专利汇可以提供电力系统解列决策空间筛选方法专利检索,专利查询,专利分析的服务。并且电 力 系统解列决策空间筛选方法属于电力安全技术领域。现有电力系统解列决策方法受限于 电网 规模、或者受限于化简后电网的区域数目,不能适用于大规模电网在线应用。本 发明 在不损失解列可行解的前提下,利用电力系统的解列可行解空间分布具有规律性这一物理特性,不通过划分系统区域然后再聚合为 节点 的方法,而是直接筛选原始网络的子图的方法来合理缩小决策空间规模。方法将使现有的常规解列策略搜索方法都能够适用于未经充分化简的大规模系统,从而真正使得大规模电网的解列策略在线决策成为可能。本发明不依赖于人为经验,把仅对少量发 电机 节点进行分群的同调识别方法发展为包含负荷节点在内的大片拓扑识别方法,满足了大规模电网的拓扑分析。,下面是电力系统解列决策空间筛选方法专利的具体信息内容。
1、一种电力系统解列决策空间筛选方法,其特征在于,包括以下步骤:
1.建立电力系统的广义特征分析模型
1.1 列出描述电力系统动态的微分代数方程
1.1.1 发电机转子角动态的微分方程
设N=n+1节点电力系统,节点编号为0,1,2,…,n,其中nG+1个节点上直接 连有发电机,相应的节点编号为0,1,2,…,nG,发电机编号为0,1,2,…,nG,nL个负 荷节点,编号为nG+1,…,n;系统内有一个参考发电机,连接的节点编号为0;
列出所有发电机节点上的微分方程如式(1)所示;
其中:
δi为发电机i的转子角,未知量;
为发电机i转子角的导数,即转子角速度;
ω0为额定角频率,由ω0=2πf0计算的来,π为圆周率,f0为电网的额定频 率;
ωi为发电机i的转子角速度,未知量;
为发电机i的转子角速度的导数,即转子角加速度;
mi为发电机i的转动惯量时间常数,依据实测或者发电机出厂铭牌值折 算;
Pmi为发电机i机械输入功率,依据实测或等于微分方程在平衡点时的Pei的 数值;
Pei为发电机i的电磁输出有功功率,用公式(2)计算;
公式(2)中,符号j∈i表示所有和节点i直接相连的节点编号;Gij为节 点i,j之间的互电导,Bij为节点i,j之间的互电纳,Gij为节点i的自电导,Bij为 节点i的电纳,通过线路阻抗值间接计算得到导纳阵后获得;PLi为节点i的总 负荷有功功率,常数,依据实测得来;
若节点i为发电机节点,则Ui为 为发电机节点内电势电压,为常数, 依据公式(3)计算;
公式(3)中符号表示取复数的模;为发电机次暂态电抗,常数,依 据实测或发电机出厂铭牌值;为发电机所连接的母线节点电压幅值,Ii为发 电机内电势节点向母线节点的传输电流,Ii都通过电力系统潮流计算得到;
若节点i为非发电机节点,Uj为节点j的母线电压幅值,为未知量;
δi,δj为发电机i,j的转子角,未知量;
参考发电机为编号为0的发电机,其转子角为恒定值,一般取值0;转子 角速度为恒定值,等于电网额定频率对应的角度,即2πf0;其内电势电压U0为 常数,依据实测,或依据公式(3)计算;
1.1.2 列出描述电力网络潮流的代数方程:
除了发电机节点外的其余节点称为负荷节点;每个负荷节点上的电气约 束关系用代数方程(4)表示:
其中:
PLi为节点i的负荷有功功率,常数,依据实测得来;
Pei为节点i的注入有功功率的总和,依据实测或公式(5)计算得来;
公式(5)中的符号的意义和公式(2)中保持一致;
QLi为节点i的负荷无功功率,常数,依据实测得来;
Qei为节点i注入无功功率功率的总和,依据实测或公式(6)计算的来;
公式(6)中的符号的意义和公式(2)中保持一致;
1.1.3 联立方程组,得到电力系统的微分代数模型
联立除参考发电机外所有发电机节点上的微分方程(1)和所有负荷节点 上的代数方程(4),得到描述电力系统动态的微分代数方程组(7):
(7)
记所有未知变量为2n维向量形式 其中
为所有发电机转子角速度向量;
为发电机转子角向量;
为负荷节点功角向量;
为所有负荷节点电压向量;
1.2 求解电力系统的稳定运行平衡点
求电力系统的某个平衡运行点 即求解微 分代数方程(7)的代数退化形式方程(8)的解,该方程的解是一个2n×1维 向量;
1.3 列出电力系统在平衡点附近的线性化方程;
列出电力系统方程组(7)在平衡点附近的线性化方程,即将方程组(7) 右侧的非线性方程一阶泰勒展开,取线性项部分,如式(9)所示;
其中:
所有变量相应的用 代入;
1.4 建立电力系统广义特征分析模型
求解广义特征值问题(E,R):
Rξ=λEξ (10)
其中E,R通过方程(9)求得,λ为广义特征值,ξ为相应的2n×1维右特 征向量;一般地,式(10)最多可以求出2nG个有限广义特征值,且为nG个共 轭复特征值对,对应有2nG个2n×1维右特征向量,且具有规律如式(11):
2.计算电力系统的节点灵敏度和线路灵敏度;
2.1 选择典型模式及相应的模式相关度矩阵
每个模式对应电力系统的一个广义特征值,相应的模式相关度即该广义 特征值所对应的右特征向量;由于广义特征值共轭成对,所以只观察其中nG个 选取典型的模式的方法如下:
将nG个特征值 按的值从小到大排列,同时相应地调 整右特征向量顺序;这里Re(·)表示对复数取实部的运算;对于正常运行的电 力系统,都具有 的特征;
若 选σr={λ1,λ2,…λr}作为系统r 个主要机组模式;判断“《”运算成立的条件如式(12)所示
设σr对应的右特征向量矩阵为[ξ1,...,ξr]=Vr,Vr为2n×r矩阵,再取矩阵Vr对 应于变量δ=[δ1,δ2,…,δn]T的子块,即矩阵Vr第nG+1~nG+n行,为系统内包含负 荷节点在内的所有节点对模式σr的相关度矩阵;记该子矩阵为
2.2 计算系统的节点灵敏度
参考节点的灵敏度为0,其他节点的灵敏度计算方法如下:
第一步,对做列主元高斯消去,得到向量组 取每次消 去矩阵主元所在的行应的变量δiref为模式λf的参考变量;
第二步,取高斯消去过程中,重新排列模式组σr中的模式,取对应的参 考变量组δref={δ1ref,…,δrref};设其对应矩阵的行下标为{v1,…,vr};
第三步,取矩阵的第{v1,…,vr}行构成矩阵V1;
第四步,计算
计算中如果出现复数,比较复数的模;这样,节点j对模式λk的灵敏度 Sjk=ljk;记所有节点对模式组σr的灵敏度矩阵为:S∈Rn×r;S的第i行表示 节点i对模式组σr的灵敏度向量;第i行k列Sik表示节点i对模式λk的灵敏度; 式(13)为矩阵S的示意图;
2.3 计算线路灵敏度
设线路est对模式λi的灵敏度为,则按式(14)
计算系统内所有线路对模式λt的灵敏度i=1,…,r;式(14)中,est表 示起端为节点s,终端为t的线路;Us,Ut为节点s,t的电压,δs,δt为节点s,t的转 子角,按步骤1.2的方法求解;Bst为节点s,t之间的互导纳虚部,通过求解电 力系统的导纳阵获得;Ssi,Sti为节点s,t对模式λi的灵敏度,按步骤2.2的方法 求解;
3.按节点灵敏度,分类节点
根据节点的灵敏度将系统内所有节点为三类;分类判据如下:
(1) κ为一小正数;
(2)若
其中表示取向量的2-范数;利用适合解列的电力系统,其节点灵敏 度都具有阶跃特性,κ和r的取值利用电力系统节点灵敏度特性得到,具体方 法如下:
对发电机节点和负荷节点,κ需要分开取值,即若发电机节点的集合为VG, 负荷节点的集合为VL,相应取κG和κL:
①发电机节点1,2,…,nG,κG的取值方法是:将其节点灵敏度按 模大小从小到大排列,下标顺序为找出使最大的 m=kmax,取κG略大于即可;
②负荷节点nG+1,nG+2,…,n,κL的取值方法是:将其节点灵敏度 按模大小从小到大排列,下标顺序为找出使 最大的m=kmax,取κL略大于即可,为了避免因发电机节点影响 而造成的取值不准,建议在排序时排除部分直接和发电机节点相连的负荷节 点;
r的取值方法,对于发电机节点和负荷节点是一致的:
将 从小到大排列,下标顺序为找 出使最大的m=kmax,取r略大于即可;
判据将系统内所有节点分为3类:
a)模式节点;若节点i灵敏度满足条件①和②,称i属于模式λk, 记作i∈λk;设 模式节点的并集记作
b)弱联接节点;若节点i不满足条件①,说明该节点与任何模式的 相关度都很低;弱联接节点的集合记作Vweak;
c)模糊节点;若节点i满足条件①而不满足条件②,该节点和超 过一个模式强相关,遇扰后可能以其中任意一种模式摇摆;模糊节点 的集合记作Vfuzzy;
4 根据节点分类结果,识别模式子图及其余图,进行首次决策空间预筛;
4.1 对i=1,…,r分别识别λi的的模式子图Gi(Vi,Ei);
符号Gi(Vi,Ei)表示以Vi为节点集、Ei为边集的图Gi;具体的做法如下:
第0步,i←1;符号←表示赋值,以下同;
第一步,找出模式节点构成的子图Mi;具体方法如下:
1)以所有属于λi的节点集为节点集,以两端都在的线路集 为线路集,构成Mi;
2)用广度优先算法判断Mi的连通性;若Mi连通,则就是模式λi的 子图, Gi←Mi,结束;否则进入第二步;
第二步,初始化搜索模式子图Gi的所需的源图Gi0;具体方法如下:
1)筛选Gi0上所有可能的节点集Vi0;具体做法如下:
首先,
其次,从模糊节点集Vfuzzy中挑出所有与λi有关的模糊节点集
再次,从中剔除已被选定为其他模式子图G1,G2,…,Gi-1的模糊节点 集 表示已经被选定为模式λk的模式子图Gk的模糊 节点;此时,
2)筛选Gi0上所有可能的线路集Ei0,即将两端都在Vi0的线路集作 为Ei0;
3)以Vi0为节点集、Vi0上所有节点对λi的灵敏度为节点权,以Ei0为 边集、Ei0上所有边对λi的灵敏度为边权,构成加权图Gi0;
第三步,尽可能的将子图Mi连接为一个联通图;具体方法如下:
1)用广度优先算法判断Mi的连通性:设Mi由s,s>1个连通块 组成;记Mi的s个连通块分别为m1,m2,…,ms;
2)将每个连通块mk,k=1,…,s聚合为一个新节点vk,k=1,…,s,其节点 权为该连通块上节点灵敏度的和;所有的内部线路取消;所有和mk相 连的、Gi0上的线路保持原来的连接关系和线路权;
3)设vmax是vk,k=1,…,s中最大的那个;用最短路径算法,求出图Gi0 上从vmax到vk,k=1,…,s,vk≠vmax的所有最短路径P;将所有有限长度的最 短路径上的节点Vp添入Vi0,即Vi←Vi0+P;
4)以Vi为节点集、以两端都在Vi的线路集Ei作为边集,得到图 Gi(Vi,Ei),则该图记为模式λi的模式子图;Gi可能包含超过一个连通块;
4.2 分离出模式子图的余图,作为首次筛选出的决策空间;
