CN110829487B - 一种电力系统的频率动态预测方法 - Google Patents

Abstract

本发明公开了一种电力系统的频率动态预测方法，先对电网数据进行实时采集，获取电网中受扰动前后发电机参数、调速器参数、有功功率不平衡差量以及电力系统的负荷参数；再在传统的汽轮机调速系统基础上，引入了水轮机调速系统和风机调速系统，作为电力系统的频率动态预测模型；然后将采集的数据进行等值聚合后输入到系统频率动态预测模型中，预测出频率波形，并利用频率动态预测模型进行参数迭代优化；最后，将迭代后的数据集输入到电力系统频率动态预测简化模型，得到电力系统扰动后的频率态势。

Description

一种电力系统的频率动态预测方法

技术领域

本发明属于电力系统技术领域，更为具体地讲，涉及一种电力系统的频率动态预测方法。

背景技术

频率是电能质量的重要指标，其好坏对国民生产、生活尤其是高端制造影响巨大，而且时刻威胁整个电网的安全稳定。现在广域电网并联、大容量输电通道、交直流混合网架等措施能够有效提高电力系统的稳定性，但是电力系统是动态过程，任何突发故障都可能引起频率的动态变化。尤其是系统中大电源基地、大容量外送通道等出现功率传输受阻时，必然引起送受两端频率大幅波动和紧急控制问题。电力系统频率表征系统中有功发电与负荷间动态平衡关系。由于负荷的波动特性，系统频率维持恒定值不易实现。我国电力系统允许的频率偏移为0.2Hz，对于容量较小的系统，允许频率偏移0.5Hz。一旦系统中的有功发电与负荷间发生较大的供需不平衡，频率偏移过大可能引发频率失稳，严重的频率偏移，导致系统崩溃。电力系统频率稳定分析的先导内容是能够分时定量预测电力系统在受到不同类型扰动时的频率动态特性。其预测结果可以为提前评估扰动后的电网稳定性提供有力的支持，同时准确的预测信息也可以为频率控制策略提供帮助，并且电力系统频率态势感知也可以防止频率失稳所引起的电网崩溃。因此，准确快速地预测出扰动后系统的频率动态趋势，并根据预测出来的频率制定相应的措施和策略，对提高电力系统的稳定性具有非常重要的意义。

传统的系统频率预测方法主要是简化聚合的模型，该方法简单高效，在求解系统频率响应时不需要逐步积分，计算量小，能够直接反映有功平衡与频率动态之间的关系。缺点是传统频率动态预测模型针对的是单一单机调速系统，对系统旋转备用容量的描述很模糊，且忽略了负荷效应的影响，该模型阶数不高，存在预测精度不足等问题。

如今，分布式能源在我国电网中的渗透率不断上升，尤其风电大规模并网导致传统的频率动态预测响应模型已经不再适用。文献“蔡国伟，孙正龙，王雨薇.基于改进频率响应模型的低频减载方案优化[J].电网技术，2013,37(11):3131-3136.”在传统的频率动态预测模型的基础上，引入水轮机的调速模型，且考虑了负荷效应，增强了频率动态预测模型的适用性。文献“王琦，李峰，汤奕，薛禹胜.基于物理_数据融合模型的电网暂态频率特征在线预测方法[J].电力系统自动化，2018，42(19):1-9.”提出了使用物理模型和数据模型相结合的方法来预测电力系统的频率态势，但是该方法需要的数据量太大，不便于实现“实时预测，实时控制”的思想。现考虑到目前电网中新能源的渗透率不断增大，传统的频率预测模型与控制方式已经不能满足现代电网的频率控制需求。

目前分布式发电已经发展为广域电网中重要的电源支撑形式。本发明针对可再生能源并网后，系统电源组成复杂，传统的系统频率响应模型已经不适于对频率态势感知，提出了一种高精度快速电力系统频率动态预测方法。涉及多能源发电比例混合、机械功率增益系数、发电机阻尼和励磁系统阻尼、负荷效应的频率动态预测简化模型以及迭代优化算法在电力系统频率态势感知方面的改进和应用。

发明内容

本发明的目的在于克服现有技术的不足，提供一种电力系统的频率动态预测方法，在当前电力系统中新能源分布式发电已经发展为广域电网中重要的电源支撑形式下，在大电源基地、大容量外送通道等出现功率传输受阻时，对电力系统频率的态势做出快速的预测，从而满足现代电网的频率控制需求。

为实现上述发明目的，本发明一种电力系统的频率动态预测方法，其特征在于，包括以下步骤：

(1)、数据采集

(1.1)、在电网扰动发生前，采集发电机机组类型、发电机惯性时间常数、调速器的相关参数以及电力系统负荷参数；

(1.2)、在电网扰动发生后，采集故障点、故障类型、有功功率差值及系统的频率波形；

(2)、构建频率动态预测模型

(2.1)、在传统的汽轮机调速系统基础上，引入了水轮机调速系统和风机调速系统，作为电力系统的频率动态预测模型；

(2.2)、计算汽轮机调速系统在频率动态预测模型中的频率变化量；

在汽轮机调速系统中，先用一个一阶系统参数k_m/(A+T_xs)来描述电力系统的旋转备用容量A和与系统功率因素k_m，然后计算汽轮机调速系统在频率动态预测模型中的频率变化量Δω；

其中，D_Σ是汽轮机调速系统中发电机阻尼、励磁系统阻尼以及负荷效应的总和；R_a为折算后的电力系统调差系数；T_x为机械功率增长时间常数，s表示S域，F_Ha为等值高压缸功率系数，P_sp为汽轮机调速系统中负荷扰动功率与总负荷功率的比值，T_Ra为汽轮机的再热时间常数，P_d为汽轮发电机的加速功率，F_Ha为等值高压缸功率系数，n为系统中发电机的数量；H_i为系统中第i台机组的额定容量；M_base,i为第i台机组的额定容量；S_base为系统的基准容量，H_Σ为系统的惯性时间常数；ω_n为中间变量参数：

(2.3)、构造水轮机调速系统的传递函数；

其中，ΔP_m为水轮机组有功功率差值；Δμ为水轮机导水叶开度的变化量；T_W为水流惯性时间常数；T_i为水轮机调速系统的反馈时间常数；δ为水轮机调速系统的调差系数；β为水轮机调速系统的反馈系数；Δω为水轮机的频率的偏移量，s表示S域；

(2.4)、构造风机调速系统的传递函数；

ΔP_w＝Δf·ρ(2H_ws+D_w)

其中，H_W表示风力发电机组的虚拟惯性，D_W表示风力发电机组的虚拟阻尼，ρ为电力系统中的风力发电的渗透率；ΔP_w为风力发电机组处节点有功功率差值，Δf为风机的频率偏移量。

(2.5)、根据步骤(2.2)-(2.4)，得到电力系统的频率动态预测模型；

(3)、将采集的数据进行等值聚合后输入到系统频率动态预测模型中，预测出频率波形；

(4)、利用频率动态预测模型进行参数优化

(4.1)、构建目标函数f(X)；

其中，f(x_i)为预测频率在时刻x_i处的频率值，f'(x_i)为实际频率在时刻x_i处的频率值，m为时刻总数；

(4.2)、构建f(X)的约束函数方程；

minf(X)

s.t.g_i(X)≤0

(4.3)、通过泰勒展开约束函数方程，求解出f(X)的最小值minf(X)，从而完成频率动态预测模型的参数优化；

其中，X＝{x₁,x₂,…,x_m'}，m'∈[1,m]；

(5)、将电力系统实时的有功功率的差值输入到优化后的频率动态模型，得到电力系统扰动后的频率态势。

本发明的发明目的是这样实现的：

本发明一种电力系统的频率动态预测方法，先对电网数据进行实时采集，获取电网中受扰动前后发电机参数、调速器参数、有功功率不平衡差量以及电力系统的负荷参数；再在传统的汽轮机调速系统基础上，引入了水轮机调速系统和风机调速系统，作为电力系统的频率动态预测模型；然后将采集的数据进行等值聚合后输入到系统频率动态预测模型中，预测出频率波形，并利用频率动态预测模型进行参数迭代优化；最后，将迭代后的数据集输入到电力系统频率动态预测简化模型，得到电力系统扰动后的频率态势。

同时，本发明一种电力系统的频率动态预测方法还具有以下有益效果：

(1)、本发明选取传统电力系统频率动态响应简化模型做为频率态势感知的基础，但对简化模型的阶数进行了提升以及模型中的参数进行了修正，给出了一个较为完善的频率动态预测算法。

(2)、本发明与传统电力系统频率动态响应简化模型相比，本发明采用的频率预测方法的适用性和准确性均有所提升。

附图说明

图1是本发明一种电力系统的频率动态预测方法流程图；

图2是本发明改进后的汽轮机频率动态预测模型框图

图3是本发明提出的系统频率动态预测模型的函数框图；

图4是本发明未校正参数前获得的初始频率动态波形；

图5是本发明使用的验证模型在实际工况下频率动态波形；

图6是本发明所使用的参数校正优化算法的迭代流程图；

图7是本发明所使用的模型，修改后的三机九节点的结构图

图8是本发明应用在实际系统中发生负荷突增的频率态势波形。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明一种电力系统的频率动态预测方法流程图。

