CN111985089A - 中性点调压与中压线端调压变压器并列运行的分析方法 - Google Patents
中性点调压与中压线端调压变压器并列运行的分析方法 Download PDFInfo
- Publication number
- CN111985089A CN111985089A CN202010739584.XA CN202010739584A CN111985089A CN 111985089 A CN111985089 A CN 111985089A CN 202010739584 A CN202010739584 A CN 202010739584A CN 111985089 A CN111985089 A CN 111985089A
- Authority
- CN
- China
- Prior art keywords
- voltage
- transformer
- parallel operation
- data
- simulation
- 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
Links
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 41
- 230000007935 neutral effect Effects 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 title claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 62
- 230000009466 transformation Effects 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 230000014509 gene expression Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 26
- 238000013178 mathematical model Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000007418 data mining Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 101100499229 Mus musculus Dhrsx gene Proteins 0.000 claims 2
- 238000011160 research Methods 0.000 abstract description 8
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 238000000611 regression analysis Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
Abstract
本发明公开了中性点调压与中压线端调压变压器并列运行的分析方法，属于高压电力设备技术领域，中性点调压与中压线端调压变压器并列运行的分析方法，可以实现基于中性点调压变压器和中压线端调压变压器并列运行的条件下，通过采用PSCAD软件构建变压器并列运行仿真模型，并分析变比误差与短路阻抗对变压器运行的影响，弥补了目前不同调压方式下可能导致的异常运行问题研究的空白，通过分析自耦变压器模型及调压方式的特点，同时根据实际工程问题，采用仿真分析方法，弥补了目前实际工程中较少运行数据能用于分析的问题，最后应用大量仿真数据到回归分析算法拟合出函数表达式，为今后的实际工程安全运行提供了指导意见。
Description
技术领域
本发明涉及高压电力设备技术领域，更具体地说，涉及中性点调压与中压线端调压变压器并列运行的分析方法。
背景技术
平果站#P2B主变已于2018年完成技改，A相、C相为特变电工衡阳变压器有限公司生产，B相为重庆ABB变压器公司生产，采用中性点调压方式。平果站#P1B主变ABB意大利ANSALDO生产(中性点调压)，计划于2020年技改。
由于中性点调压是变磁通调压，为降低调压对主变压器低压侧电压变化影响，需对低压侧电压进行补偿，主变内部接线复杂，易出故障，平果站#P1B、#P2B两台主变多年的运行经验表明，问题比较多，性质一样，均属于过热性缺陷。
中压线端调压方式技术成熟，是目前500kV自耦变压器主流调压方式。中压线段调整时，高压对低压侧的变比不变，铁芯的磁通保持恒定，低压侧电压不受影响或小受影响，因此无需对低压侧电压进行补偿。主变高压侧和调压测之间的对接引线结构简单、安装简便。综上所述其优点，#P1B考虑改用更为简洁可靠的中压线端调压方式。
在保持变比、接线方式一致且尽可能保持主分接、最大分接、最小分接短路阻抗相同的情况下，若#P1B改为中压线段调压方式，当其与采用中性点调压方式的#P2B并列运行时，由于制造工艺及调压原理不同，由此产生的电压幅值及相位的误差会对中性点调压与中压线端调压两种不同调压方式变压器并列运行电压和电流的输出结果造成的影响尚不清楚，亦无相关运行经验，也未见相关文献论述。
针对上述问题，本发明提出了一种基于中性点调压与中压线端调压的变压器并列运行分析方法，针对中性点调压(#P2B)与中压线端调压(#P1B)两种调压方式的变压器并行运行问题，研究两种调压方式的电压幅值及相位误差及其对系统、设备运行的可能造成的影响。
发明内容
1.要解决的技术问题
针对现有技术中存在的问题，本发明的目的在于提供中性点调压与中压线端调压变压器并列运行的分析方法，它可以实现基于中性点调压变压器和中压线端调压变压器并列运行的条件下，通过采用PSCAD软件构建变压器并列运行仿真模型，仿真运行结果与现场运行结果偏差较小，验证了仿真的有效性，并分析变比误差与短路阻抗对变压器运行的影响，弥补了目前不同调压方式下可能导致的异常运行问题研究的空白，通过分析自耦变压器模型及调压方式的特点，搭建变压基本模型，为今后的研究提供理论基础，同时根据实际工程问题，采用仿真分析方法，通过仿真运行结果与现场运行结果对比修正仿真参数，获取大量不同调压方式变压器并列运行的运行结果，弥补了目前实际工程中较少运行数据能用于分析的问题，最后应用大量仿真数据到回归分析算法拟合出函数表达式，由表达式分析了参数误差对不同调压方式的变压器并列运行的影响，为今后的实际工程安全运行提供了指导意见。
2.技术方案
为解决上述问题，本发明采用如下的技术方案。
中性点调压与中压线端调压变压器并列运行的分析方法，所述分析方法包括以下步骤：
S1：收集变压器模型基本参数、变电站系统运行参数、主变并列运行电压和电流的实际现场数据；
S2：输入变压器模型的技术参数、等效系统参数，在PSCAD环境下搭建变压器数学模型和运行系统模型；
S3：输入变比误差、短路阻抗误差等数据，将仿真运行结果与实际现场运行结果作对比，修正仿真参数；
S4：重复步骤S3，直至模型仿真输出结果与实际现场运行结果的偏差满足在正负5％的误差范围内；
S5：分别输入变比误差和阻抗误差参数，获取大量不同调压方式变压器并列运行的运行结果数据样本，通过k-mean聚类算法对仿真运行数据进行处理，获得聚类结果；
S6：根据聚类数据拟合函数表达式，分析变比和短路阻抗均存在误差对并列运行的影响。
可以实现基于中性点调压变压器和中压线端调压变压器并列运行的条件下，通过采用PSCAD软件构建变压器并列运行仿真模型，仿真运行结果与现场运行结果偏差较小，验证了仿真的有效性，并分析变比误差与短路阻抗对变压器运行的影响，弥补了目前不同调压方式下可能导致的异常运行问题研究的空白。
进一步的，所述并列运行的变压器采用中性点调压和中压线端调压两种不同调压方式。
进一步的，所述步骤S2中，变压器数学模型用T型等值电路来表示。高压、中压和低压侧的自阻抗需要短路阻抗经(1)-(3)式计算求解：
其中，式(1)、(2)和(3)中ZH、ZM和ZL分别是高、中、低压侧的自阻抗，ZHM、ZML和ZHL分别是高压侧对中压侧、中压侧对低压侧、高压侧对低压侧的短路阻抗。
A相各侧的自阻抗计算如下式(4)-(6)所示：
ZAH＝[ZH+Zam] (4)
ZAM＝[ZM+Zam] (5)
ZaL＝[ZL+Zam] (6)
其中，式(4)、(5)和(6)中ZAH、ZAM和ZaL分别是变压器A相高、中、低压侧的自阻抗，其他各相的计算方式类同。
进一步的，所述步骤S3中，在PSCAD仿真平台上构建仿真模型，模拟两种不同调压方式下变压器并联运行情况。模型仿真运行结果(变压器并列运行电流、电压)与实际运行结果存在一定的偏差，可对仿真参数进行微调，以期实现两者的偏差满足一定范围内。本发明根据步骤S1收集的主变并列历史运行数据对仿真参数进行修正，采用模糊自适应PI算法使并列运行系统在不同变比误差或短路阻抗输入情况下自适应调整参数。本发明设置了一种模糊自适应PI控制器，该控制器通过对实际运行数据与模型仿真运行数据误差及其变化的识别进行模糊推理，实现对模型控制参数的在线整定，以达到优化控制的目的。系统采用电压和电流双闭环控制方法：
具体的模糊自适应PI算法流程如下：
(1)给定电压u与检测反馈电压u的差值e及差值的变化率ec为模糊控制器的输入量；
(2)将它们模糊化后得到模糊量E和EC，由模糊控制规则进行推理和解模糊后得到修正参数Δkp、Δki两个修正参数；
(3)根据Δkp、Δki得到调整后的PI控制器参数kp'、ki'经过PI控制器处理输出至电流环PI控制器控制，从而调整变压器并列运行输出值。
