CN105807165B - Mmc换流站运行状态模糊综合评判方法 - Google Patents

Abstract

一种MMC换流站运行状态模糊综合评判方法，属于电力输电技术领域。本发明的目的是利用Tsallis小波包能量熵算法对直流母线电压信息进行统计运算，将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵峰值之比作为一个评估因素的MMC换流站运行状态模糊综合评判方法。本发明步骤是：采集直流母线电压信号，采样频率为1024Hz,利用离散小波包将直流母线的电压信号i层分解，离散小波包节点系数或重构信号矩阵，最终得到一个Tsallis熵小波包能量熵。本发明结合反非广延熵，可提出一种评判方法，实现对MMC运行状态的健康评判，推动MMC‑HVDC交直流混联系统能量传递过程的研究进程。通过对MMC换流站中各电气信息变化的分析，准确反映MMC换流站受交流线路故障或扰动的影响严重程度，继而实现对MMC运行状态的健康评判。

Description

MMC换流站运行状态模糊综合评判方法

技术领域

本发明属于电力输电技术领域。

背景技术

2001年，德国慕尼黑联邦国防军大学的Rainer Marquardt提出了模块化多电平换流器（multilevel modular converter，MMC）的概念。2010年11月，世界上第一个基于模块化多电平换流器的柔性直流输电（MMC-HVDC）工程-Trans Bay Cable 工程在美国旧金山市投入运行。MMC-HVDC系统具有可向孤岛供电、不会换相失败、波形水平低、故障处理能力强、占地面积小等诸多优点。工程实验表明，当交流输电线路发生暂态故障时，对MMC运行产生相应的影响。若能提出一种评判方法，通过对MMC换流站中各电气信息变化的分析，准确反映MMC换流站受交流线路故障或扰动的影响严重程度，实现对MMC运行状态的健康评判，必将推动MMC运行特性分析及交直流混联系统能量传递过程的研究进程。

模糊综合评判是对具有多种属性或总体优劣受多种因素影响的事物做出合理的、综合这些属性或因素的、总体评价的一种多因素决策方法。具有结果清晰、系统性强等特点。模糊综合评判主要涉及4个要素：评语集、因素集A、隶属矩阵M和模糊权向量E。可拓理论是以物元理论和可拓集合理论为基础，从定景和定性两个角度去研究解决问题的规律和方法，即从物元可拓性进行定性分析，从关联函数进行定量计算，从而更全面地确定各因素对各评语集的隶属度。

工程实验表明，包含MMC-HDVC的交直流混合系统中，交流输电线路暂态扰动会对模块化多电平换流器的运行状态产生影响。继而导致MMC换流站内各相上下桥臂的能量分布存在差异。但由于站内各相电气信号暂态突变成分复杂，存在不确定性及模糊性等特征，直接基于此类信号的传统的状态评判方法无法满足评判精度要求。

目前，基于MMC运行状态的评估还停留在只利用MMC换流站内部的电压、电流等电气信息，没有考虑其直流母线上的电气信息，其评估结果不能完全刻画MMC整流站内运行状态的变化规律。

发明内容

本发明的目的是利用Tsallis小波包能量熵算法对直流母线电压信息进行统计运算，将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵峰值之比作为一个评估因素的MMC换流站运行状态模糊综合评判方法。

本发明步骤是：

采集直流母线电压信号，采样频率为1024Hz,利用离散小波包将直流母线的电压信号i层分解，离散小波包节点系数或重构信号矩阵为

，为被测信号原始数据长度，在上定义一个滑动数据窗，窗宽为，滑动因子为，该滑动数据窗表示为：

上式中，，， d _i,j (k)为小波包节点（i，j）第k个离散小波包系数或重构信号，k为离散小波包系数或重构信号矩阵中元素位置变量，N为分解层数上限，M为Tsallis小波包能量熵长度；则Tsallis小波包能量熵运算的过程为：

为信号在以时刻为中心、窗宽为的滑动数据窗内的尺度i上个小波包系数组或重构信号的能量和，其中为时刻滑动时间窗内尺度i上第j个节点小波包系数或重构信号的能量和； 令

且，则时刻的Tsallis熵小波包能量熵为

重复上述运算过程，直到，最终得到一个Tsallis熵小波包能量熵 。

本发明将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵的峰值之比作为第七个因素，将第七个因素与直接利用各相上下桥壁电流峰值的比值作为评判的六个因素组成因素集。

本发明结合反非广延熵，可提出一种评判方法，实现对MMC运行状态的健康评判，推动MMC-HVDC交直流混联系统能量传递过程的研究进程。通过对MMC换流站中各电气信息变化的分析，准确反映MMC换流站受交流线路故障或扰动的影响严重程度，继而实现对MMC运行状态的健康评判。其积极效果：

（1）本发明引入Tsallis小波包能量熵，将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵的峰值之比作为一个评估因素，并结合MMC换流站内的六个评估因素，作为一个因素集，为准确刻画MMC整流站内运行状态的变化规律提供了理论基础。

（2）本发明提出的模糊综合评判方法将模糊综合评判、可拓理论和熵统计理论的有机融合，并整合MMC换流站中繁杂的信息，将多组数据信息有机的融合统计，并能准确反映MMC换流站受交流线路故障或扰动的影响严重程度，实现对MMC运行状态的健康评判。

（3）本发明不但为深入分析MMC换流站运行特性提供了理论依据，也为交直流混联系统暂态能量传递过程的研究提供了技术支持。

附图说明

图1是本发明MMC的等效电路。

图2是本发明评判流程图。

具体实施方式

本发明利用Tsallis小波包能量熵算法对直流母线电压信息进行统计运算，其运算过程如下：

采集直流母线电压信号，采样频率为1024Hz,利用离散小波包将直流母线的电压信号i层分解，离散小波包节点系数或重构信号矩阵为 ，为被测信号原始数据长度，在上定义一个滑动数据窗，窗宽为，滑动因子为，该滑动数据窗表示为：

上式中，，， d _i,j (k)为小波包节点（i，j）第k个离散小波包系数或重构信号，k为离散小波包系数或重构信号矩阵中元素位置变量，N为分解层数上限，M为Tsallis小波包能量熵长度；则Tsallis小波包能量熵运算的过程为：

为信号在以时刻为中心、窗宽为的滑动数据窗内的尺度i上个小波包系数组或重构信号的能量和，其中为时刻滑动时间窗内尺度i上第j个节点小波包系数或重构信号的能量和； 令

且，则时刻的Tsallis熵小波包能量熵为

重复上述运算过程，直到，最终得到一个Tsallis熵小波包能量熵 。

将交流输电线路发生暂态故障时MMC整流站内的桥臂电流的峰值与未发生故障时MMC整流站内对应桥臂电流的峰值之比作为一个因素，由此可得到六个因素（如表1所示）。由于直接利用各相上下桥壁电流峰值的比值作为评判因素的结果不能完全代表交流输电线路暂态故障状态且无法刻画MMC整流站内运行状态的变化规律，所以利用Tsallis小波包能量熵算法对直流母线电压信息进行统计运算。

本发明将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵的峰值之比作为第七个因素，将第七个因素与直接利用各相上下桥壁电流峰值的比值作为评判的六个因素组成因素集。

表1因素集及其代表含义

下面对本发明做进一步详细描述：

MMC由三相六个桥壁组成，每个桥壁由若干个相互连接且结构相同的子模块（sub-module, SM）与一个电抗器、一个等效阻抗串联构成，上、下两个桥壁构成一个相单元，如图1所示。和分别为阀侧电压、电流，为直流电压，、分别为正、负直流母线电流，其平均值为。桥壁电压可以用6个受控电压源、来等效，下标p、n分别为上桥壁和下桥臂，相应的桥臂电流分别为和。工程实验表明，当交流输电线路发生暂态故障时，MMC整流站内各相上下桥臂的能量分布是存在差异的。但由于各相的电气信号暂态突变成分复杂，检测值存在不确定性及模糊性等特征，传统的状态评判方法无法满足评判精度要求。基于此，本专利提出了基于反非广延熵-可拓理论的MMC换流站运行状态模糊综合评判方法，为分析MMC运行特性及交直流混联系统能量传递过程提供理论依据。所以，利用换流站桥臂电流及直流母线的电压信号对MMC运行状态的评判过程如下所示（如图2所示）：

一：确定评语集和因素集

设评语集为，即位置状态。因素集为。

二：确定各参数的经典域

经典域是指各参数的位置状态的取值范围，经典物元表示为：

（1）

其中，为参数的经典物元，为换流站及直流母线各参数的s种位置状态，表示第j个参数的量值值域，即经典域。

三：确定各参数的节域

本文中节域是指反应暂态故障状态的各参数总体取值范围，节域物元表示为

（2）

其中，为参数的节域物元，表示位置状态全体，表示参数的值域，即节域。

四：确定待评判物元

根据采集结果，参数的待评判物元为

（3）

其中为待识别位置状态，为第j 个参数的检测值。

五：计算待判物元与各位置状态的关联度及确定隶属度矩阵

令，，则第j个参数的检测值与第i种位置状态量值值域的关联度为

（4）

其中，

根据公式（4），分别计算各类参数的待评判物元与三种位置状态的关联度，确定参数单因素评判隶属度矩阵为

（5）

六：计算反熵权权值

令,利用反非广延熵对H进行运算，求出 。

（6）

其中, 。

七：将反熵权权值归一化及计算判断结果

（7）

令，且满足。

结合隶属矩阵和模糊权向量，运用加权平均模糊评判原则进行合成运算，则模糊综合评判结果B为

（8）

最后根据最大隶属度原则，取向量B中最大元素所对应的评语集元素作为评判结果。

步骤一中所述的Tsallis小波包能量熵运算的具体过程如下：

采集直流母线电压信号，采样频率为1024Hz,利用离散小波包将直流母线的电压信号i层分解，离散小波包节点系数或重构信号矩阵为，L为被测信号原始数据长度，在上定义一个滑动数据窗，窗宽为，滑动因子为，该滑动数据窗表示为：

（9）

上式中，，， d _i,j (k)为小波包节点（i，j）第k个离散小波包系数或重构信号，k为离散小波包系数或重构信号矩阵中元素位置变量，N为分解层数上限，M为Tsallis小波包能量熵长度；则Tsallis小波包能量熵运算的过程为：

为信号在以时刻为中心、窗宽为的滑动数据窗内的尺度i上个小波包系数组或重构信号的能量和，其中为时刻滑动时间窗内尺度i上第j个节点小波包系数或重构信号的能量和； 令且，则时刻的Tsallis熵小波包能量熵为：

（10）。

实例：

以MMC-HVDC系统交流输电线路AB相接地短路为例，对其进行验证。采集数据的时间为2s，故障发生在第1s，持续时间为0.02s。

步骤一：确定评语集和因素集

本文设评语集V={一般，严重，非常严重}，代表MMC整流站的健康状态，其中一般代表交流输电线路的暂态扰动对直流母线的电压偏移不超过5%，严重代表交流输电线路的暂态扰动对直 流母线的电压偏移不超过15%，非常严重代表交流输电线路的暂态扰动对直流母线的电压偏移超过15%。

将交流输电线路发生暂态故障时MMC整流站内的桥臂电流的峰值与未发生故障时MMC整流站内对应桥臂电流的峰值之比作为一个因素，由此可得到六个因素（如表1所示）。由于直接利用各相上下桥壁电流峰值的比值作为评判因素的结果不能完全代表交流输电线路暂态故障状态且无法刻画MMC整流站内运行状态的变化规律，所以利用Tsallis小波包能量熵算法对直流母线电压信息进行统计运算，将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵的峰值之比作为第七个因素。基于此，因素集为（如表1所示）。

步骤二：确定各参数的经典域：

根据先验知识，的取值范围如下所示。

。

步骤三：确定各参数的节域：

。

步骤四：确定待评判物元：

。

步骤五：计算待判物元与各位置状态的关联度及确定隶属度矩阵

利用公式（4）计算待判物元与各位置状态的关联度，确定隶属度矩阵，则其结果如下所示：

。

步骤六：计算反熵权权值

令,利用反非广延熵（式7）对H进行运算，求出 。

步骤七：将反熵权权值归一化及计算判断结果

根据公式（7）将反熵权权值归一化，可得。

结合隶属矩阵和模糊权向量E，运用加权平均模糊评判原则进行合成运算，则模糊综合评判结果B为

最后根据最大隶属度原则可知， B中最大元素为0.5816，所对应的评语集中的评语（其对应范围如表2所示）为严重，所以流输电线路发生AB接地短路暂态故障时MMC整流站的健康状态为严重。

表2MMC运行状态的取值范围

。

具体实施方式步骤一中所述的Tsallis小波包能量熵值的选取具体过程如下：

具体实施方式步骤一中所述的Tsallis小波包能量熵值的选取具体过程如下：

将暂态故障时直流母线电压的峰值与未发生故障时直流母线电压的峰值作比，其比值为，则Tsallis小波包能量熵值选取如表3所示。

表3Tsallis小波包能量熵参数的取值范围

。

具体实施方式步骤一中所述的Tsallis小波包能量熵运算的具体过程如下：

采集直流母线电压信号，采样频率为1024Hz,利用离散小波包将信号3层分解（），离散小波包节点系数或重构信号矩阵为，被测信号原始数据长度为，在上定义一个滑动数据窗，窗宽为，滑动因子为，该滑动数据窗表示为：

（9）

上式中，，， d _i,j (k)为小波包节点（i，j）第k个离散小波包系数或重构信号，k为离散小波包系数或重构信号矩阵中元素位置变量，分解层数上限为N，M为Tsallis小波包能量熵长度；则Tsallis小波包能量熵运算的过程为：

为信号在以时刻为中心、窗宽为的滑动数据窗内的尺度i上个小波包系数组或重构信号的能量和，其中为时刻滑动时间窗内尺度i上第j个节点小波包系数或重构信号的能量和； 令且，根据表1可知，，则时刻的Tsallis小波包能量熵为：

（10）

在离散小波包节点系数或重构信号矩阵上移动滑动时间窗，重复上述步骤，直到，最终得到一个小波包能量指数熵数组。

具体实施方式步骤七中所述的反非广延熵值的选取具体过程如下：

将交流输电线路发生暂态故障时MMC整流站内的各相上下桥臂电流的峰值与未发生故障时MMC整流站内对应桥臂电流的峰值作比，其比值为，再求的平均值，其值为，则反非广延熵值选取如表4所示。

表4反非广延熵参数的取值范围

。

Claims (1)

1.一种MMC换流站运行状态模糊综合评判方法，采集直流母线电压信号，采样频率为1024Hz，利用离散小波包将直流母线的电压信号i层分解，离散小波包节点系数或重构信号矩阵为D₁＝{d_i,j(k),k＝1,…,L,1≤i≤N,j＝1,…,2ⁱ}，L为被测信号原始数据长度，在D₁上定义一个滑动数据窗，窗宽为w∈N，滑动因子为δ∈N，该滑动数据窗表示为：

上式中，m＝1,2,…,M，M＝(L-w)/δ，d_i,j(k)为小波包节点(i，j)第k个离散小波包系数或重构信号，k为离散小波包系数或重构信号矩阵中元素位置变量，N为分解层数上限，M为Tsallis小波包能量熵长度；

其特征在于：

1、确定评语集和因素集

设评语集为N₀＝{N₀₁,N₀₂,…,N_0s}，即位置状态；因素集为A＝{a₁,a₂,…,a_n}；将交流输电线路发生暂态故障时MMC整流站内的桥臂电流的峰值与未发生故障时MMC整流站内对应桥臂电流的峰值之比作为评判因素；由于直接利用各相上下桥壁电流峰值的比值作为评判因素的结果不能完全代表交流输电线路暂态故障状态且无法刻画MMC整流站内运行状态的变化规律，所以利用Tsallis小波包能量熵算法对直流母线电压信息进行统计运算，将暂态故障时Tsallis小波包能量熵的峰值与未发生故障时Tsallis小波包能量熵的峰值之比作为最后一个因素a_n；

2、确定各参数的经典域

经典域是指各参数的位置状态N₀＝{N₀₁,N₀₂，…，N_0s}的取值范围，经典物元表示为：

其中，为参数的经典物元，N_0i为换流站及直流母线各参数的s种位置状态，其中i＝1，2，…，s；b_j，c_j表示第j个参数的量值值域，即经典域，其中j＝1，…，n；

3、确定各参数的节域

节域是指反应暂态故障状态的各参数总体取值范围，节域物元表示为

其中，M₂为参数的节域物元，N_p表示位置状态全体，b_k，j，c_k，j表示参数a_j的值域，即节域，其中j，k＝1，…，n；

4、确定待评判物元

根据采集结果，参数的待评判物元为

其中M₃为参数的待评判物元，N₃为待识别位置状态，v_j为第j个参数a_j的检测值，其中j＝1，…，n；

5、计算待评判物元与各位置状态的关联度及确定隶属度矩阵

令v_0j＝<b_0j,c_0j>，v_kj＝<b_kj,c_kj>，则第j个参数的检测值v_j与第i种位置状态量值值域的关联度为

其中，σ(v_j,v_0j)＝|v_j-(b_0j+c_0j)/2|-(c_0j-b_0j)/2,σ(v_j,v_kj)＝|v_j-(b_kj+c_kj)/2|-(c_kj-b_kj)/2；

根据公式(5)，分别计算各类参数的待评判物元与三种位置状态的关联度，确定参数单因素评判隶属度矩阵为

6、计算反熵权权值

令其中i＝1，2，…，s，j＝1，…，m，利用反非广延熵对H进行运算，求出S_nj，其中j＝1，…，m；

其中n＝3,p(i)＝h_ij，其中i＝1，2，…，s，j＝1，…，n；

7、将反熵权权值归一化及计算判断结果

令E＝[e₁,…,e_n]，且满足

结合隶属矩阵M₄和模糊权向量E，运用加权平均模糊评判原则进行合成运算，则模糊综合评判结果B为

B＝E·M₄＝[b₁,b₂,…,b_s] (9)

最后根据最大隶属度原则，取向量B中最大元素所对应的评语集元素作为评判结果；

上述步骤1中Tsallis小波包能量熵运算的过程为：

为信号在以(m+w/2)时刻为中心、窗宽为w∈N的滑动数据窗内的尺度i上2ⁱ个小波包系数组或重构信号的能量和，其中为(m+w/2)时刻滑动时间窗W(m,w,δ)内尺度i上第j个节点小波包系数或重构信号的能量和；令p_m(j)＝E_m(j)/E(m)且则(m+w/2)时刻的Tsallis熵小波包能量熵为：

重复上述运算过程，直到m＝M，最终得到一个Tsallis熵小波包能量熵S＝{S(m),m＝1,…,M,1≤i≤N,M＝(L-w)/δ}。