CN103746372A - 电网振荡模式类型及关联调度区域的在线自动识别方法 - Google Patents
电网振荡模式类型及关联调度区域的在线自动识别方法 Download PDFInfo
- Publication number
- CN103746372A CN103746372A CN201410006207.XA CN201410006207A CN103746372A CN 103746372 A CN103746372 A CN 103746372A CN 201410006207 A CN201410006207 A CN 201410006207A CN 103746372 A CN103746372 A CN 103746372A
- Authority
- CN
- China
- Prior art keywords
- unit
- pattern
- dispatcher
- mode
- dynamic stability
- 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.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本发明公开了一种电网振荡模式类型及关联调度区域的在线自动识别方法，属于电力系统计算与分析技术领域。本发明针对小扰动动态稳定分析得到的各模式和大扰动动态稳定分析得到的各故障下的主导模式，区分内网模式和外网模式、区分局部振荡模式和调度区域振荡模式，以及识别振荡模式的关联调度区域；通过仅对有功曲线的振幅大于指定门槛值的机组提取主导模式信息，以及根据主导模式的频率对时域仿真曲线进行采样，提高大扰动动态稳定分析中主导模式下机组的参与因子和相位的计算速度。本发明可以为调度运行人员掌握电网的动态稳定特征，采取有效的低频振荡抑制措施提供技术支撑，并满足在线应用的计算速度要求。
Description
技术领域
本发明属于电力系统计算与分析技术领域，更准确地说，本发明涉及一种电网振荡模式类型及关联调度区域的在线自动识别方法。
背景技术
在线进行小扰动和大扰动动态稳定分析计算可以实时提供给调度运行人员当前电网的动态稳定水平，除此之外，调度运行人员还需要掌握电网动态稳定性的特征，包括振荡模式的类型和关联调度区域。为计及外部电网对动态稳定性的影响，需要采用包括外部电网的数据进行动态稳定分析计算，计算结果不仅包括内网模式还包括外网模式；小扰动和大扰动动态稳定分析结果中均可能存在满足调度区域振荡频率范围的局部振荡模式，仅依据频率无法准确判断振荡模式为局部振荡还是调度区域振荡模式；进一步而言，还需要识别参与振荡的两群机组的关联调度区域。
针对电力系统当前运行方式的小扰动动态稳定分析基于特征值计算可以确定振荡模式关联机组的参与因子和模态；针对故障下时域仿真得到的受扰轨迹进行大扰动动态稳定分析，可以提取主导模式关联机组的参与因子和振荡相位。因此，本发明旨在根据振荡模式关联机组的参与因子、相位和所属调度区域信息，区分内网模式和外网模式、区分局部振荡模式和调度区域振荡模式以及识别振荡模式的关联调度区域，为调度运行人员掌握电网的动态稳定特征，采取有效的低频振荡抑制措施提供技术支撑，并满足在线应用的计算速度要求。
发明内容
本发明的目的是：提供一种电网振荡模式类型及关联调度区域的在线自动识别的技术手段，包括区分内网模式和外网模式、区分局部振荡模式和调度区域振荡模式以及识别振荡模式的关联调度区域，以满足在线应用的计算速度要求。
具体地说，本发明是采用以下的技术方案来实现的，包括下列步骤：
1）首先，进行小扰动动态稳定分析和大扰动动态稳定分析：在线获取状态估计结果和元件模型参数数据，通过特征值计算得到电力系统的小扰动动态稳定模式信息；分别对各待考查的故障进行时域仿真计算，对监视的联络线有功曲线或基于EEAC方法得到的等值功角曲线进行Prony分析，得到大扰动动态稳定主导模式的阻尼比和频率；
然后，将小扰动动态稳定分析得到的各模式和大扰动动态稳定分析得到的各故障下的主导模式加入到待分析模式集合；
2）针对大扰动动态稳定分析得到的各故障下的主导模式，采用Prony算法分析机组的有功曲线，计算各故障下的主导模式下机组的参与因子和相位；
3）针对待分析模式集合中的各个模式进行机组分群：若待分析模式集合中的模式为小扰动动态稳定分析得到的模式，则根据该模式的模态相角将该模式下的机组分为两群；若待分析模式集合中的模式为大扰动动态稳定分析得到的主导模式，则根据主导模式下机组的相位将该主导模式下的机组分为两群；分群时，将参与因子最大的机组的模态相角或主导模式下的相位设为参考角并置为0度，将机组的模态相角或机组的相位在[-90,90)度范围内的机组称为S群，其余的机组称为A群；
4）分别针对待分析模式集合中的每个模式，筛选出参与因子大于指定门槛值p g 的机组集合G，将集合G中属于S群的机组划入集合G S ，将集合G中属于A群的机组划入集合G A ，将G S 和G A 中的机组分别作为相应模式S群和A群的关联机组，若集合G中有内网的机组，则确认该模式为内网模式，否则确认为外网模式；
5）判断待分析模式集合中的各个模式的振荡模式类型：若待分析模式集合中的模式的频率小于等于调度区域振荡频率门槛值，则分别将包含关联机组的参与因子之和最大的调度区域作为各群的调度区域代表，此时若两群的调度区域代表包含的关联机组的参与因子之和均大于指定门槛值p g.s 且调度区域代表不同，则确认该模式为调度区域振荡模式，否则确认该模式为局部振荡模式；若待分析模式集合中的模式的频率大于等于调度区域振荡频率门槛值，则确认该模式为局部振荡模式；
6）识别调度区域振荡模式的关联调度区域：对于属于调度区域振荡模式的各个模式，分别将各个模式S群和A群包含关联机组的参与因子之和大于指定门槛值p g.s 且关联机组间相位差的最大值大于设定的关联机组间相位差门槛值的调度区域，作为各个模式S群和A群的关联调度区域。
上述技术方案的进一步特征在于，所述步骤2）中计算各故障下的主导模式下机组的参与因子和相位的步骤分为四步：
第一步，选取与步骤1）中Prony分析相同的观察窗口，通过分别计算每台机组有功曲线中最大值和最小值的差值，确定差值大于预先设置的有功波动门槛的机组集合G P ；
第二步，对集合G P 中机组的有功曲线按主导模式频率的2倍进行采样；
第三步，对采样后的机组有功曲线进行PRONY分析，确定各机组在主导模式下的振幅和相位；
第四步，以机组的振幅与惯性常数的比值的最大者为基准值，将机组的振幅与惯性常数的比值进行归一化处理，作为机组的参与因子，其中，机组的惯性常数为额定转速时的储能与额定容量的比值。
本发明的有益效果如下：本发明根据振荡模式关联机组的参与因子、相位和所属调度区域信息，区分内网模式和外网模式、区分局部振荡模式和调度区域振荡模式，以及识别振荡模式的关联调度区域；通过仅对有功曲线的振幅大于指定门槛值的机组提取主导模式信息，以及根据主导模式的频率对时域仿真曲线进行采样，提高大扰动动态稳定分析中主导模式下机组的参与因子和相位的计算速度。因此，本发明提出的电网振荡模式类型及关联调度区域的在线自动识别方法可以为调度运行人员掌握电网的动态稳定特征，采取有效的低频振荡抑制措施提供技术支撑，并满足在线应用的计算速度要求。
附图说明
图1为本发明方法的流程图。
具体实施方式
下面参照附图并结合实例对本发明作进一步详细描述。
本发明方法使用了以下门槛值：
1）参与因子门槛值p g ，用于确定参与振荡的机组；
2）调度区域振荡频率门槛值，用于确定调度区域振荡模式的频率上限；
3）参与因子门槛值p g.s ，用于确定调度区域振荡模式；
4）关联机组间相位差门槛值，用于确定振荡两群是否与调度区域关联；
5）有功波动门槛，用于确定需要进行Prony分析的发电机。
上述门槛值需要采用典型方式数据，通过小扰动动态稳定分析和大扰动动态稳定分析得到调度运行关心的振荡模式，根据各模式的振荡特征来确定。
图1中步骤1描述的是得到待分析模式集合。首先，进行小扰动动态稳定分析和大扰动动态稳定分析：在线获取状态估计结果和元件模型参数数据，通过特征值计算得到电力系统的小扰动动态稳定模式信息；分别对各待考查的故障进行时域仿真计算，对监视的联络线有功曲线或基于EEAC方法得到的等值功角曲线进行Prony分析，得到大扰动动态稳定主导模式的阻尼比和频率。然后，将小扰动动态稳定分析得到的各模式和大扰动动态稳定分析得到的各故障下的主导模式加入到待分析模式集合。
图1中步骤2描述的是针对大扰动动态稳定分析得到的各故障下的主导模式，采用Prony算法分析机组的有功曲线，计算各故障下的主导模式下机组的参与因子和相位，分为四步：
第一步，选取与步骤1）中Prony分析相同的观察窗口，通过分别计算每台机组有功曲线中最大值和最小值的差值，确定差值大于预先设置的有功波动门槛的机组集合G P ；
第二步，对集合G P 中机组的有功曲线按主导模式频率的2倍进行采样；
第三步，对采样后的机组有功曲线进行PRONY分析，确定各机组在主导模式下的振幅和相位；
第四步，以机组的振幅与惯性常数的比值的最大者为基准值，将机组的振幅与惯性常数的比值进行归一化处理，作为机组的参与因子，其中，机组的惯性常数为额定转速时的储能与额定容量的比值。
图1中步骤3描述的是针对待分析模式集合中的各个模式进行机组分群：若待分析模式集合中的模式为小扰动动态稳定分析得到的模式，则根据该模式的模态相角将该模式下的机组分为两群；若待分析模式集合中的模式为大扰动动态稳定分析得到的主导模式，则根据主导模式下机组的相位将该主导模式下的机组分为两群；分群时，将参与因子最大的机组的模态相角或主导模式下的相位设为参考角并置为0度，将机组的模态相角或机组的相位在[-90,90)度范围内的机组称为S群，其余的机组称为A群。
图1中步骤4描述的是分别针对待分析模式集合中的每个模式，筛选出参与因子大于指定门槛值p g 的机组集合G，将集合G中属于S群的机组划入集合G S ，将集合G中属于A群的机组划入集合G A ，将G S 和G A 中的机组分别作为相应模式S群和A群的关联机组，若集合G中有内网的机组，则确认该模式为内网模式，否则确认为外网模式。
图1中步骤5描述的是判断待分析模式集合中的各个模式的振荡模式类型：若待分析模式集合中的模式的频率小于等于调度区域振荡频率门槛值，则分别将包含关联机组的参与因子之和最大的调度区域作为各群的调度区域代表，此时若两群的调度区域代表包含的关联机组的参与因子之和均大于指定门槛值p g.s 且调度区域代表不同，则确认该模式为调度区域振荡模式，否则确认该模式为局部振荡模式；若待分析模式集合中的模式的频率大于等于调度区域振荡频率门槛值，则确认该模式为局部振荡模式。
图1中步骤6描述的是识别调度区域振荡模式的关联调度区域：对于属于调度区域振荡模式的各个模式，分别将各个模式S群和A群包含关联机组的参与因子之和大于指定门槛值p g.s 且关联机组间相位差的最大值大于设定的关联机组间相位差门槛值的调度区域，作为各个模式S群和A群的关联调度区域。
虽然本发明已以较佳实施例公开如上，但实施例并不是用来限定本发明的。在不脱离本发明之精神和范围内，所做的任何等效变化或润饰，同样属于本发明之保护范围。因此本发明的保护范围应当以本申请的权利要求所界定的内容为标准。
Claims (2)
1.电网振荡模式类型及关联调度区域的在线自动识别方法，其特征在于，包括下列步骤：
1）首先，进行小扰动动态稳定分析和大扰动动态稳定分析：在线获取状态估计结果和元件模型参数数据，通过特征值计算得到电力系统的小扰动动态稳定模式信息；分别对各待考查的故障进行时域仿真计算，对监视的联络线有功曲线或基于EEAC方法得到的等值功角曲线进行Prony分析，得到大扰动动态稳定主导模式的阻尼比和频率；
然后，将小扰动动态稳定分析得到的各模式和大扰动动态稳定分析得到的各故障下的主导模式加入到待分析模式集合；
2）针对大扰动动态稳定分析得到的各故障下的主导模式，采用Prony算法分析机组的有功曲线，计算各故障下的主导模式下机组的参与因子和相位；
3）针对待分析模式集合中的各个模式进行机组分群：若待分析模式集合中的模式为小扰动动态稳定分析得到的模式，则根据该模式下机组的模态相角将该模式下的机组分为两群；若待分析模式集合中的模式为大扰动动态稳定分析得到的主导模式，则根据主导模式下机组的相位将该主导模式下的机组分为两群；分群时，将参与因子最大的机组的模态相角或主导模式下的机组的相位设为参考角并置为0度，将机组的模态相角或机组的相位在[-90,90)度范围内的机组称为S群，其余的机组称为A群；
4）分别针对待分析模式集合中的每个模式，筛选出参与因子大于指定门槛值p g 的机组集合G，将集合G中属于S群的机组划入集合G S ，将集合G中属于A群的机组划入集合G A ，将G S 和G A 中的机组分别作为相应模式S群和A群的关联机组，若集合G中有内网的机组，则确认该模式为内网模式，否则确认为外网模式；
5）判断待分析模式集合中的各个模式的振荡模式类型：若待分析模式集合中的模式的频率小于等于调度区域振荡频率门槛值，则分别将包含关联机组的参与因子之和最大的调度区域作为各群的调度区域代表，此时若两群的调度区域代表包含的关联机组的参与因子之和均大于指定门槛值p g.s 且调度区域代表不同，则确认该模式为调度区域振荡模式，否则确认该模式为局部振荡模式；若待分析模式集合中的模式的频率大于等于调度区域振荡频率门槛值，则确认该模式为局部振荡模式；
6）识别调度区域振荡模式的关联调度区域：对于属于调度区域振荡模式的各个模式，分别将各个模式S群和A群包含关联机组的参与因子之和大于指定门槛值p g.s 且关联机组间相位差的最大值大于设定的关联机组间相位差门槛值的调度区域，作为各个模式S群和A群的关联调度区域。
2.根据权利要求1所述的电网振荡模式类型及关联调度区域的在线自动识别方法，其特征在于，所述步骤2）中计算各故障下的主导模式下机组的参与因子和相位的步骤分为四步：
第一步，选取与步骤1）中Prony分析相同的观察窗口，通过分别计算每台机组有功曲线中最大值和最小值的差值，确定差值大于预先设置的有功波动门槛的机组集合G P ；
第二步，对集合G P 中机组的有功曲线按主导模式频率的2倍进行采样
第三步，对采样后的机组有功曲线进行PRONY分析，确定各机组在主导模式下的振幅和相位；
第四步，以机组的振幅与惯性常数的比值的最大者为基准值，将机组的振幅与惯性常数的比值进行归一化处理，作为机组的参与因子，其中，机组的惯性常数为额定转速时的储能与额定容量的比值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410006207.XA CN103746372B (zh) | 2014-01-07 | 2014-01-07 | 电网振荡模式类型及关联调度区域的在线自动识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410006207.XA CN103746372B (zh) | 2014-01-07 | 2014-01-07 | 电网振荡模式类型及关联调度区域的在线自动识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103746372A true CN103746372A (zh) | 2014-04-23 |
| CN103746372B CN103746372B (zh) | 2016-02-24 |
Family
ID=50503376
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410006207.XA Active CN103746372B (zh) | 2014-01-07 | 2014-01-07 | 电网振荡模式类型及关联调度区域的在线自动识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103746372B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105429157A (zh) * | 2015-12-10 | 2016-03-23 | 云南电网有限责任公司电网规划研究中心 | 一种基于Prony分析的智能振荡模式识别方法 |
| CN111092447A (zh) * | 2019-12-05 | 2020-05-01 | 国网河南省电力公司电力科学研究院 | 系统小干扰稳定边界下最优储能并网点配置方法和装置 |
| CN113128048A (zh) * | 2021-04-19 | 2021-07-16 | 国网江苏省电力有限公司 | 一种电网典型振荡模式的识别方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557110A (zh) * | 2009-06-26 | 2009-10-14 | 国网电力科学研究院 | 电力系统低频振荡在线分析及辅助决策方法 |
| CN101789607A (zh) * | 2010-03-16 | 2010-07-28 | 国网电力科学研究院 | 小干扰稳定辅助决策计算方法 |
| CN102005769A (zh) * | 2010-12-01 | 2011-04-06 | 福建省电力有限公司 | 基于受扰轨迹模式分析的电力系统动态稳定辅助决策方法 |
| CN102013689A (zh) * | 2010-11-24 | 2011-04-13 | 中国电力科学研究院 | 一种小地区振荡模式激发主网振荡模式的判断方法 |
-
2014
- 2014-01-07 CN CN201410006207.XA patent/CN103746372B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101557110A (zh) * | 2009-06-26 | 2009-10-14 | 国网电力科学研究院 | 电力系统低频振荡在线分析及辅助决策方法 |
| CN101789607A (zh) * | 2010-03-16 | 2010-07-28 | 国网电力科学研究院 | 小干扰稳定辅助决策计算方法 |
| CN102013689A (zh) * | 2010-11-24 | 2011-04-13 | 中国电力科学研究院 | 一种小地区振荡模式激发主网振荡模式的判断方法 |
| CN102005769A (zh) * | 2010-12-01 | 2011-04-06 | 福建省电力有限公司 | 基于受扰轨迹模式分析的电力系统动态稳定辅助决策方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105429157A (zh) * | 2015-12-10 | 2016-03-23 | 云南电网有限责任公司电网规划研究中心 | 一种基于Prony分析的智能振荡模式识别方法 |
| CN105429157B (zh) * | 2015-12-10 | 2018-01-09 | 云南电网有限责任公司电网规划研究中心 | 一种基于Prony分析的智能振荡模式识别方法 |
| CN111092447A (zh) * | 2019-12-05 | 2020-05-01 | 国网河南省电力公司电力科学研究院 | 系统小干扰稳定边界下最优储能并网点配置方法和装置 |
| CN111092447B (zh) * | 2019-12-05 | 2022-04-22 | 国网河南省电力公司电力科学研究院 | 系统小干扰稳定边界下最优储能并网点配置方法和装置 |
| CN113128048A (zh) * | 2021-04-19 | 2021-07-16 | 国网江苏省电力有限公司 | 一种电网典型振荡模式的识别方法及系统 |
| CN113128048B (zh) * | 2021-04-19 | 2022-08-30 | 国网江苏省电力有限公司 | 一种电网典型振荡模式的识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103746372B (zh) | 2016-02-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109964383A (zh) | 使用相量测量单元数据的主电力网频率响应特性化 | |
| Khoshkhoo et al. | On-line dynamic voltage instability prediction based on decision tree supported by a wide-area measurement system | |
| CN101814739B (zh) | 电力系统低频振荡实时控制方法 | |
| CN107679768B (zh) | 一种基于电网实时数据的态势感知系统及其构建方法 | |
| Gao et al. | Waveform-based method for fast and accurate identification of subsynchronous resonance events | |
| WO2015161651A1 (zh) | 电力电缆接地电流的自适应监测方法 | |
| CN109752629B (zh) | 一种电网量测问题智能诊断方法及系统 | |
| CN105866638A (zh) | 一种城网电缆接头绝缘状态在线监测预警装置及方法 | |
| CN109447441B (zh) | 一种考虑新能源机组不确定性的暂态稳定风险评估方法 | |
| CN104392056B (zh) | 一种直驱风电机组建模方法及装置 | |
| CN105098763A (zh) | 一种基于wams和ems的暂态电压稳定在线评估方法 | |
| CN104779608B (zh) | 基于离线策略的电力系统安全稳定在线附加紧急控制方法 | |
| CN103258103A (zh) | 基于偏最小二乘回归的戴维南等值参数辨识方法 | |
| CN104463435B (zh) | 一种水电机组稳定运行区域在线分析与评价方法 | |
| CN104316768A (zh) | 一种三相不平衡扰动源定位的负序阻抗参数估算方法 | |
| CN109753689A (zh) | 一种电力系统机电振荡模态特征参数在线辩识方法 | |
| CN103746372B (zh) | 电网振荡模式类型及关联调度区域的在线自动识别方法 | |
| CN104007321A (zh) | 一种无功补偿电容器组的参数在线辨识方法 | |
| CN110554235A (zh) | 一种基于相邻周期相位差的台区识别方法及系统 | |
| CN104833852A (zh) | 一种基于人工神经网络的电力系统谐波信号估计测量方法 | |
| CN109327242A (zh) | 电能表所属台区的识别方法及装置 | |
| CN105759207B (zh) | 一种基于m-ekf算法的海流发电机绝缘系统故障检测方法 | |
| CN109782089A (zh) | 一种电力系统稳定器抑制低频振荡能力的测试方法与装置 | |
| CN105226636A (zh) | 一种基于pmu的电力系统在线实时低频减载方法 | |
| CN108268670B (zh) | 一种不依赖系统扰动轨迹的电网稳定态势评估方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 211106, No. 19, good faith Road, Jiangning District, Jiangsu, Nanjing Co-patentee after: STATE GRID SICHUAN ELECTRIC POWER Co. Patentee after: NARI Group Corp. Co-patentee after: State Grid Corporation of China Co-patentee after: NARI TECHNOLOGY Co.,Ltd. Address before: Nan Shui Road Gulou District of Nanjing city of Jiangsu Province, No. 8 210003 Co-patentee before: STATE GRID SICHUAN ELECTRIC POWER Co. Patentee before: Nanjing Nanrui Group Co. Co-patentee before: State Grid Corporation of China Co-patentee before: NARI TECHNOLOGY Co.,Ltd. |