CN109873436A - 基于振荡模式可观性的阻抗网络聚合方法和装置 - Google Patents

基于振荡模式可观性的阻抗网络聚合方法和装置 Download PDF

Info

Publication number
CN109873436A
CN109873436A CN201910127382.7A CN201910127382A CN109873436A CN 109873436 A CN109873436 A CN 109873436A CN 201910127382 A CN201910127382 A CN 201910127382A CN 109873436 A CN109873436 A CN 109873436A
Authority
CN
China
Prior art keywords
node
branch
matrix
ornamental
polymerization
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
Application number
CN201910127382.7A
Other languages
English (en)
Other versions
CN109873436B (zh
Inventor
谢小荣
占颖
唐亮
孙辰军
王卓然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
State Grid Hebei Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Hebei Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, State Grid Hebei Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201910127382.7A priority Critical patent/CN109873436B/zh
Publication of CN109873436A publication Critical patent/CN109873436A/zh
Application granted granted Critical
Publication of CN109873436B publication Critical patent/CN109873436B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本申请提出一种基于振荡模式可观性的阻抗网络聚合方法和装置,方法包括:建立目标电力系统的阻抗网络模型,并形成阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵,获取各节点和各支路对各振荡模式的节点可观性矩阵和支路可观性矩阵,基于节点可观性矩阵和支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合,并计算出各节点的聚合指标和各支路的聚合指标,在可聚合的节点和可聚合的支路中选择聚合指标值最大的节点和支路,作为最佳聚合节点和最佳聚合支路,并获取最佳聚合节点的聚合阻抗和最佳聚合支路的聚合导纳,避免了从某些节点或支路进行聚合时丢失部分电力系统信息的情况,保证了聚合结果的准确性和可靠性。

Description

基于振荡模式可观性的阻抗网络聚合方法和装置
技术领域
本申请涉及电力系统稳定分析技术领域,尤其涉及一种基于振荡模式可观性的阻抗网络聚合方法和装置。
背景技术
近年来,电力电子变流技术在电力系统得到广泛深入的应用,但电力系统中出现了不稳定的振荡模式,产生了新型振荡问题,降低了系统的稳定性,危及电网的安全可靠运行。因此,对电力系统各振荡模式的特性分析成为当前高度关注的问题。
相关技术中,可通过对电力系统的阻抗网络进行聚合,分析电力系统的稳定性。但是,这种聚合方法,在选择某些节点或支路进行聚合时,可能会使获取的聚合阻抗或导纳会丢失电力系统的部分信息,从而导致聚合方法得到的结果不准确,可靠性差。
发明内容
本申请提出一种基于振荡模式可观性的阻抗网络聚合方法和装置,用于解决相关技术中阻抗网络的聚合方法存在结果不准确,可靠性差的问题。
本申请一方面实施例提出了一种基于振荡模式可观性的阻抗网络聚合方法,包括:
建立目标电力系统的阻抗网络模型;
形成所述阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵;
根据所述s域节点导纳矩阵和回路阻抗矩阵,获取各节点对所述目标电力系统各振荡模式的可观性矩阵,以及各支路对所述各振荡模式的可观性矩阵;
根据所述节点可观性矩阵和所述支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合;
计算所述阻抗网络模型中各节点的聚合指标和各支路的聚合指标;
根据所述节点的聚合指标和支路的聚合指标,在所述可聚合的节点集合和支路集合中,选取聚合指标值最大的聚合节点和聚合支路;
计算聚合指标值最大的聚合节点的聚合阻抗,和聚合指标值最大的聚合支路的聚合导纳。
本申请实施例的基于振荡模式可观性的阻抗网络聚合方法,通过建立目标电力系统的阻抗网络模型,并形成s域节点导纳矩阵和回路阻抗矩阵,基于s域节点导纳矩阵和回路阻抗矩阵,获取各节点对目标电力系统各振荡模式的节点可观性矩阵,和各支路对各振荡模式的支路可观性矩阵,基于节点可观性矩阵和支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合,并计算出阻抗网络模型中各节点的聚合指标和各支路的聚合指标,在可聚合的节点和可聚合的支路中选择聚合指标值最大的节点和支路,作为最佳聚合节点和最佳聚合支路,并获取最佳聚合节点的聚合阻抗和最佳聚合支路的聚合导纳,避免了从某些节点或支路进行聚合时丢失部分电力系统信息的情况,保证了聚合结果的准确性和可靠性。
本申请另一方面实施例提出了一种基于振荡模式可观性的阻抗网络聚合装置,包括:
第一建立模块,用于建立目标电力系统的阻抗网络模型;
第一获取模块,用于形成阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵;
第二获取模块,用于根据所述s域节点导纳矩阵和回路阻抗矩阵,获取各节点对所述目标电力系统各振荡模式的可观性矩阵,以及各支路对所述各振荡模式的可观性矩阵;
第二建立模块,用于根据所述节点可观性矩阵和所述支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合;
第一计算模块,用于计算所述阻抗网络模型中各节点的聚合指标和各支路的聚合指标;
选取模块,用于根据所述节点的聚合指标和支路的聚合指标,在所述可聚合的节点集合和支路集合中,选取聚合指标值最大的节点和支路;
第二计算模块,用于计算聚合指标值最大的节点的聚合阻抗,和聚合指标值最大的支路的聚合导纳。
本申请实施例的基于振荡模式可观性的阻抗网络聚合方法,通过建立目标电力系统的阻抗网络模型,并形成s域节点导纳矩阵和回路阻抗矩阵,基于s域节点导纳矩阵和回路阻抗矩阵,获取各节点对目标电力系统各振荡模式的节点可观性矩阵,和各支路对各振荡模式的支路可观性矩阵,基于节点可观性矩阵和支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合,并计算出阻抗网络模型中各节点的聚合指标和各支路的聚合指标,在可聚合的节点和可聚合的支路中选择聚合指标值最大的节点和支路,作为最佳聚合节点和最佳聚合支路,并获取最佳聚合节点的聚合阻抗和最佳聚合支路的聚合导纳,避免了从某些节点或支路进行聚合时丢失部分电力系统信息的情况,保证了聚合结果的准确性和可靠性。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例提供的一种基于振荡模式可观性的阻抗网络聚合方法的流程示意图;
图2为本申请实施例提供的一种具体的基于振荡模式可观性的阻抗网络聚合方法的流程示意图;
图3为本申请实施例提供的一种基于振荡模式可观性的阻抗网络聚合装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于振荡模式可观性的阻抗网络聚合方法和装置。
本申请实施例,针对相关技术中,在选择某些节点或支路进行聚合时,由于可能会存在不可观的振荡模式,使得获取的聚合阻抗或导纳会丢失电力系统的部分信息,导致聚合方法得到的结果不准确,可靠性差的问题,提出一种基于振荡模式可观性的阻抗网络聚合方法。
图1为本申请实施例提供的一种基于振荡模式可观性的阻抗网络聚合方法的流程示意图。
如图1所示,该基于振荡模式可观性的阻抗网络聚合方法包括:
步骤101,建立目标电力系统的阻抗网络模型。
本实施例中,首先建立目标电力系统中各元件的频域阻抗模型,其中,各元件比如变压器、线路等等。然后,将各元件的阻抗,根据目标电力系统的拓扑关系进行连接,得到目标电力系统的阻抗网络模型。
本实施例中,可将阻抗网络模型中独立节点数记为n,支路数记为b,独立回路数记为l(l=b-n)。
步骤102,形成阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵。
本实施例中,可根据节点-支路关联矩阵和回路-支路关联矩阵,获取阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵,如公式(1)所示:
其中,Y(s)为阻抗网络模型的s域节点导纳矩阵,Z(s)为s域回路阻抗矩阵,A和B分别为节点-支路关联矩阵和回路-支路关联矩阵,y(s)和z(s)分别为支路导纳矩阵和支路阻抗矩阵,y(s)和z(s)均为对角矩阵,y(s)的对角元素为各支路的导纳,z(s)的对角元素为支路的阻抗,s为复变量,zi(s)为第i条支路的阻抗(i=1,2,…,b)。
步骤103,根据s域节点导纳矩阵和回路阻抗矩阵,获取各节点对目标电力系统各振荡模式的节点可观性矩阵,以及各支路对各振荡模式的支路可观性矩阵。
在实际应用中,电力系统可能存在多种振荡模式,本实施例中,在获取阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵后,可以获取在每个振荡模下,阻抗网络模型的节点导纳矩阵和回路阻抗矩阵。具体而言,对每种振荡模式,上述公式(1)中的复变量s是一个数值,那么将该数值代入上述(1)中,可以获取每个振荡模式下,阻抗网络模型的节点导纳矩阵和回路阻抗矩阵。
假设,目标电力系统中存在m种振荡模式,记为sk(k=1,2,…,m),那么任一振荡模式sk下的节点导纳矩阵为Y(sk)=Ay(sk)AT,回路阻抗矩阵为Z(sk)=Bz(sk)BT
对每个振荡模式,可根据每个振荡模式下的节点导纳矩阵,计算各节点对每个振荡模式的可观性指标,之后,由各节点对每种振荡模式的可观性指标,组成节点可观性矩阵。也就是说,每个节点对每个振荡模式的可观性指标,组成了节点可观性矩阵。
其中,节点对某个振荡模式的可观性指的是该节点电压中该振荡模式的幅值在整个网络中该振荡模式的幅值中的占比,也就是说节点对振荡模式的可观性指标用于衡量该节点对该振荡模式的可观程度。
下面介绍计算各节点对任一振荡模式sk的可观性指标的方法:
具体而言,将振荡模式sk(k=1,2,…,m)下的节点导纳矩阵Y(sk)对角化,如公式(2)所示:
其中,m为所述目标电力系统存在的振荡模式的数量,Λ是特征值矩阵,λt(t=1,2,…,n)为Y(sk)的特征值,L为左特征向量矩阵,R为右特征向量矩阵;
在节点导纳矩阵Y(sk)全部特征根中,存在一个零特征根,记为λp
计算各节点对振荡模式sk的可观性指标ek,如下公式(3)所示:
其中,Ltp为左特征向量矩阵L的第t行,第p列元素,t=1,2,…,n。
由此,根据每个节点对m个振荡模式的可观性指标,可以得到节点可观性矩阵,可记为E=[e1 e2 ... em],其中,列向量em中的元素表示阻抗网络中各节点对第m个振荡模式的可观性指标,若节点数量为n,那么节点可观性矩阵E为n×m的矩阵,节点可观性矩阵E=[e1 e2 ... em]的每行包含的元素为同一节点对每个振荡模式的可观性指标。
同样地,对每个振荡模式,可根据每个振荡模式下的回路阻抗矩阵,计算各支路对振荡模式的可观性指标,之后,由各支路对每种振荡模式的可观性指标,组成支路可观性矩阵。也就是说,每个支路对每个振荡模式的可观性指标,组成了支路可观性矩阵。
其中,支路对某个振荡模式的可观性指的是该支路电流中该振荡模式的幅值在整个网络中该振荡模式的幅值中的占比,也就是说支路对振荡模式的可观性指标用于衡量该支路对该振荡模式的可观程度。
下面介绍计算各支路对任一振荡模式sk的可观性指标的方法:
将振荡模式sk(k=1,2,...,m)下的回路阻抗矩阵Z(sk)对角化,如下公式(4)所示;
其中,m为所述目标电力系统存在的振荡模式的数量,Λ是特征值矩阵,μt(t=1,2,…,l)为Z(sk)的特征值,V为左特征向量矩阵,W为右特征向量矩阵;
在Z(sk)的全部特征根中,存在一个零特征根,记为μq
计算各支路对振荡模式sk的可观性指标fk,如下公式(5)所示:
其中,Htq为矩阵H的第t行,第q列元素,t=1,2,...,l。
由此,根据每个支路对m个振荡模式的可观性指标,可以得到支路可观性矩阵,可记为F=[f 1f2 ... fm],其中,列向量fm中的元素表示阻抗网络中各支路对第m个振荡模式的可观性指标,若节点数量为n,那么支路可观性矩阵F为n×m的矩阵,支路可观性矩阵F=[f1 f2 ... fm]的每行包含的元素为同一支路对每个振荡模式的可观性指标。
步骤104,根据节点可观性矩阵和支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合。
本实施例中,根据节点可观性矩阵,判断每个节点对各振荡模式的可观性指标是否均为非零,以将可观性指标均为非零的节点列入可聚合的节点集合。
假设,目标电力系统存在m种振荡模式,节点可观性矩阵为E=[e1 e2 ... em],其中,列向量em中的元素表示阻抗网络中各节点对第m个振荡模式的可观性指标,若节点数量为n,那么节点可观性矩阵E为n×m的矩阵,节点可观性矩阵E=[e1 e2 ... em]的每行包含的元素为同一节点对每个振荡模式的可观性指标。
本实施例中,可将每行中是否存在零元素,作为聚合判据,那么针对节点可观性矩阵中的每行,判断每行中是否存在零元素,若存在零元素,说明节点对零元素所对应的振荡模式是不可观的,因此将不存在零元素的行对应的节点,列入可聚合的节点集合中。
可以理解的是,如果节点可观性矩阵中每列元素表示节点对各振荡模式的可观性指标,那么可将每列中是否存在零元素,作为聚合判据,那么针对节点可观性矩阵中的每列,判断每列中是否存在零元素,若存在零元素,说明节点对零元素所对应的振荡模式不可观,因此将不存在零元素的列对应的节点列入可聚合的节点集合中。
同样地,可根据支路可观性矩阵,判断每个支路对各振荡模式的可观性指标是否均为非零,以将可观性指标均为非零的支路列入可聚合的支路集合。
比如,目标电力系统存在m种振荡模式,支路可观性矩阵为F=[f1 f2 ... fm],其中,列向量fm中的元素表示阻抗网络中各支路对第m个振荡模式的可观性指标,若节点数量为n,那么支路可观性矩阵F为n×m的矩阵,支路可观性矩阵F=[f1 f2 ... fm]的每行包含的元素为同一支路对每个振荡模式的可观性指标。
本实施例中,可将每行中是否存在零元素,作为聚合判据,那么针对支路可观性矩阵中的每行,判断每行中是否存在零元素,若存在零元素,说明支路对零元素所对应的振荡模式是不可观的,因此将不存在零元素的行对应的支路,列入可聚合的节点集合中。
可以理解的是,如果支路可观性矩阵中每列元素表示节点对各振荡模式的可观性指标,那么可将每列中的是否存在零元素,作为聚合判据,那么针对支路可观性矩阵中的每列,判断每列中是否存在零元素,若存在零元素,说明支路对零元素所对应的振荡模式不可观,因此将不存在零元素的列,对应的支路列入可聚合的节点集合中。
步骤105,计算阻抗网络模型中各节点的聚合指标和各支路的聚合指标。
本实施例中,节点或支路的聚合指标是指对各振荡模式的可观性指标融合后的结果。
在计算阻抗网络模型中各节点的聚合指标时,作为一种可能的实现方式,可将每个节点对各振荡模式的可观性指标的平均值,作为每个节点的聚合指标。比如,节点可观性矩阵为E=[e1 e2 ... em],节点i对各振荡模式的可观性指标为ei1,ei2...,eim,那么支路i的融合指标为
那么,对于各支路的聚合指标,可将每个支路对各振荡模式的可观性指标的平均值,作为每个支路的聚合指标。比如,支路可观性矩阵为F=[f1f2...fm],节点i对各振荡模式的可观性指标为fi1,fi2…,fim,那么节点i的融合指标为
作为另一种可能的实现方式,可根据各振荡模式在目标电力系统中的重要程度,确定各振荡模式的权重,比如,振荡模式的重要程度越高,对应的权重越大。然后,根据各振荡模式的权重,对每个节点对各振荡模式的可观性指标进行加权求和,从而得到各节点的聚合指标。
比如,各振荡模式的权重为K=[k1 k2 ... km],节点可观性矩阵为E=[e1 e2 ...em],支路可观性矩阵为F=[f1 f2 ... fm],将各节点的聚合指标和各支路的聚合指标用向量MN和MB,计算方法如公式(6)所示:
其中,MN为n维横向量,表示n个节点的融合指标,向量中各元素为相应编号节点的聚合指标,MB分别b维横向量,表示b个支路的聚合指标,向量中各元素为相应编号支路的聚合指标。
步骤106,根据节点的聚合指标和支路的聚合指标,在可聚合的节点集合和支路集合中,选取聚合指标值最大的节点和支路。
在计算出每个节点的聚合指标后,比较可聚合的节点集合中各节点的聚合指标,选择聚合指标值最大的节点作为最佳聚合节点;比较可聚合的支路集合中各支路的聚合指标,选取聚合指标值最大的支路作为最佳聚合支路。
本实施例中,在可聚合的节点和支路中选择最佳聚合节点和支路进行聚合,保证了聚合方法的可靠性。
步骤107,计算聚合指标值最大的节点的聚合阻抗,和聚合指标值最大的支路的聚合导纳。
本实施例中,对阻抗网络模型的s域节点导纳矩阵Y(s)求逆,得到s域节点阻抗矩阵ZN(s),如公式(7)所示:
ZN(s)=Y-1(s) (7)
若最佳聚合节点记为节点i,那么聚合指标值最大的节点i的聚合阻抗为AZi=ZN(i,i)。
在获取最佳聚合支路的聚合导纳时,对阻抗网络模型的s域回路阻抗矩阵求逆Z(s),得到s域回路导纳矩阵YL(s),如公式(8)所示:
