CN113128005A - 基于动态特性电网节点聚类及频率安全分析方法及系统 - Google Patents

基于动态特性电网节点聚类及频率安全分析方法及系统 Download PDF

Info

Publication number
CN113128005A
CN113128005A CN202110387088.7A CN202110387088A CN113128005A CN 113128005 A CN113128005 A CN 113128005A CN 202110387088 A CN202110387088 A CN 202110387088A CN 113128005 A CN113128005 A CN 113128005A
Authority
CN
China
Prior art keywords
node
frequency
fault
power grid
coherent
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
CN202110387088.7A
Other languages
English (en)
Other versions
CN113128005B (zh
Inventor
鲍颜红
徐泰山
吴峰
任先成
周海锋
孙泽伦
邹德龙
罗峰
许晓彤
阮晶晶
陈鹏
宋东阔
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.)
Nari Technology Co Ltd
Original Assignee
Nari Technology 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 Nari Technology Co Ltd filed Critical Nari Technology Co Ltd
Priority to CN202110387088.7A priority Critical patent/CN113128005B/zh
Publication of CN113128005A publication Critical patent/CN113128005A/zh
Application granted granted Critical
Publication of CN113128005B publication Critical patent/CN113128005B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Power Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于动态特性电网节点聚类及频率安全分析方法及系统，将当前时刻电网中有功注入节点集划分为多个节点子集，生成该节点子集对应的节点有功扰动预想故障集，对其进行机电暂态时域仿真，并进行节点动态频率特性同调性识别；建立同调节点集的动态频率特性单机等值模型，对动态频率特性单机等值模型的参数进行辨识；建立频率安全在线分析低阶仿真模型，通过求解该模型获得预想故障暂态频率偏移最大值及其对应时刻。本发明建立了频率安全在线分析的低阶仿真模型，有效改善了平均系统频率低阶仿真模型的计算精度，可以满足具有明显时空分布特性的大型互联同步系统计算需求，为电力系统故障后暂态频率安全性的在线快速和精细化评估提供了依据。

