CN110518619A - 一种特高压直流闭锁故障的特征确定方法和系统 - Google Patents
一种特高压直流闭锁故障的特征确定方法和系统 Download PDFInfo
- Publication number
- CN110518619A CN110518619A CN201910695569.7A CN201910695569A CN110518619A CN 110518619 A CN110518619 A CN 110518619A CN 201910695569 A CN201910695569 A CN 201910695569A CN 110518619 A CN110518619 A CN 110518619A
- Authority
- CN
- China
- Prior art keywords
- fault
- fault message
- failure
- value
- moment
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
-
- 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
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Abstract
本发明提供了一种特高压直流闭锁故障的特征确定方法和系统,在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;基于各时刻的不平衡功率,分别计算各时刻故障后的频率和断面潮流;基于断面潮流,计算特高压交直流电网中故障信息;基于距离和物理量,对故障信息进行筛选,得到故障特征。本发明挖掘直流故障特征之间关系,对电网环境信息和直流故障特征进行筛选和预处理,得到准确具体的故障特征,为深度学习训练架构提供了准确的模型数据,可以利用深度学习方法直接进行故障分析。克服了现有技术的没有考虑电网故障环境信息,只对电网故障物理特征进行建模的缺点。
Description
技术领域
本发明属于电力系统自动化技术领域,具体涉及一种特高压直流闭锁故障的特征确定方法和系统。
背景技术
随着特高压交直流互联电网的快速发展,特高压直流建设进程不断加快。电网运行方式和动态行为复杂多变,各区域电网间相互依赖和耦合程度也越来越强,特高压直流输电(UHVDC)有效节约输电线路的走廊宽度,提高输送能力,但同时对电网安全稳定运行也带来了新的挑战。特高压直流输电系统一旦发生闭锁故障,送端电网产生大量功率盈余,引起区域电网功率失衡、频率上升等,导致整个电力系统的不稳定运行甚至解列,影响整个电网安全运行。
目前调度员对特高压直流闭锁故障后电网的调控,主要以自身调控经验为主,借助制定好的故障处置预案,对电网故障进行处置。但是由于电网一体化运行特征的凸显,调度实时运行控制难度日益增大,以往的调度控制系统在支撑特高压电网实时监控和故障决策时存在不足之处,对此,诸多学者在特高压交直流电网运行控制方面进行了大量研究。但是由于电网结构的复杂性,在进行仿真计算时,电网物理特征无法得到较好的建模与模拟,计算结果无法满足实际要求,所以基于电网物理特征的方法具有较强的局限性。现有技术只对电网故障物理特征进行建模,没有考虑电网故障环境信息,缺乏对电网故障前后环境信息对电网故障建模的影响,忽略一些故障环境因素,欠缺电网故障特征的有效信息提取分析。
发明内容
为克服上述现有技术的不足,本发明提出一种特高压直流闭锁故障的特征确定方法,其改进之处在于,包括:
在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;
基于各时刻的所述不平衡功率,分别计算各时刻故障后的频率和断面潮流;
基于所述断面潮流,计算特高压交直流电网中故障信息;
基于距离和物理量,对所述故障信息进行筛选,得到故障特征;
其中,所述故障信息包括:特高压交直流电网中各支路的有功功率及无功功率、各交流节点电压和各直流节点电压在故障前后的变化量。
本发明提供的第一优选技术方案,其改进之处在于,所述基于距离和物理量,对所述故障信息进行筛选,得到故障特征,包括:
分别统计所有时刻所有故障信息;
针对各不同时刻的同一故障信息,判断不同时刻的不大于第一阈值的故障信息的数量是否超过数量门限:若是,则删除所述故障信息,否则保留所述故障信息;
针对保留的每项故障信息,分别计算各时刻故障信息的平均值与故障前对应值的比值;
将所述比值除以电气距离,得到故障特征值;