YL(s)=Z-1(s) (8)
然后,根据回路-支路关联矩阵B,以及s域回路导纳矩阵YL(s),得到s域支路导纳矩阵,如公式(9)所示:
YB(s)=BTYL(s)B (9)
若最佳聚合支路记为支路j,那么聚合指标值最大的支路j的聚合导纳为AYj(s)=YB(j,j)。
本实施例中,最佳聚合节点的聚合阻抗,和最佳聚合支路的聚合导纳,是电力系统的传递函数,包含电力系统的全部信息,从而可以利用最佳聚合节点的聚合阻抗,或最佳聚合支路的聚合导纳对电力系统进行分析。
本申请实施例的对阻抗网络进行聚合的方法,可以得到从任意节点进行聚合的聚合阻抗和从任意支路进行聚合的聚合导纳。
图2为本申请实施例提供的一种具体的基于振荡模式可观性的阻抗网络聚合方法的流程示意图。
如图2所示,该基于振荡模式可观性的阻抗网络聚合方法包括:
步骤201,建立目标电力系统的阻抗网络模型,并形成阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵。
本实施例中,首先建立目标电力系统中各元件的频域阻抗模型,其中,各元件比如变压器、线路等等。然后,将各元件的阻抗,根据目标电力系统的拓扑关系进行连接,得到目标电力系统的阻抗网络模型。
假设,阻抗网络模型中独立节点数记为n,支路数记为b,独立回路数记为l(l=b-n)。
在获取阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵时,可根据节点-支路关联矩阵和回路-支路关联矩阵,获取阻抗网络模型的节点导纳矩阵和回路阻抗矩阵,具体步骤,可参见上述步骤102,在此不再赘述。
步骤202,若目标电力系统存在m个振荡模式,令i=1。
步骤203,计算各节点和各支路对第i个振荡模式的可观性指标。
在已知阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵的情况下,每个振荡模式可用复数表示,那么可将第i个振荡模式代入节点导纳矩阵中,从而可以获取节点对第i个振荡模式的节点导纳矩阵。
步骤204,i=i+1。
在获取第i个振荡模式后,将i加1。
步骤205,判断i是否大于m。如果i大于m,则执行步骤206;否则,执行步骤203,继续计算节点和支路对第i+1个振荡模式的可观性指标。
步骤206,获取节点和支路对振荡模式的可观性矩阵。
如果i大于m,也就是说,已经计算出各节点和各支路对m个振荡模式的可观性指标,那么可根据各节点对各振荡模式的节点可观性指标,获取节点可观性矩阵,根据各支路对各振荡模式的可观性指标,获取支路可观性矩阵。
步骤207,根据聚合判据,建立可聚合的节点集合和可聚合的支路集合。
相关技术中,当选择某些节点或支路进行聚合时,会丢失电力系统的部分信息。因此,本实施例中,根据聚合判据,建立可聚合的节点集合。
具体而言,可将节点对各振荡模式的可观性指标是否均为非零,作为聚合判据,以将可观性指标均为非零的节点,列入可聚合的节点集合;将支路对各振荡模式的可观性指标是否均为非零,作为聚合判据,以将可观性指标均为非零的支路列入可聚合的支路集合。
具体方法,可参见上述步骤104,在此不再赘述。
步骤208,对各振荡模式设置权重,计算节点和支路的聚合指标。
本实施例中,可根据目标电力系统中各振荡模式的重要程度设置权重,例如,振荡模式的重要程度越高,对应的权重越大。
具体而言,针对每个节点对各振荡模式的可观性指标,可进行加权求和,得到的结果即为节点的聚合指标;针对每个支路对各振荡模式的可观性指标,可进行加权求和,得到的结果即为支路的聚合指标。
步骤209,在可聚合的节点中选择最佳聚合节点,在可聚合的支路中选择最佳聚合支路。
本实施例中,可比较可聚合的节点的聚合指标,将聚合指标值最大的节点作为最佳聚合节点;比较可聚合的支路的聚合指标,将聚合指标值最大的支路作为最佳聚合支路。
步骤210,根据节点阻抗矩阵,获取最佳聚合节点的聚合阻抗。
本实施例中,对阻抗网络模型的s域节点导纳矩阵Y(s)求逆,得到s域节点阻抗矩阵ZN(s),如公式(7)所示:
ZN(s)=Y-1(s) (7)
若最佳聚合节点记为节点i,那么聚合指标值最大的节点i的聚合阻抗为AZi=ZN(i,i)。
步骤211,根据支路导纳矩阵,获取最佳聚合支路的聚合导纳。
对阻抗网络模型的s域回路阻抗矩阵求逆Z(s),得到s域回路导纳矩阵YL(s),如公式(8)所示:
YL(s)=Z-1(s) (8)
然后,根据回路-支路关联矩阵B,以及s域回路导纳矩阵YL(s),得到s域支路导纳矩阵,如公式(9)所示:
YB(s)=BTYL(s)B (9)
若最佳聚合支路记为支路j,那么聚合指标值最大的支路j的聚合导纳为AYj(s)=YB(j,j)。
为了实现上述实施例,本申请实施例还提出一种基于振荡模式可观性的阻抗网络聚合装置。图3为本申请实施例提供的一种基于振荡模式可观性的阻抗网络聚合装置的结构示意图。
如图3所示,该基于振荡模式可观性的阻抗网络聚合装置包括:第一建立模块310、第一获取模块320、第二获取模块330、第二建立模340、第一计算模块350、选取模块360、第二计算模块370。
第一建立模块310,用于建立目标电力系统的阻抗网络模型。
第一获取模块320,用于形成阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵。
第二获取模块330,用于根据s域节点导纳矩阵和回路阻抗矩阵,获取各节点对目标电力系统各振荡模式的节点可观性矩阵,以及各支路对各振荡模式的支路可观性矩阵。
第二建立模340,用于根据节点可观性矩阵和支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合。
第一计算模块350,用于计算阻抗网络模型中各节点的聚合指标和各支路的聚合指标;
选取模块360,用于根据节点的聚合指标和支路的聚合指标,在可聚合的节点集合和支路集合中,选取聚合指标值最大的节点和支路。
第二计算模块370,用于计算聚合指标值最大的节点的聚合阻抗,和聚合指标值最大的支路的聚合导纳。
在本申请实施例一种可能的实现方式中,上述第一获取模块320,具体用于:
根据节点-支路关联矩阵和支路导纳矩阵,获取阻抗网络模型的节点导纳矩阵;
根据回路-支路关联矩阵和支路阻抗矩阵,获取阻抗网络模型的回路阻抗矩阵。
在本申请实施例一种可能的实现方式中,上述第二获取模块330,包括:
第一计算单元,用于根据各振荡模式下的节点导纳矩阵,计算各节点对每个振荡模式的可观性指标;
第一获取单元,用于根据各节点对每个振荡模式的可观性指标,获取节点可观性矩阵;
第二计算单元,用于根据各振荡模式下的回路阻抗矩阵,计算各支路对每个振荡模式的可观性指标;
第二获取单元,用于根据各支路对每个振荡模式的可观性指标,获取支路可观性矩阵。
在本申请实施例一种可能的实现方式中,上述第一计算单元,具体用于:
将振荡模式sk(k=1,2,…,m)下的节点导纳矩阵Y(sk)对角化,如下公式;
Y(sk)=LΛR
Λ=diag(λ12,…,λn)
其中,m为所述目标电力系统存在的振荡模式的数量,Λ是特征值矩阵,λt(t=1,2,…,n)为Y(sk)的特征值,L为左特征向量矩阵,R为右特征向量矩阵;
在节点导纳矩阵Y(sk)全部特征根中,存在一个零特征根,记为λp
计算各节点对振荡模式sk的可观性指标ek,如下公式:
其中,Ltp为左特征向量矩阵L的第t行,第p列元素,t=1,2,…,n。
上述第二计算单元,具体用于:将振荡模式sk(k=1,2,…,m)下的回路阻抗矩阵Z(sk)对角化,如下公式;
Z(sk)=VΛW
Λ=diag(μ12,…,μl)
其中,m为所述目标电力系统存在的振荡模式的数量,Λ是特征值矩阵,μt(t=1,2,…,l)为Z(sk)的特征值,V为左特征向量矩阵,W为右特征向量矩阵;
在Z(sk)的全部特征根中,存在一个零特征根,记为μq
计算各支路对振荡模式sk的可观性指标fk,如下公式:
H=BTV
其中,Htq为矩阵H的第t行,第q列元素,t=1,2,…,l。
在本申请实施例一种可能的实现方式中,上述第二建立模块340,具体用于:
根据节点可观性矩阵,判断每个节点对各振荡模式的可观性指标是否均为非零,将可观性指标均为非零的节点列入可聚合的节点集合;
根据支路可观性矩阵,判断每个支路对各振荡模式的可观性指标是否均为非零,将可观性指标均为非零的支路列入可聚合的支路集合。
在本申请实施例一种可能的实现方式中,上述第一计算模块350,具体用于:
根据各振荡模式在所述目标电力系统中的重要程度,确定各振荡模式的权重;
根据各振荡模式的权重,与节点可观性矩阵,获取各节点的聚合指标;
根据各振荡模式的权重,与支路可观性矩阵,获取各支路的聚合指标。
在本申请实施例一种可能的实现方式中,上述第二计算模块370,具体用于:
对阻抗网络模型的s域节点导纳矩阵Y(s)求逆,得到节点阻抗矩阵ZN(s);
聚合指标值最大的节点i的聚合阻抗为AZi=ZN(i,i);
对阻抗网络模型的s域回路阻抗矩阵求逆Z(s),得到回路导纳矩阵YL(s);
根据回路-支路关联矩阵B,以及回路导纳矩阵YL(s),得到支路导纳矩阵,如下公式:YB(s)=BTYL(s)B;
聚合指标值最大的支路j的聚合导纳为AYj(s)=YB(j,j)。
需要说明的是,上述对基于振荡模式可观性的阻抗网络聚合方法实施例的解释说明,也适用于该实施例的基于振荡模式可观性的阻抗网络聚合装置,故在此不再赘述。
本申请实施例的基于振荡模式可观性的阻抗网络聚合装置,通过建立目标电力系统的阻抗网络模型,并形成s域节点导纳矩阵和回路阻抗矩阵,基于s域节点导纳矩阵和回路阻抗矩阵,获取各节点对目标电力系统各振荡模式的节点可观性矩阵,和各支路对各振荡模式的支路可观性矩阵,基于节点可观性矩阵和支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合,并计算出阻抗网络模型中各节点的聚合指标和各支路的聚合指标,在可聚合的节点和可聚合的支路中选择聚合指标值最大的节点和支路,作为最佳聚合节点和最佳聚合支路,并获取最佳聚合节点的聚合阻抗和最佳聚合支路的聚合导纳,避免了从某些节点或支路进行聚合时丢失部分电力系统信息的情况,保证了聚合结果的准确性和可靠性。

Claims (10)

1.一种基于振荡模式可观性的阻抗网络聚合方法,其特征在于,包括:
建立目标电力系统的阻抗网络模型;
形成所述阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵;
根据所述s域节点导纳矩阵和回路阻抗矩阵,获取各节点对所述目标电力系统各振荡模式的节点可观性矩阵,以及各支路对所述各振荡模式的支路可观性矩阵;
根据所述节点可观性矩阵和所述支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合;
计算所述阻抗网络模型中各节点的聚合指标和各支路的聚合指标;
根据所述节点的聚合指标和支路的聚合指标,在所述可聚合的节点集合和支路集合中,选取聚合指标值最大的节点和支路;
计算聚合指标值最大的节点的聚合阻抗,和聚合指标值最大的支路的聚合导纳。
2.如权利要求1所述的方法,其特征在于,所述形成所述阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵,包括:
根据节点-支路关联矩阵和支路导纳矩阵,获取所述阻抗网络模型的s域节点导纳矩阵;
根据回路-支路关联矩阵和支路阻抗矩阵,获取所述阻抗网络模型的s域回路阻抗矩阵。
3.如权利要求1所述的方法,其特征在于,所述根据所述s域节点导纳矩阵和回路阻抗矩阵,获取各节点对所述目标电力系统各振荡模式的节点可观性矩阵,以及各支路对所述各振荡模式的支路可观性矩阵,包括:
根据所述各振荡模式下的节点导纳矩阵,计算各节点对每个振荡模式的可观性指标;
根据所述各节点对每个振荡模式的可观性指标,获取所述节点可观性矩阵;
根据所述各振荡模式下的回路阻抗矩阵,计算各支路对每个振荡模式的可观性指标;
根据所述各支路对每个振荡模式的可观性指标,获取所述支路可观性矩阵。
4.如权利要求3所述的方法,其特征在于,所述根据所述各振荡模式下的节点导纳矩阵,计算各节点对每个振荡模式的可观性指标,包括:
将振荡模式sk(k=1,2,…,m)下的节点导纳矩阵Y(sk)对角化,如下公式;
Y(sk)=LΛR
Λ=diag(λ12,…,λn)
其中,m为所述目标电力系统存在的振荡模式的数量,Λ是特征值矩阵,λt(t=1,2,…,n)为Y(sk)的特征值,L为左特征向量矩阵,R为右特征向量矩阵;
在节点导纳矩阵Y(sk)全部特征根中,存在一个零特征根,记为λp
计算各节点对振荡模式sk的可观性指标ek,如下公式:
其中,Ltp为左特征向量矩阵L的第t行,第p列元素,t=1,2,…,n;
所述根据所述各振荡模式下的回路阻抗矩阵,计算各支路对每个振荡模式的可观性指标,包括:
将振荡模式sk(k=1,2,…,m)下的回路阻抗矩阵Z(sk)对角化,如下公式;
Z(sk)=VΛW
Λ=diag(μ12,…,μl)
其中,m为所述目标电力系统存在的振荡模式的数量,Λ是特征值矩阵,μt(t=1,2,…,l)为Z(sk)的特征值,V为左特征向量矩阵,W为右特征向量矩阵;
在Z(sk)的全部特征根中,存在一个零特征根,记为μq
计算各支路对振荡模式sk的可观性指标fk,如下公式:
H=BTV
其中,Htq为矩阵H的第t行,第q列元素,t=1,2,…,l。
5.如权利要求1-4任一所述的方法,其特征在于,所述根据所述节点可观性矩阵和所述支路可观性矩阵,建立可聚合的节点集合和支路集合,包括:
根据所述节点可观性矩阵,判断每个节点对各振荡模式的可观性指标是否均为非零,将可观性指标均为非零的节点列入可聚合的节点集合;
根据所述支路可观性矩阵,判断每个支路对各振荡模式的可观性指标是否均为非零,将可观性指标均为非零的支路列入可聚合的支路集合。
6.如权利要求1-4任一所述的方法,其特征在于,所述计算所述阻抗网络模型中各节点的聚合指标和各支路的聚合指标,包括:
根据所述各振荡模式在所述目标电力系统中的重要程度,确定所述各振荡模式的权重;
根据所述各振荡模式的权重,与所述节点可观性矩阵,获取各节点的聚合指标;
根据所述各振荡模式的权重,与所述支路可观性矩阵,获取各支路的聚合指标。
7.如权利要求6所述的方法,其特征在于,所述计算聚合指标值最大的节点的聚合阻抗,和聚合指标值最大的支路的聚合导纳,包括:
对所述阻抗网络模型的s域节点导纳矩阵Y(s)求逆,得到节点阻抗矩阵ZN(s);
聚合指标值最大的节点i的聚合阻抗为AZi=ZN(i,i);
对所述阻抗网络模型的s域回路阻抗矩阵求逆Z(s),得到回路导纳矩阵YL(s);
根据回路-支路关联矩阵B,以及回路导纳矩阵YL(s),得到支路导纳矩阵,如下公式:YB(s)=BTYL(s)B;
聚合指标值最大的支路j的聚合导纳为AYj(s)=YB(j,j)。
8.一种基于振荡模式可观性的阻抗网络聚合装置,其特征在于,包括:
第一建立模块,用于建立目标电力系统的阻抗网络模型;
第一获取模块,用于形成所述阻抗网络模型的s域节点导纳矩阵和回路阻抗矩阵;
第二获取模块,用于根据所述s域节点导纳矩阵和回路阻抗矩阵,获取各节点对所述目标电力系统各振荡模式的节点可观性矩阵,以及各支路对所述各振荡模式的支路可观性矩阵;
第二建立模块,用于根据所述节点可观性矩阵和所述支路可观性矩阵,建立可聚合的节点集合和可聚合的支路集合;
第一计算模块,用于计算所述阻抗网络模型中各节点的聚合指标和各支路的聚合指标;
选取模块,用于根据所述节点的聚合指标和支路的聚合指标,在所述可聚合的节点集合和支路集合中,选取聚合指标值最大的节点和支路;
第二计算模块,用于计算聚合指标值最大的节点的聚合阻抗,和聚合指标值最大的支路的聚合导纳。
9.如权利要求8所述的装置,其特征在于,所述第一获取模块,具体用于:
根据节点-支路关联矩阵和支路导纳矩阵,获取所述阻抗网络模型的s域节点导纳矩阵;
根据回路-支路关联矩阵和支路阻抗矩阵,获取所述阻抗网络模型的s域回路阻抗矩阵。
10.如权利要求8所述的装置,其特征在于,所述第二获取模块,包括:
第一计算单元,用于根据所述各振荡模式下的节点导纳矩阵,计算各节点对每个振荡模式的可观性指标;
第一获取单元,用于根据所述各节点对每个振荡模式的可观性指标,获取所述节点可观性矩阵;
第二计算单元,用于根据所述各振荡模式下的回路阻抗矩阵,计算各支路对每个振荡模式的可观性指标;
第二获取单元,用于根据所述各支路对每个振荡模式的可观性指标,获取所述支路可观性矩阵。
CN201910127382.7A 2019-02-20 2019-02-20 基于振荡模式可观性的阻抗网络聚合方法和装置 Active CN109873436B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910127382.7A CN109873436B (zh) 2019-02-20 2019-02-20 基于振荡模式可观性的阻抗网络聚合方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910127382.7A CN109873436B (zh) 2019-02-20 2019-02-20 基于振荡模式可观性的阻抗网络聚合方法和装置

Publications (2)

Publication Number Publication Date
CN109873436A true CN109873436A (zh) 2019-06-11
CN109873436B CN109873436B (zh) 2020-10-16

Family

ID=66918996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910127382.7A Active CN109873436B (zh) 2019-02-20 2019-02-20 基于振荡模式可观性的阻抗网络聚合方法和装置

Country Status (1)

Country Link
CN (1) CN109873436B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070241759A1 (en) * 2006-04-07 2007-10-18 Michael Lamar Williams Method for measuring stability margin at a node of a polyphase power grid
CN103246934A (zh) * 2013-04-07 2013-08-14 河海大学 基于轨迹灵敏度的电力系统等值模型参数分类优化方法
CN108304681A (zh) * 2018-03-13 2018-07-20 江苏大学 基于风电机组3种运行区域的风电场模型聚合方法
CN108462192A (zh) * 2018-04-28 2018-08-28 清华大学 电力系统宽频带振荡的模式分析方法
CN108667048A (zh) * 2018-05-31 2018-10-16 清华大学 新能源并网系统振荡稳定性的频域判稳方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070241759A1 (en) * 2006-04-07 2007-10-18 Michael Lamar Williams Method for measuring stability margin at a node of a polyphase power grid
CN103246934A (zh) * 2013-04-07 2013-08-14 河海大学 基于轨迹灵敏度的电力系统等值模型参数分类优化方法
CN108304681A (zh) * 2018-03-13 2018-07-20 江苏大学 基于风电机组3种运行区域的风电场模型聚合方法
CN108462192A (zh) * 2018-04-28 2018-08-28 清华大学 电力系统宽频带振荡的模式分析方法
CN108667048A (zh) * 2018-05-31 2018-10-16 清华大学 新能源并网系统振荡稳定性的频域判稳方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高洵等: "大扰动下次同步谐振仿真分析的模型改进及应用", 《电网技术》 *

Also Published As

Publication number Publication date
CN109873436B (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
CN105633956B (zh) 一种基于Spiking神经网络伪量测建模的配电网三相状态估计方法
CN109347697B (zh) 机会网络链路预测方法、装置及可读存储介质
CN107453351B (zh) 一种基于节点注入功率的配电网运行拓扑辨识方法
CN110058159A (zh) 一种基于灰色神经网络的锂电池健康状态估计方法
CN103728535A (zh) 一种基于小波变换暂态能量谱的特高压直流输电线路故障测距方法
CN102982379A (zh) 基于集合论估计模型的电力系统状态估计方法及系统
CN101666825B (zh) 一种基于电压稳定性局部指标的电网电压稳定在线监测方法
CN107093895A (zh) 基于预想故障集自动筛选的在线暂态安全稳定评估方法
CN105353226A (zh) 基于散射参数和智能算法的emi噪声源阻抗等效参数提取方法
CN104935476B (zh) 一种基于sdn的网络流量矩阵测量方法
CN110082684A (zh) 一种基于加权多新息扩展卡尔曼滤波的锂电池soc估计方法
CN110389282A (zh) 适用于多电源配电线路的精确故障测距方法
CN110350517A (zh) 一种基于运行风险的电动汽车并网配电网络重构方法
CN101964525A (zh) 一种支持大规模电流量测的配电网状态估计方法
CN105761153A (zh) 一种加权网络重要用户发现的实现方法
CN106679880A (zh) 一种基于foa优化的som‑rbf的压力传感器温度补偿方法
CN108462192A (zh) 电力系统宽频带振荡的模式分析方法
CN110135482B (zh) 一种基于卷积神经网络的网络拓扑推断方法及系统
CN106453113A (zh) 一种ip网络拥塞链路定位方法
CN107483487A (zh) 一种基于topsis的多维网络安全度量方法
CN112202211B (zh) 一种基于模态分析法的多vsg并网功频振荡评估方法
Bastomi et al. Object detection and distance estimation tool for blind people using convolutional methods with stereovision
CN109873436A (zh) 基于振荡模式可观性的阻抗网络聚合方法和装置
CN106208050A (zh) 一种基于pmu的电网支路静态参数检测辨识方法
CN106066415B (zh) 用于检测供电网络中的欺诈的方法和设备、存储装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant