態計測手段により過去に検出された故障計測データからなる故障実績データを蓄積したデータ蓄積手段と、
上記データ蓄積手段に蓄積された故障実績データを分析し、上記負荷モデル式の動特性に関する動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、
上記系統状態計測手段により検出された故障計測データを上記データ分析手段により構築された特性モデル式に当てはめて上記動特性パラメータを決定し、この動特性パラメータを上記負荷モデル式から除去処理する補助演算処理手段と、
上記補助演算処理手段により上記動特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部と
を備えたことを特徴とする負荷特性推定装置。 - 電力系統の負荷特性を表す複数のパラメータからなる負荷モデル式を構築し、この負荷モデル式のパラメータを決定することにより、上記負荷特性を推定する負荷特性推定装置において、
上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、
上記系統状態計測手段により過去に検出された変化データからなる変化実績データを蓄積したデータ蓄積手段と、
上記データ蓄積手段に蓄積された変化実績データを分析し、上記負荷モデル式の静特性に関する静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、
上記系統状態計測手段により電力系統の故障が検出されたときの上記変化データを上記データ分析手段により構築された特性モデル式に当てはめて上記静特性パラメータを決定し、この静特性パラメータを上記負荷特性モデルから除去処理する補助演算処理手段と、
上記補助演算処理手段により上記静特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部と
を備えたことを特徴とする負荷特性推定装置。 - 請求項１または２に記載の負荷特性推定装置を用いた系統周波数安定化装置であって、
上記推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することを特徴とする系統周波数安定化装置。 - 請求項１または２に記載の負荷特性推定装置を用いた系統周波数安定化装置であって、
上記電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、
各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することを特徴とする系統周波数安定化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002072582A JP3836741B2 (ja) | 2002-03-15 | 2002-03-15 | 負荷特性推定装置およびそれを用いた系統周波数安定化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002072582A JP3836741B2 (ja) | 2002-03-15 | 2002-03-15 | 負荷特性推定装置およびそれを用いた系統周波数安定化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003274560A JP2003274560A (ja) | 2003-09-26 |
| JP3836741B2 true JP3836741B2 (ja) | 2006-10-25 |
Family
ID=29202538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002072582A Expired - Fee Related JP3836741B2 (ja) | 2002-03-15 | 2002-03-15 | 負荷特性推定装置およびそれを用いた系統周波数安定化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3836741B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4538335B2 (ja) * | 2005-02-03 | 2010-09-08 | 三菱電機株式会社 | 負荷特性推定装置 |
| US9488682B2 (en) * | 2013-02-20 | 2016-11-08 | Mitsubishi Electric Research Laboratories, Inc. | Method for determining power consumption of loads in ungrounded power distribution systems |
| CN105429185B (zh) * | 2015-12-08 | 2018-02-27 | 华南理工大学 | 一种具有鲁棒协同一致性的经济调度方法 |
| JP7450504B2 (ja) | 2020-09-16 | 2024-03-15 | 三菱電機株式会社 | 系統安定化システムおよび系統安定化方法 |
| CN114280399B (zh) * | 2021-12-22 | 2024-03-12 | 上海尤比酷电气有限公司 | 一种基于负载特性的电气设备异常诊断方法及装置 |
-
2002
- 2002-03-15 JP JP2002072582A patent/JP3836741B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003274560A (ja) | 2003-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110336377B (zh) | 一种基于云计算的智能配电*** | |
| US9704382B2 (en) | Method for calculating error rate of alarm | |
| EP3379278A1 (en) | Battery energy store | |
| CN108696368B (zh) | 一种网元健康状态的检测方法及设备 | |
| US6937966B1 (en) | System and method for on-line adaptive prediction using dynamic management of multiple sub-models | |
| JP5827425B1 (ja) | 予兆診断システム及び予兆診断方法 | |
| US5627760A (en) | Method and apparatus for real time recursive parameter energy management system | |
| JP5827426B1 (ja) | 予兆診断システム及び予兆診断方法 | |
| CN115372816B (zh) | 基于数据分析的配电开关设备运行故障预测***及方法 | |
| CN107121943B (zh) | 一种用于获得智能仪表的健康预测信息的方法和装置 | |
| JP3836741B2 (ja) | 負荷特性推定装置およびそれを用いた系統周波数安定化装置 | |
| CN115587673A (zh) | 一种电压互感器误差状态预测方法及*** | |
| EP3264114A1 (en) | Fault point locating device and method, electric power system monitoring system, and facility planning support system | |
| CN110108981A (zh) | 一种有源配电网中线路的故障诊断方法和*** | |
| CN112083299A (zh) | 一种基于卡尔曼滤波的直流***绝缘故障预测方法 | |
| CN106646106A (zh) | 基于变点探测技术的电网故障检测方法 | |
| JP5971692B2 (ja) | 電力系統の短絡容量監視方法およびそのシステム | |
| US10948547B2 (en) | Battery monitoring system | |
| Fu et al. | Bayesian estimation based parameter estimation for composite load | |
| CN113009363A (zh) | 用于测量电池欧姆电阻的方法和装置 | |
| JP5949232B2 (ja) | 電力系統監視システム、その推定値の異常判定方法、そのプログラム | |
| CN113344347B (zh) | 一种低压供电线路健康状态评估方法及*** | |
| CN213149079U (zh) | 一种直流***的支路绝缘电阻检测单元 | |
| JP4538335B2 (ja) | 負荷特性推定装置 | |
| JPH11252795A (ja) | 電力系統状態決定装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041208 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20060712 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060725 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060727 |
|
| R150 | Certificate of patent (=grant) or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090804 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100804 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110804 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110804 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120804 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120804 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130804 Year of fee payment: 7 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |