CN111797565B - 电压调节器参数对调相机性能影响分析及参数优化的方法 - Google Patents
电压调节器参数对调相机性能影响分析及参数优化的方法 Download PDFInfo
- Publication number
- CN111797565B CN111797565B CN202010452433.6A CN202010452433A CN111797565B CN 111797565 B CN111797565 B CN 111797565B CN 202010452433 A CN202010452433 A CN 202010452433A CN 111797565 B CN111797565 B CN 111797565B
- Authority
- CN
- China
- Prior art keywords
- psvr
- camera
- parameters
- voltage
- performance
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 51
- 230000002068 genetic effect Effects 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 15
- 238000011084 recovery Methods 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 11
- 108090000623 proteins and genes Proteins 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 5
- 238000013178 mathematical model Methods 0.000 abstract 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 230000004044 response Effects 0.000 description 14
- 230000005284 excitation Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 6
- 230000002222 downregulating effect Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 108700026220 vif Genes Proteins 0.000 description 3
- 238000013016 damping Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 241000208181 Pelargonium Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
- H02J3/1885—Arrangements for adjusting, eliminating or compensating reactive power in networks using rotating means, e.g. synchronous generators
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Electrical Variables (AREA)
Abstract
本发明公开了电压调节器参数对调相机性能影响分析及参数优化的方法，包括如下步骤：基于PSVR的基本控制框图及其数学模型，分析影响PSVR性能的关键参数，研究PSVR控制参数变化对调相机在直流逆变站的动态无功支撑能力的影响，采用遗传算法进行PSVR优化参数的整定。提供了一种电压调节器参数对调相机性能影响分析及参数优化的方法。有效地实现了PSVR的参数整定，经参数优化后的PSVR能够提升调相机对系统电压的支撑能力，维持了系统电压的稳定运行。
Description
技术领域
本发明涉及的是调相机励磁系统领域，具体涉及到一种电压调节器参数对调相机性能影响分析及参数优化的方法。
背景技术
调相机作为同步旋转设备，能够快速输出无功功率，适应于我国高压直流输电系统动态无功需求大的特点。调相机的励磁控制系统配备励磁电压调节器AVR来维持调相机机端电压恒定，而调相机应用于直流换流站交流线路的主要目的是维持系统交流电压稳定。因此，在调相机励磁控制系统中加入PSVR，以提高调相机对系统电压的支撑能力，其中PSVR为电力系统电压调节器。
目前对PSVR的研究集中在发电机励磁控制中添加PSVR。对于将PSVR应用于调相机的研究较少。采用PSVR控制可以更充分发挥调相机的无功能力，对系统电压提供更大的支撑能力。
PSVR的控制参数对调相机的无功支撑能力有明显的影响，因此有必要对PSVR控制参数优化问题进行研究。现有PSVR控制参数优化多采用工程经验和时域响应校验相结合的方法，该方法是“先整定，后校验”的分析型方法，缺少理论支撑且准确性仍有不足。现有技术中的文献，例如:由陈新琪,陈皓,竺士章撰写的《电力系统电压调节器参数整定》[J].中国电力,2004(07):16-19；从工程角度出发，提出了PSVR的参数整定方法。在电力系统中，智能优化算法已被应用于直流系统控制器、阻尼控制器等参数优化问题，如遗传算法、神经网络算法，粒子群算法等。
发明内容
本发明克服了现有技术的不足，提供了一种电压调节器参数对调相机性能影响分析及参数优化的方法。有效地实现了PSVR的参数整定，经参数优化后的PSVR能够提升调相机对系统电压的支撑能力，维持了系统电压的稳定运行。
为达到上述目的，本发明采用的技术方案为：电压调节器参数对调相机性能影响分析及参数优化的方法，包括如下步骤：步骤1，分析PSVR参数变化对调相机无功支撑能力的影响；步骤2，进行基于遗传算法的PSVR参数优化。
本发明一个优选的实施方案中，步骤1包括：步骤1.1，建立PSVR控制系统及附加PSVR控制的调相机应用系统模型；步骤1.2，基于PSVR模型和系统模型，进行PSVR参数影响分析。
本发明一个优选的实施方案中，步骤1.2中，逐一分析PSVR控制系统中关键参数变化时，调相机励磁电压、机端电压和系统电压的变化情况，从而分析PSVR参数变化对调相机无功支撑能力的影响。
本发明一个优选的实施方案中，步骤2包括，步骤2.1，建立PSVR参数优化模型的性能指标；步骤2.2，基于遗传算法流程确定PSVR的参数。
本发明一个优选的实施方案中，步骤2.1中，选用时间绝对误差乘积指标ITAE作为PSVR参数优化的性能指标，以调相机升压变高压侧电压Vh作为性能指标变量，将ITAE性能指标分为故障期间和故障恢复期间两部分的组合。
本发明一个优选的实施方案中，以有限时间t0时刻到t2时刻，对性能指标的定义进行分析；Vh为系统电压实时测量值，rh为系统电压参考值；在t0时刻系统发生短路故障，在t1时刻前接近稳态值，t0到t1这段时间内性能指标为，
本发明一个优选的实施方案中，故障恢复期间，t1到t2这段时间内性能指标为，
则性能指标在t0到t2的形式可表示为，
本发明一个优选的实施方案中，步骤2.2中，采用遗传算法进行PSVR控制参数的优化；基于遗传算法的参数优化方法如下：
步骤2.2.1，建立附加PSVR调相机应用系统模型，设置参数优化的仿真工况；
步骤2.2.2，调用遗传算法程序，生成初始种群：
步骤2.2.3，交换基因，产生新种群；
步骤2.2.4，通过PSCAD时域仿真计算性能指标，优选种群；
步骤2.2.5，若满足终止条件则生成优化数据，否则变异更新种群，重复优选过程。
本发明一个优选的实施方案中，步骤2.2.2中，把PSVR控制参数进行编号，一个参数代表一个基因，一组基因表示一个个体，随机产生N个个体构成一个种群，作为初始点开始迭代。
本发明解决了技术背景中存在的缺陷，本发明有益的技术效果是：
一种PSVR参数对调相机性能影响分析及其参数优化的方法，简单易于实现，适用于调相机励磁附加PSVR控制参数优化；相对于基于工程经验的PSVR参数整定方法，基于遗传算法的参数优化策略能够有效确定PSVR的优化参数；经参数优化后的PSVR能够提升调相机对系统电压的支撑能力，维持了系统电压的稳定运行，从而避免引发其他系统稳定性问题。
有效地实现了PSVR的优异的参数整定，为PSVR的参数整定提供了一种有效的新方法。PSVR控制中电压增益系数、AVR增益降低系数以及相位补偿环节的时间常数变化，将会对调相机的无功支撑能力产生影响。
调整参数优化性能指标中的权重，能够实现调相机在故障期间和故障恢复期间性能优化效果的侧重。工程应用中可以根据控制目标对本文的参数优化策略进行灵活应用。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明的优选实施例中PSVR控制系统框图
图2为本发明的优选实施例中逆变侧故障下调相机主要电气量的响应曲线(Kh变化)；
图3为本发明的优选实施例中逆变侧故障下调相机主要电气量的响应曲线(Kb变化)；
图4为本发明的优选实施例中逆变侧故障下调相机主要电气量的响应曲线(T1变化)；
图5为本发明的优选实施例中逆变侧故障下调相机主要电气量的响应曲线(T2、T3变化)；
图6为本发明的优选实施例中遗传算法流程图；
图7为本发明的优选实施例中单相接地故障调相机主要电气量响应曲线中的系统电压图；
图8为本发明的优选实施例中单相接地故障调相机主要电气量响应曲线中的机端电压图；