在本实施例中，如图1所示，本发明一种电力系统的频率动态预测方法，包括以下步骤：

S1、数据采集

S1.1、在电网扰动发生前，采集发电机机组类型、发电机惯性时间常数、调速器的相关参数以及电力系统负荷参数；

S1.2、在电网扰动发生后，采集故障点、故障类型、有功功率差值及系统的频率波形；

S2、构建频率动态预测模型

S2.1、在传统的汽轮机调速系统基础上，引入了水轮机调速系统和风机调速系统，作为电力系统的频率动态预测模型；

S2.2、计算汽轮机调速系统在频率动态预测模型中的频率变化量；

在汽轮机调速系统中，进一步考虑了水轮机组的调速系统和风机调速系统，发电机阻尼和调速器阻尼的影响，并附加一个一阶系统参数k_m/(A+T_xs)来描述电力系统的旋转备用容量A和与系统功率因素k_m，结合图2，可以推导出汽轮机调速系统在频率动态预测模型中的频率变化量Δω；

其中，D_Σ是汽轮机调速系统中发电机阻尼、励磁系统阻尼以及负荷效应的总和；R_a为折算后的电力系统调差系数；T_x为机械功率增长时间常数，s表示S域，F_Ha为等值高压缸功率系数，P_sp为汽轮机调速系统中负荷扰动功率与总负荷功率的比值，T_Ra为汽轮机的再热时间常数，P_d为汽轮发电机的加速功率，F_Ha为等值高压缸功率系数，n为系统中发电机的数量；H_i为系统中第i台机组的额定容量；M_base,i为第i台机组的额定容量；S_base为系统的基准容量，H_∑为电力系统的惯性时间常数；

S2.3、构造水轮机调速系统的传递函数；

其中，ΔP_m为水轮机组有功功率差值；Δμ为水轮机导水叶开度的变化量；T_W为水流惯性时间常数；T_i为水轮机调速系统的反馈时间常数；δ为水轮机调速系统的调差系数；β为水轮机调速系统的反馈系数；Δω为水轮机的频率的偏移量，s表示S域；

S2.4、构造风机调速系统的传递函数；

ΔP_w＝Δf·ρ(2H_ws+D_w)

其中，如图3所示，H_W表示风力发电机组的虚拟惯性，其取值通常与风电机组的惯性时间常数有关，但与风力机的惯性时间常数并不是一个量；D_W表示风力发电机组的虚拟阻尼，表示风电机组在参与调频过程中的阻尼贡献；ρ为电力系统中的风力发电的渗透率。ΔP_w为风力发电机组处节点有功功率差值，Δf为风机的频率偏移量。

S2.5、根据步骤S2.2-S2.4，由图3可以推导出电力系统的频率动态预测模型；

其中，H_∑为电力系统的惯性时间常数；

在本实施例中，频率动态预测模型中参数的设定范围如表1所示。

表1系统频率动态预测模型参数设定范围

以上数据均采用在额定工况下的标准单位。

S3、将采集的数据进行等值聚合后输入到系统频率动态预测模型中，如图4所示，预测出频率波形；

S4、利用频率动态预测模型进行参数优化

本实施已经将电力系统中影响频率的最为重要的因素都考虑了，但由于实际电力系统结构复杂简化后的系统频率动态预测模型对频率态势感知还存在一定的误差，所以提出通过取最优的参数值，将系统中未考虑的影响频率的因素进行整合。

然后高精度快速系统频率动态预测方法包括系统频率动态预测模型和参数误差校正模型。系统频率动态预测简化模型基于重要因素对频率动态的影响机制，输入干扰数据，电力系统拓扑和一些参数等信息。参数误差校正模型的输入是系统频率动态预测简化模型的预测频率情况和模型中的参数范围，输出是实际频率情况。

本发明使用的算法是一种中等优化算法，它使用顺序二次规划迭代优化算法，通过迭代的每个步骤解决了二次规划子问题，并用BFGS方法更新拉格朗日Hessian矩阵，具体迭代优化的过程为：

S4.1、构建目标函数f(X)；

其中，f(x_i)为预测频率在时刻x_i处的频率值，f'(x_i)为实际频率在时刻x_i处的频率值，m为时刻总数；

在本实施例中仅优化模型中的的R_a，F_Ha，T_Ra，H_w，D_w，T_w，T_X，T_i，D_∑，k_m，A，β，δ共计13个参数，因此，输入X是13维向量，即：X＝{x₁,x₂,…,x₁₃}；约束g(X)是参数的可能活动范围，本实施例中的参数余量为正负20％。

