CN105896525A - 基于wams的电网大扰动识别方法 - Google Patents

Abstract

本发明公开一种基于WAMS的电网大扰动识别方法，包括以下步骤：步骤1)、数据采集；步骤2)、特征提取；步骤3)、数据计算；步骤4)、数据处理；步骤5)、扰动识别。本方法可以对电网大扰动进行识别，进而判断出电网大扰动的类型，利用此方法可以准确的识别短路，并识别出短路的三种类型(三相短路、两相接地短路和单相接地短路)，也能够准确识别出切机和切负荷这两种扰动。

Description

基于WAMS的电网大扰动识别方法

技术领域

本发明涉及电网技术领域，尤其涉及一种基于WAMS的电网大扰动识别方法。

背景技术

西电东送、全国联网”工程的大力建设，让我国的电网建设迈入了蓬勃发展的新阶段。“十二五”期间，国家电网准备投入5000亿元到智能电网的初步建设中，智能电网(smart power grids)就是指将电网智能化，它是以高速双向的通信网络为基础进行建设的，利用先进的设备、测量方法、传感技术、控制方法与决策系统等技术，使电网的运行更加地安全可靠、经济环保，智能电网还有着可以抵抗供给、保证用户的用电需求、可以接入多种形式的发电，并且能让电力市场可以高效化地运行等优点。以我国目前的建设情况来看，在2015年就能够基本完成信息化并且自动化的智能电网的初步建设，电网的跨区互联使电网中的资源配置得到优化，运行效率得到提高，更加智能化。

在大型的互联电网中，经常出现各种大扰动。电网扰动就是指因为系统运行中的某些运行条件突然发生变动导致系统中的电气量发生变化。由影响程度可将扰动分为电网大扰动以及小扰动。电网小扰动即电气量变化幅度不大且持续时间较长的扰动，通常小扰动的产生是因为个别的发电机以及负荷的加入与切除或者是发电机转速发生了小的变化。电网大扰动是指电气量变化幅度较大但持续时间短暂，在很大程度上会影响电网的运行的扰动。通常大扰动的产生是由大容量的发电机或负荷等电力系统主要元件的加入与切除引起的，也可能是短路故障造成的。电力系统是复杂的非线性大系统，小扰动对系统行为特性的影响一般与干扰 的大小和发生的地点无关，影响比较小，因此不对小干扰进行研究。而发生大扰动时，电力系统将发生很大的状态偏移和振荡，而且扰动是无时不在并且呈现出某种关联现象的，一个地方的局部电网的某些大扰动，可能传播到其他的节点，又可能引发新的大扰动，导致其他节点大扰动的发生，如此扰动的影响范围就会扩大，若不及时采取恰当的措施去抑制扰动，就有可能发展成严重的大范围停电事故。国内外的几次大停电事故充分说明了这一点。对我国的电网来说，因为电网结构越来越复杂，随之电网的动态特性也愈来愈多样化，局部扰动可能影响到的范围也在扩大，出现大范围停电的概率也变大。大范围的停电一定会对经济和社会造成严重的损失，因此，对电网中出现的大扰动现象进行研究具有重要的理论和现实意义。

当确定电网中发生大扰动后，就需要对大扰动进行类型识别。电网大扰动识别方法就是大扰动类型的判断方法，其包括扰动特征值的提取方法以及扰动类型的分类方法两部分。因为电网扰动的类型较多，影响电网的安全可靠运行的程度也各不相同，所以，在研究扰动识别时可以将研究重点放在对电网影响较大且影响范围较大的大扰动上。电网大扰动识别就是利用某些电网中的信息数据以及一定的工具来对比大扰动发生后和正常运行时的电气特征值，通过特征值的变化来判断出大扰动的类型，同时还可以根据识别结果为运行调度人员提供有效的参考数据，便于工作人员快速地采取措施从而降低大扰动对电网的安全运行所带来的不利影响^[。

扰动出现后，运行调度人员必须快速地判断出扰动的类型以及它对电网所造成的影响，从而快速地采取相应的措施消除扰动，确保电网的稳定运行。只有快速地识别出大扰动类型，才能根据类型采取争取的处理措施，避免扰动的波及面扩大。大扰动识别的扰动类型不只是判断各类故障的类别，还包括识别切机、切 负荷、低频振荡、无故障跳闸等扰动^[12]。这种识别方法参考的扰动特征较其他方法直观，因为这种方法是基于扰动特征的，就无需考虑电网的拓扑结构了。因为这方面的研究才刚刚起步，现有的识别方法所参考的电网状态量仅仅只是电压幅值，无法更全面地描述大扰动的变化特征，因此大扰动的识别难度就会加大，误判的几率也很大。所以，就需要采用新的技术和方法对电网大扰动进行在线识别。WAMS的出现，对电网大扰动在线识别是一个良好的契机。PMU采集到的实时数据经过处理与提取，就能够得到描述扰动特征的特征值，使电网大扰动的发生过程可以被直接监测，对扰动的分类以及原因的判断，可以使运行人员迅速了解事故情况，从而快速采取相应对策消除扰动，使电网可以稳定安全地运行。

随着智能电网技术的发展，对电网大扰动的识别就要从新的方向去研究，电网大扰动识别需要在无人参与的状态下，自动地从大量电气量中提取出扰动特征值，对获得的扰动特征值分析处理后，判断出的大扰动的类型以及事故产生原因，从而达到快速消除扰动的目的。电网大扰动的在线识别技术主要有以下作用：能够快速找到对应决策，将扰动及时切除或将扰动控制在小范围内尽量保证电力系统的正常运行；能够提供部分决策给需要检修或更换的设备进行参考，如设备的不足与设备的升级方案；还能够通过分析找出扰动原因，准确地反演扰动事故过程从而校正保护正定，减小用户停电的概率。但是，现在智能电网在大扰动识别这一方面的研究还不够深入，没有系统的应用研究，无法满足智能电网的建设要求。所以，适用于智能电网大扰动在线识别方法的研究对电力系统的安全稳定运行有着重要的意义。因为电网的规模在日益壮大，通过全网的数据和信息去进行电网大扰动的研究是现在的一个研究趋势。因为技术、理论等各方面条件的约束，目前这方面的应用研究很少。

所谓电网大扰动识别就是利用某些电网中的信息数据以及一定的工具来对 比大扰动发生后和正常运行时的电气特征值，通过特征值的变化来判断出大扰动的类型，同时还可以根据识别结果为运行调度人员提供有效的参考数据，便于工作人员快速地采取措施从而降低大扰动对电网的安全运行所带来的不利影响。从采用的信息种类方面进行区分，现在电网中的扰动识别主要有电能质量扰动识别、故障判别和通过电网中的模拟量数据所做的扰动识别。电能质量扰动识别就是指通过信号处理技术结合人工智能技术，识别因扰动引起的电能质量波形发生畸变这种影响，从而制定措施；故障判断是指当电力系统中发生短路等故障后，以保护、断路器等的动作信息结合故障录波器的波形信息来判断故障的类型；电网大扰动识别则是通过扰动发生后和正常运行时的电气量(电压、电流、功角以及频率等)对比后得到的变化特征来识别扰动类型。

目前电力扰动识别的方法主要为模式识别法、决策树法、神经网络法、模糊法、向量机以及基于WAMS的扰动识别方法。

随着WAMS系统在电力系统中的广泛应用，由于其能够较好地反映系统动态，基于WAMS的电网扰动识别是一个新的研究方向。电网大扰动识别的研究起步较晚，目前已有的研究方法所借助的反映电网状态的量无法全面表现扰动特征，造成各种扰动的区分难度加大，而且容易造成误判等。目前对于扰动识别的研究还没有充分考虑到实际运行的需要，也未能充分利用现有的技术条件，特别是随着大区电网的互联、系统动态特性的愈发复杂，电网局部的扰动很可能波及邻近区域，引发大的电网事故。因此，综合利用全局信息来研究电网扰动，从而提出一套可行的基于WAMS的扰动判据及分类方法，对电网的安全稳定运行都具有重要的现实意义。

发明内容

本发明正是基于以上一个或多个问题，提供一种基于WAMS的电网大扰动 识别方法。

本发明通过下述技术方案解决上述技术问题：

基于WAMS的电网大扰动识别方法，包括以下步骤：

步骤1)、数据采集：

从WAMS系统的PMU和SCADA系统中实时提取各个监测点可以表征电网运行状态的电气量数据进入WAMS中心站的数据集中器；

所述电气量数据包括U₁、U₂、U₃、δ、f、I；

其中U₁＝正序电压、U₂＝负序电压、U₃＝零序电压、δ＝支路两端相角差、f＝母线频率、I＝正序电流；

步骤2)、特征提取：

提取步骤1)中的有效电气量数据，包括U₁、U₂、U₃、δ；

步骤3)、数据计算：

计算出ΔU₁和Δθ₁；

其中ΔU₁＝ΔU₁(t)-ΔU₁(t-1)；Δθ₁＝δ(t)-δ(t-Δt)；t＝采样时间点、Δt＝采样时间间隔；

步骤4)、数据处理：

ΔU₁＞0令ΔU₁＝1；

ΔU₁＜0令ΔU₁＝-1；

Δθ₁＞0令Δθ₁＝1；

Δθ₁＜0令Δθ₁＝-1；

U₂存在令U₂＝1；

U₂不存在令U₂＝0；

U₃存在令U₃＝1；

U₃不存在令U₃＝0；

步骤5)、扰动识别：

通过以下判别规则进行判断识别：

当ΔU₁＝1，则扰动类型为C；

当ΔU₁＝1且Δθ₁＝-1，则扰动类型为B；

当ΔU₁＝1且Δθ₁＝1，则扰动类型为A；

当ΔU₁＝1且Δθ₁＝-1且U₃＝0，则扰动类型为A3；

当ΔU₁＝1且Δθ₁＝-1且U₃＝1且U₂＝1，则扰动类型为A2；

当ΔU₁＝1且Δθ₁＝-1且U₃＝1且U₂＝0，则扰动类型为A1；

其中：A＝短路；

A1＝单相接地短路；

A2＝两相接地短路；

A3＝三相短路；

B＝切机；

C＝切负荷。

进一步的，本发明还包括：

步骤6)、结果校验：

重复步骤1)-5)；

如再次得到的识别结果与前次识别结果相同，则输出本次识别结果；

如再次得到的识别结果与前次识别结果不同，则再次重复步骤1)-5)三次，比较三次的识别结果，如结果相同则输出本次识别结果。

进一步的，所述Δt＝20ms。

进一步的，所述从WAMS系统的PMU和SCADA系统中实时提取各个监测点可以表征电网运行状态的电气量数据进入WAMS中心站的数据集中器时间延时为20ms-50ms。

本发明实施例提供的基于WAMS的电网大扰动识别方法，相较于现有技术，具有如下有益效果：可以对电网大扰动进行识别，进而判断出电网大扰动的类型，利用此方法可以准确的识别短路，并识别出短路的三种类型(三相短路、两相接地短路和单相接地短路)，也能够准确识别出切机和切负荷这两种扰动。从仿真验证的结果来看，本文所用的识别方法还是可以满足对于电网大扰动类型的识别的。

附图说明

图1是本发明基于WAMS的电网大扰动识别方法流程图；

图2是实施例1中3机9节点系统一次图；

图3是实施例2中某油田电网的线路图。

具体实施方式

下面结合附图和实施例对本发明进行详细说明。需要说明的是，如果不冲突，本发明实施例以及实施例中的各个特征可以相互结合，均在本发明的保护范围之内。

实施例1：

以图2所示3机9节点系统的扰动算例为第一实施例，设在节点1(平衡节点)、7、9处配置PMU，这样所有支路的数据测量都可被覆盖。

为了让算法适应模型，设定发电机为3阶详细模型，负荷模型则选取40％恒阻抗和60％恒功率的负荷模型，本实施例利用MATLAB软件选取3机9节点系统的几种扰动的典型算例作为输入数据进行仿真。

将各种扰动的实验数据输入到扰动识别程序中，对大扰动识别方法的准确性进行验证。

首先，根据仿真数据，可以得到当该系统发生三相短路，两相接地短路以及单相接地短路等扰动后的正序电压的变化量以及零序电压和负序电压的值，如表1和表2所示。

表1短路扰动发生后的正序电压变化

表2短路扰动发生后的负序及零序电压

提取出表中变化幅度最大的正序电压幅值及其相角，以及同一时刻的负序电 压和零序电压作为判断扰动类型的扰动特征值，得表3。

表3提取出的短路扰动特征值

然后，再根据仿真数据，可以得到当该系统发生切负荷以及切机扰动等扰动后的电压的变化量，如表4和表5所示。

表4切机、切负荷扰动发生后的电压变化

提取出表中变化幅度最大的电压幅值及其相角，作为判断扰动类型的扰动特征值。

表5提取出的切负荷及切机扰动特征值

再将提取出的扰动特征值输入到决策树扰动识别分类器中，对短路(三相短 路、两相接地短路和单相接地短路)、切负荷以及切机等扰动进行识别，并得到识别结果表6。

表6扰动识别结果

由表6可以看出，本文提出的扰动识别方法是可以识别短路(包括三相短路、两相接地短路和单相接地短路)、切机和切负荷这几种常见电网大扰动的。

在此基础上，再将STNB、STNC处进行的切负荷扰动试验的仿真数据和bus2、bus3处进行的切机扰动试验的仿真数据作为输入数据，对识别方法进行验证比较。

表7短路扰动识别结果

表8切机、切负荷扰动识别结果

由上表8可以看出，利用本申请所提出的电网大扰动识别方法对以上几组常见大扰动都是可以准确识别的。

实施例2：

参见图3、某油田电网的火炬变经由双回线为风云变以及星火变供电，风云变下面带北五变，北十变，北十九变，北III-2变，北二十变，北七变，星火变下面带中五变，北十一变，北十七变，中十三变，中九变，中一变，中十七变，北II-4变，其中供给北II-4变的输电线路为备用线，各变电站往下继续带负荷，一般为其他变电站的备用电。

设置在风云变和星火变出安装PMU，对整个油田电网某变区进行监测，通过对实际电网基础参数的采集，计算得到某油田电网某变区正常运行是的电压数据如表9所示。

表9某油田电网某变区正常运行时的电压

以北十九变处为例，对北十九变处分别进行三相短路、两相接地短路、单相 接地短路、切负荷以及切机的扰动仿真，扰动后的仿真结果如以下表格10-14所示。

表10北十九变处发生各种扰动后的正序电压幅值

表11北十九变处发生各种扰动后的正序电压幅值变化量

表12北十九变处发生各种扰动后的正序电压相角

表13北十九变处发生各种扰动后的正序电压相角变化量

表14北十九变处发生短路扰动后的负序及零序电压

提取出表中变化幅度最大的正序电压幅值及其相角，以及同一时刻的负序电压和零序电压作为判断扰动类型的扰动特征值。

表15北十一处扰动特征值

再对北十一变处分别进行三相短路、两相接地短路、单相接地短路、切负荷以及切机的扰动仿真，提取出的扰动特征值如表16。

表16北十一处扰动特征值

再将以上两组提取出的扰动特征值按照本申请的方法对短路(三相短路、两相接地短路和单相接地短路)、切负荷以及切机等扰动进行识别，并得到识别结果表17：

表17扰动识别结果

从上表可以看出决策树扰动分类器在实际电网的应用中，也是可以对电网大扰动进行识别，进而判断出电网大扰动的类型。利用此方法可以准确的识别短路，并识别出短路的三种类型(三相短路、两相接地短路和单相接地短路)，也能够准确识别出切机和切负荷这两种扰动。从仿真验证的结果来看，本文所用的识别方法还是可以满足对于电网大扰动类型的识别的

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用 在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.基于WAMS的电网大扰动识别方法，包括以下步骤：

步骤1)、数据采集：

从WAMS系统的PMU和SCADA系统中实时提取各个监测点可以表征电网运行状态的电气量数据进入WAMS中心站的数据集中器；

所述电气量数据包括U₁、U₂、U₃、δ、f、I；

其中U₁＝正序电压、U₂＝负序电压、U₃＝零序电压、δ＝支路两端相角差、f＝母线频率、I＝正序电流；

步骤2)、特征提取：

提取步骤1)中的有效电气量数据，包括U₁、U₂、U₃、δ；

步骤3)、数据计算：

计算出ΔU₁和Δθ₁；

其中ΔU₁＝ΔU₁(t)-ΔU₁(t-1)；Δθ₁＝δ(t)-δ(t-Δt)；t＝采样时间点、Δt＝采样时间间隔；

步骤4)、数据处理：

ΔU₁＞0 令ΔU₁＝1；

ΔU₁＜0 令ΔU₁＝-1；

Δθ₁＞0 令Δθ₁＝1；

Δθ₁＜0 令Δθ₁＝-1；

U₂存在 令U₂＝1

U₂不存在 令U₂＝0；

U₃存在 令U₃＝1；

U₃不存在 令U₃＝0；

步骤5)、扰动识别：

通过以下判别规则进行判断识别：

当ΔU₁＝1，则扰动类型为C；

当ΔU₁＝1且Δθ₁＝-1，则扰动类型为B；

当ΔU₁＝1且Δθ₁＝1，则扰动类型为A；

当ΔU₁＝1且Δθ₁＝-1且U₃＝0，则扰动类型为A3；

当ΔU₁＝1且Δθ₁＝-1且U₃＝1且U₂＝1，则扰动类型为A2；

当ΔU₁＝1且Δθ₁＝-1且U₃＝1且U₂＝0，则扰动类型为A1；

其中：A＝短路；

A1＝单相接地短路；

A2＝两相接地短路；

A3＝三相短路；

B＝切机；

C＝切负荷。

2.如权利要求1所述的基于WAMS的电网大扰动识别方法，其特征是还包括：

步骤6)、结果校验：

重复步骤1)-5)；

如再次得到的识别结果与前次识别结果相同，则输出本次识别结果；

如再次得到的识别结果与前次识别结果不同，则再次重复步骤1)-5)三次，比较三次的识别结果，如结果相同则输出本次识别结果。

3.如权利要求1或2所述的基于WAMS的电网大扰动识别方法，其特征是所述Δt＝20ms。

4.如权利要求1或2所述的基于WAMS的电网大扰动识别方法，其特征是所述从WAMS系统的PMU和SCADA系统中实时提取各个监测点可以表征电网运行状态的电气量数据进入WAMS中心站的数据集中器时间延时为20ms-50ms。