图9为本发明的优选实施例中单相接地故障调相机主要电气量响应曲线中的调相机无功输出图；
图10为本发明的优选实施例中ρ＝0.5和ρ＝0.9两种性能指标下PSVR参数优化效果对比。
图11为本发明的优选实施例中参数优化流程图；
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提出了一种PSVR参数对调相机性能影响分析及其参数优化的方法。
以调相机应用于高压直流输电系统为实施例。仿真系统HVDC送端交流系统的额定电压为330kV，受端交流系统的额定电压为500kV。换流站均采用12脉波的整流桥即双桥串联结构，直流双极运行额定容量为4000MW，直流额定电压为660kV。调相机额定容量为300Mvar。
本发明采用的具体实施方式是：
一种PSVR参数对调相机性能影响分析及其参数优化的方法，包括如下步骤：
步骤1，分析PSVR参数变化对调相机无功支撑能力的影响；步骤2，进行基于遗传算法的PSVR参数优化。
具体的，步骤1的PSVR参数对调相机性能影响的分析方法中，包括：步骤1.1，建立PSVR控制系统及附加PSVR控制的调相机应用系统模型；步骤1.2，基于PSVR模型和系统模型，进行PSVR参数影响分析。
更具体的，步骤1.2中，逐一分析PSVR控制系统中关键参数变化时，调相机励磁电压、机端电压和系统电压的变化情况，从而分析PSVR参数变化对调相机无功支撑能力的影响。
在本实施例中，PSVR控制系统框图如图1所示。PSVR的控制方式为输电高压侧供给附加信号，对调相机机端电压进行补偿。其中，Vh、Vg分别为调相机升压变高压侧电压和调相机机端电压，rh、rg分别为高压侧电压和极端电压参考值，Kh为PSVR电压增益系数，Kb为AVR增益降低系数(0＜Kb＜1)，T1、T2、T3为相位补偿环节时间常数。调整Kh来控制电压调节的稳定性和快速性的平衡。设置增益降低回路、相位补偿环节和限幅环节是为了提升调相机励磁系统对系统的阻尼能力。部分文献单一的降低AVR的增益并接在PSVR限幅后输出端，这将使得输电线路发生大扰动时的AVR的暂态增益降低。因此选择将AVR的增益降低回路接在如图2所示的滞后时间较大的相位补偿回路的输入端，此时AVR在暂态大扰动作用下可发挥增益降低前的响应能力。根据PSVR控制结构可知，影响PSVR性能的关键参数为Kh、Kb、T1、T2、T3。
将励磁附加PSVR控制的调相机应用于高压直流输电系统逆变侧换流站中，研究PSVR参数变化对故障下调相机性能的影响。
稳态时，高压直流输电系统以额定电压和功率运行，调相机输出无功功率为0MW。逆变侧输电线路15s时刻发生单相接地故障，持续时间0.1s。分析PSVR参数变化对调相机影响是通过观察调相机励磁电压、机端电压和并网母线电压的变化。
(1)PSVR电压增益系数Kh对调相机性能的影响
分别取PSVR电压增益系数Kh＝0.5、1、1.1，在故障下调相机的响应曲线如图2所示。从图中可以看出电压增益系数Kh越大，系统电压跌落期间的励磁电压越高，电压跌落程度越小；但是在故障恢复期间，随着Kh增大，电压超调量也越大。
(2)AVR增益降低系数Kb对调相机性能的影响
分别取AVR电压增益降低系数Kb＝0、0.5、1，在故障下调相机的响应曲线如图3所示。从图中可以看出AVR增益降低系数Kb越小，系统电压跌落期间的励磁电压越高，电压跌落程度越小；但是在故障恢复期间，随着Kb减小，电压超调量也越大。
(3)PSVR超前环节时间常数T1对调相机性能的影响
分别取PSVR超前环节时间常数T1＝0.02、0.05、0.06，在故障下调相机的响应曲线如图4所示。从图中可以看出超前环节时间常数T1越大，系统电压跌落期间的励磁电压越低，电压跌落程度越大；在故障恢复期间，随着T1增大，励磁电压增大，电压恢复的速度加快，但如果励磁电压过高，会使系统电压越限。
(4)PSVR滞后环节时间常数T2、T3对调相机性能的影响
分别取PSVR滞后环节时间常数T2＝T3＝0.05、0.5、1，在故障下调相机的响应曲线如图5所示。从图中可以看出滞后环节时间常数T2、T3越大，系统电压跌落期间的励磁电压越低，电压跌落程度越大；在故障恢复期间，随着T2、T3增大，励磁电压增大，电压恢复的速度加快，但如果励磁电压过高，会使系统电压越限。
PSVR控制系统的参数对调相机无功支撑能力的影响明显。实际应用PSVR时，要根据调相机的应用场景进行PSVR控制系统参数优化。
具体的，步骤2的PSVR参数对调相机性能影响的分析方法中，包括：步骤2.1，建立PSVR参数优化模型的性能指标；步骤2.2，基于遗传算法流程确定PSVR的参数。
更具体的，步骤2.1中，选用时间绝对误差乘积指标(ITAE)作为PSVR参数优化的性能指标，以调相机升压变高压侧电压Vh作为性能指标变量，将ITAE性能指标分为故障期间和故障恢复期间两部分的组合。以有限时间t0时刻到t2时刻为例，对性能指标的定义进行分析。Vh为系统电压实时测量值，rh为系统电压参考值。首先，假设在t0时刻系统发生短路故障，控制期望系统电压跌落程度小并尽量在t1时刻前接近稳态值，t0到t1这段时间内性能指标为故障恢复期间，控制期望系统电压恢复快且超调量小，t1到t2这段时间内性能指标为/>则性能指标在有限时间t0到t2的形式可表示为
更具体的，步骤2.2中，采用遗传算法进行PSVR控制参数的优化。基于遗传算法的参数优化策略如下：
步骤2.2.1，建立附加PSVR调相机应用系统模型，设置参数优化的仿真工况；步骤2.2.2,调用遗传算法程序，生成初始种群：把PSVR控制参数进行编号，一个参数代表一个基因，一组基因表示一个个体，随机产生N个个体构成一个种群，作为初始点开始迭代；步骤2.2.3,交换基因，产生新种群；步骤2.2.4,通过PSCAD时域仿真计算性能指标，优选种群；步骤2.2.5,若满足终止条件则生成优化数据，否则变异更新种群，重复优选过程。
在本实施例中，优化算法的性能指标描述如下：
其中，分别定义故障期间和故障恢复期间两部分的权重为ρ、(1-ρ)，满足相加为1的约束关系。ρ的取值可根据系统对故障期间和故障恢复期间电压要求进行调整，ρ取值越大则越侧重于故障期间电压跌落减少，反之则越侧重故障恢复期间电压恢复的情况。
采用遗传算法进行PSVR控制参数Kh、Kb、T1、T2、T3的优化。遗传算法的流程图如图6所示。优化的详细步骤如下：
1)在PSCAD环境下，搭建HVDC系统，在换流站安装新型调相机，在调相机励磁系统附加PSVR控制，设置参数优化的仿真工况，即短路故障的时间和故障程度；
2)调用遗传算法程序，生成初始种群：把PSVR控制参数Kh、Kb、T1、T2、T3进行编号，一个参数代表一个基因，一组基因表示一个个体，随机产生N个个体构成一个种群，作为初始点开始迭代；
3)交换基因，产生新种群；
4)通过PSCAD时域仿真计算性能指标，优选种群；
5)若满足终止条件则生成优化数据，否则变异更新种群，重复优选过程；
6)将优化参数Kh、Kb、T1、T2、T3代入仿真系统，进行验证。
设置遗传算法种群大小为100，迭代次数为500，交叉概率为0.4，变异概率为0.05，性能指标中ρ＝0.5。经过遗传算法优化后的优化参数值如表1所示。
表1 PSVR参数优化结果(ρ＝0.5)
采用以上优化参数后，逆变侧交流母线短路故障下调相机主要电气量的响应曲线如图7～图9所示。图7给出PSVR参数优化前后系统电压的曲线，图8给出调相机励磁电压的曲线；图9给出调相机输出无功率的曲线。对比分析可见PSVR参数优化后，故障期间调相机输出的无功功率增多，机端电压跌落程度减小，系统电压跌落程度减小，电压恢复速度加快，并且电压稳态值更接近参考值。
表2 PSVR参数优化结果(ρ＝0.9)
调整性能指标中权重ρ＝0.9，即参数优化策略更侧重于减小故障期间电压跌落程度，经遗传算法优化后的优化参数值如表2所示。对比应用两种性能指标下的优化参数的调相机对换流站交流母线电压支撑作用，如图10所示。ρ＝0.9的性能指标侧重于故障期间，ρ＝0.5的性能指标侧重于故障恢复期间。ρ＝0.9的性能指标下系统电压跌落程度更小，但恢复期间超调量更大，符合性能指标设定的预期。实际应用时，可以根据系统电压要求进行性能指标的调整。
从仿真结果来看，PSVR参数优化后能够提升调相机对系统电压的无功支撑能力，有利于系统电压的稳定。通过性能指标中故障期间和故障恢复期间两个权重的调整，能够实现PSVR参数优化效果调整。
以上具体实施方式是对本发明提出的方案思想的具体支持，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制，不能以此限定本发明的保护范围。应当指出的是，对于本领域的普通技术人员来说，凡是按照本发明提出的技术思想，在不脱离本发明构思的前提下，还可以做出若干变形和改进。在本技术方案基础上所做的任何等同变化或等效的改动，均仍属于本发明技术方案保护的范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (6)
1.电压调节器参数对调相机性能影响分析及参数优化的方法，其特征在于包括如下步骤：
步骤1，分析PSVR参数变化对调相机无功支撑能力的影响；
步骤2，进行基于遗传算法的PSVR参数优化；
步骤2包括：
步骤2.1，建立PSVR参数优化模型的性能指标；
步骤2.2，基于遗传算法流程确定PSVR的参数；
步骤2.1中，选用时间绝对误差乘积指标ITAE作为PSVR参数优化的性能指标，以调相机升压变高压侧电压Vh作为性能指标变量，将ITAE性能指标分为故障期间和故障恢复期间两部分的组合；
步骤2.2中，采用遗传算法进行PSVR控制参数的优化；基于遗传算法的参数优化方法如下：
步骤2.2.1，建立附加PSVR调相机应用系统模型，设置参数优化的仿真工况；