针对各项故障信息,判断所述故障信息对应的故障特征值是否大于第二阈值:若是则保留所述故障信息以及所述故障信息对应的故障发生前后的值,作为故障特征,否则删除所述故障信息。
本发明提供的第二优选技术方案,其改进之处在于,所述故障信息的平均值为剔除一个最大值与一个最小值后的平均值。
本发明提供的第三优选技术方案,其改进之处在于,所述基于各时刻的所述不平衡功率,分别计算各时刻故障后的频率和断面潮流,包括:
基于各时刻的所述不平衡功率,采用动态潮流算法,分别计算各时刻故障后的频率和断面潮流。
本发明提供的第四优选技术方案,其改进之处在于,所述动态潮流算法的交流系统的不等式约束如下式所示:
其中,Nss表示特高压交直流电网中交流节点的集合,NG表示特高压交直流电网中所有发电机节点的集合;上标min表示对应值的最小值,上标max表示对应值的最大值;Usi表示交流节点i的电压,Sij表示交流节点i和j间的视在功率,Qsi表示交流节点i的无功功率;PGi表示发电机节点i的发电有功功率,QGi表示发电机节点i的发电无功功率。
本发明提供的第五优选技术方案,其改进之处在于,所述动态潮流算法的直流系统不等式约束如下式所示:
其中,Nd表示特高压交直流电网中直流节点的集合,NC表示虚拟同步机的集合;上标min表示对应值的最小值,上标max表示对应值的最大值;Udk表示直流节点k的电压,Ucn表示虚拟同步机n的换流器交流侧电压,Mn表示虚拟同步机n的调制比,In表示虚拟同步机n的热容量,Ikv表示直流节点k和v间的电流。
本发明提供的第六优选技术方案,其改进之处在于,所述基于距离和物理量,对所述故障信息进行筛选,得到故障特征之后,还包括:
针对每个故障特征,分别根据所述故障特征和频率对应的故障后的值,按照预设标准得到所述故障特征或频率对应的越限类型;
采用越限类型个数的字段记录所述故障特征或频率是否为对应的越限类型,并与所述故障特征或频率对应的故障发生前后的值共同构成故障模型。
本发明提供的第七优选技术方案,其改进之处在于,所述故障模型中与所述故障特征或频率对应的故障发生前后的值为归一化的值。
基于同一发明构思,本发明还提供了一种电网连续运行仿真断面的生成系统,包括:仿真计算模块、频率和断面模块、故障信息模块和故障特征模块;
所述仿真计算模块,用于在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;
所述频率和断面模块,用于基于各时刻的所述不平衡功率,分别计算各时刻故障后的频率和断面潮流;
所述故障信息模块,用于基于所述断面潮流,计算特高压交直流电网中故障信息;
所述故障特征模块,用于基于距离和物理量,对所述故障信息进行筛选,得到故障特征;
其中,所述故障信息包括:特高压交直流电网中各支路的有功功率及无功功率、各交流节点电压和各直流节点电压在故障前后的变化量。
本发明提供的第八优选技术方案,其改进之处在于,所述故障特征模块包括:统计单元、第一筛选单元、比值单元、故障特征值单元和第二筛选单元;
所述统计单元,用于分别统计所有时刻所有故障信息;
所述第一筛选单元,用于针对各不同时刻的同一故障信息,判断不同时刻的不大于第一阈值的故障信息的数量是否超过数量门限:若是,则删除所述故障信息,否则保留所述故障信息;
所述比值单元,用于针对保留的每项故障信息,分别计算各时刻故障信息的平均值与故障前对应值的比值;
所述故障特征值单元,用于将所述比值除以电气距离,得到故障特征值;
所述第二筛选单元,用于针对各项故障信息,判断所述故障信息对应的故障特征值是否大于第二阈值:若是则保留所述故障信息以及所述故障信息对应的故障发生前后的值,作为故障特征,否则删除所述故障信息。
与最接近的现有技术相比,本发明具有的有益效果如下:
本发明提出一种特高压直流闭锁故障的特征确定方法和系统,在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;基于各时刻的不平衡功率,分别计算各时刻故障后的频率和断面潮流;基于断面潮流,计算特高压交直流电网中故障信息;基于距离和物理量,对故障信息进行筛选,得到故障特征;本发明挖掘直流故障特征之间关系,对电网环境信息和直流故障特征进行筛选和预处理,得到准确具体的故障特征,为深度学习训练架构提供了准确的模型数据,可以利用深度学习方法直接进行故障分析。克服了现有技术的没有考虑电网故障环境信息,只对电网故障物理特征进行建模的缺点。
附图说明
图1为本发明提供的一种特高压直流闭锁故障的特征确定方法流程示意图;
图2为本发明提供的一种特高压直流闭锁故障的特征确定系统基本结构示意图;
图3为本发明提供的一种特高压直流闭锁故障的特征确定系统详细结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步的详细说明。
实施例1:
本发明提供的一种特高压直流闭锁故障的特征确定方法流程示意图如图1所示,包括:
步骤1:在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;
步骤2:基于各时刻的不平衡功率,分别计算各时刻故障后的频率和断面潮流;
步骤3:基于断面潮流,计算特高压交直流电网中故障信息;
步骤4:基于距离和物理量,对故障信息进行筛选,得到故障特征;
其中,故障信息包括:特高压交直流电网中各支路的有功功率及无功功率、各交流节点电压和各直流节点电压在故障前后的变化量。
具体的,为了克服现有技术的只对电网故障物理特征进行建模的缺点,现有技术没有考虑电网故障环境信息,缺乏对电网故障前后环境信息对电网故障建模的影响,忽略一些故障环境因素,欠缺电网故障特征的有效信息提取分析,现有技术的建模无法直接应用于后续的深度学习职能决策。本发明提出一种特高压直流闭锁故障的特征确定方法和系统,挖掘了直流故障特征之间关系,对故障前后的电网环境信息和直流故障特征进行筛选和预处理,得到准确具体的故障特征,为深度学习训练架构提供了准确的模型数据,可以直接进行故障分析。
首先对电网故障环境信息进行说明。
在特高压交直流大型输电网络中,特高压直流送受端系统相互作用,特高压直流输电系统连接着大量交流线路,二者相互耦合,直流系统局部故障影响范围较大。如华东电网主网二百五十多条交流线路可引起七条直流换相失败,若汛期送华东直流发生连续换相失败后,可能引起送端电网500千伏断面稳定越限。而直流发生故障后,需要联合各级各地调控中心进行联合调控,才能完全恢复。
电网未发生故障前正常运行时的数据信息,包括故障前直流送受端电网机组总出力、总负荷网损、频率限额、电压限额及功率缺额、直流送受端控制方式和无功补偿,联络线传送功率求取受端电网不平衡功率,还有所有直流线路相连交流电气岛的电压幅值、电压相角、线路有功、线路无功等信息。
特高压直流发生故障后,因电网突然发生大功率缺失,计算在故障t=0时刻的不平衡功率ΔP(0):
ΔP(0)=PG(0)-PL(0)-PLoss
其中,PG(0)为电网总出力,PL(0)为电网总负荷,PLoss为电网总网损。
电网发生直流闭锁故障后,利用动态潮流算法计算故障后频率f(i+1)和主要断面潮流。t=0时的频率变化量如下式:
Δf(0)=f(N)-f(0)
其中f(N)=50Hz,f(0)为t=0时刻即故障时刻的系统频率,采用迭代公式如下式所示:
由上式计算出t=i时刻的频率变化量Δf(i),其中,Δt为迭代时间间隔,Δf(i-1)为t=i-1时刻的频率变化量。根据下式计算系统动态一次调频频率:
f(i+1)=f(i)+Δf(i)
其中,f(i+1)为t=i+1时刻的系统动态一次调频频率,f(i)为t=i时刻的系统动态一次调频频率。
动态潮流计算时,为了保证故障后的系统收敛,可以适当增大电压和功率的门槛值。故障后的交流系统的不等式约束条件为:
其中,Nss表示特高压交直流电网中交流节点的集合,NG表示特高压交直流电网中所有发电机节点的集合;上标min表示对应值的最小值,上标max表示对应值的最大值;Usi表示交流节点i的电压,Sij表示交流节点i和j间的视在功率,Qsi表示交流节点i的无功功率;PGi表示发电机节点i的发电有功功率,QGi表示发电机节点i的发电无功功率。
直流系统不等式约束包括:直流节点电压约束、换流器交流侧电压约束、调制比约束、VSC热容量约束和直流线路最大允许电流约束,即:
其中,Nd表示特高压交直流电网中直流节点的集合,NC表示虚拟同步机的集合;上标min表示对应值的最小值,上标max表示对应值的最大值;Udk表示直流节点k的电压,Ucn表示虚拟同步机n的换流器交流侧电压,Mn表示虚拟同步机n的调制比,In表示虚拟同步机n的热容量,Ikv表示直流节点k和v间的电流。
根据动态潮流计算后的结果,判断故障后实际电网的频率、电压或线路功率的具体状态,记为不同的类型。对母线电压,不同的类型标志位记为不同数字,如下表:
表1故障后母线电压类型
标志位 | 0 | 1 | 2 | 3 | 4 | 5 |
类型 | 正常 | 越下限 | 越上限 | 最大压升 | 最大压降 | 最高电压 |
对功率越限,如下表:
表2故障后功率越限类型
标志 | 0 | 1 | 2 |
类型 | 正常 | 越下限 | 越上限 |
对频率越限,如下表:
表3故障后频率越限类型
标志 | 0 | 1 | 2 |
