一种电系统广域同调辨识方法及其装置

申请号 CN201510454081.7 申请日 2015-07-28 公开(公告)号 CN105071380A 公开(公告)日 2015-11-18
申请人 天津大学; 发明人 贾宏杰; 姜涛;
摘要 本 发明 公开了一种电 力 系统广域同调辨识方法及其装置,方法包括:对电力系统中发 电机 转子 角 的广域量测时间序列进行标准化;对标准化后的广域量测时间序列进行主成分分析,根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的 特征向量 ;根据所 选定 特征向量中元素的正、负号实现电力系统机组的同调分群。装置包括:标准化模 块 、主成分分析模块、获取模块和划分模块,通过上述模块实现了基于广域量测信息的电力系统同调机群在线辨识。本发明完全基于广域量测信息进行电力系统同调机群划分,避免了因电力系统的模型 精度 和参数准确性对同调分群结果的影响。
权利要求

1.一种电系统广域同调辨识方法,其特征在于,所述方法包括以下步骤:
对电力系统中发电机转子的广域量测时间序列进行标准化;
对标准化后的广域量测时间序列进行主成分分析,根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量
根据所选定特征向量中元素的正、负号实现电力系统机组的同调分群。
2.根据权利要求1所述的一种电力系统广域同调辨识方法,其特征在于,所述对电力系统中发电机转子角的广域量测时间序列进行标准化的步骤具体为:
在同一时间断面,同一量测长度的条件下,获取广域量测时间序列的方差和均值;
通过所述方差和所述均值,对广域量测时间序列标准化。
3.根据权利要求1所述的一种电力系统广域同调辨识方法,其特征在于,所述对标准化后的广域量测时间序列进行主成分分析的步骤具体为:
通过主成分分析,获取标准化后的广域量测时间序列的特征值及特征向量。
4.根据权利要求3所述的一种电力系统广域同调辨识方法,其特征在于,所述根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量的步骤具体为:
根据所述特征值,获取各主成分的贡献率及前k个主成分的累计贡献率;
当累计贡献率达到阈值后,确定广域量测时间序列的主成分个数为k,并保留这k个主成分所对应的特征向量。
5.根据权利要求1所述的一种电力系统广域同调辨识方法,其特征在于,所述根据所选定特征向量元素的正、负号实现电力系统机组的同调分群的步骤具体为:
将所选定特征向量中元素正、负号组合完全相同的发电机划分为一组同调机群,进而获取多组同调机群,实现基于广域量测信息的电力系统同调辨识。
6.一种电力系统广域同调辨识装置,其特征在于,所述装置包括:
标准化模,用于对电力系统中发电机转子角的广域量测时间序列进行标准化;
主成分分析模块,用于对标准化后的广域量测时间序列进行主成分分析;
获取模块,用于根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量;
划分模块,用于根据所选定特征向量中元素的正、负号实现电力系统机组的同调分群。
7.根据权利要求6所述的一种电力系统广域同调辨识装置,其特征在于,所述标准化模块包括:
方差和均值子模块,用于在同一时间断面,同一量测长度的条件下,得到广域量测时间序列的方差和均值;
标准化子模块,用于通过所述方差和所述均值,对广域量测时间序列标准化。
8.根据权利要求6所述的一种电力系统广域同调辨识装置,其特征在于,所述主成分分析模块包括:
主成分分析子模块,用于通过主成分分析,获取标准化后的广域量测时间序列的特征值及特征向量。
9.根据权利要求8所述的一种电力系统广域同调辨识装置,其特征在于,所述获取模块包括:
第一获取子模块,用于根据所述特征值,获取各主成分的贡献率及前k个主成分的累计贡献率;
第二获取子模块,用于当累计贡献率达到阈值后,确定广域量测时间序列的主成分个数为k,并保留这k个主成分所对应的特征向量。
10.根据权利要求6所述的一种电力系统广域同调辨识装置,其特征在于,所述划分模块包括:
第一划分子模块,用于将所选定特征向量中元素正、负号组合完全相同的发电机划分为一组同调机群;
第二划分子模块,用于获取多组同调机群,实现基于广域量测信息的电力系统同调辨识。