设电力系统G0模式组σr的r个模式子图分别为G1,…,Gr,则模式子图的余 图Gr为
则余图Gr上所有的线路构成首次筛选出的决策空间;方法认为,模式子 图内部节点在电力系统受到扰动时,保持一致的动态特性,在解列时,不会 被分割为更小的子图,故模式子图上的线路可以排除出决策空间,相应的, 模式子图的余图就作为首次筛选出的决策空间;
5 根据实时故障信息,对预筛决策空间进行第一次修正:
根据故障发生的地点,对步骤4筛选出的决策空间Gr需要做以下三种可 能之一的修正:
1)若故障发生在某个模式子图Gi上,模式间由弱联接,即模式余 图隔断,故除λi之外的其他r-1种模式都几乎感受不到故障,其他模式 子图Gj,j≠i上的线路仍旧被排除在决策空间外;但是模式λi可能被扰动 破坏,Gi增补入决策空间,此时决策空间为
2)若故障发生在模式余图Gr上节点i上,且i∈Vweak,则Vweakw上的 故障对所有的r种模式都影响很小,决策空间维持不变,即
3)若故障发生在模式余图Gr上节点i上,且i∈Vfuzzy,则Vf附近的 故障则可能影响到某些模式,需将受影响的子图增补入决策空间;设 υ∈Vfuzzy且v和模式组 强相关,则v上发生故障时,决策空间修正 为
6 根据实时的发电机组同调识别信息,对预筛决策空间进行第二次修正
具体做法如下:
借助电力系统时域暂态仿真或实测,确定机组同调分组;此后利用图论 的基础知识,对做进一步的化简,节点vs和vt是同调发电机节点,而子图 Gb是仅和vs、vt相连的节点,最后的决策空间Gf为
电力系统解列决策空间筛选方法属于电力安全技术领域。
提高电力系统的安全稳定水平是电力运营部门的头等大事。在我国颁布的《电力系统 安全稳定导则》中规定了我国电网承受大扰动能力的三级安全稳定标准,其中第三级标准 (也是最危急时刻的电网安全控制要求)指在系统遭受特别严重故障,不能保持稳定运行 时,必须防止系统崩溃并尽量减少负荷损失。解列是应对上述第三级安全稳定标准、防止 系统全面崩溃的重要控制手段。它是电力系统在受到大干扰、系统完整性无法保持的情况 下将系统分解成几个电力平衡的孤岛的控制。
本发明针对现有电力系统解列决策方法受限于电网规模(即电网节点的数目)、或者 受限于化简后电网的区域数目,不能适用于大规模电网在线应用的缺陷,首次提出基于子 图识别技术的解列决策空间筛选方法,为灾事故下避免电网崩溃的解列控制,提供了一种 快速有效的空间筛选方法,使之能够适用于大规模电力系统(大于30个节点或者化简后 超过30个分区的电力系统)的在线决策。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
角加速度检测元件 | 2020-05-11 | 843 |
角加速度传感器以及加速度传感器 | 2020-05-14 | 787 |
微机械角加速度传感器 | 2020-05-12 | 355 |
角加速度开关和开关组件 | 2020-05-12 | 171 |
一种用于角加速度测量的装置 | 2020-05-12 | 901 |
旋转角加速度传感器 | 2020-05-11 | 708 |
用于减少角加速度的头部保护 | 2020-05-13 | 795 |
一种轴套型永磁旋转角加速度传感器 | 2020-05-13 | 248 |
用于通风设备的受控角加速度 | 2020-05-13 | 20 |
微机械角加速度传感器 | 2020-05-14 | 345 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。