类型 | 正常 | 越下限 | 越上限 |
其次,进行故障信息筛选。
特高压直流闭锁故障前后涉及到的电网频率、电压和线路功率信息量巨大,需要挑出其中的有效信息,即在庞大的电网环境信息中找到直流闭锁故障造成影响的母线、机组和线路信息。这些能充分反映直流故障的信息就是筛选出的故障特征。
选取不同时刻直流运行的实时潮流数据进行上述直流故障仿真,仿真共进行m次,得到m组故障前后数据各m组。对于直流闭锁故障前后的潮流数据进行分析,交直流输电系统中共有n个节点,则发生直流闭锁故障前后ij(i,j=1、2、3,...,n)线路(即节点i,j间的线路)的有功变化ΔPij和无功变化ΔQij如下式所示:
其中,和分别表示故障前ij支路的有功和无功传输值,和分别表示故障后ij支路的有功和无功传输值。
同理发生直流闭锁故障前后第i(i=1、2、3,...,n)个交流节点和第k(k=1、2、3,...,d)个直流节点的电压幅值变化ΔUi和ΔUk如下式所示:
其中,和分别表示故障前交流节点和直流节点的电压值,和分别表示故障后交流节点和直流节点的电压值。
若在超过数量门限次的仿真结果中,交直流电网上述四个变化量ΔPij、ΔQij、ΔUi和ΔUk不大于各自对应的第一阈值,则相应的ΔPij、ΔQij、ΔUi或ΔUk数据不反映直流故障特征,直接剔除。其中,数量门限可设为2/3m。
剩余数据仍为m组,同一类数据剔除一个最大值,剔除一个最小值后取平均值,再用平均值除以故障前的数据得到比值,再将比值除以电气距离,得到故障特征值,以ΔPij为例:
其中,为ΔPij对应的平均值,对应的故障特征值,D为节点电气距离,也即节点i上故障线路的支路个数。对和各自由大到小进行排序,比值越大则表示受故障影响越大,取第二阈值,若和各自大于第二阈值,则大于第二阈值的或保留,同时保留对应的ΔPij、ΔQij、ΔUi和ΔUk,以及对应原始数据 和和
最后进行故障特征处理,构建模型。
对筛选后的m组故障特征数据读取后,需要进行数据预处理,才能利用深度学习方法进行训练学习。对每组故障前后特征数据进行整理,得到各个字段说明见下表:
表4故障特征字段说明(部分)
表4列出了33号节点母线电压和13支路有功功率,对于每一个筛选出的母线电压和有功功率、无功功率、频率、电压等故障特征都列为特征字段,其中Number为每次故障仿真数据的序号字段,与我们要训练生成的调度决策关联不大,所以我们将其忽略删除,只选择对调度决策有用的字段;若有几项数据字段值为null,则必须将null值改为m组此故障特征数据的平均值;Type类型字段是分类特征字段,有n个分类,则转换为n个字段。如No.33_bus_voltage_type字段转换为6个字段,分别如表5所示:
表5分类特征字段预处理
分类字段 | 数据说明 |
No.33_bus_voltage_type_0 | 33节点电压值正常为1,否则为0 |
No.33_bus_voltage_type_1 | 33节点电压值越下限为1,否则为0 |
No.33_bus_voltage_type_2 | 33节点电压值越上限为1,否则为0 |
No.33_bus_voltage_type_3 | 33节点电压值最大压升为1,否则为0 |
No.33_bus_voltage_type_4 | 33节点电压值最大压降为1,否则为0 |
No.33_bus_voltage_type_5 | 33节点电压值最高电压为1,否则为0 |
经过分类特征字段处理后,因为数值特征字段单位不同,数字差异会很大,且电力系统故障特征数据中有标幺值数据也有有名值,数字差异很大,需要对特征字段进行标准化让所有数值都处在同一区间,使数值特征字段有共同的标准,进而可以提高训练后模型的准确率。
标准化将数据按比例缩放,使之落入一个小的特定区间。并不改变特征分布,不会使数据丧失其特征信息。由于数据存在不同的评价指标,其量纲或量纲单位不同,处于不同的数量级。因此需要去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权,让不同维度之间的特征在数值上有一定比较性,大大提高分类器的准确性。而且求最优解的过程会变得平缓,更容易正确收敛,即能提高梯度下降求最优解时的迭代速度。此外,在涉及到一些距离计算的算法时,标准化可以实现各个特征对结果做出的贡献相同,有效降低精度的损失。所以标准化很有必要,其中最典型的就是数据的线性归一化处理,即将数据统一映射到[0,1]区间上。
其中,Xscaled为归一化结果,X为样本值,Xmin为最小样本的差,Xmax-Xmin为为样本跨度,(max-min)为缩放范围,min缩放最小值。
对保留下来的或对应的ΔPij、ΔQij、ΔUi和ΔUk,以及对应原始数据 和再加上故障发生前后的频率以及频率越限类型进行上述处理,共同构成故障模型。
最终每个故障模型为一维数组,包括故障信息筛选后的节点和支路的故障前后特征量及特征字段,以及故障前后频率的特征量和特征字段。
实施例2:
基于同一发明构思,本发明还提供了一种特高压直流闭锁故障的特征确定系统,由于这些设备解决技术问题的原理与特高压直流闭锁故障的特征确定方法相似,重复之处不再赘述。
该系统基本结构如图2所示,包括:仿真计算模块、频率和断面模块、故障信息模块和故障特征模块;
其中,仿真计算模块,用于在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;
频率和断面模块,用于基于各时刻的不平衡功率,分别计算各时刻故障后的频率和断面潮流;
故障信息模块,用于基于断面潮流,计算特高压交直流电网中故障信息;
故障特征模块,用于基于距离和物理量,对故障信息进行筛选,得到故障特征;
其中,故障信息包括:特高压交直流电网中各支路的有功功率及无功功率、各交流节点电压和各直流节点电压在故障前后的变化量。
特高压直流闭锁故障的特征确定系统详细结构如图3所示。
其中,故障特征模块包括:统计单元、第一筛选单元、比值单元、故障特征值单元和第二筛选单元;
统计单元,用于分别统计所有时刻所有故障信息;
第一筛选单元,用于针对各不同时刻的同一故障信息,判断不同时刻的不大于第一阈值的故障信息的数量是否超过数量门限:若是,则删除故障信息,否则保留故障信息;
比值单元,用于针对保留的每项故障信息,分别计算各时刻故障信息的平均值与故障前对应值的比值;
故障特征值单元,用于将比值除以电气距离,得到故障特征值;
第二筛选单元,用于针对各项故障信息,判断故障信息对应的故障特征值是否大于第二阈值:若是则保留故障信息以及故障信息对应的故障发生前后的值,作为故障特征,否则删除故障信息。
其中,故障信息的平均值为剔除一个最大值与一个最小值后的平均值。
其中,基于各时刻的不平衡功率,分别计算各时刻故障后的频率和断面潮流,包括:
基于各时刻的不平衡功率,采用动态潮流算法,分别计算各时刻故障后的频率和断面潮流。
其中,该系统还包括用于建立故障模型的建模模块;建模模块包括:越限类型单元和故障模型单元;
越限类型单元,用于针对每个故障特征,分别根据故障特征和频率对应的故障后的值,按照预设标准得到故障特征或频率对应的越限类型;
故障模型单元,用于采用越限类型个数的字段记录故障特征或频率是否为对应的越限类型,并与故障特征或频率对应的故障发生前后的值共同构成故障模型。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解:本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换,但这些变更、修改或者等同替换,均在申请待批的权利要求保护范围之内。
Claims (10)
1.一种特高压直流闭锁故障的特征确定方法,其特征在于,包括:
在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;
基于各时刻的所述不平衡功率,分别计算各时刻故障后的频率和断面潮流;
基于所述断面潮流,计算特高压交直流电网中故障信息;
基于距离和物理量,对所述故障信息进行筛选,得到故障特征;
其中,所述故障信息包括:特高压交直流电网中各支路的有功功率及无功功率、各交流节点电压和各直流节点电压在故障前后的变化量。
2.如权利要求1所述的方法,其特征在于,所述基于距离和物理量,对所述故障信息进行筛选,得到故障特征,包括:
分别统计所有时刻所有故障信息;
针对各不同时刻的同一故障信息,判断不同时刻的不大于第一阈值的故障信息的数量是否超过数量门限:若是,则删除所述故障信息,否则保留所述故障信息;
针对保留的每项故障信息,分别计算各时刻故障信息的平均值与故障前对应值的比值;
将所述比值除以电气距离,得到故障特征值;
针对各项故障信息,判断所述故障信息对应的故障特征值是否大于第二阈值:若是则保留所述故障信息以及所述故障信息对应的故障发生前后的值,作为故障特征,否则删除所述故障信息。
3.如权利要求2所述的方法,其特征在于,所述故障信息的平均值为剔除一个最大值与一个最小值后的平均值。
4.如权利要求1所述的方法,其特征在于,所述基于各时刻的所述不平衡功率,分别计算各时刻故障后的频率和断面潮流,包括:
基于各时刻的所述不平衡功率,采用动态潮流算法,分别计算各时刻故障后的频率和断面潮流。
5.如权利要求4所述的方法,其特征在于,所述动态潮流算法的交流系统的不等式约束如下式所示:
其中,Nss表示特高压交直流电网中交流节点的集合,NG表示特高压交直流电网中所有发电机节点的集合;上标min表示对应值的最小值,上标max表示对应值的最大值;Usi表示交流节点i的电压,Sij表示交流节点i和j间的视在功率,Qsi表示交流节点i的无功功率;PGi表示发电机节点i的发电有功功率,QGi表示发电机节点i的发电无功功率。
6.如权利要求4所述的方法,其特征在于,所述动态潮流算法的直流系统不等式约束如下式所示:
其中,Nd表示特高压交直流电网中直流节点的集合,NC表示虚拟同步机的集合;上标min表示对应值的最小值,上标max表示对应值的最大值;Udk表示直流节点k的电压,Ucn表示虚拟同步机n的换流器交流侧电压,Mn表示虚拟同步机n的调制比,In表示虚拟同步机n的热容量,Ikv表示直流节点k和v间的电流。
7.如权利要求1所述的方法,其特征在于,所述基于距离和物理量,对所述故障信息进行筛选,得到故障特征之后,还包括:
针对每个故障特征,分别根据所述故障特征和频率对应的故障后的值,按照预设标准得到所述故障特征或频率对应的越限类型;
采用越限类型个数的字段记录所述故障特征或频率是否为对应的越限类型,并与所述故障特征或频率对应的故障发生前后的值共同构成故障模型。
8.如权利要求7所述的方法,其特征在于,所述故障模型中与所述故障特征或频率对应的故障发生前后的值为归一化的值。
9.一种特高压直流闭锁故障的特征确定系统,其特征在于,包括:仿真计算模块、频率和断面模块、故障信息模块和故障特征模块;
所述仿真计算模块,用于在多个不同时刻仿真计算直流闭锁故障发生后,特高压交直流电网的不平衡功率;
所述频率和断面模块,用于基于各时刻的所述不平衡功率,分别计算各时刻故障后的频率和断面潮流;
所述故障信息模块,用于基于所述断面潮流,计算特高压交直流电网中故障信息;
所述故障特征模块,用于基于距离和物理量,对所述故障信息进行筛选,得到故障特征;
其中,所述故障信息包括:特高压交直流电网中各支路的有功功率及无功功率、各交流节点电压和各直流节点电压在故障前后的变化量。
10.如权利要求9所述的系统,其特征在于,所述故障特征模块包括:统计单元、第一筛选单元、比值单元、故障特征值单元和第二筛选单元;
所述统计单元,用于分别统计所有时刻所有故障信息;
所述第一筛选单元,用于针对各不同时刻的同一故障信息,判断不同时刻的不大于第一阈值的故障信息的数量是否超过数量门限:若是,则删除所述故障信息,否则保留所述故障信息;
所述比值单元,用于针对保留的每项故障信息,分别计算各时刻故障信息的平均值与故障前对应值的比值;
所述故障特征值单元,用于将所述比值除以电气距离,得到故障特征值;
所述第二筛选单元,用于针对各项故障信息,判断所述故障信息对应的故障特征值是否大于第二阈值:若是则保留所述故障信息以及所述故障信息对应的故障发生前后的值,作为故障特征,否则删除所述故障信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910695569.7A CN110518619A (zh) | 2019-07-30 | 2019-07-30 | 一种特高压直流闭锁故障的特征确定方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910695569.7A CN110518619A (zh) | 2019-07-30 | 2019-07-30 | 一种特高压直流闭锁故障的特征确定方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110518619A true CN110518619A (zh) | 2019-11-29 |
Family
ID=68624925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910695569.7A Pending CN110518619A (zh) | 2019-07-30 | 2019-07-30 | 一种特高压直流闭锁故障的特征确定方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110518619A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625073A (zh) * | 2021-06-23 | 2021-11-09 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷监测系统的特征库更替方法和监测方法 |
-
2019
- 2019-07-30 CN CN201910695569.7A patent/CN110518619A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625073A (zh) * | 2021-06-23 | 2021-11-09 | 国网浙江省电力有限公司营销服务中心 | 一种非侵入式负荷监测系统的特征库更替方法和监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106505593B (zh) | 一种基于大数据的配变三相不平衡分析与负荷调整的方法 | |
CN109086913A (zh) | 一种基于深度学习的电力系统暂态稳定评估方法及系统 | |
CN106875287B (zh) | 一种电力系统分区供电能力确定方法 | |
CN109598377B (zh) | 一种基于故障约束的交直流混合配电网鲁棒规划方法 | |
CN107622360A (zh) | 一种综合考虑主客观因素的关键线路识别方法 | |
CN111639841A (zh) | 一种高压输电线路的雷击跳闸风险综合评估方法 | |
CN107798427A (zh) | 大规模能源基地特高压电力送出电网结构方案的构建方法 | |
CN110783913A (zh) | 基于群的计及预想事故集最佳电网拓扑在线优化方法 | |
CN110518619A (zh) | 一种特高压直流闭锁故障的特征确定方法和系统 | |
CN110212548A (zh) | 多直流馈入受端系统statcom的配置方法及装置 | |
CN103886419A (zh) | 一种电网运行方式规划校核分析系统 | |
Edwards et al. | Transient stability screening using artificial neural networks within a dynamic security assessment system | |
Wang et al. | Pareto optimization of power system reconstruction using NSGA-II algorithm | |
CN104993466A (zh) | 一种适用于交直流电网的连锁故障快动态仿真方法 | |
CN104578057B (zh) | 一种考虑源流路径的含风电电网电压主导节点识别方法 | |
Wu et al. | Topology Optimization of Regional Power Grid Under Large-Scale Access of Distributed Photovoltaic Power Generation | |
CN116054224A (zh) | 一种多馈入直流输电系统换相失败快速评估方法 | |
CN115796711A (zh) | 配电线路降损的辅助决策方法及装置 | |
CN110909980A (zh) | 一种基于ahp-topsis的直流配电网故障恢复方案的评价方法 | |
CN113162056B (zh) | 特高压电网自动电压控制方法和装置 | |
CN109839570A (zh) | 一种多端交直流混合配电网直流高阻故障检测方法和装置 | |
CN108183481A (zh) | 一种基于深度学习电网快速判稳方法和系统 | |
Abdullah et al. | Optimization of radial distribution network with distributed generation using particle swarm optimization considering load growth | |
Sun et al. | Power recovery strategy of distribution network with distributed power | |
Rabby et al. | Bifurcation analysis to identify voltage collapse in bangladesh power system |
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 |