说明书全文

一种电系统广域同调辨识方法及其装置

技术领域

[0001] 本发明涉及电力系统领域,尤其涉及一种电力系统广域同调辨识方法及其装置,特别是涉及利用电力系统的广域量测信息进行电力系统同调辨识的方法。

背景技术

[0002] 区域间电网互联规模不断扩大,大容量远距离输电不断增加,间隙性新能源大规模接入,使得区域电网振荡已成为威胁电网安全稳定运行的主要因素之一。为抑制区域间功率振荡,改善整个互联系统的动态稳定,电力系统研究和运行人员提出多种措施来改善电力系统的阻尼特性,例如:加装电力系统稳定器、直流功率调制、改变电网运行方式等,并在紧急情况下,通过主动解列以防止长时间区域间功率振荡所诱发的电网大停电事故。而在主动解列过程中,快速搜索和确定电力系统的同调机群是其关键。
[0003] 目前,识别同调机群的方法主要分为两类:基于电力系统模型的同调机群识别方法和基于电力系统广域量测信息的同调机群识别方法。其中,基于电力系统模型的同调机群识别方法又有如下方法:①基于图分割,将慢同调理论应用于电力系统同调分群中;②通过计算电力系统微分方程的右特征向量矩阵中发电机转子所对应行向量之间的方向余弦来确定电力系统中的同调机群;③构造动态电力网络的加权拉普拉斯矩阵,借助复杂网络社团结构理论实现电力系统的同调分群;④将电力系统在非平衡点处线性化,根据电力系统运动轨迹的特征值进行同调分群。上述基于电力系统模型的同调机群识别方法均依赖于电力系统的详细模型和准确参数,难以考虑电力系统运行方式变化及故障类型对同调分群的影响。因而,基于电力系统模型的同调分群方法,多用于电力系统离线安全稳定分析。
[0004] 广域量测系统在电力系统中的广泛应用,为电力系统在线实现同调分群提供了可能。当前,基于电力系统广域量测信息的同调机群识别方法主要有:①基于最小二乘支持向量机实现电力系统同调机群的在线辨识;②基于独立分量法对电力系统中的机组进行同调分群;③基于广域实测信号的主成分,采用聚类分析方法对电力系统中发电机进行同调分群;④借助小波相位差来辨识电力系统中的同调机群;⑤通过对广域实测信号进行库普曼模式分解实现电力系统的同调分群;⑥在方法⑤的基础上,通过对广域实测信息进行动态振荡模式解耦来识别电力系统的同调机群。
[0005] 采用上述方法均可实现基于广域量测信息的电力系统同调机群准确辨识,但上述方法在辨识过程中都会面临对海量数据的处理,如何挖掘其关键信息,提高识别效率是利用广域量测信息进行电力系统同调辨识亟需解决的问题。

发明内容

[0006] 本发明提供了一种电力系统广域同调辨识方法及其装置,本发明将电力系统广域量测信息与多元统计中的主成分分析方法相结合,实现了基于广域量测信息的电力系统同调机群在线辨识,提到了识别效率,详见下文描述:
[0007] 一种电力系统广域同调辨识方法,所述方法包括以下步骤:
[0008] 对电力系统中发电机转子角的广域量测时间序列进行标准化;
[0009] 对标准化后的广域量测时间序列进行主成分分析,根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量;
[0010] 根据所选定特征向量中元素的正、负号实现电力系统机组的同调分群。
[0011] 所述对电力系统中发电机转子角的广域量测时间序列进行标准化的步骤具体为:
[0012] 在同一时间断面,同一量测长度的条件下,获取广域量测时间序列的方差和均值;
[0013] 通过所述方差和所述均值,对广域量测时间序列标准化。
[0014] 所述对标准化后的广域量测时间序列进行主成分分析的步骤具体为:
[0015] 通过主成分分析,获取标准化后的广域量测时间序列的特征值及特征向量。
[0016] 所述根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量的步骤具体为:
[0017] 根据所述特征值,获取各主成分的贡献率及前k个主成分的累计贡献率;
[0018] 当累计贡献率达到阈值后,确定广域量测时间序列的主成分个数为k,并保留这k个主成分所对应的特征向量。
[0019] 所述根据所选定特征向量元素的正、负号实现电力系统机组的同调分群的步骤具体为:
[0020] 将所选定特征向量中元素正、负号组合完全相同的发电机划分为一组同调机群,进而获取多组同调机群,实现基于广域量测信息的电力系统同调辨识。
[0021] 一种电力系统广域同调辨识装置,所述装置包括:
[0022] 标准化模,用于对电力系统中发电机转子角的广域量测时间序列进行标准化;
[0023] 主成分分析模块,用于对标准化后的广域量测时间序列进行主成分分析;
[0024] 获取模块,用于根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量;
[0025] 划分模块,用于根据所选定特征向量中元素的正、负号实现电力系统机组的同调分群。
[0026] 其中,所述标准化模块包括:
[0027] 方差和均值模块,用于在同一时间断面,同一量测长度的条件下,得到广域量测时间序列的方差和均值;
[0028] 标准化子模块,用于通过所述方差和所述均值,对广域量测时间序列标准化。
[0029] 其中,所述主成分分析模块包括:
[0030] 主成分分析子模块,用于通过主成分分析,获取标准化后的广域量测时间序列的特征值及特征向量。
[0031] 进一步地,所述获取模块包括:
[0032] 第一获取子模块,用于根据所述特征值,获取各主成分的贡献率及前k个主成分的累计贡献率;
[0033] 第二获取子模块,用于当累计贡献率达到阈值后,确定广域量测时间序列的主成分个数为k,并保留这k个主成分所对应的特征向量。
[0034] 进一步地,所述划分模块包括:
[0035] 第一划分子模块,用于将所选定特征向量中元素正、负号组合完全相同的发电机划分为一组同调机群;
[0036] 第二划分子模块,用于获取多组同调机群,实现基于广域量测信息的电力系统同调辨识。
[0037] 本发明提供的技术方案的有益效果是:本发明通过计算主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征值向量,顺序提取各发电机在各保留特征向量中所对应元素的正、负号,将正、负号顺序排列组合完全一致的发电机划分为一组同调机群,从而得到多组同调机群,本发明完全基于广域量测信息进行电力系统同调机群划分,避免了电力系统的模型精度和参数准确性对同调分群结果的影响,实现了基于广域量测信息的电力系统同调机群在线辨识,降低了计算复杂度,提到了识别效率。附图说明
[0038] 图1为一种电力系统广域同调辨识方法的流程图
[0039] 图2为一种电力系统广域同调辨识装置的示意图;
[0040] 图3为标准化模块的示意图;
[0041] 图4为主成分分析模块的示意图;
[0042] 图5为获取模块的示意图;
[0043] 图6为划分模块的示意图;
[0044] 图7为典型4机11节点测试系统的示意图;
[0045] 图8为转子角摇摆曲线的示意图。
[0046] 附图中,各标号所代表的部件列表如下:
[0047] 1:标准化模块; 2:主成分分析模块;
[0048] 3:获取模块; 4:划分模块;
[0049] 11:方差和均值子模块; 12:标准化子模块;
[0050] 21:主成分分析子模块; 31:第一获取子模块;
[0051] 32:第二获取子模块; 41:第一划分子模块;
[0052] 42:第二划分子模块。

具体实施方式

[0053] 为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
[0054] 本发明根据完善电力系统安全稳定在线监测的需要、提高电网防御大停电事故险的需求,将电力系统广域量测信息与多元统计中的主成分分析方法相结合,提出一种利用电力系统广域量测信息在线辨识系统同调机群的技术框架,下面结合具体的实施例对本方法进行详细的描述:
[0055] 实施例1
[0056] 一种电力系统广域同调辨识方法,参见图1,该方法包括以下步骤:
[0057] 101:对电力系统中发电机转子角的广域量测时间序列进行标准化;
[0058] 102:对标准化后的广域量测时间序列进行主成分分析,根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量;
[0059] 103:根据所选定特征向量元素的正、负号实现电力系统机组的同调分群。
[0060] 其中,步骤101具体为:在同一时间断面,同一量测长度的条件下,获取广域量测时间序列的方差和均值;通过方差和所述均值,对广域量测时间序列标准化。
[0061] 其中,步骤102具体为:通过主成分分析,获取标准化后的广域量测时间序列的特征值及特征向量;根据特征值,获取各主成分的贡献率及前k个主成分的累计贡献率;当累计贡献率达到阈值后,确定广域量测时间序列的主成分个数为k,并保留这k个主成分所对应的特征向量。
[0062] 该步骤103具体为:顺序提取出各发电机在各保留特征向量中所对应的元素的正、负号;将正、负号顺序排列组合完全一致的发电机划分为一组同调机群,从而得到多组同调机群,实现基于广域量测信息的电力系统同调机群辨识。
[0063] 本方法通过步骤101-步骤103实现了基于广域量测信息的电力系统同调机群在线辨识,提高了识别效率,满足了实际应用中的多种需要。
[0064] 实施例2
[0065] 下面结合具体的计算公式,对实施例1中的方案进行详细描述:
[0066] 201:从电网广域量测系统中读取发电机转子角的广域量测时间序列,将广域量测时间序列标准化;
[0067] 假设电力系统中发电机数量为p,发电机转子角量测信息可通过广域量测系统获取,则电力系统中发电机的广域量测时间序列X为:
[0068]
[0069] 式中,n为广域量测序列的长度;xi为第i个发电机的转子角量测时间序列;xij为第i个发电机的第j次的转子角量测信息。
[0070] 按在同一时间断面,同一量测长度的条件下,计算式(1)中广域量测时间序列X的均值向量 及方差var(X):
[0071]
[0072] 式中,结合式(2), 为第i台发电机的广域量测时间序列的均值;var(xi)为第i台发电机的广域量测时间序列的方差;xki为第k个发电机的第i次的转子角量测信息;对式(1)的时间序列X进行标准化得:
[0073]*
[0074] 式中,X为标准化后的广域量测时间序列。
[0075] 202:对标准化后的广域量测时间序列进行主成分分析;
[0076] 其中,该步骤202具体为:求解X*的协方差矩阵Σ、协方差矩阵Σ的特征值λ1、λ2、...、λp,以及相应的单位正交化特征向量A(1)、A(2)、...、A(p)。具体的求解步骤为本领域技术人员所公知,本发明实施例对此不做赘述。
[0077] 203:根据主成分分析结果,计算主成分的累计贡献率;
[0078] 即,依据协方差矩阵Σ的特征值λ1、λ2、...、λp按式(4)计算前k个主成分的累计贡献率
[0079]
[0080] 204:根据累计贡献率,确定主成分的个数,进而确定所保留的特征向量个数;
[0081] 例如:设定累计贡献率的阈值为80%,若 且 则广域量测时间序列X的主成分个数为k,可认为前k个主成分所能反映的发电机同调信息与广域量测时间序列X所能反映的发电机同调信息基本一致,进而保留前k个特征值λ1、λ2、...、λk对应的单位正交化特征向量A(1)、A(2)、...、A(k)。
[0082] 其中,累计贡献率的阈值根据实际应用中的需要进行设定,本发明实施例对此不做限制。
[0083] 205:根据所选定特征向量元素的正、负号实现电力系统机组的同调分群。
[0084] 即,提取p台发电机在前k个单位正交化特征向量A(1)、A(2)、...、A(k)中对应元素的正、负号,构成下列符号矩阵SGN:
[0085]
[0086] 式中,SGN(i)表示矩阵SGN的第i列,对应于第i台发电机;sign(.)为符号运算,sign(A(i,j))表示取元素A(i,j)的正、负号;元素A(i,j)表示为第i个单位正交化特征向量A(i)的第j个元素。
[0087] 将符号矩阵SGN中各行正、负号完全相同的发电机划分为一组,将其视为一组同调机群,进而根据各行正、负号的不同组合,划分出多组同调机群,实现基于广域量测信息的电力系统同调机群在线辨识。
[0088] 本发明实施例通过步骤201-步骤205实现了基于广域量测信息的电力系统同调机群在线辨识,满足了实际应用中的多种需要。
[0089] 实施例3
[0090] 一种电力系统广域同调辨识装置,参见图2,装置包括:
[0091] 标准化模块1,用于对电力系统中发电机转子角的广域量测时间序列进行标准化;
[0092] 主成分分析模块2,用于对标准化后的广域量测时间序列进行主成分分析;
[0093] 获取模块3,用于根据主成分的累计贡献率,确定广域量测时间序列的主成分个数及对应的特征向量;
[0094] 划分模块4,用于根据所选定特征向量中元素的正、负号实现电力系统机组的同调分群。
[0095] 其中,参见图3,标准化模块1包括:
[0096] 方差和均值子模块11,用于在同一时间断面,同一量测长度的条件下,得到广域量测时间序列的方差和均值;
[0097] 标准化子模块12,用于通过所述方差和所述均值,对广域量测时间序列标准化。
[0098] 其中,参见图4,主成分分析模块2包括:
[0099] 主成分分析子模块21,用于通过主成分分析,获取标准化后的广域量测时间序列的特征值及特征向量。
[0100] 其中,参见图5,获取模块3包括:
[0101] 第一获取子模块31,用于根据特征值,获取各主成分的贡献率及前k个主成分的累计贡献率;
[0102] 第二获取子模块32,用于当累计贡献率达到阈值后,确定广域量测时间序列的主成分个数为k,并保留这k个主成分所对应的特征向量。
[0103] 其中,参见图6,划分模块4包括:
[0104] 第一划分子模块41,用于将所选定特征向量中元素正、负号组合完全相同的发电机划分为一组同调机群;
[0105] 第二划分子模块42,用于获取多组同调机群,实现基于广域量测信息的电力系统同调辨识。
[0106] 本装置通过上述的标准化模块1、主成分分析模块2、获取模块3和划分模块4实现了基于广域量测信息的电力系统同调辨识,满足了实际应用中的需要。
[0107] 本发明实施例中的上述模块、子模块可以采用单片机、PC机等实现,具体实现时,本发明实施例对上述模块、子模块对应的主体器件不做限制。
[0108] 实施例4
[0109] 下面结合一个实例来介绍本发明的实施方法和实际效果。本实例在典型4机11节点测试系统上进行测试,其网络拓扑示意图如图7所示。该测试系统包括11个节点(1、2、...、11)、4台发电机组(G1、G2、G3、G4)、2个负荷节点(L7、L9)。本实例通过将本方法与仿真曲线进行对比,验证本方法的高效性和准确性。
[0110] 以发电机G3为参考机,在母线8、9之间的任一支路设置三相永久性故障,故障持续时间0.1s,0.1s后故障线路切除,仿真时间为20s,发电机转子角摇摆曲线如图8所示。由图8不难看出,测试系统中存在两组同调机群,其中G1和G2为一组,G4为一组。采用图
8所示的发电机转子角信息作为本发明中同调辨识方法的输入信号X。其余的操作步骤参见实施例1和2,本发明实施例对此不做赘述。
[0111] 根据以上步骤可计算测试系统的特征值、特征向量及累计贡献率指标,如表1所示。
[0112] 表1同调辨识的主成分计算结果
[0113]
[0114] 从表1可看出累计贡献率 即可认为图8中发电机转子角广域量测时间序列X的主成分个数为1,对应的发电机同调信息可由第一个主成分反映,进而保留第一个特征值λ1对应的单位正交化特征向量A(1)。
[0115] 由表1可知第一个特征值λ1对应的单位正交化特征向量A(1)为[0.7300,0.6823,-0.0393],可见发电机G1和G2在A(1)方向上取值为正,G4为负,表明G1与G2同调而与G4相反,因此在第一主成分所反映的同调信息为:发电机G1与G2一组,G4单独一组,该结论与图8完全一致。
[0116] 类似的,可进一步深入研究第二主成分反映的同调信息,表1中第二个特征值λ2对应的单位正交化特征向量A(2)为[-0.1863,0.2540,-0.9491],可见发电机G1和G4在A(2)上取值为负,G2为正,表明G1与G4同调而与G2相反,因此第二主成分所反映的同调信息为:发电机G1与G4一组,G2单独一组,此主成分所反映的是测试系统的局部同调模式。
[0117] 上述基于主成分分析的同调分群方法可解释为:母线8和9之间的任一支路三相永久性故障后,主要激发区域间振荡模式,此时G1与G2同调,G4同调,此为测试系统主同调模式;此外,该故障还诱发测试系统的局部振荡,即G1、G2间的相对运动,本发明同样可对其进行准确反映如表1中的第二特征值所对应的特征向量。但由于G1与G2间的振荡不是测试系统的主振荡模式,因而在图8中,G1与G2的转子摇摆曲线呈相同趋势运动。
[0118] 因此可以得出结论,本方法相对与传统的同调辨识方法具有更高的精度和计算效率。
[0119] 本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
[0120] 以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
QQ群二维码
意见反馈