中小水電集群的動態等值方法與流程

2023-06-14 02:40:41 3

本發明具體涉及一種中小水電集群的動態等值方法。
背景技術：
：由於中小水電靈活、方便且環境友好，近年來水電豐富地區中小水電站發展較為迅速。這些機組單機容量較小，每臺機對電網的影響可以忽略，但隨著其併網規模的逐漸增加，整個中小水電群對電力系統穩定與安全運行的影響將難以被忽視。由於每臺機組和線路的參數均難以獲得，因此建立包含所有水電機組在內的中小水電集群的詳細模型非常困難；而且，由於詳細模型階數較高，即使建立了詳細模型，在電力系統穩定計算中也可能會帶來維數災。現今在我國對於中小型水力電力系統的研究中，通常的方法是將水電機組等值成負負荷模型，然而負負荷模型下水電機組的動態響應以及暫態穩定性並不能與詳細模型的機組響應保持一致。目前，關於電力系統的等值研究有三種基本的方法：同調等值法，模態等值法以及估計等值法。其中模態等值法只能用於小幹擾穩定性而非暫態穩定性的研究；同調等值法不適用於研究發電機組和網絡的參數未知的情況，而由於中小型水電機組的參數通常都是未知的，因此同調等值法對於中小水電集群等值問題而言是不適用的；但是，估計等值法卻適用於發電機和網絡參數未知的情況，因此在中小水電集群等值研究方面有較大的優勢。當前，相量量測技術已廣泛應用於電力系統動態監測，估計等值法正可以應用連接待等值水電群和電力系統聯絡線的相量量測數據。在基於估計等值法的中小水電集群等值研究中，目前已取得了一些研究成果。基於降階的人工神經網絡等人工智慧方法來辨識被等值系統的動態響應已取得一定成果，並且成果在一個16機測試系統上實現；但是該方法以人工智慧模型的方式進行等值，等值模型並沒有實際物理意義。在基於物理模型的基礎上的估計等值法也有一定的成果，該方法多基於量測數據對物理模型的參數進行辨識。有文獻(BoweiHu,JingtaoSun,LijieDing,XinyuLiu,XiaoruWang,「DynamicEquivalentModelingforSmallandMediumHydropowerGeneratorGroupBasedonMeasurements,」Energy,vol.9.no.5,pp.1-14,May2016.)將中小水電機群等值為發電機並聯負荷模型，並基於量測數據、利用動態多群粒子群(DMS-PSO)算法來辨識得到模型參數，但是其等值模型的動態響應特性在第二擺以後誤差較大，而且其參數辨識方法並不穩定。粒子群算法廣泛應用於參數辨識領域，然而基於粒子群算法的參數辨識算法在某些場景下並不準確。技術實現要素：本發明的目的在於提供一種基於實際量測量，快速準確對中小水電集群進行動態等值的中小水電集群的動態等值方法。本發明提供的這種中小水電集群的動態等值方法，包括如下步驟：S1.獲取目標中小水電集群的運行量測信息；S2.建立目標中小水電集群的動態等值模型；S3.採用自適應控制參數改進差分進化算法辨識水電集群動態等值模型參數；S4.將步驟S3得到的模型參數帶入步驟S2的動態等值模型，完成目標中小水電集群的動態等值模型。步驟S1所述的運行量測信息，包括聯絡線靠近目標中小水電集群側的有功功率、聯絡線靠近目標中小水電集群側的無功功率、目標中小水電集群送出母線的電壓和目標中小水電集群送出母線的頻率。步驟S2所述的建立目標中小水電集群的動態等值模型，具體包括如下步驟：Ⅰ.建立等值發電機模型；Ⅱ.建立等值負荷模型；Ⅲ.得到等值模型的有功功率輸出算式和無功功率輸出算式。步驟Ⅰ所述的建立等值發電機模型的具體表達式如下所示：式中t是時間；ω是等值發電機轉速；δ』是等值發電機功角與機端母線電壓相角差；E』是等值發電機x』d後面的電動勢，即q軸暫態電動勢；V是等值發電機機端電壓；ωf是等值發電機機端母線電壓的頻率；Pm是等值發電機機械功率；Pe是等值發電機電磁功率；Qe是等值發電機無功功率；Tj是等值發電機慣性時間常數；D是等值發電機阻尼係數；xd是等值發電機d軸同步電抗；x』d是等值發電機d軸暫態電抗，等於q軸同步電抗xq；T』d0是等值發電機d軸開路暫態時間常數；KV是等值發電機勵磁電壓反饋係數；Ef0是等值發電機初始勵磁電壓；V0是等值發電機初始機端電壓。步驟Ⅱ所述的建立等值負荷模型為靜態ZIP負荷模型，具體如下式所示：式中Ps0是並聯等值靜態ZIP負荷初始有功功率；Qs0是並聯等值靜態ZIP負荷初始無功功率；Ap、Bp,、Aq、Bq分別是並聯等值靜態ZIP負荷中恆阻抗、恆電流分量的比例係數；下標p和q分別表示有功功率和無功功率。步驟Ⅲ所述的等值模型的有功功率輸出算式和無功功率輸出算式具體如下式所示：式中P為等值模型輸出有功功率；Q為等值模型輸出無功功率；Pe是發電機有功功率；Qe是發電機無功功率；Ps是並聯靜態ZIP負荷有功功率；Qs是並聯靜態ZIP負荷無功功率。步驟S3所述的採用自適應控制參數改進差分進化算法辨識水電集群動態等值模型參數，具體包括如下步驟：A.初始化：需辨識的參數有Tj、T』d0、xd、x』d、D、KV、Ps0、Qs0、Ap、Aq、Bp,、Bq，共M＝12個，組成M維向量X＝[TjT′d0xdxd′DKvPs0Qs0ApAqBpBq]，記為X＝(x1x2...xM)，根據參數向量的上下限Xmax＝(xmax1xmax2...xmaxM)和Xmin＝(xmin1xmin2...xminM)，在範圍之內隨機生成N個第g＝0代參數向量作為種群搜索空間；B.選擇第g代個體參數向量下等值模型輸出響應值，其中g為非負整數：令輸入變量V和ωf為目標中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識參數向量分別為第i個個體參數向量利用四階龍格庫塔算法求解目標中小水電集群的動態等值模型共N次，分別得到第i個個體參數向量對應的等值模型的輸出響應值有功功率PXi(t),t＝1,2,...,T和無功功率QXi(t),t＝1,2,...,T，其中i＝1,2,…,N；C.選擇第g代最優個體參數向量：採用如下算式計算所有個體對應的適應度其中，Pl(t),t＝1,2,…,T為聯絡線靠近目標中小水電集群側的量測有功功率，Ql(t),t＝1,2,…,T為聯絡線靠近目標中小水電集群側的量測無功功率；選擇適應度最優的個體作為最優個體，即適應度中最小值對應的個體參數向量其中，的值為求取達到最小值時對應的值；D.判斷第g代最優個體參數向量是否滿足收斂要求：如果g＝gmax或則表明參數的精度已經滿足要求，輸出最終的待辨識參數向量算法停止；否則，則繼續執行剩餘的計算步驟；其中，gmax為最大代數，ε為事先設定的精度要求，為第g代參數的最優適應度；E.變異，即求第g代變異參數向量：變異得到參數向量計算公式如下：其中，和為從當前種群搜索空間中隨機選擇的三個不同個體向量，即i_r1,i_r2和i_r3為隨機選取、滿足i_r1,i_r2,i_r3∈{1,2,...,N}且i_r1≠i_r2≠i_r3≠i的個體向量下標，對於每個個體向量的每次更新均隨機選取三個不同個體向量，即針對不同i，i_r1,i_r2和i_r3均隨機生成，由於每次迭代需要更新N個個體向量，共隨機生成N次；Fi為變異尺度因子，根據下式計算得到：式中，Fl和Fu分別為變異尺度因子的下限和上限，一般情況下，取Fl＝0.1，Fu＝0.9；fb、fm、fw分別為個體向量和對應的適應度和最好、較好和最差值，即其中的最小值、次小值和最大值分別為fb、fm和fw；若變異超過個體向量的上下限，則需要對作如下修正，得到最終的變異參數向量其中第i個向量第j維參數選取原則為下式所示，其中i＝1,2,…,N，j＝1,2,…,M：其中，randij[0,1]為第i個向量在第j維上產生的一個[0,1]範圍內的均勻分布的隨機數；F.交叉，求第g代試驗參數向量：交叉得到第g代試驗向量其第i個試驗向量的第j維參數的選取原則為：其中，randij[0,1]為第i個向量在第j維上產生的一個[0,1]範圍內的均勻分布的隨機數，jrand為[1,M]內的隨機整數，以確保試驗向量至少有一維由變異向量貢獻，randij[0,1]和jrand在不同i時將重新抽取，共抽取N次；CRi為交叉概率常數，取值在[0,1]範圍內，根據下式計算得到：式中，CRl和CRu分別為交叉概率常數的下限和上限，一般情況下，取CRl＝0.1，CRu＝0.6；fbest、fworst和分別表示當前種群中全部N個個體參數向量的適應度之中的最優個體適應度、最差個體適應度以及當前種群的平均適應度，即中的最小值、最大值和平均值分別為fbest、fworst和G.計算第g代試驗參數向量下等值模型輸出響應值：令輸入變量V和ωf為目標中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識參數向量分別為第i(i＝1,2,…,N)個個體試驗參數向量利用四階龍格庫塔算法求解目標中小水電集群的動態等值模型共N次，分別得到第i(i＝1,2,…,N)個個體試驗參數向量對應的等值模型的輸出響應值有功功率PUi(t),t＝1,2,...,T和無功功率QUi(t),t＝1,2,...,T；H.選擇，求第g+1代個體參數向量：在第g代個體參數向量與第g代個體試驗參數向量之間選擇，得到第g+1代個體參數向量計算公式如下：其中，為第g代試驗參數向量的適應度，計算公式為：I.重複步驟B～步驟H，直至步驟D的判斷條件滿足，即第g代最優個體參數向量滿足收斂要求，得到最終的待辨識參數向量算法停止。本發明提供的這種中小水電集群動態等值方法，選擇等值模型為三階發電機並聯靜態ZIP負荷模型，選擇中小水電集群送電聯絡線相量量測數據的有功功率、無功功率、電壓、頻率作為輸入數據為輸入，採用自適應控制參數改進差分進化算法來辨識等值模型參數；本發明與其它傳統等值方法相比，具有較高的動態響應精度，所用的參數辨識算法具有較好的穩定性，可用於中小型水力發電機集群的等值參數辨識計算，具有傑出的工程應用價值。附圖說明圖1為本發明方法的流程圖。圖2為本發明方法與其他現有方法在等值模型有功功率輸出響應上的比較結果示意圖。圖3為本發明方法與其他現有方法在等值模型無功功率輸出響應上的比較結果示意圖。具體實施方式如圖1所示為本發明方法的流程圖：本發明提供的這種中小水電集群的動態等值方法，包括如下步驟：S1.獲取目標中小水電集群的運行量測信息，包括聯絡線靠近目標中小水電集群側的有功功率、聯絡線靠近目標中小水電集群側的無功功率、目標中小水電集群送出母線的電壓和目標中小水電集群送出母線的頻率；S2.建立目標中小水電集群的動態等值模型，具體包括如下步驟：Ⅰ.建立等值發電機模型；式中t是時間；ω是等值發電機轉速；δ』是等值發電機功角與機端母線電壓相角差；E』是等值發電機x』d後面的電動勢，即q軸暫態電動勢；V是等值發電機機端電壓；ωf是等值發電機機端母線電壓的頻率；Pm是等值發電機機械功率；Pe是等值發電機電磁功率；Qe是等值發電機無功功率；Tj是等值發電機慣性時間常數；D是等值發電機阻尼係數；xd是等值發電機d軸同步電抗；x』d是等值發電機d軸暫態電抗，等於q軸同步電抗xq；T』d0是等值發電機d軸開路暫態時間常數；KV是等值發電機勵磁電壓反饋係數；Ef0是等值發電機初始勵磁電壓；V0是等值發電機初始機端電壓；Ⅱ.建立等值負荷模型；式中Ps0是並聯等值靜態ZIP負荷初始有功功率；Qs0是並聯等值靜態ZIP負荷初始無功功率；Ap、Bp,、Aq、Bq分別是並聯等值靜態ZIP負荷中恆阻抗、恆電流分量的比例係數；下標p和q分別表示有功功率和無功功率；Ⅲ.得到等值模型的有功功率輸出算式和無功功率輸出算式：式中P為等值模型輸出有功功率；Q為等值模型輸出無功功率；Pe是發電機有功功率；Qe是發電機無功功率；Ps是並聯靜態ZIP負荷有功功率；Qs是並聯靜態ZIP負荷無功功率；S3.採用自適應控制參數改進差分進化算法辨識水電集群動態等值模型參數，具體包括如下步驟：A.初始化：需辨識的參數有Tj、T』d0、xd、x』d、D、KV、Ps0、Qs0、Ap、Aq、Bp,、Bq，共M＝12個，記為M維向量X＝[TjT′d0xdxd′DKvPs0Qs0ApAqBpBq]，在下文中將待辨識的模型參數組成參數向量記為X＝(x1x2...xM)，根據參數向量的上下限Xmax＝(xmax1xmax2...xmaxM)和Xmin＝(xmin1xmin2...xminM)，在範圍之內隨機生成N個第g＝0代參數向量作為種群搜索空間；B.選擇第g代個體參數向量下等值模型輸出響應值，其中g為非負整數：令輸入變量V和ωf為目標中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識參數向量分別為第i個個體參數向量利用四階龍格庫塔算法求解目標中小水電集群的動態等值模型共N次，分別得到第i個個體參數向量對應的等值模型的輸出響應值有功功率PXi(t),t＝1,2,...,T和無功功率QXi(t),t＝1,2,...,T，其中i＝1,2,…,N；C.選擇第g代最優個體參數向量：採用如下算式計算所有個體對應的適應度其中，Pl(t),t＝1,2,…,T為聯絡線靠近目標中小水電集群側的量測有功功率，Ql(t),t＝1,2,…,T為聯絡線靠近目標中小水電集群側的量測無功功率；選擇適應度最優的個體作為最優個體，即適應度中最小值對應的個體參數向量其中，的值為求取達到最小值時對應的值；D.判斷第g代最優個體參數向量是否滿足收斂要求：如果g＝gmax或則表明參數的精度已經滿足要求，輸出最終的待辨識參數向量算法停止；否則，則繼續執行剩餘的計算步驟；其中，gmax為最大代數，ε為事先設定的精度要求，為第g代參數的最優適應度；E.變異，即求第g代變異參數向量：變異得到參數向量計算公式如下：其中，和為從當前種群搜索空間中隨機選擇的三個不同個體向量，即i_r1,i_r2和i_r3為隨機選取、滿足i_r1,i_r2,i_r3∈{1,2,...,N}且i_r1≠i_r2≠i_r3≠i的個體向量下標，對於每個個體向量的每次更新均隨機選取三個不同個體向量，即針對不同i，i_r1,i_r2和i_r3均隨機生成，由於每次迭代需要更新N個個體向量，共隨機生成N次；Fi為變異尺度因子，根據下式計算得到：式中，Fl和Fu分別為變異尺度因子的下限和上限，一般情況下，取Fl＝0.1，Fu＝0.9；fb、fm、fw分別為個體向量和對應的適應度和最好、較好和最差值，即其中的最小值、次小值和最大值分別為fb、fm和fw；若變異超過個體向量的上下限，則需要對作如下修正，得到最終的變異參數向量其中第i個向量第j維參數選取原則為下式所示，其中i＝1,2,…,N，j＝1,2,…,M：其中，randij[0,1]為第i個向量在第j維上產生的一個[0,1]範圍內的均勻分布的隨機數；F.交叉，求第g代試驗參數向量：交叉得到第g代試驗向量其第i個試驗向量的第j(j＝1,2,…,M)維參數的選取原則為：其中，randij[0,1]為第i個向量在第j維上產生的一個[0,1]範圍內的均勻分布的隨機數，jrand為[1,M]內的隨機整數，以確保試驗向量至少有一維由變異向量貢獻，randij[0,1]和jrand在不同i時將重新抽取，共抽取N次；CRi為交叉概率常數，取值在[0,1]範圍內，根據下式計算得到：式中，CRl和CRu分別為交叉概率常數的下限和上限，一般情況下，取CRl＝0.1，CRu＝0.6；fbest、fworst和分別表示當前種群中全部N個個體參數向量的適應度之中的最優個體適應度、最差個體適應度以及當前種群的平均適應度，即中的最小值、最大值和平均值分別為fbest、fworst和G.計算第g代試驗參數向量下等值模型輸出響應值：令輸入變量V和ωf為目標中小水電集群送出母線的量測電壓Vl(t),t＝1,2,…,T和目標中小水電集群送出母線的量測頻率ωfl(t),t＝1,2,…,T，等值模型的待辨識參數向量分別為第i(i＝1,2,…,N)個個體試驗參數向量利用四階龍格庫塔算法求解目標中小水電集群的動態等值模型共N次，分別得到第i(i＝1,2,…,N)個個體試驗參數向量對應的等值模型的輸出響應值有功功率PUi(t),t＝1,2,...,T和無功功率QUi(t),t＝1,2,...,T；H.選擇，求第g+1代個體參數向量：在第g代個體參數向量與第g代個體試驗參數向量之間選擇，得到第g+1代個體參數向量計算公式如下：其中，為第g代試驗參數向量的適應度，計算公式為：I.重複步驟B～步驟H，直至步驟D的判斷條件滿足，即第g代最優個體參數向量滿足收斂要求，得到最終的待辨識參數向量算法停止；S4.將步驟S3得到的模型參數帶入步驟S2的動態等值模型，完成目標中小水電集群的動態等值模型。以下結合一個仿真實例，說明本發明方法的優點：採用我國某實際電網的中小水電集群進行動態等值，被等值區域有10個水電站，23臺水電機組，總容量為1578MW，該水電群通過500kV聯絡線輸電至主網，詳細模型採用5階發電機模型，仿真基於PSASP進行。在進行參數辨識時，選擇個體向量空間向量數N＝60，代數gmax＝300，ε＝10-5，變異尺度因子下限和上限分別取Fl＝0.1和Fu＝0.9，交叉概率常數下限和上限分別取CRl＝0.1，CRu＝0.6。圖2和圖3給出了基於本專利的等值模型在有功功率和無功功率輸出響應上，與詳細模型、參考文獻(BoweiHu,JingtaoSun,LijieDing,XinyuLiu,XiaoruWang,「DynamicEquivalentModelingforSmallandMediumHydropowerGeneratorGroupBasedonMeasurements,」Energy,vol.9.no.5,pp.1-14,May2016.)中的等值模型以及負負荷等值模型的比較結果，可以看出，本專利的等值模型具有更高的準確性。表1為經過7次參數辨識得到的不同參數的結果：表17次參數辨識得到的不同參數的結果示意表表2為每個參數的平均值和標準差：表2每個參數的平均值和標準差示意表參數TjT』d0xdx』dDKV平均值(p.u.)84.94830.19560.03580.04450.84350.4387標準差(p.u.)1.15660.00990.00230.0010.05760.111參數Ps0Qs0ApAqBpBq平均值(p.u.)4.64990.22630.1709100標準差(p.u.)0.18290.00310.014600.01460通過表1和表2可以看到，辨識結果的差別較小，參數辨識的方法穩定性較高。結果中只有KV的標準差稍大，但是對等值模型動態響應影響並不大。當前第1頁1&nbsp2&nbsp3&nbsp