其中，Δkp、Δki可根据变压器的不同运行状态自动调整，从而实现PI控制器参数的自适应调整。
模糊PI控制器调整PI参数计算公式如下：
k'p＝kp+Δkp (7)
k′i＝ki+Δki (8)
其中式(7)和(8)中，kp和ki为初始设定的PI参数，而Δkp和Δki为模糊控制器的两个输出，可以根据被控对象的状态自动调整PI的两个控制参数值。
进一步的，所述步骤S5中，由于变比和短路阻抗均存在误差，应用单一变量法以便于进行分析，即假设主变的短路阻抗相等，研究变比误差对并列运行电压和电流的影响；同理，在分析短路阻抗误差对电压电流的影响时，假设主变的变比相等。
进一步的，采用改进k-means聚类算法做数据挖掘，制定系统并列运行状态类别数为K，对输出变压器高、中、低压侧的电压、电流幅值和相角及各序电压、电流分量数据进行集合聚类。聚类的结果通过各聚类中心来表达，采用迭代更新的方法，每一次迭代的过程函数值都在减小，去函数最小值，达到最优的聚类结果。
具体的改进k-means聚类算法流程如下：
(1)对计算参数进行设置，样本数据集为M，聚类数据值为H，迭代次数最大为Z，概率计算为P。
(2)种群初始化，在样本中选取N个点作为并列运行类型聚类中心，并且进行编码。
(3)对单个并列运行状态数据个体进行计算，计算出相对应的适应度。
(4)对单个并列运行状态数据个体进行交叉计算，减少无关联数据的产生。
(5)交叉计算后得出的个体进行变异计算，产生新的运行类型数据种群。
(6)新并列运行类型数据种群中每一个数据个体进行k－means操作，不断迭代计算，计算出最优值，判断并列运行状态聚类结果的条件，若是满足输出结果，若是不满足，重新按照聚类算法步骤(1)操作。
进一步的，所述步骤S6中，采用线性回归模型进行数据拟合，分别得到变比误差和短路阻抗误差跟变压器并列运行电压电流的关系。
3.有益效果
相比于现有技术，本发明的优点在于：
本方案基于中性点调压变压器和中压线端调压变压器并列运行的条件下，通过采用PSCAD软件构建变压器并列运行仿真模型，仿真运行结果与现场运行结果偏差较小，验证了仿真的有效性，并分析变比误差与短路阻抗对变压器运行的影响，弥补了目前不同调压方式下可能导致的异常运行问题研究的空白，并获得了以下有益效果：
(1)分析了自耦变压器模型及调压方式的特点，搭建变压基本模型，为今后的研究提供理论基础。
(2)根据实际工程问题，采用仿真分析方法，通过仿真运行结果与现场运行结果对比修正仿真参数，获取大量不同调压方式变压器并列运行的运行结果，弥补了目前实际工程中较少运行数据能用于分析的问题。
(3)大量仿真数据应用回归分析算法拟合出函数表达式，由表达式分析了参数误差对不同调压方式的变压器并列运行的影响，为今后的实际工程安全运行提供了指导意见。
附图说明
图1为本发明涉及500kV中性点调压与中压线端调压变压器并列运行的分析方法流程图；
图2为变压器数学模型示意图；
图3为模糊自适应PI控制框图；
图4为P1B主变A相低压侧电压与变比误差的曲线关系图；
图5为P1B主变A相低压侧电压与短路阻抗误差的曲线关系图；
图6为P1B主变A相低压侧电流与短路阻抗误差的曲线关系图；
图7主变的短路阻抗相等时变比误差对P1B主变电流运行结果影响表；
图8主变的短路阻抗相等时变比误差对P2B主变电流运行结果影响表；
图9主变的短路阻抗相等时变比误差对P1B主变电压运行结果影响表；
图10主变的短路阻抗相等时变比误差对P2B主变电压运行结果影响表，
图11主变的变比误差相等时短路阻抗对P1B主变电流运行结果影响表；
图12主变的变比误差相等时短路阻抗对P2B主变电流运行结果影响表；
图13主变的变比误差相等时短路阻抗对P1B主变电压运行结果影响表；
图14主变的变比误差相等时短路阻抗对P2B主变电压运行结果影响表。
具体实施方式
下面将结合本发明实施例中的附图；对本发明实施例中的技术方案进行清楚、完整地描述；显然；所描述的实施例仅仅是本发明一部分实施例；而不是全部的实施例，基于本发明中的实施例；本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例；都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“顶/底端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、“套设/接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例：
请参阅图1-6，中性点调压与中压线端调压变压器并列运行的分析方法，具体技术方案如下：
S1：收集变压器模型基本参数、变电站系统运行参数和主变并列运行电压和电流的实际现场历史数据；
S2：在PSCAD环境下构建变压器数学模型和运行系统模型，将变压器基本参数输入变压器模型参数设置中，以系统参数搭建变电站系统仿真模型。其中，变压器参数具体为高压、中压和低压侧的额定容量、额定电压、短路阻抗等基本参数；系统参数包括元件等效参数和系统运行参数，元件等效参数具体为电力系统等效电阻、电抗、对地电容、电容器等元件参数，系统运行参数包括节点注入有功功率、无功功率等运行数据。
其中三相三绕组自耦变压器用T型等值电路来表示，高压、中压和低压侧的自阻抗需要短路阻抗经(1)-(3)式计算求解：
其中，式(1)、(2)和(3)中ZH、ZM和ZL分别是高、中、低压侧的自阻抗，ZHM、ZML和ZHL分别是高压侧对中压侧、中压侧对低压侧、高压侧对低压侧的短路阻抗。
A相的各侧自阻抗计算如下式(4)-(6)所示：
ZAH＝[ZH+Zam] (4)
ZAM＝[ZM+Zam] (5)
ZaL＝[ZL+Zam] (6)
其中，式(4)、(5)和(6)中ZAH、ZAM和ZaL分别是变压器A相高、中、低压侧的自阻抗，其他各相的计算方式类同。
S3:将搭建的模型仿真运行结果与实际现场运行结果作对比，修正仿真参数，具体做法如下：
本发明通过步骤S2在PSCAD上搭建中性点调压和中压线端调压变压器并列运行的电路模型之后，根据步骤S1采集的变压器基本模型，分别在变压器模型中输入不同的变比误差和短路阻抗误差量，以此形成模型的输入向量[x1，x2...xn]，以相应的变压器并列运行结果形成模型的输出向量[y1,y2...yn]，输出向量包括变压器高、中、低压侧的电压、电流值分量。
模型仿真运行结果(电流、电压)与实际运行结果存在一定的偏差，此时可对仿真模型的变压器基本参数进行微调以期实现两者的偏差满足一定范围内。例如，因在运主变实际阻抗与额定阻抗之间存在正负5％的误差，仿真中所搭建的变压器未必与实际现场在运变压器基本参数一致。本发明根据步骤S1收集的主变并列历史运行数据对PI控制器参数仿真参数进行修正，采用模糊自适应PI算法使并列运行系统在不同输入情况下自适应调整参数。本发明设置了一种模糊自适应PI控制器，该控制器通过对实际运行数据与模型仿真运行数据误差及其变化的识别进行模糊推理，实现对模型控制参数的在线整定，以达到优化控制的目的。系统采用电压和电流双闭环控制方法，控制框图如图3所示。
外环为变压器高、中、低压侧电压控制环，内环为高、中、低压侧电流控制环。电压环根据给定的各侧电压值与检测的各侧电压差值，通过模糊PI控制器运算处理，作为电流环输入的给定值，电流环将电压环的输出与检测的电流的差值，通过常规PI控制器进行处理，输出相应的控制量控制变压器模型。
具体的模糊自适应PI算法流程如下：
(1)给定电压u与检测反馈电压u的差值e及差值的变化率ec为模糊控制器的输入量；
(2)将它们模糊化后得到模糊量E和EC，由模糊控制规则进行推理和解模糊后得到修正参数Δkp、Δki两个修正参数；
(3)根据Δkp、Δki得到调整后的PI控制器参数kp'、ki'经过PI控制器处理输出至电流环PI控制器控制，从而调整变压器并列运行输出值。
其中，Δkp、Δki可根据变压器的不同运行状态自动调整，从而实现PI控制器参数的自适应调整。
模糊PI控制器调整PI参数计算公式如下：
k'p＝kp+Δkp (7)
k′i＝ki+Δki (8)
其中式(7)和(8)中，kp和ki为初始设定的PI参数，而Δkp和Δki为模糊控制器的两个输出，可以根据被控对象的状态自动调整PI的两个控制参数值。
S4：重复步骤(3)，直至模型输出结果与实际运行结果的偏差满足在5％的误差范围内。
S5：输入变比误差与阻抗误差参数，获取大量不同调压方式变压器并列运行的运行结果数据，通过k-mean聚类算法对仿真运行数据进行处理，获得聚类结果。
由于历史变压器并列运行状态数据繁杂多样，各并列运行状态的差异性不同，所以在使用这些实际历史数据评估变压器并列运行状态之前，必须要对运行状态参数做数据挖掘，对系统多种运行类型特征做聚类分析。本发明采用改进k-means聚类算法做数据挖掘，制定系统并列运行状态类别数为K，对输出变压器高、中、低压侧的电压、电流幅值和相角及各序电压、电流分量数据进行集合聚类。聚类的结果通过各聚类中心来表达，采用迭代更新的方法，每一次迭代的过程函数值都在减小，去函数最小值，达到最优的聚类结果。具体的改进k-means聚类算法流程如下：
(1)对计算参数进行设置，样本数据集为M，聚类数据值为H，迭代次数最大为Z，概率计算为P。
(2)种群初始化，在样本中选取N个点作为并列运行类型聚类中心，并且进行编码。
(3)对单个并列运行状态数据个体进行计算，计算出相对应的适应度。
(4)对单个并列运行状态数据个体进行交叉计算，减少无关联数据的产生。
(5)交叉计算后得出的个体进行变异计算，产生新的运行类型数据种群。
(6)新并列运行类型数据种群中每一个数据个体进行k－means操作，不断迭代计算，计算出最优值，判断并列运行状态聚类结果的条件，若是满足输出结果，若是不满足，重新按照步骤(1)操作。
S6:拟合函数表达式，分析变比和短路阻抗均存在误差对并列运行的影响
根据S5仿真得到的主变压器运行结果，采用一元线性回归模型分别获取变比误差和短路阻抗误差与变压器并列运行电压电流的关系。
一元线性回归模型的一般形式为：
Yi＝β0+β1Xi+ui (9)
式(9)中，β0为常数项，β1为回归系数，Xi为第i个拟合点的自变量取值，ui为第i个随机扰动项。
本方案用最小二乘法(OLS)进行函数表达式的拟合，该函数表达式反映电压电流与变比误差或短路阻抗误差的关系。OLS的原则是：所选择的回归模型应该使所有观察值的残差平方和达到最小(Q为残差平方和)。即采用平方损失函数，其公式如下：
把回归系数β看作是Q的函数，就变成了一个求极值的问题，可以通过求偏导法求解回归系数β1和常数项β0，进而得到一条近似描述变比误差或短路阻抗误差跟电压电流关系的拟合函数曲线，该函数为今后工程生产中分析中性点调压与中压线端调压两种调压方式下变压器并列运行的方法提供指导意见。
实施例1：
对于500kV的主变，只考虑变比误差对主变并列运行电压和电流的影响，而假设主变的短路阻抗相等，所得结果如图7-10所示。
实施例2：
对于500kV的主变，只考虑短路阻抗对主变并列运行电压和电流的影响，而假设主变的变比误差相等，所得结果如图11-14所示
本方案所提方法采用某地区变电站作为实例进行分析，该变电站为500kV超高压变电站，有两个500kV三相自耦主变压器并列运行，均采用中性点调压方式。首先根据步骤S1收集变压器数据和系统运行数据。然后，根据步骤S2构建变压器的数学模型，并在PSCAD仿真平台建立了中性点调压和中压线端调压方式下的变压器并列运行模型。模型构建完成后，在研究变比误差与短路阻抗对变压器并列运行的影响时，方便对比分析验证本发明的效果。
通过实施例1和实施例2对500kV主变实现定向的实机运行，获得了部分运行结果输出数据，并展示在图7-14，在仿真模型中可以通过细调变比误差和短路阻抗的变化，分别得到主变运行结果，将所得的多组数据作为拟合点用于拟合变比误差与主变输出电流、短路阻抗误差与主变输出电流的表达关系式，该表达式反映了自变量与因变量的关系。下面在Matlab平台利用线性回归分析算法拟合关系表达式，并以曲线图的形式直观表示：
P1B主变A相低压侧相电流与变比阻抗误差的曲线如图4所示，P1B主变A相低压侧相电流与短路阻抗误差的曲线如图5所示；P1B主变A相低压侧相电流与短路阻抗误差的曲线如图6所示。
参数误差的变化对两台不同调压方式的变压器并列运行情况可通过大量仿真模型测试数据进行函数拟合，利用仿真数据所得的拟合曲线和关系表达式能够对实际变电站中该两种不同调压方式下主变压器并列运行情况提供指导性的意见。
本专利基于中性点调压变压器和中压线端调压变压器并列运行的条件下，通过采用PSCAD软件构建变压器并列运行仿真模型，仿真运行结果与现场运行结果偏差较小，验证了仿真的有效性，并分析变比误差与短路阻抗对变压器运行的影响，弥补了目前不同调压方式下可能导致的异常运行问题研究的空白，并获得了以下结论：
(1)分析了自耦变压器模型及调压方式的特点，搭建变压基本模型，为今后的研究提供理论基础。
(2)根据实际工程问题，采用仿真分析方法，通过仿真运行结果与现场运行结果对比修正仿真参数，获取大量不同调压方式变压器并列运行的运行结果，弥补了目前实际工程中较少运行数据能用于分析的问题。
(3)大量仿真数据应用回归分析算法拟合出函数表达式，由表达式分析了参数误差对不同调压方式的变压器并列运行的影响，为今后的实际工程安全运行提供了指导意见。
以上所述；仅为本发明较佳的具体实施方式；但本发明的保护范围并不局限于此；任何熟悉本技术领域的技术人员在本发明揭露的技术范围内；根据本发明的技术方案及其改进构思加以等同替换或改变；都应涵盖在本发明的保护范围内。
Claims (7)
1.中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：所述分析方法包括以下步骤：
S1：收集变压器模型基本参数、变电站系统运行参数、主变并列运行电压和电流的实际现场数据；
S2：输入变压器模型的技术参数、等效系统参数，在PSCAD环境下搭建变压器数学模型和运行系统模型；
S3：输入变比误差、短路阻抗误差等数据，将仿真运行结果与实际现场运行结果作对比，修正仿真参数；
S4：重复步骤S3，直至模型仿真输出结果与实际现场运行结果的偏差满足在正负5％的误差范围内；
S5：分别输入变比误差和阻抗误差参数，获取大量不同调压方式变压器并列运行的运行结果数据样本，通过k-mean聚类算法对仿真运行数据进行处理，获得聚类结果；
S6：根据聚类数据拟合函数表达式，分析变比和短路阻抗均存在误差对并列运行的影响。
2.根据权利要求1所述的中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：所述并列运行的变压器采用中性点调压和中压线端调压两种不同调压方式。
3.根据权利要求1所述的中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：所述步骤S2中，变压器数学模型用T型等值电路来表示,高压、中压和低压侧的自阻抗需要短路阻抗经(1)-(3)式计算求解：
其中，式(1)、(2)和(3)中ZH、ZM和ZL分别是高、中、低压侧的自阻抗，ZHM、ZML和ZHL分别是高压侧对中压侧、中压侧对低压侧、高压侧对低压侧的短路阻抗。
A相各侧的自阻抗计算如下式(4)-(6)所示：
ZAH＝[ZH+Zam] (4)
ZAM＝[ZM+Zam] (5)
ZaL＝[ZL+Zam] (6)
其中，式(4)、(5)和(6)中ZAH、ZAM和ZaL分别是变压器A相高、中、低压侧的自阻抗，其他各相的计算方式类同。
4.根据权利要求1所述的中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：所述步骤S3中，在PSCAD仿真平台上构建仿真模型，模拟两种不同调压方式下变压器并联运行情况。模型仿真运行结果(变压器并列运行电流、电压)与实际运行结果存在一定的偏差，可对仿真参数进行微调，以期实现两者的偏差满足一定范围内。本发明根据步骤S1收集的主变并列历史运行数据对仿真参数进行修正，采用模糊自适应PI算法使并列运行系统在不同变比误差或短路阻抗输入情况下自适应调整参数。本发明设置了一种模糊自适应PI控制器，该控制器通过对实际运行数据与模型仿真运行数据误差及其变化的识别进行模糊推理，实现对模型控制参数的在线整定，以达到优化控制的目的。系统采用电压和电流双闭环控制方法：
具体的模糊自适应PI算法流程如下：
(1)给定电压u与检测反馈电压u的差值e及差值的变化率ec为模糊控制器的输入量；
(2)将它们模糊化后得到模糊量E和EC，由模糊控制规则进行推理和解模糊后得到修正参数Δkp、Δki两个修正参数；
(3)根据Δkp、Δki得到调整后的PI控制器参数kp'、ki'经过PI控制器处理输出至电流环PI控制器控制，从而调整变压器并列运行输出值。
其中，Δkp、Δki可根据变压器的不同运行状态自动调整，从而实现PI控制器参数的自适应调整。
模糊PI控制器调整PI参数计算公式如下：
k'p＝kp+Δkp (7)
k′i＝ki+Δki (8)
其中式(7)和(8)中，kp和ki为初始设定的PI参数，而Δkp和Δki为模糊控制器的两个输出，可以根据被控对象的状态自动调整PI的两个控制参数值。
5.根据权利要求1所述的中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：所述步骤S5中，由于变比和短路阻抗均存在误差，应用单一变量法以便于进行分析，即假设主变的短路阻抗相等，研究变比误差对并列运行电压和电流的影响；同理，在分析短路阻抗误差对电压电流的影响时，假设主变的变比相等。
6.根据权利要求1所述的中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：采用改进k-means聚类算法做数据挖掘，制定系统并列运行状态类别数为K，对输出变压器高、中、低压侧的电压、电流幅值和相角及各序电压、电流分量数据进行集合聚类。聚类的结果通过各聚类中心来表达，采用迭代更新的方法，每一次迭代的过程函数值都在减小，去函数最小值，达到最优的聚类结果。
具体的改进k-means聚类算法流程如下：
(1)对计算参数进行设置，样本数据集为M，聚类数据值为H，迭代次数最大为Z，概率计算为P。
(2)种群初始化，在样本中选取N个点作为并列运行类型聚类中心，并且进行编码。
(3)对单个并列运行状态数据个体进行计算，计算出相对应的适应度。
(4)对单个并列运行状态数据个体进行交叉计算，减少无关联数据的产生。
(5)交叉计算后得出的个体进行变异计算，产生新的运行类型数据种群。
(6)新并列运行类型数据种群中每一个数据个体进行k－means操作，不断迭代计算，计算出最优值，判断并列运行状态聚类结果的条件，若是满足输出结果，若是不满足，重新按照聚类算法步骤(1)操作。
7.根据权利要求1所述的中性点调压与中压线端调压变压器并列运行的分析方法，其特征在于：所述步骤S6中，采用线性回归模型进行数据拟合，分别得到变比误差和短路阻抗误差跟变压器并列运行电压电流的关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010739584.XA CN111985089B (zh) | 2020-07-28 | 2020-07-28 | 中性点调压与中压线端调压变压器并列运行的分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010739584.XA CN111985089B (zh) | 2020-07-28 | 2020-07-28 | 中性点调压与中压线端调压变压器并列运行的分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111985089A true CN111985089A (zh) | 2020-11-24 |
| CN111985089B CN111985089B (zh) | 2024-04-26 |
Family
ID=73444678
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010739584.XA Active CN111985089B (zh) | 2020-07-28 | 2020-07-28 | 中性点调压与中压线端调压变压器并列运行的分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111985089B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102074944A (zh) * | 2011-01-25 | 2011-05-25 | 华北电网有限公司唐山供电公司 | 预防220kV变压器受短路冲击发生损坏的方法及装置 |
| CN102095950A (zh) * | 2010-11-10 | 2011-06-15 | 中冶建工有限公司 | 大型变压器差动保护系统的整组试验施工方法 |
| CN103116088A (zh) * | 2013-01-14 | 2013-05-22 | 湖北省电力公司电力科学研究院 | 一种大型变压器三相参数不一致运行分析方法 |
| CN103746364A (zh) * | 2014-01-14 | 2014-04-23 | 国家电网公司 | 一种直流系统单极运行时变压器中性点电流预测方法 |
| US20160049880A1 (en) * | 2013-08-29 | 2016-02-18 | Korea Electric Power Corporation | High-voltage direct current converter |
| CN106920656A (zh) * | 2015-12-25 | 2017-07-04 | 特变电工沈阳变压器集团有限公司 | 一种带有调压线圈的自耦变压器及其调压方法 |
| CN108400593A (zh) * | 2018-03-16 | 2018-08-14 | 国家电网公司 | 基于分层多代理技术的主动配电网电气模型建立方法 |
| CN109449952A (zh) * | 2018-12-20 | 2019-03-08 | 中国南方电网有限责任公司超高压输电公司南宁局 | 500kV主变35kV侧电容器异常过电压仿真方法 |
-
2020
- 2020-07-28 CN CN202010739584.XA patent/CN111985089B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102095950A (zh) * | 2010-11-10 | 2011-06-15 | 中冶建工有限公司 | 大型变压器差动保护系统的整组试验施工方法 |
| CN102074944A (zh) * | 2011-01-25 | 2011-05-25 | 华北电网有限公司唐山供电公司 | 预防220kV变压器受短路冲击发生损坏的方法及装置 |
| CN103116088A (zh) * | 2013-01-14 | 2013-05-22 | 湖北省电力公司电力科学研究院 | 一种大型变压器三相参数不一致运行分析方法 |
| US20160049880A1 (en) * | 2013-08-29 | 2016-02-18 | Korea Electric Power Corporation | High-voltage direct current converter |
| CN103746364A (zh) * | 2014-01-14 | 2014-04-23 | 国家电网公司 | 一种直流系统单极运行时变压器中性点电流预测方法 |
| CN106920656A (zh) * | 2015-12-25 | 2017-07-04 | 特变电工沈阳变压器集团有限公司 | 一种带有调压线圈的自耦变压器及其调压方法 |
| CN108400593A (zh) * | 2018-03-16 | 2018-08-14 | 国家电网公司 | 基于分层多代理技术的主动配电网电气模型建立方法 |
| CN109449952A (zh) * | 2018-12-20 | 2019-03-08 | 中国南方电网有限责任公司超高压输电公司南宁局 | 500kV主变35kV侧电容器异常过电压仿真方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李建生: "基于PSCAD/EMTDC的1000kV特高压变压器仿真", 《江苏电机工程》, pages 18 - 21 * |
| 范广伟; 樊楚夫; 李刚; 黄实; 史宏伟: "12kV真空断路器开合无功补偿回路的过电压分析", 《高压电器》, pages 135 - 140 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111985089B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Distributed control of VSC-MTDC systems considering tradeoff between voltage regulation and power sharing | |
| CN108429286A (zh) | 一种基于自抗扰控制的并网电流调节器 | |
| EP2607692B1 (en) | Method for determining a voltage bounding range | |
| CN108847670A (zh) | 一种双馈风机网侧变换器的谐波不稳定分析方法 | |
| Reformat et al. | Application of genetic algorithms for control design in power systems | |
| CN107154650A (zh) | 一种混合微网中交直流断面多换流器的协调控制方法 | |
| CN106602588A (zh) | 一种基于静态h∞回路成形法的多通道鲁棒阻尼控制方法 | |
| CN104298834A (zh) | 基于面向对象技术的直流系统建模方法及故障仿真方法 | |
| CN109831106A (zh) | 一种三相电流型pwm整流器的自适应有源阻尼控制方法 | |
| CN110212800A (zh) | 基于模型预测控制的模块化多电平换流器通用控制方法 | |
| CN112529253B (zh) | 基于内点解耦法与线性混合整数规划法的区域电网动态无功优化方法 | |
| CN112165095B (zh) | 一种基于群智能的低压配网无功优化方法 | |
| CN111985089A (zh) | 中性点调压与中压线端调压变压器并列运行的分析方法 | |
| EP2800224B1 (en) | Method and arrangement for determining an electrical characteristics at a regulation point | |
| CN106655174A (zh) | 一种配电网综合重构优化方法 | |
| CN111049153A (zh) | 一种基于模糊神经网络的电压无功优化控制方法 | |
| CN116632918A (zh) | 一种通过闭环重构和电压无功控制增加光伏承载力的方法 | |
| CN107994581B (zh) | 一种基于区间优化算法的微网谐波抑制方法 | |
| CN113725910B (zh) | 一种风电场并网系统的稳定性分析与量化评估方法 | |
| CN109980665A (zh) | 一种配电网三相负载不平衡调节参数优化值的计算方法 | |
| CN115085260A (zh) | 新能源场站聚合模型的振荡模式保真度评价方法 | |
| CN104617586A (zh) | 一种基于avc系统的无功潮流优化方法 | |
| CN113013913B (zh) | 风电场无功电压控制系统和方法 | |
| Akbal et al. | PSO and CSA to Estimate of Parameter in Power Line | |
| Abraham et al. | Artificial neural networks for intelligent real time power quality monitoring systems |
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 |