S4.2、构建f(X)的约束函数方程；

minf(X)

s.t.g_i(X)≤0

S4.3、通过泰勒展开约束函数方程，求解出f(X)的最小值minf(X)，从而完成频率动态预测模型的参数优化；

为了进一步提高系统频率动态预测模型频率响应模型的计算精度，将数据拟合方法与仿真波形相结合，校正频率响应模型的误差，提出了系统频率动态预测参数校正模型，如图6所示。

将整定好的参数输入到系统频率动态预测模型中，并将输出的频率态势与实际系统的频率态势做优化处理。若误差小于给定值，则输出结果，反之，则更新拉格朗日Hessian矩阵，重新优化参数，直到误差小于给定的值，得到最终的输出值如表2所示；

表2

S5、将电力系统实时的有功功率的差值输入到优化后的频率动态模型，得到电力系统扰动后的频率态势。

为了验证本文所提出的频率动态预测模型的正确性和有效性，并且对于多机系统下的多种扰动类型都能够有很好的适应性，对IEEE 3机9节点系统进行改进，将系统中三台发电机改换为汽轮机模拟火力发电、水轮机模拟水力发电、风机模拟风电场发电。系统结构图如图7所示。

仿真工况:在t＝0s时刻，系统在母线4上突然增加10％的负荷，仿真时间取200s，以系统稳定时，用所有发电机最终的转速的加权平均值来反映系统的平均频率。时域仿真、传统频率态势预测模型以及本专利提出的动态频率态势预测模型预测结果对比如图8所示。

IEEE 3机9节点系统的时域仿真结果和预测结果对比分析，验证了本专利所提出的动态频率态势预测模型的有效性和精确性。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种电力系统的频率动态预测方法，其特征在于，包括以下步骤：

(1)、数据采集

(1.1)、在电网扰动发生前，采集发电机机组类型、发电机惯性时间常数、调速器的相关参数以及电力系统负荷参数；

(1.2)、在电网扰动发生后，采集故障点、故障类型、有功功率差值及系统的频率波形；

(2)、构建频率动态预测模型

(2.1)、在传统的汽轮机调速系统基础上，引入了水轮机调速系统和风机调速系统，作为电力系统的频率动态预测模型；

(2.2)、计算汽轮机调速系统在频率动态预测模型中的频率变化量；

在汽轮机调速系统中，先用一个一阶系统参数k_m/(A+T_xs)来描述电力系统的旋转备用容量A和与系统功率因素k_m，然后计算汽轮机调速系统在频率动态预测模型中的频率变化量Δω；

其中，D_Σ是汽轮机调速系统中发电机阻尼、励磁系统阻尼以及负荷效应的总和；R_a为折算后的电力系统调差系数；T_x为机械功率增长时间常数，s表示S域，F_Ha为等值高压缸功率系数，P_sp为汽轮机调速系统中负荷扰动功率与总负荷功率的比值，T_Ra为汽轮机的再热时间常数，P_d为汽轮发电机的加速功率，n为系统中发电机的数量；H_i为系统中第i台机组的额定容量；M_base,i为第i台机组的额定容量；S_base为系统的基准容量，H_∑为电力系统的惯性时间常数；

(2.3)、构造水轮机调速系统的传递函数；

其中，ΔP_m为水轮机组有功功率差值；Δμ为水轮机导水叶开度的变化量；T_W为水流惯性时间常数；T_i为水轮机调速系统的反馈时间常数；δ为水轮机调速系统的调差系数；β为水轮机调速系统的反馈系数；Δω为水轮机的频率的偏移量，s表示S域；

(2.4)、构造风机调速系统的传递函数；

ΔP_w＝Δf·ρ(2H_ws+D_w)

其中，H_W表示风力发电机组的虚拟惯性，D_W表示风力发电机组的虚拟阻尼，ρ为电力系统中的风力发电的渗透率；ΔP_w为风力发电机组处节点有功功率差值，Δf为风机的频率偏移量；

(2.5)、根据步骤(2.2)-(2.4)，得到电力系统的频率动态预测模型；

(3)、将采集的数据进行等值聚合后输入到系统频率动态预测模型中，预测出频率波形；

(4)、利用频率动态预测模型进行参数优化

(4.1)、构建目标函数f(X)；

其中，f(x_i)为预测频率在时刻x_i处的频率值，f'(x_i)为实际频率在时刻x_i处的频率值，m为时刻总数；

(4.2)、构建f(X)的约束函数方程；

min f(X)

s.t.g_i(X)≤0

(4.3)、通过泰勒展开约束函数方程，求解出f(X)的最小值min f(X)，从而完成频率动态预测模型的参数优化；

其中，X＝{x₁,x₂,…,x_m'}，m'∈[1,m]；

(5)、将电力系统实时的有功功率的差值输入到优化后的频率动态模型，得到电力系统扰动后的频率态势。

Images