CN103246206A - 基于pmu的负荷特性电网负荷在线建模方法 - Google Patents

Abstract

本发明涉及一种基于PMU的负荷特性电网负荷在线建模方法，包括以下步骤：1)对广域控制保护系统的负荷测试点以及改进克隆选择算法的参数进行辨识；2)确定负荷测试点并对PMU装置进行动模试验，同时根据改进克隆选择算法的参数完善电力仿真软件系统；3)根据负荷测试点和动模试验的结果，进行现场人工扰动测试，获得实际系统中的负荷建模辨识源数据；4)根据负荷建模辨识源数据，并结合负荷动态、静态模型，得到综合负荷模型，并转化为电力仿真软件系统的负荷模型，进行验证。与现有技术相比，本发明具有可提高仿真精度的优点。

Description

基于PMU的负荷特性电网负荷在线建模方法

技术领域

本发明涉及一种在线建模方法，尤其是涉及一种基于PMU的负荷特性电网负荷在线建模方法。

背景技术

目前，我国广域控制保护系统还处于发展阶段，虽然它具有潜在的广阔应用前景，但已投运的广域控制保护系统多数还只停留在相关应用如：功角摆动的测量、低频振荡的捕捉、暂态过程一记录等的初步阶段，如何更加充分深入地挖掘广域控制保护系统中PMU数据的作用还是一个有待研究者们探索的问题，特别是其在负荷特性辨识和仿真计算校核方面的应用有待进一步的研究。

电力系统安全稳定性数字仿真技术经历了从全离线数据仿真计算到基于EMS的在线稳定仿真计算两个阶段。前者是利用先验模型/参数，在几种有限的运行方式下的完全离线计算，准确度无法保证，保守度无法估计，适应能力差。后者利用先验模型/参数，在当前或几分钟前的运行方式下的在线稳定计算，虽然准确性和保守度无法保证，但是提高了适应能力，带来了一定的经济效应。电网元件参数的精确性对电网仿真计算精度有着重要的影响，由于PMU能记录和传送大量的电网实时动态数据，因此可有效的实现对电网的在线参数辨识及建模，包括线路的参数辨识、发电机的建模及参数辨识、励磁系统及调速器的建模及参数辨识、负荷的建模及参数辨识工作，从而提高电网仿真计算的精确性，为电网的稳定运行及各种控制手段提供良好的前提和基础。但是目前，对于基于PMU的负荷特性的在线建模方法的研究较少。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种可提高仿真精度基于PMU的负荷特性电网负荷在线建模方法。

本发明的目的可以通过以下技术方案来实现：

一种基于PMU的负荷特性电网负荷在线建模方法，包括以下步骤：

1)对广域控制保护系统的负荷测试点以及改进克隆选择算法的参数进行辨识；

2)确定负荷测试点并对PMU装置进行动模试验；

3)根据负荷测试点和动模试验的结果，进行现场人工扰动测试，获得实际系统中的负荷建模辨识源数据；

4)根据负荷建模辨识源数据，并结合负荷动态、静态模型，得到综合负荷模型，并转化为电力仿真软件系统的负荷模型，进行验证。

步骤2)中的动模试验以感应电动机模块和恒阻抗模块的组合来表示综合负荷模型。

该方法可根据改进克隆选择算法的参数完善电力仿真软件系统，具体包括：编制适合PMU装置记录格式的数据接口及适合现场人员操控的软件界面。

所述的电力仿真软件系统包括BPA软件和PSS/E软件。

与现有技术相比，本发明中PMU装置能记录下负荷测试点的信息，特别是故障过程中的动态信息，应用PMU动态数据进行负荷建模，基于参数辨识方法，通过实测和仿真曲线相似度评估，对负荷模型参数进行辨识，能获得较为精确的负荷模型及参数，满足电网数字仿真要求，并且不需要对所有负荷节点安装测量装置，能够体现广域控制保护系统的优势。

附图说明

图1为本发明的流程图；

图2为静止负荷与等值电动机的组合示意图；

图3为感应电动机等值电路图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

如图1所示，一种基于PMU的负荷特性电网负荷在线建模方法，包括以下步骤：

第一步：对广域控制保护系统的负荷测试点以及改进克隆选择算法的参数进行辨识。现阶段由于价格和技术上的限制，广域控制保护系统难以做到真正的完全可观，在电网不可观测的条件下所有负荷节点的精确电气量的测量难以实现，因此要在广域控制保护系统调研分析的基础上，选取合理的负荷测试点；进行负荷参数的在线建模，需要算法具有良好的收敛性和运算速度，因此需要对算法的参数进行辨识。

第二步：确定负荷测试点并对PMU装置进行动模试验，同时根据改进克隆选择算法的参数完善电力仿真软件系统。动模试验以感应电动机模块和恒阻抗模块的组合来表示综合负荷模型，而根据改进克隆选择算法的参数完善电力仿真软件系统具体包括：编制适合PMU装置记录格式的数据接口及适合现场人员操控的软件界面。

第三步：根据负荷测试点和动模试验的结果，进行现场人工扰动测试，获得实际系统中的负荷建模辨识源数据；

第四步：根据负荷建模辨识源数据，并结合动态、静态负荷模型，得到综合负荷模型，并转化为BPA、PSS/E等电力仿真软件系统的负荷模型，进行验证。

本发明所采用的动态和静态的负荷模型如下：

一、静态负荷模型表示有功和无功功率与同一时刻下节点电压幅值和频率的函数关系的模型。在电力系统的潮流分析、静态稳定分析和研究长期动态过程中，以及负荷以静态负荷为主的情况下，一般采用静态负荷模型。基本的静态负荷模型的结构为：幂函数模型和多项式模型，另外还有在这两种模型基础上的变形或组合。

(1)多项式模型：

$\left\{\begin{array}{c}P=P_0[A_p{(U/U_0)}^2+B_p\left(U{/U}_0\right)+C_p](1+{\left(\frac{\∂P}{\∂f}\right)}_{f_0}\mathrm{\Δf})\\ Q=Q_0[A_q{(U/U_0)}^2+B_q(U/U_0)+C_q](1+{\left(\frac{\∂Q}{\∂f}\right)}_{f_0}\mathrm{\Δf})\end{array}\right.---(5-5)$

式中：P、Q为有功功率、无功功率；P₀、Q₀、U₀、f₀为初始或额定运行值；A_p、B_p、C_p为有功电压特性参数；

为有功频率特性参数；A_q、B_q、C_q为无功电压特性参数、

为无功频率特性参数。

通常只在大干扰下长期的动态稳定过程中才考虑负荷的频率特性的影响，在一般的电力系统机电暂态过程中，电网的频率变化甚小，因此在通常的计算中只考虑负荷功率随电压的变化特性，此时负荷模型变为：

$\left\{\begin{array}{c}P=P_0[A_p{(U/U_0)}^2+B_p(U/U_0)+C_p]\\ P=P_0[A_p{(U/U_0)}^2+B_p(U/U_0)+C_p]\end{array}\right.---(5-6)$

不考虑频率变化后，则上述多项式包含三个部分：第一项为恒定阻抗部分(Ap)，第二项为恒电流部分(Bp)，第三项为恒定功率部分(Cp)，这时的模型常称之为ZIP模型，系数满足A_p+B_p+C_p＝1；A_q+B_q+C_q＝1。

(2)动态指数函数模型：

$\left\{\begin{array}{c}P=P_0{(U/U_0)}^{P_u}{(f/f_0)}^{P_f}\\ Q=Q_0{(U/U_0)}^{Q_u}{(f/f_0)}^{Q_f}\end{array}\right.---(5-7)$

式中：P、Q为有功功率、无功功率；P₀、Q₀、U₀、f₀为正常或额定运行值；P、Q、U、f分别为实际值；P_u为有功电压特性系数；P_f为有功频率特性系数；Q_u为无功电压特性系数；Q_f为有功频率特性系数。

当电网的的频率变化较小时，

可以忽略频率的影响，此时负荷模型即为：

$\left\{\begin{array}{c}P=P_0{(U/U_0)}^{P_u}\\ Q=Q_0{(U/U_0)}^{Q_u}\end{array}---(5-8)\right.$

在电力系统的稳态潮流计算中，负荷静态特性可采用上述两种模型作为数学模型。当计算小干扰稳定时，一般都采用上述两种模型。

利用系统辨识方法获得负荷模型时上述模型均具有较好的精度，特别是幂函数模型参数较少，更宜于处理。国内的电力系统软件多采用(5-6)和(5-7)式作为负荷静态模型，故在负荷建模软件包中采用上述模型既利于参数辨识，又能满足实际需要。

二、当电压以较快的速度大范围变化时，应考虑负荷的动态特性，并用微分方程描述，称之为动态负荷模型。也就是说动态特性是电压和频率快速大范围变化(例如电压低于电动机临界电压值)时的特性。

动态负荷模型从是否反映物理本质又进一步可分为机理模型和非机理模型。

(1)机理模型(感应电动机模型)：

机理模型具有明确的物理意义，它是根据负荷的物理结构和工作原理而写出的动态微分方程并基于动态系统辨识原理确定其中的模型参数。机理动态模型通常是指感应电动机模型，它是电力系统仿真中应用最为广泛的模型。由于感应电动机在电力负荷(尤其是工业负荷)中占有较大的比重，对电力系统运行分析与控制具有相当大的影响，所以在不少电力系统计算软件包中均包含感应电动机模型。感应电动机模型根据所考虑的暂态过程不同可分为五阶感应电动机模型、三阶感应电动机模型和一阶感应电动机模型。综合负荷可以表示为静止负荷与等值电动机的组合，结构如图2所示。即用静态等值负荷(可以是ZIP模型、指数函数模型或GB模型中的一种)感应电动机并联。动态负荷采用三相对称、单转子绕组的感应电动机模型，其等效电路如图3所示。

通常采用的电动机的模型为三阶的机电暂态模型，在此忽略了定子绕组的暂态过程。由于在Park方程中0轴分量对电磁功率和电磁转矩均不产生影响，而且负荷辨识利用有功功率、无功功率的原始数据与计算值之差来指导优化过程，并不严格要求功率的组成要完整，所以本文在计算感应电机和静态负荷的功率时，均忽略0轴分量。功率方程静态模型功率方程如式(5-9)所示，简化后的感应电动机Park方程的计算形式如式(5-10)所示，：

$\left\{\begin{array}{c}P={\mathrm{GU}}^2\\ Q={\mathrm{BU}}^2\end{array}---(5-9)\right.$

$\left\{\begin{array}{c}{\mathrm{pE}}_d^{\′}=-\frac{1}{T_0^{\′}}(E_d^{\′}+(X-X^{\′})I_q)-\mathrm{\ωb}(\mathrm{\ωr}-1)E_q^{\′}\\ {\mathrm{pE}}_q^{\′}=-\frac{1}{T_0^{\′}}(E_q^{\′}-(X-X^{\′})I_d)+\mathrm{\ωb}(\mathrm{\ωr}-1)E_d^{\′}\\ \mathrm{p\ωr}=\frac{1}{2T_J}(T_e-T_m)\end{array}\right.---(5-10)$

(2)非机理模型(差分方程模型)：

非机理模型也称为“输入-输出模型”，是在系统辨识理论发展过程中，从大量具体动态系统中概括抽象出来的，对一大类动态系统具有很强描述能力的模型。非机理模型并不苛求模型的机理解释，主要强调模型对系统行为的描述能力。非机理模型在负荷模型上应用就是不考虑负荷本身的物理结构与工作原理，将负荷系统当作一个“黑箱”，构造一种描述输入-输出数据的数学关系并基于动态系统辨识原理确定其中的模型参数。非机理模型并不具有明确的物理意义，它寻求输入-输出数据之间的最佳拟合。

常见的非机理模型可细分为线性动态模型和非线性动态模型。线性动态模型可以采用传递函数、差分方程、状态方程等形式，互相之间可以转换。非线性动态模型也可以采用传递函数、差分方程、状态方程的形式，但相互之间难以直接转换。近来，有学者将具有描述复杂映射关系的人工神经网络模型应用到负荷建模中来，但对于它的适应性、实用性等问题还有待研究。

在上述感应电动机模型的基础上，经过适当推导简化，则可写出传递函数形式如下：

$G\left(s\right)=\left[\begin{array}{cc}{G}_{\mathrm{PV}}\left(s\right)& G_{\mathrm{Pf}}\left(s\right)\\ G_{\mathrm{QV}}\left(s\right)& G_{\mathrm{Qf}}\left(s\right)\end{array}\right]=\left[\begin{array}{cc}\frac{N_{\mathrm{PV}}\left(s\right)}{D_P\left(s\right)}& \frac{N_{\mathrm{Pf}}\left(s\right)}{D_P\left(s\right)}\\ \frac{N_{\mathrm{QV}}\left(s\right)}{D_Q\left(s\right)}& \frac{N_{\mathrm{Qf}}\left(s\right)}{D_Q\left(s\right)}\end{array}\right]---(5-11)$

式中： $D_P\left(s\right)=1+\underset{i=1}{\overset{3}{\mathrm{\Σ}}}{T}_{\mathrm{Pi}}{s}^i,$ $D_Q\left(s\right)=1+\underset{i=1}{\overset{3}{\mathrm{\Σ}}}{T}_{\mathrm{Qi}}{s}^i$

$N_{\mathrm{PV}}\left(s\right)=1+\underset{i=0}{\overset{2}{\mathrm{\Σ}}}{T}_{\mathrm{PVi}}{s}^i,$ $N_{\mathrm{QV}}\left(s\right)=1+\underset{i=0}{\overset{2}{\mathrm{\Σ}}}{T}_{\mathrm{QVi}}{s}^i$

$N_{\mathrm{Pf}}\left(s\right)=1+\underset{i=0}{\overset{2}{\mathrm{\Σ}}}{T}_{\mathrm{Pfi}}{s}^i,$ $N_{\mathrm{Qf}}\left(s\right)=1+\underset{i=0}{\overset{2}{\mathrm{\Σ}}}{T}_{\mathrm{Qfi}}{s}^i$

D_P(s)、D_Q(s)为三阶多项式，N_PV(s)、N_QV(s)、N_Pf(s)、N_Qf(s)为二阶多项式，根据综合负荷机理模型，还可推导差分方程模型结构。经推导，最终可整理得到差分方程模型：

ΔP(k)＝a_p1ΔP(k-1)+b_p1ΔQ(k-1)+a_p2ΔP(k-2)+b_p2ΔQ(k-2)+c_p0ΔV(k)

+c_p1ΔV(k-1)+c_p2ΔV(k-2)+d_p0ΔV²(k)+d_p1ΔV²(k-1)

+d_p2ΔV²(k-2)+g_p0Δf(k)+g_p1Δf(k-1)+g_p2Δf(k-2)

ΔQ(k)＝a_q1ΔP(k-1)+b_q1ΔQ(k-1)+a_q2ΔP(k-2)+b_q2ΔQ(k-2)+c_q0ΔV(k)

+c_q1ΔV(k-1)+c_q2ΔV(k-2)+d_q0ΔV²(k)+d_q1ΔV²(k-1)

+d_q2ΔV²(k-2)+g_q0Δf(k)+g_q1Δf(k-1)+g_q2Δf(k-2)

其中，电压平方项表示负荷的非线性性质，ΔV²(k-1)是[ΔV(k-1)]²的简写。

对于电网负荷相对集中的情况，有利于进行电网负荷的在线建模，由于PMU能记录下负荷测点的信息，特别是故障过程中的动态信息，应用PMU动态数据进行负荷建模，基于参数辨识方法，通过实测和仿真曲线相似度评估，对负荷模型参数进行辨识，能获得较为精确的负荷模型及参数，满足电网数字仿真要求，并且不需要对所有负荷节点安装测量装置，能够体现广域测量系统的优势。

Claims (5)

1.一种基于PMU的负荷特性电网负荷在线建模方法，其特征在于，包括以下步骤：

1)对广域控制保护系统的负荷测试点以及改进克隆选择算法的参数进行辨识；

2)确定负荷测试点并对PMU装置进行动模试验；

3)根据负荷测试点和动模试验的结果，进行现场人工扰动测试，获得实际系统中的负荷建模辨识源数据；

4)根据负荷建模辨识源数据，并结合负荷动态、静态模型，得到综合负荷模型，并转化为电力仿真软件系统的负荷模型，进行验证。

2.根据权利要求1所述的一种基于PMU的负荷特性电网负荷在线建模方法，其特征在于，步骤2)中的动模试验以感应电动机模块和恒阻抗模块的组合来表示综合负荷模型。

3.根据权利要求1所述的一种基于PMU的负荷特性电网负荷在线建模方法，其特征在于，该方法可根据改进克隆选择算法的参数完善电力仿真软件系统，具体包括：编制适合PMU装置记录格式的数据接口及适合现场人员操控的软件界面。

4.根据权利要求1所述的一种基于PMU的负荷特性电网负荷在线建模方法，其特征在于，所述的电力仿真软件系统包括BPA软件和PSS/E软件。

5.根据权利要求1所述的一种基于PMU的负荷特性电网负荷在线建模方法，其特征在于，所述的负荷动态、静态模型为：

$\left\{\begin{array}{c}P=P_0[A_p{(U/U_0)}^2+B_p\left(U{/U}_0\right)+C_p](1+{\left(\frac{\∂P}{\∂f}\right)}_{f_0}\mathrm{\Δf})\\ Q=Q_0[A_q{(U/U_0)}^2+B_q(U/U_0)+C_q](1+{\left(\frac{\∂Q}{\∂f}\right)}_{f_0}\mathrm{\Δf})\end{array}\right.$

式中：P、Q为有功功率、无功功率；P₀、Q₀、U₀、f₀分别为有功功率、无功功率、母线电压、频率的额定运行值；A_p、B_p、C_p为有功电压特性参数；为有功频率特性参数；A_q、B_q、C_q为无功电压特性参数、为无功频率特性参数；

$\left\{\begin{array}{c}P=P_0{(U/U_0)}^{P_u}{(f/f_0)}^{P_f}\\ Q=Q_0{(U/U_0)}^{Q_u}{(f/f_0)}^{Q_f}\end{array}\right.$

式中：P、Q为有功功率、无功功率；P₀、Q₀、U₀、f₀分别为有功功率、无功功率、母线电压、频率的额定运行值；P_u为有功电压特性系数；P_f为有功频率特性系数；Q_u为无功电压特性系数；Q_f为有功频率特性系数；

负荷建模辨识源数据包括现场人工扰动测试获得的母线电压值U和频率值f，将负荷建模辨识源数据代入动态、静态模型，得到综合负荷模型。

Images