步骤2.2.2，调用遗传算法程序，生成初始种群：
步骤2.2.3，交换基因，产生新种群；
步骤2.2.4，通过PSCAD时域仿真计算性能指标，优选种群；
步骤2.2.5，若满足终止条件则生成优化数据，否则变异更新种群，重复优选过程。
2.根据权利要求1所述的电压调节器参数对调相机性能影响分析及参数优化的方法，其特征在于，步骤1包括：
步骤1.1，建立PSVR控制系统及附加PSVR控制的调相机应用系统模型；
步骤1.2，基于PSVR模型和系统模型，进行PSVR参数影响分析。
3.根据权利要求2所述的电压调节器参数对调相机性能影响分析及参数优化的方法，其特征在于：
步骤1.2中，逐一分析PSVR控制系统中:控制参数变化时，调相机励磁电压、机端电压和系统电压的变化情况，从而分析PSVR参数变化对调相机无功支撑能力的影响。
4.根据权利要求1所述的电压调节器参数对调相机性能影响分析及参数优化的方法，其特征在于，以有限时间t0时刻到t2时刻，对性能指标进行分析；Vh为系统电压实时测量值，rh为系统电压参考值；
在t0时刻系统发生短路故障，在t1时刻前接近稳态值，t0到t1这段时间内性能指标为：。
5.根据权利要求2所述的电压调节器参数对调相机性能影响分析及参数优化的方法，其特征在于，故障恢复期间，t1到t2这段时间内性能指标为：，
则性能指标在t0到t2的形式可表示为：
。
6.根据权利要求1所述的电压调节器参数对调相机性能影响分析及参数优化的方法，其特征在于：步骤2.2.2中，把PSVR控制参数进行编号，一个参数代表一个基因，一组基因表示一个个体，随机产生N个个体构成一个种群，作为初始点开始迭代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010452433.6A CN111797565B (zh) | 2020-05-26 | 2020-05-26 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010452433.6A CN111797565B (zh) | 2020-05-26 | 2020-05-26 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111797565A CN111797565A (zh) | 2020-10-20 |
| CN111797565B true CN111797565B (zh) | 2024-06-11 |
Family
ID=72806570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010452433.6A Active CN111797565B (zh) | 2020-05-26 | 2020-05-26 | 电压调节器参数对调相机性能影响分析及参数优化的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111797565B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112748667B (zh) * | 2020-12-22 | 2022-09-23 | 国网山东省电力公司电力科学研究院 | 一种利用机端电压响应曲线在线校核自动电压调节器模型参数的方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201816699A (zh) * | 2016-10-20 | 2018-05-01 | 日立製作所股份有限公司 | 電壓無效功率運用支援裝置及支援方法、以及電壓無效功率運用監視控制裝置及監視控制方法 |
| CN109446720A (zh) * | 2018-12-24 | 2019-03-08 | 江苏方天电力技术有限公司 | 一种大容量调相机自并励励磁系统参数辨识方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107658895B (zh) * | 2017-09-29 | 2020-12-04 | 国电南瑞科技股份有限公司 | 一种直流换相失败预测环节门槛值整定方法 |
| CN109687497B (zh) * | 2018-11-20 | 2022-04-22 | 国电南瑞科技股份有限公司 | 抑制特高压直流连续换向失败的预防控制方法及系统 |
-
2020
- 2020-05-26 CN CN202010452433.6A patent/CN111797565B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201816699A (zh) * | 2016-10-20 | 2018-05-01 | 日立製作所股份有限公司 | 電壓無效功率運用支援裝置及支援方法、以及電壓無效功率運用監視控制裝置及監視控制方法 |