Description

基于动态特性电网节点聚类及频率安全分析方法及系统
技术领域
本发明涉及一种电网分析方法及系统，尤其涉及一种基于动态特性电网节点聚类及频率安全分析方法及系统。
背景技术
频率反映了电力系统中有功功率的平衡关系，保持频率稳定是电网安全稳定运行的一个重要方面。现代电力系统频率特性日益复杂，主要体现在：1)大型互联同步电网系统频率特性具有明显的时空分布特性；2)随着特高压输电工程的发展,由于直流闭锁故障造成的大功率缺失,易引发直流馈入送受端电网的频率事故；3)随着风力、光伏等可再生能源和电力电子化负荷的大量接入，导致系统惯性水平下降、备用容量减小，降低了系统的频率支撑能力。2019年8月9日英国发生大规模停电事故后，频率稳定问题再度引起了国内外学者和电网运行人员的高度重视。
在线评估电力系统抵抗功率扰动的能力，帮助电网调控人员实时了解电网频率稳定态势，对确保可靠供电具有重要意义。在频率响应过程中,暂态最高/最低频率既是频率监视的关键参量,亦是频率控制的决策依据。因此,准确估计最大频率偏移和对应时刻尤为重要。节点大功率有功扰动故障下的频率最大偏移点计算方法主要有：解析法、智能算法和仿真法。
解析法基于单机等值简化模型和参数，给出频率动态的时域表达，可以直接计算最大频率偏移和对应时刻，但其计算精度受制于模型的近似程度，已难以满足系统频率特性日益复杂情况下的计算需求。智能算法无须已知模型结构及参数，基于大量样本学习进行频率特性预测。该方法对训练样本和特征量选取要求较高，且存在网络结构变化后预测精度较差的难题，目前还难以实际应用。仿真法基于电网详细模型及参数计算，具有计算精度高的优势，广泛应用于大规模电力系统的频率稳定研究。但该方法存在模型构建复杂、模型参数较多、仿真时长随系统规模扩大而显著增加、难以直观理解频率稳定特性等缺点，给在线评估电网频率安全带来诸多不便。如忽略系统中各母线频率的时空分布特征，保留各机组调速器动态，基于平均系统频率(ASF)模型可简化仿真建模，广泛用于动态频率响应研究之中，但对于大型互联同步系统频率具有明显时空分布特性的情况，平均系统频率低阶仿真模型的准确性难以满足要求。
发明内容
发明目的：本发明旨在提供一种基于动态特性电网节点聚类及频率安全分析方法及系统，以解决上述问题。
技术方案：
本发明的基于动态特性电网节点聚类及频率安全分析方法，包括以下步骤：
(1)获取电网当前运行方式下的状态估计数据，基于当前运行方式下的状态估计数据生成预想故障机电暂态时域仿真计算需要的潮流文件和稳定文件；
(2)将当前时刻电网中有功注入节点集N划分为多个节点子集；
(3)生成该节点子集对应的节点有功扰动预想故障集；
(4)将所有节点对应的有功扰动预想故障集记为F，对F进行当前时刻电网详细模型及参数的机电暂态时域仿真，得到N中各节点在F中各个预想故障下的暂态频率偏移最大值及其对应的时刻；
(5)根据步骤(4)结果的综合偏差均值进行节点动态频率特性同调性识别；
(6)并根据(5)的结果建立同调节点集的动态频率特性单机等值模型，对动态频率特性单机等值模型的参数进行辨识；
(7)建立各G对应的频率安全在线分析低阶仿真模型，通过求解该模型获得预想故障暂态频率偏移最大值及其对应时刻。
所述步骤(2)划分子集的依据为：节点集数目最小且每个节点集内各节点间电气距离都小于设定的电气距离z0。
所述步骤(2)划分方法具体包括以下步骤：
(21)基于各节点之间电气距离，采用K-Means聚类方法进行节点集合中的所有节点的聚类分析；
(22)设定的类数目从1开始逐步增大，每次聚类完成后判断每个节点集内各节点间电气距离，直至满足每个节点集内各节点间电气距离都小于设定的电气距离z0的要求，由此获得聚类后的多个节点子集。
所述步骤(3)有功扰动预想故障集生成依据为：节点子集中节点有功扰动总量与当前时刻电网发电总有功之比大于有功扰动量占比设定值rp。
所述步骤(3)中生成节点子集对应的节点有功扰动预想故障集时，将有功扰动相差小于预先设定门槛值的故障进行合并，多故障合并时取有功扰动量最大的故障为合并后的故障，合并后的故障集即为最终的节点有功扰动预想故障集。
所述步骤(4)中各节点在F中预想故障下暂态频率偏移最大值及其对应时刻之间的综合偏差均值计算公式如下：
Figure BDA0003007304430000031
式中，CDAij为节点i和节点j的综合偏差均值，nc为预想故障总数，λ1和λ2分别为频率偏差和时刻偏差的加权系数，fpi.k和fpj.k分别为节点i和节点j预想故障k下暂态频率最大值或最小值，tpi.k和tpj.k分别为暂态频率最大值或最小值对应时刻。
所述步骤(5)包括以下步骤：将综合偏差均值小于设定值的节点归为一个动态频率特性同调节点集G，并将G中各节点在F中同一个预想故障下，暂态频率偏移最大值的均值及暂态频率偏移最大值对应时刻的均值，作为该同调节点集在该预想故障下的暂态频率偏移最大值amax及其对应时刻ta。
所述步骤(6)具体包括：建立同调节点集的动态频率特性单机等值模型，计算amax、ta所对应的动态频率特性单机等值模型及参数计算得到的暂态频率偏移最大值bmax及其对应时刻tb，以amax、ta和bmax、tb之间的综合偏差最小为目标，对动态频率特性单机等值模型的参数进行辨识。
所述步骤(6)还包括以下步骤：按照频率升高和降低故障分别建立单机等值模型并辨识参数，获取频率升高故障和降低故障各个同调节点集单机等值模型参数。
所述(7)具体包括：
(71)针对各G内部节点有功扰动预想故障集中的预想故障，在各同调节点集单机等值模型和频率超前滞后特性基础上，分别建立各G对应的频率安全在线分析低阶仿真模型；各同调节点集对应的频率安全在线分析低阶仿真模型如下：
Figure BDA0003007304430000041
其中，Nz为同调节点集总数；Hi为有功扰动故障节点所在的第i个同调节点集等值惯性时间常数；Δfi.k为第i个同调节点集第k个故障下的惯性中心频率变化量；Ti,j为第i个同调节点集故障下第j个同调节点集惯性中心频率相对于第i个同调节点集惯性中心频率的滞后时间常数；ΔPG.k为第k个故障下等值机械功率变化量，
Figure BDA0003007304430000042
分别为等值汽轮机、水轮机机械功率和新能源机组出力变化量；
Figure BDA0003007304430000043
和
Figure BDA0003007304430000044
分别为第i个同调节点集等值汽轮机调速器、水轮机调速器和新能源机组一次调频时间常数和调差系数，
Figure BDA0003007304430000045
Figure BDA0003007304430000046
分别为第i个同调节点集具有一次调频容量的所有汽轮机、水轮机和新能源机组额定有功功率之和；ΔPL.k为第k个故障下负荷功率变化量，KLi为第i个同调节点集负荷频率特性参数，PLi为第i个同调节点集负荷功率；ΔPc.k为第k个故障导致的有功功率不平衡量；PB为功率基准值；s为微分算子。
(72)通过求解该模型获得预想故障暂态频率偏移最大值及其对应时刻。
所述步骤(72)中采用隐式梯形法的积分方法求解模型。
本发明的一种基于动态特性电网节点聚类及频率安全分析系统，包括：
处理单元，用于实现上述的基于动态特性电网节点聚类及频率安全分析方法；
存储单元，用于存储处理单元的运行的程序及数据
有益效果：与现有技术相比，本发明具有如下显著优点：
按照电气距离大小将电网节点划分为若干节点集并生成对应的节点有功扰动预想故障集，可以有效减少预想故障数目；基于预想故障机电暂态时域仿真结果进行节点动态频率特性同调性识别，将频率响应特性相近的电网节点进行聚类从而对系统进行分区；在各分区节点集单机等值模型和频率超前滞后特性基础上，建立了频率安全在线分析的低阶仿真模型，有效改善了平均系统频率低阶仿真模型的计算精度，可以满足具有明显时空分布特性的大型互联同步系统计算需求。本发明方法实现了基于预想故障集机电暂态时域仿真动态频率特性的电网节点聚类及频率安全分析，为电力系统故障后暂态频率安全性的在线快速和精细化评估提供了依据。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
1)获取电网当前运行方式下的状态估计数据，基于当前运行方式下的状态估计数据生成预想故障机电暂态时域仿真计算需要的潮流文件和稳定文件。按照节点集数目最小且每个节点集内各节点间电气距离都小于设定的电气距离z0的要求，将当前时刻电网中有功注入节点集N划分为多个节点子集。状态估计数据指根据母线电压、线路有功和无功功率、发电机或负荷的有功和无功功率以及变压器分接头位置的量测数据计算得到的表征电力系统状态的数据。
步骤1)中将当前时刻电网中有功注入节点集N划分为多个节点子集的方法如下：
基于各节点之间电气距离采用K-Means聚类方法进行节点集合中所有节点的聚类分析，设定的类数目从1开始逐步增大，每次聚类完成后判断每个节点集内各节点间电气距离，直至满足每个节点集内各节点间电气距离都小于设定的电气距离z0的要求，由此获得聚类后的多个节点子集。
2)针对各个节点子集，分别按照节点子集中节点有功扰动总量与当前时刻电网发电总有功之比大于有功扰动量占比设定值rp的要求，生成该节点子集对应的节点有功扰动预想故障集，将所有节点子集对应的节点有功扰动预想故障集中所有预想故障组成的集合记为F，针对F进行计及当前时刻电网详细模型及参数的机电暂态时域仿真，得到N中各节点在F中各个预想故障下的暂态频率偏移最大值及其对应时刻。
2)中生成节点子集对应的节点有功扰动预想故障集时，将有功扰动相差小于预先设定门槛值的故障进行合并，多故障合并时取有功扰动量最大的故障为合并后的故障，合并后的故障集即为最终的节点有功扰动预想故障集。
3)根据N中各节点在F中预想故障下暂态频率偏移最大值及其对应时刻之间的综合偏差均值进行节点动态频率特性同调性识别，将综合偏差均值小于设定值的节点归为一个动态频率特性同调节点集，并将同调节点集中各节点在F中同一个预想故障下暂态频率偏移最大值的均值及暂态频率偏移最大值对应时刻的均值，作为该同调节点集在该预想故障下的暂态频率偏移最大值及其对应时刻。对时刻取均值的方式为：假定节点集G中有M个节点，则每个节点在F预想故障下都有一个暂态频率偏移最大值及对应时刻，即暂态频率偏移最大值有M个，最大值对应的时刻也有M个，此处的均值就是M个数值的均值。
所述步骤3)中各节点在F中预想故障下暂态频率偏移最大值及其对应时刻之间的综合偏差均值计算公式如下：
Figure BDA0003007304430000061
式中，CDAij为节点i和节点j的综合偏差均值，nc为预想故障总数，λ1和λ2分别为频率偏差和时刻偏差的加权系数，fpi.k和fpj.k分别为节点i和节点j预想故障k下暂态频率最大值或最小值，tpi.k和tpj.k分别为暂态频率最大值或最小值对应时刻。
4)针对各同调节点集，建立同调节点集的动态频率特性单机等值模型，以同调节点集在F中预想故障下暂态频率偏移最大值及其对应时刻与基于其所对应的动态频率特性单机等值模型及参数计算得到的暂态频率偏移最大值及其对应时刻之间的综合偏差最小为目标，对动态频率特性单机等值模型的参数进行辨识。频率超前滞后特性指由于网架结构、惯量分布等因素影响，有功扰动发生后，电网中各节点达到暂态频率偏移最大值的时刻存在差别，有的较快，有的较慢，此特性称为频率超前滞后特性。
同调节点集的动态频率特性单机等值模型参数辨识，按照频率升高和降低故障分别建立单机等值模型并辨识参数，获取频率升高故障和降低故障各个同调节点集单机等值模型参数。
5)针对各同调节点集内部节点有功扰动预想故障集中的预想故障，在各同调节点集单机等值模型和频率超前滞后特性基础上，分别建立各同调节点集对应的频率安全在线分析低阶仿真模型，通过求解该模型获得预想故障暂态频率偏移最大值及其对应时刻。
各同调节点集对应的频率安全在线分析低阶仿真模型如下：
Figure BDA0003007304430000071
其中，Nz为同调节点集总数；Hi为有功扰动故障节点所在的第i个同调节点集等值惯性时间常数；Δfi.k为第i个同调节点集第k个故障下的惯性中心频率变化量；Ti,j为第i个同调节点集故障下第j个同调节点集惯性中心频率相对于第i个同调节点集惯性中心频率的滞后时间常数；ΔPG.k为第k个故障下等值机械功率变化量，
Figure BDA0003007304430000072
分别为等值汽轮机、水轮机机械功率和新能源机组出力变化量；
Figure BDA0003007304430000073
和
Figure BDA0003007304430000074
分别为第i个同调节点集等值汽轮机调速器、水轮机调速器和新能源机组一次调频时间常数和调差系数，
Figure BDA0003007304430000075
Figure BDA0003007304430000076
分别为第i个同调节点集具有一次调频容量的所有汽轮机、水轮机和新能源机组额定有功功率之和；ΔPL.k为第k个故障下负荷功率变化量，KLi为第i个同调节点集负荷频率特性参数，PLi为第i个同调节点集负荷功率；ΔPc.k为第k个故障导致的有功功率不平衡量；PB为功率基准值；s为微分算子。
通过求解频率安全在线分析低阶仿真模型获得预想故障暂态频率偏移最大值及其对应时刻，采用的积分方法为隐式梯形法，积分步长取为0.01s。

Claims (12)

1.一种基于动态特性电网节点聚类及频率安全分析方法，其特征在于，包括以下步骤：
(1)获取电网当前运行方式下的状态估计数据，基于当前运行方式下的状态估计数据生成预想故障机电暂态时域仿真计算需要的潮流文件和稳定文件；
(2)将当前时刻电网中有功注入节点集N划分为多个节点子集；
(3)生成该节点子集对应的节点有功扰动预想故障集；
(4)将所有节点对应的有功扰动预想故障集记为F，对F进行当前时刻电网详细模型及参数的机电暂态时域仿真，得到N中各节点在F中各个预想故障下的暂态频率偏移最大值及其对应的时刻；
(5)根据步骤(4)结果的综合偏差均值进行节点动态频率特性同调性识别；
(6)并根据(5)的结果建立同调节点集的动态频率特性单机等值模型，对动态频率特性单机等值模型的参数进行辨识；
(7)建立各G对应的频率安全在线分析低阶仿真模型，通过求解该模型获得预想故障暂态频率偏移最大值及其对应时刻。
2.根据权利要求1所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(2)划分子集的依据为：节点集数目最小且每个节点集内各节点间电气距离都小于设定的电气距离z0。
3.根据权利要求2所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(2)划分方法具体包括以下步骤：
(21)基于各节点之间电气距离，采用K-Means聚类方法进行节点集合中的所有节点的聚类分析；
(22)设定的类数目从1开始逐步增大，每次聚类完成后判断每个节点集内各节点间电气距离，直至满足每个节点集内各节点间电气距离都小于设定的电气距离z0的要求，由此获得聚类后的多个节点子集。
4.根据权利要求1所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(3)有功扰动预想故障集生成依据为：节点子集中节点有功扰动总量与当前时刻电网发电总有功之比大于有功扰动量占比设定值rp。
5.根据权利要求4所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(3)中生成节点子集对应的节点有功扰动预想故障集时，将有功扰动相差小于预先设定门槛值的故障进行合并，多故障合并时取有功扰动量最大的故障为合并后的故障，合并后的故障集即为最终的节点有功扰动预想故障集。
6.根据权利要求1所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(4)中各节点在F中预想故障下暂态频率偏移最大值及其对应时刻之间的综合偏差均值计算公式如下：
Figure FDA0003007304420000021
式中，CDAij为节点i和节点j的综合偏差均值，nc为预想故障总数，λ1和λ2分别为频率偏差和时刻偏差的加权系数，fpi.k和fpj.k分别为节点i和节点j预想故障k下暂态频率最大值或最小值，tpi.k和tpj.k分别为暂态频率最大值或最小值对应时刻。
7.根据权利要求1所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(5)包括以下步骤：将综合偏差均值小于设定值的节点归为一个动态频率特性同调节点集G，并将G中各节点在F中同一个预想故障下，暂态频率偏移最大值的均值及暂态频率偏移最大值对应时刻的均值，作为该同调节点集在该预想故障下的暂态频率偏移最大值amax及其对应时刻ta。
8.根据权利要求7所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(6)具体包括：建立同调节点集的动态频率特性单机等值模型，计算amax、ta所对应的动态频率特性单机等值模型及参数计算得到的暂态频率偏移最大值bmax及其对应时刻tb，以amax、ta和bmax、tb之间的综合偏差最小为目标，对动态频率特性单机等值模型的参数进行辨识。
9.根据权利要求1所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(6)还包括以下步骤：按照频率升高和降低故障分别建立单机等值模型并辨识参数，获取频率升高故障和降低故障各个同调节点集单机等值模型参数。
10.根据权利要求1所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述(7)具体包括：
(71)针对各G内部节点有功扰动预想故障集中的预想故障，在各同调节点集单机等值模型和频率超前滞后特性基础上，分别建立各G对应的频率安全在线分析低阶仿真模型；各同调节点集对应的频率安全在线分析低阶仿真模型如下：
Figure FDA0003007304420000031
其中，Nz为同调节点集总数；Hi为有功扰动故障节点所在的第i个同调节点集等值惯性时间常数；Δfi.k为第i个同调节点集第k个故障下的惯性中心频率变化量；Ti,j为第i个同调节点集故障下第j个同调节点集惯性中心频率相对于第i个同调节点集惯性中心频率的滞后时间常数；ΔPG.k为第k个故障下等值机械功率变化量，
Figure FDA0003007304420000032
分别为等值汽轮机、水轮机机械功率和新能源机组出力变化量；
Figure FDA0003007304420000033
和
Figure FDA0003007304420000034
分别为第i个同调节点集等值汽轮机调速器、水轮机调速器和新能源机组一次调频时间常数和调差系数，
Figure FDA0003007304420000035
Figure FDA0003007304420000036
分别为第i个同调节点集具有一次调频容量的所有汽轮机、水轮机和新能源机组额定有功功率之和；ΔPL.k为第k个故障下负荷功率变化量，KLi为第i个同调节点集负荷频率特性参数，PLi为第i个同调节点集负荷功率；ΔPc.k为第k个故障导致的有功功率不平衡量；PB为功率基准值；s为微分算子。
(72)通过求解该模型获得预想故障暂态频率偏移最大值及其对应时刻。
11.根据权利要求10所述的基于动态特性电网节点聚类及频率安全分析方法，其特征在于，所述步骤(72)中采用隐式梯形法的积分方法求解模型。
12.一种基于动态特性电网节点聚类及频率安全分析系统，其特征在于，包括：
处理单元，用于实现权利要求1～11任一项所述的基于动态特性电网节点聚类及频率安全分析方法；
存储单元，用于存储处理单元的运行的程序及数据。
CN202110387088.7A 2021-04-06 2021-04-06 基于动态特性电网节点聚类及频率安全分析方法及系统 Active CN113128005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110387088.7A CN113128005B (zh) 2021-04-06 2021-04-06 基于动态特性电网节点聚类及频率安全分析方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110387088.7A CN113128005B (zh) 2021-04-06 2021-04-06 基于动态特性电网节点聚类及频率安全分析方法及系统

Publications (2)

Publication Number Publication Date
CN113128005A true CN113128005A (zh) 2021-07-16
CN113128005B CN113128005B (zh) 2022-11-11

Family

ID=76775784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110387088.7A Active CN113128005B (zh) 2021-04-06 2021-04-06 基于动态特性电网节点聚类及频率安全分析方法及系统

Country Status (1)

Country Link
CN (1) CN113128005B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114123198A (zh) * 2021-12-29 2022-03-01 南京工程学院 一种基于火电机组调峰状态下的电力系统频率响应方法
CN115498661A (zh) * 2022-11-18 2022-12-20 中国电力科学研究院有限公司 一种计及新能源的电力系统调频参数聚合方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110994589A (zh) * 2019-11-07 2020-04-10 国电南瑞科技股份有限公司 电力电子接入电力系统调频能力在线评价方法及系统
KR102212367B1 (ko) * 2019-09-30 2021-02-04 국방과학연구소 무선 네트워크에서 동적 주파수를 할당하기 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102212367B1 (ko) * 2019-09-30 2021-02-04 국방과학연구소 무선 네트워크에서 동적 주파수를 할당하기 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
CN110994589A (zh) * 2019-11-07 2020-04-10 国电南瑞科技股份有限公司 电力电子接入电力系统调频能力在线评价方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114123198A (zh) * 2021-12-29 2022-03-01 南京工程学院 一种基于火电机组调峰状态下的电力系统频率响应方法
CN114123198B (zh) * 2021-12-29 2024-01-19 南京工程学院 一种基于火电机组调峰状态下的电力系统频率响应方法
CN115498661A (zh) * 2022-11-18 2022-12-20 中国电力科学研究院有限公司 一种计及新能源的电力系统调频参数聚合方法及系统
CN115498661B (zh) * 2022-11-18 2023-01-17 中国电力科学研究院有限公司 一种计及新能源的电力系统调频参数聚合方法及系统

Also Published As

Publication number Publication date
CN113128005B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN110120686B (zh) 一种基于电力系统在线惯量估计的新能源承载力预警方法
CN113128005B (zh) 基于动态特性电网节点聚类及频率安全分析方法及系统
Salama et al. Voltage stability indices–A comparison and a review
Wang et al. Estimating inertia distribution to enhance power system dynamics
CN110061521B (zh) 一种考虑频率累积作用的最大风电渗透率快速评估方法
CN112821424B (zh) 一种基于数据-模型融合驱动的电力系统频率响应分析方法
CN109993665B (zh) 电力系统在线安全稳定评估方法、装置及系统
CN115510677B (zh) 一种风电场发电能力评估方法及系统
CN110766320A (zh) 一种机场智能电网运行安全评价方法及装置
CN111401476A (zh) 基于边界区域重要性采样与核向量机的暂态安全评估方法
CN110994589B (zh) 电力电子接入电力系统调频能力在线评价方法及系统
CN115514100A (zh) 一种基于多元储能和控制的混合储能系统
CN116865343B (zh) 分布式光伏配电网的无模型自适应控制方法、装置及介质
CN105701265A (zh) 一种双馈风电机组建模方法及装置
He et al. Power system frequency situation prediction method based on transfer learning
Wang et al. A fast load-shedding algorithm for power system based on artificial neural network
CN115207941A (zh) 一种电力系统惯量水平评估方法
Papadopoulos et al. Methodology for online identification of dynamic behavior of power systems with an increased amount of power electronics interface units
Wang et al. Model-Data Integration Driven Based Power System Frequency Response Model
CN113991647A (zh) 一种面向频率响应容量规划的电力系统随机生产模拟方法
Ramirez-Gonzalez et al. Power System Inertia Estimation Using A Residual Neural Network Based Approach
CN111797919A (zh) 一种基于主成分分析与卷积神经网络的动态安全评估方法
Duraipandy et al. Development of extreme learning machine for online voltage stability assessment incorporating wind energy conversion system
CN113381447A (zh) 适应电网调频需求的风电响应能力状态划分方法及系统
Shi et al. Study on stability feature extraction of power system using deep learning

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