| CN109446720A (zh) * | 2018-12-24 | 2019-03-08 | 江苏方天电力技术有限公司 | 一种大容量调相机自并励励磁系统参数辨识方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111797565A (zh) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | Analysis of high-frequency resonance in DFIG-based offshore wind farm via long transmission cable | |
| CN106340907A (zh) | 一种电力系统安全稳定控制策略确定方法及装置 | |
| CN109962479B (zh) | 同步调相机电气参数分布联合辨识方法 | |
| Shewarega et al. | Impact of large offshore wind farms on power system transient stability | |
| Khazaei et al. | Impedance-model-based MIMO analysis of power synchronization control | |
| Erlich et al. | Modeling of wind turbines equipped with doubly-fed induction machines for power system stability studies | |
| CN111797565B (zh) | 电压调节器参数对调相机性能影响分析及参数优化的方法 | |
| CN102332718B (zh) | 风力涡轮机及其操作方法、用于操作风力涡轮机的控制器 | |
| CN112467788A (zh) | 一种减少光伏模型预测控制系统低电压穿越时稳态误差的方法 | |
| CN105576652B (zh) | 一种高压直流输电送端的电压控制方法和系统 | |
| CN102496938A (zh) | 风电机组运行过程中无功调节容量的确定方法及装置 | |
| CN105279297A (zh) | 一种基于工程应用的pss/e电力系统等值方法 | |
| CN115693710B (zh) | 风储协同宽频振荡抑制方法、装置、计算机设备及介质 | |
| CN117595350A (zh) | 计算电网故障后柔性直流提供的无功功率的方法和装置 | |
| CN112199822B (zh) | 一种用于寻求最优系统阻抗值的外点罚函数方法 | |
| CN111813093B (zh) | 一种配电台区电压协调控制器的检测系统 | |
| Ahmed et al. | Impact of multiple motor loads on dynamic performance and stability of microgrids | |
| CN110365048B (zh) | 一种基于最优化潮流的黑启动网架动态稳定性评估方法 | |
| CN113742907A (zh) | 一种光伏电站短路电流统一计算方法 | |
| Komijani | ANFIS controller design of DFIG under distorted grid voltage situations | |
| Dehghani et al. | Dynamic behavior control of induction motor with STATCOM | |
| CN110970915A (zh) | 风力发电机组的并网电压的控制方法和设备 | |
| Amarasekara et al. | Impact of variable speed wind power generators on short-term and long-term voltage stability | |
| CN111987734A (zh) | 一种基于轨迹灵敏度的暂态过电压两阶段优化控制方法 | |
| Malarvizhi et al. | Enhancement of voltage stability in fixed speed wind energy conversion systems using FACTS controller |
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 |