CN114840813B - 一种基于本地测量的多端口戴维南等值参数估计方法及系统 - Google Patents

一种基于本地测量的多端口戴维南等值参数估计方法及系统 Download PDF

Info

Publication number
CN114840813B
CN114840813B CN202210744447.4A CN202210744447A CN114840813B CN 114840813 B CN114840813 B CN 114840813B CN 202210744447 A CN202210744447 A CN 202210744447A CN 114840813 B CN114840813 B CN 114840813B
Authority
CN
China
Prior art keywords
port
time
difference
voltage
phasor
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
Application number
CN202210744447.4A
Other languages
English (en)
Other versions
CN114840813A (zh
Inventor
彭龙
徐式蕴
孙华东
赵兵
仲悟之
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.)
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
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 China Electric Power Research Institute Co Ltd CEPRI filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN202210744447.4A priority Critical patent/CN114840813B/zh
Publication of CN114840813A publication Critical patent/CN114840813A/zh
Application granted granted Critical
Publication of CN114840813B publication Critical patent/CN114840813B/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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明公开了一种基于本地测量的多端口戴维南等值参数估计方法及系统，其中方法包括：按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵；基于所述导纳估计矩阵计算戴维南等值参数的估计值。

Description

一种基于本地测量的多端口戴维南等值参数估计方法及系统
技术领域
本发明涉及电力系统分析和控制技术领域 ，更具体地，涉及一种基于本地测量的多端口戴维南等值参数估计方法及系统。
背景技术
戴维南等值参数是评估系统电压稳定支撑强度的重要参数，其可以对大电网等值成阻抗和电压源的简单的形式。应用基于该等值参数构建的短路比、阻抗模等指标，可以对大电网实现快速的电压稳定分析，因而得到广泛应用。
戴维南等值参数可通过全网数据和本地测量获得。由于电网运行方式的多变、故障的不确定性，全网数据难以实时获得，因此基于全网数据计算戴维南等值参数的方法难以用于电网的实时监测和控制。基于相量测量单元的广域测量系统可以实时监测系统电气量，为电力系统实时监测和控制提供了基础。而基于本地测量的方法，根据多个时刻的测量数据进行等值参数的估计，具有速度快、易于实时计算的优势，因而得到了广泛关注。
目前对于戴维南等值参数的实时估计仅限于单端口网络，即待等值电网与其余电网连接仅为单个节点。而实际电网中，新能源送出、分层直流馈入等工况与交流系统的连接为多端口，而其中两端口的连接方式是较为常见的一种。
现有技术方案仅适用于电力系统在小扰动情况下的单端口戴维南等值参数的实时估计，其通过本地测量装置，采集多个时刻的电压、电流相量，假设系统戴维南等值电势变化很小可以忽略，然后根据单端口戴维南等值电路关系估计系统戴维南等值参数。
因此，需要一种技术，以实现基于本地测量的多端口戴维南等值参数估计。
发明内容
本发明技术方案提供一种基于本地测量的多端口戴维南等值参数估计方法及系统，以解决如何通过本地测量数据实现大扰动后多端口戴维南等值参数的实时估计。
为了解决上述问题，本发明提供了一种基于本地测量的多端口戴维南等值参数估计方法，所述方法包括：
按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；
判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵；
基于所述导纳估计矩阵计算戴维南等值参数的估计值。
优选地，所述判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，包括：
判断每个端口的相邻时刻的电压相量差的幅值是否大于0.02pu，当每个端口的相邻时刻的电压相量差的幅值都大于0.02pu时，判断出相邻时刻的每个端口的电压相量差满足预设差值。
优选地，还包括：端口数量为两个。
优选地，所述筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，包括：
根据筛选出的满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳方程：
Figure DEST_PATH_IMAGE001
其中，
Figure 85552DEST_PATH_IMAGE002
为第一端口定义的n时刻和n-1时刻的电压相量差，
Figure DEST_PATH_IMAGE003
为第二端口定义的n时刻和n-1时刻的电压相量差，
Figure 628791DEST_PATH_IMAGE004
为第一端口定义的n时刻和n-1时刻的电流相量差，
Figure DEST_PATH_IMAGE005
为第二端口定义的n时刻和n-1时刻的电流相量差，
Figure 329900DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE007
和
Figure 351208DEST_PATH_IMAGE008
为待估计的导纳。
优选地，所述筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，包括：
设定观察窗口为m个采样时刻，在滑动的时间窗口的m个采样时刻内，根据筛选出的电压相量差、对应时刻的电流相量差以及所述导纳方程生成导纳估计矩阵：
Figure 352531DEST_PATH_IMAGE010
式中，k、i和j分别代表：在当前n时刻到n-m+1时刻窗口内，筛选出的电压相量差对应的测量时刻；
将所述导纳估计矩阵简写为：
Figure DEST_PATH_IMAGE011
式中，
Figure 269934DEST_PATH_IMAGE012
为电压相量差形成的系数矩阵，
Figure DEST_PATH_IMAGE013
为待估计的导纳矩阵，
Figure 661601DEST_PATH_IMAGE014
为电流相量差形成的系数矩阵。
优选地，所述基于所述导纳估计矩阵计算戴维南等值参数的估计值，包括：
基于最小二乘法求解
Figure DEST_PATH_IMAGE015
的估计值
Figure 221020DEST_PATH_IMAGE016
为
Figure DEST_PATH_IMAGE017
式中，T代表所述导纳估计矩阵的转置；
将
Figure 14533DEST_PATH_IMAGE018
带入n时刻的以下公式，求得n时刻的电势
Figure DEST_PATH_IMAGE019
Figure DEST_PATH_IMAGE021
式中，
Figure 289787DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE023
为两端口戴维南等值电势，
Figure 670215DEST_PATH_IMAGE024
为第一端口电压相量，
Figure DEST_PATH_IMAGE025
为第二端口电压相量，
Figure 531861DEST_PATH_IMAGE026
为第一端口电流相量，
Figure DEST_PATH_IMAGE027
为第二端口电流相量；在n时刻戴维南电势的估计值
Figure 946924DEST_PATH_IMAGE028
为：
Figure 48872DEST_PATH_IMAGE030
式中，
Figure DEST_PATH_IMAGE031
代表
Figure 883973DEST_PATH_IMAGE032
的估计值。
基于本发明的另一方面，本发明提供一种基于本地测量的多端口戴维南等值参数估计系统，所述系统包括：
获取单元，用于按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；
建立单元，用于判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵；
执行单元，用于基于所述导纳估计矩阵计算戴维南等值参数的估计值。
优选地，所述建立单元，用于判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，具体用于：
判断每个端口的相邻时刻的电压相量差的幅值是否大于0.02pu，当每个端口的相邻时刻的电压相量差的幅值都大于0.02pu时，判断出相邻时刻的每个端口的电压相量差满足预设差值。
优选地，还包括：端口数量为两个。
优选地，所述建立单元，用于筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，具体用于：
根据筛选出的满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳方程：
Figure 644250DEST_PATH_IMAGE034
其中，
Figure DEST_PATH_IMAGE035
为第一端口定义的n时刻和n-1时刻的电压相量差，
Figure 84459DEST_PATH_IMAGE036
为第二端口定义的n时刻和n-1时刻的电压相量差，
Figure 108040DEST_PATH_IMAGE004
为第一端口定义的n时刻和n-1时刻的电流相量差，
Figure DEST_PATH_IMAGE037
为第二端口定义的n时刻和n-1时刻的电流相量差，
Figure 509066DEST_PATH_IMAGE006
、
Figure 509252DEST_PATH_IMAGE038
和
Figure DEST_PATH_IMAGE039
为待估计的导纳。
优选地，所述建立单元，用于筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，具体用于：
设定观察窗口为m个采样时刻，在滑动的时间窗口的m个采样时刻内，根据筛选出的电压相量差、对应时刻的电流相量差以及所述导纳方程生成导纳估计矩阵：
Figure DEST_PATH_IMAGE041
式中，k、i和j分别代表：在当前n时刻到n-m+1时刻窗口内，筛选出的电压相量差对应的测量时刻；
将所述导纳估计矩阵简写为：
Figure 289120DEST_PATH_IMAGE042
式中，
Figure DEST_PATH_IMAGE043
为电压相量差形成的系数矩阵，
Figure 952445DEST_PATH_IMAGE044
为待估计的导纳矩阵，
Figure 575187DEST_PATH_IMAGE045
为电流相量差形成的系数矩阵。
优选地，所述执行单元，用于基于所述导纳估计矩阵计算戴维南等值参数的估计值，具体用于：
基于最小二乘法求解
Figure DEST_PATH_IMAGE046
的估计值
Figure 379064DEST_PATH_IMAGE016
为
Figure 669231DEST_PATH_IMAGE047
式中，T代表所述导纳估计矩阵的转置；
将
Figure DEST_PATH_IMAGE048
带入n时刻的以下公式，求得n时刻的电势
Figure 972299DEST_PATH_IMAGE049
Figure 597184DEST_PATH_IMAGE051
式中，
Figure DEST_PATH_IMAGE052
和
Figure 112741DEST_PATH_IMAGE053
为两端口戴维南等值电势，
Figure DEST_PATH_IMAGE054
为第一端口电压相量，
Figure 709945DEST_PATH_IMAGE055
为第二端口电压相量，
Figure DEST_PATH_IMAGE056
为第一端口电流相量，
Figure 449493DEST_PATH_IMAGE057
为第二端口电流相量；在n时刻戴维南电势的估计值
Figure DEST_PATH_IMAGE058
为：
Figure DEST_PATH_IMAGE060
式中，
Figure 758131DEST_PATH_IMAGE061
代表
Figure DEST_PATH_IMAGE062
的估计值。
基于本发明的另一方面，本发明提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于执行上述任一项基于本地测量的多端口戴维南等值参数估计方法。
基于本发明的另一方面，本发明提供一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；其中，
所述存储器，用于存储所述处理器可执行指令的存储器；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一项基于本地测量的多端口戴维南等值参数估计方法。
本发明技术方案提供了一种基于本地测量的多端口戴维南等值参数估计方法及系统，其中方法包括：按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵；基于所述导纳估计矩阵计算戴维南等值参数的估计值。本发明技术方案通过对电压测量数据的筛选，可以消除大扰动后系统侧电势变化对参数估计的影响，实现大扰动下的等值参数准确估计。本发明技术方案旨在通过本地测量数据实现大扰动后两端口戴维南等值参数的实时估计，为实现待研究网络的实时稳定评估和控制提供重要支撑。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明优选实施方式的基于本地测量的多端口戴维南等值参数估计方法流程图；
图2为根据本发明优选实施方式的两端口戴维南等值示意图；
图3为根据本发明优选实施方式的电网简化系统结构示意图；
图4为根据本发明优选实施方式的测量电压相量幅值变化示意图；以及
图5为根据本发明优选实施方式的基于本地测量的多端口戴维南等值参数估计系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语（包括科技术语）对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的基于本地测量的多端口戴维南等值参数估计方法流程图。由于系统发生大扰动时，系统侧多个时刻的戴维南等值电势变化不可忽略，造成现有方案在应用于大扰动时出现参数估计误差较大。现有方案仅限于单端口的参数估计问题，不适用于多端口戴维南等值参数估计。本发明通过对电压测量数据的筛选，可以消除大扰动后系统侧电势变化对参数估计的影响，实现大扰动下的等值参数准确估计。此外，本发明方案基于两端口网络进行等值建模，研究对象扩展到了两端口网络，与实际电网工况更为接近，应用场景更为广泛。
本发明公开了一种基于本地测量的适用于大扰动的两端口戴维南等值参数估计方法。所述方法包括三个步骤：基于电压阈值的数据筛选，基于筛选后的数据形成导纳估计矩阵，基于最小二乘法求解导纳的估计值。
如图1所示，本发明提供一种基于本地测量的多端口戴维南等值参数估计方法，方法包括：
步骤101：按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；优选地，还包括：端口数量为两个。
步骤102：判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵；
优选地，判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，包括：
判断每个端口的相邻时刻的电压相量差的幅值是否大于0.02pu，当每个端口的相邻时刻的电压相量差的幅值都大于0.02pu时，判断出相邻时刻的每个端口的电压相量差满足预设差值。
优选地，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，包括：
根据筛选出的满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳方程：
Figure 841494DEST_PATH_IMAGE063
其中，
Figure 60248DEST_PATH_IMAGE002
为第一端口定义的n时刻和n-1时刻的电压相量差，
Figure 282282DEST_PATH_IMAGE003
为第二端口定义的n时刻和n-1时刻的电压相量差，
Figure 881759DEST_PATH_IMAGE004
为第一端口定义的n时刻和n-1时刻的电流相量差，
Figure 644179DEST_PATH_IMAGE005
为第二端口定义的n时刻和n-1时刻的电流相量差，
Figure 497865DEST_PATH_IMAGE006
、
Figure 375954DEST_PATH_IMAGE007
和
Figure 213460DEST_PATH_IMAGE008
为待估计的导纳。
优选地，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，包括：
设定观察窗口为m个采样时刻，在滑动的时间窗口的m个采样时刻内，根据筛选出的电压相量差、对应时刻的电流相量差以及导纳方程生成导纳估计矩阵：
Figure 763258DEST_PATH_IMAGE065
式中，k、i和j分别代表：在当前n时刻到n-m+1时刻窗口内，筛选出的电压相量差对应的测量时刻；
将导纳估计矩阵简写为：
Figure 205872DEST_PATH_IMAGE011
式中，
Figure 520441DEST_PATH_IMAGE012
为电压相量差形成的系数矩阵，
Figure 845243DEST_PATH_IMAGE013
为待估计的导纳矩阵，
Figure 136416DEST_PATH_IMAGE014
为电流相量差形成的系数矩阵。
本发明首先基于电压阈值的数据筛选。本发明在两端口的母线上安装相量测量单元，如图2所示，采集电压相量
Figure DEST_PATH_IMAGE066
和
Figure 449848DEST_PATH_IMAGE067
、电流相量
Figure DEST_PATH_IMAGE068
和
Figure 574799DEST_PATH_IMAGE069
，采样间隔10ms，定义n时刻和n-1时刻的电压相量差为
Figure DEST_PATH_IMAGE070
和
Figure 340892DEST_PATH_IMAGE071
。在n时刻，检测测量数据是否满足：
Figure 100002_DEST_PATH_IMAGE072
>0.02 pu
Figure 904597DEST_PATH_IMAGE073
且>0.02 pu （1）
式中，
Figure 100002_DEST_PATH_IMAGE074
代表相量的幅值。如果测量数据满足（1）式，则根据测量的电压、电流数据形成以下方程：
Figure 321803DEST_PATH_IMAGE075
（2）
式中
Figure 100002_DEST_PATH_IMAGE076
、
Figure 915858DEST_PATH_IMAGE077
和
Figure DEST_PATH_IMAGE078
为待估计的导纳，
Figure 136624DEST_PATH_IMAGE079
和
Figure DEST_PATH_IMAGE080
为相邻两个时刻的电流相量差值。
本发明基于筛选后的数据形成导纳估计矩阵。
设定观察窗口为m个采样时刻，在滑动的时间窗口m内，满足步骤1的测量数据形成以下方程：
Figure DEST_PATH_IMAGE082
（3）
式中，k、i和j代表：在当前n时刻到n-m+1时刻窗口内，满足步骤1的数据对应的测量时刻。将式（3）简写为
Figure 130119DEST_PATH_IMAGE083
（4）
式中，
Figure 683722DEST_PATH_IMAGE012
为电压相量差形成的系数矩阵，
Figure 494683DEST_PATH_IMAGE013
为待估计的导纳矩阵，
Figure 100002_DEST_PATH_IMAGE084
为电流相量差形成的系数矩阵。
步骤103：基于导纳估计矩阵计算戴维南等值参数的估计值。
优选地，基于导纳估计矩阵计算戴维南等值参数的估计值，包括：
基于最小二乘法求解
Figure 202745DEST_PATH_IMAGE015
的估计值
Figure 186882DEST_PATH_IMAGE016
为
Figure 391729DEST_PATH_IMAGE085
式中，T代表所述导纳估计矩阵的转置；
将
Figure 373592DEST_PATH_IMAGE018
带入n时刻的以下公式，求得n时刻的电势
Figure 896846DEST_PATH_IMAGE019
Figure 100002_DEST_PATH_IMAGE086
式中，
Figure 779613DEST_PATH_IMAGE022
和
Figure 353814DEST_PATH_IMAGE023
为两端口戴维南等值电势，
Figure 755845DEST_PATH_IMAGE087
为第一端口电压相量，
Figure DEST_PATH_IMAGE088
为第二端口电压相量，
Figure 143227DEST_PATH_IMAGE089
为第一端口电流相量，
Figure DEST_PATH_IMAGE090
为第二端口电流相量；在n时刻戴维南电势的估计值
Figure 124958DEST_PATH_IMAGE028
为：
Figure 756928DEST_PATH_IMAGE091
式中，
Figure 362484DEST_PATH_IMAGE031
代表
Figure 79904DEST_PATH_IMAGE092
的估计值。
本发明基于最小二乘法求解导纳的估计值，根据式（4），基于最小二乘法求解的估计值为：
Figure 662064DEST_PATH_IMAGE085
（5）
式中，T代表矩阵的转置。将带入n时刻的式（6），可求得n时刻的电势
Figure 148540DEST_PATH_IMAGE019
。
Figure 924997DEST_PATH_IMAGE094
（6）
式中，
Figure 395293DEST_PATH_IMAGE022
和
Figure 781144DEST_PATH_IMAGE053
为两端口戴维南等值电势，在n时刻戴维南电势的估计值
Figure 856547DEST_PATH_IMAGE028
为：
Figure DEST_PATH_IMAGE095
式中，
Figure 7168DEST_PATH_IMAGE031
代表
Figure 682869DEST_PATH_IMAGE092
的估计值。
本发明通过对电压测量数据的筛选，可以消除大扰动后系统侧电势变化对参数估计的影响，实现大扰动下的等值参数准确估计。本发明方案基于两端口网络进行等值建模，研究对象扩展到了两端口网络，与实际电网工况更为接近，应用场景更为广泛。
本发明能够基于本地测量实现大电网的两端口戴维南等值参数的实时估计，进而实现待研究区域的实时稳定分析和控制。图2为基于实际电网简化的仿真系统，采用该系统验证所提方法的有效性。
如图3所示，拟对待等值部分进行两端口戴维南等值。测量装置在母线G1和G2处，采样间隔为10 ms，采集电压相量和待等值网络流入该母线的电流相量。0.2 s，直流DC发生连续两次换相失败，持续0.4s，图4为测量装置得到的电压相量的幅值变化，根据电压阈值选择测量数据，根据上述步骤进行阻抗计算。
本发明的阻抗值估计结果如表1所示，表中还给出了根据全网系统参数计算得到的等值阻抗值。基于本地实时测量的数据计算的Z1、Z2和Z12估计值分别为0.0563pu、0.268pu和4.24pu。根据实际系统参数离线计算的Z1、Z2和Z12分别为0.0561pu、0.269pu和3.90pu。估计误差分别为0.36%、0.37%和8.72%，小于10%，满足工程实际应用的需要。
表1 阻抗估计有效性验证（基准容量1000MVA，单位pu）
阻抗 全网参数计算 估计值 误差（绝对值）
Z<sub>1</sub> 0.0561 0.0563 0.36%
Z<sub>2</sub> 0.269 0.268 0.37%
Z<sub>12</sub> 3.90 4.24 8.72%
注：阻抗等于导纳的倒数
图5为根据本发明优选实施方式的基于本地测量的多端口戴维南等值参数估计系统结构图。如图5所示，本发明提供一种基于本地测量的多端口戴维南等值参数估计系统，系统包括：
获取单元501，用于按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；优选地，还包括：端口数量为两个。
建立单元502，用于判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵；
优选地，建立单元502，用于判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，具体用于：
判断每个端口的相邻时刻的电压相量差的幅值是否大于0.02pu，当每个端口的相邻时刻的电压相量差的幅值都大于0.02pu时，判断出相邻时刻的每个端口的电压相量差满足预设差值。
优选地，建立单元502，用于筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，具体用于：
根据筛选出的满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳方程：
Figure DEST_PATH_IMAGE097
其中，
Figure 780400DEST_PATH_IMAGE035
为第一端口定义的n时刻和n-1时刻的电压相量差，
Figure 225157DEST_PATH_IMAGE098
为第二端口定义的n时刻和n-1时刻的电压相量差，
Figure 592684DEST_PATH_IMAGE004
为第一端口定义的n时刻和n-1时刻的电流相量差，
Figure 499288DEST_PATH_IMAGE037
为第二端口定义的n时刻和n-1时刻的电流相量差，
Figure DEST_PATH_IMAGE099
、
Figure 164624DEST_PATH_IMAGE038
和
Figure 480199DEST_PATH_IMAGE100
为待估计的导纳。
优选地，建立单元502，用于筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，具体用于：
设定观察窗口为m个采样时刻，在滑动的时间窗口的m个采样时刻内，根据筛选出的电压相量差、对应时刻的电流相量差以及所述导纳方程生成导纳估计矩阵：
Figure 910306DEST_PATH_IMAGE102
式中，k、i和j分别代表：在当前n时刻到n-m+1时刻窗口内，筛选出的电压相量差对应的测量时刻；
将所述导纳估计矩阵简写为：
Figure DEST_PATH_IMAGE103
式中，
Figure 983435DEST_PATH_IMAGE104
为电压相量差形成的系数矩阵，
Figure DEST_PATH_IMAGE105
为待估计的导纳矩阵，
Figure 452462DEST_PATH_IMAGE106
为电流相量差形成的系数矩阵。
执行单元503，用于基于导纳估计矩阵计算戴维南等值参数的估计值。
优选地，执行单元503，用于基于导纳估计矩阵计算戴维南等值参数的估计值，具体用于：
基于最小二乘法求解
Figure DEST_PATH_IMAGE107
的估计值
Figure 576539DEST_PATH_IMAGE108
为
Figure 20289DEST_PATH_IMAGE109
式中，T代表所述导纳估计矩阵的转置；
将
Figure DEST_PATH_IMAGE110
带入n时刻的以下公式，求得n时刻的电势
Figure 564403DEST_PATH_IMAGE111
Figure 400903DEST_PATH_IMAGE113
式中，
Figure DEST_PATH_IMAGE114
和
Figure 346862DEST_PATH_IMAGE115
为两端口戴维南等值电势，
Figure DEST_PATH_IMAGE116
为第一端口电压相量，
Figure 915509DEST_PATH_IMAGE117
为第二端口电压相量，
Figure DEST_PATH_IMAGE118
为第一端口电流相量，
Figure 681340DEST_PATH_IMAGE119
为第二端口电流相量；在n时刻戴维南电势的估计值
Figure DEST_PATH_IMAGE120
为：
Figure DEST_PATH_IMAGE122
式中，
Figure 649427DEST_PATH_IMAGE123
代表
Figure DEST_PATH_IMAGE124
的估计值。
本发明优选实施方式的基于本地测量的多端口戴维南等值参数估计系统500与本发明优选实施方式的基于本地测量的多端口戴维南等值参数估计方法100相对应，在此不再进行赘述。
本发明提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序用于执行上述任一项基于本地测量的多端口戴维南等值参数估计方法。
基于本发明的另一方面，本发明提供一种电子设备，电子设备包括：处理器和存储器；其中，
存储器，用于存储处理器可执行指令的存储器；
处理器，用于从存储器中读取可执行指令，并执行指令以实现上述任一项基于本地测量的多端口戴维南等值参数估计方法。
本发明优选实施方式的一种基于构网型变流器的直驱风电系统控制系统与本发明另一优选实施方式的一种基于构网型变流器的直驱风电系统控制方法相对应，在此不再进行赘述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、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。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。

Claims (6)

1.一种基于本地测量的多端口戴维南等值参数估计方法，所述方法包括：
按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；
判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵，包括：
根据筛选出的满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳方程：
Figure 430457DEST_PATH_IMAGE002
其中，
Figure 738685DEST_PATH_IMAGE004
为第一端口定义的n时刻和n-1时刻的电压相量差，
Figure 735372DEST_PATH_IMAGE006
为第二端口定义的n时刻和n-1时刻的电压相量差，
Figure 366817DEST_PATH_IMAGE008
为第一端口定义的n时刻和n-1时刻的电流相量差，
Figure 699578DEST_PATH_IMAGE010
为第二端口定义的n时刻和n-1时刻的电流相量差，
Figure 684983DEST_PATH_IMAGE012
、
Figure 903604DEST_PATH_IMAGE014
和
Figure 297545DEST_PATH_IMAGE016
为待估计的导纳；
设定观察窗口为m个采样时刻，在滑动的时间窗口的m个采样时刻内，根据筛选出的电压相量差、对应时刻的电流相量差以及所述导纳方程生成导纳估计矩阵：
Figure 299743DEST_PATH_IMAGE018
式中，k、i和j分别代表：在当前n时刻到n-m+1时刻窗口内，筛选出的电压相量差对应的测量时刻；
将所述导纳估计矩阵简写为：
Figure 880766DEST_PATH_IMAGE020
式中，
Figure 59069DEST_PATH_IMAGE022
为电压相量差形成的系数矩阵，
Figure 874228DEST_PATH_IMAGE024
为待估计的导纳矩阵，
Figure 594797DEST_PATH_IMAGE026
为电流相量差形成的系数矩阵；
基于所述导纳估计矩阵计算戴维南等值参数的估计值，包括：
基于最小二乘法求解
Figure 492477DEST_PATH_IMAGE028
的估计值
Figure 121474DEST_PATH_IMAGE030
为
Figure 53789DEST_PATH_IMAGE032
式中，T代表所述导纳估计矩阵的转置；
将
Figure 601051DEST_PATH_IMAGE034
带入n时刻的以下公式，求得n时刻的电势
Figure 189290DEST_PATH_IMAGE036
Figure 880034DEST_PATH_IMAGE038
式中，
Figure 669785DEST_PATH_IMAGE040
和
Figure 781092DEST_PATH_IMAGE042
为两端口戴维南等值电势，
Figure 916014DEST_PATH_IMAGE044
为第一端口电压相量，
Figure 567706DEST_PATH_IMAGE046
为第二端口电压相量，
Figure 239445DEST_PATH_IMAGE048
为第一端口电流相量，
Figure 426712DEST_PATH_IMAGE050
为第二端口电流相量；在n时刻戴维南电势的估计值
Figure 864909DEST_PATH_IMAGE052
为：
Figure 897456DEST_PATH_IMAGE054
式中，
Figure 734569DEST_PATH_IMAGE056
代表
Figure 296000DEST_PATH_IMAGE058
的估计值。
2.根据权利要求1所述的方法，所述判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，包括：
判断每个端口的相邻时刻的电压相量差的幅值是否大于0.02pu，当每个端口的相邻时刻的电压相量差的幅值都大于0.02pu时，判断出相邻时刻的每个端口的电压相量差满足预设差值。
3.根据权利要求1所述的方法，还包括：端口数量为两个。
4.一种基于本地测量的多端口戴维南等值参数估计系统，所述系统包括：
获取单元，用于按预设的时间间隔，采集多端口的电压相量和电流相量；基于采集的电压相量和电流相量，获取每个端口的相邻时刻的电压相量差与电流相量差；
建立单元，用于判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，当判断出相邻时刻的每个端口的电压相量差都满足预设差值时，筛选出满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳估计矩阵具体用于：
根据筛选出的满足预设差值的电压相量差以及对应时刻的电流相量差，建立导纳方程：
Figure 251187DEST_PATH_IMAGE060
其中，
Figure 57731DEST_PATH_IMAGE004
为第一端口定义的n时刻和n-1时刻的电压相量差，
Figure 719656DEST_PATH_IMAGE062
为第二端口定义的n时刻和n-1时刻的电压相量差，
Figure 717568DEST_PATH_IMAGE008
为第一端口定义的n时刻和n-1时刻的电流相量差，
Figure 398866DEST_PATH_IMAGE010
为第二端口定义的n时刻和n-1时刻的电流相量差，
Figure 445320DEST_PATH_IMAGE012
、
Figure 24069DEST_PATH_IMAGE014
和
Figure 428767DEST_PATH_IMAGE064
为待估计的导纳；
设定观察窗口为m个采样时刻，在滑动的时间窗口的m个采样时刻内，根据筛选出的电压相量差、对应时刻的电流相量差以及所述导纳方程生成导纳估计矩阵：
Figure 358546DEST_PATH_IMAGE066
式中，k、i和j分别代表：在当前n时刻到n-m+1时刻窗口内，筛选出的电压相量差对应的测量时刻；
将所述导纳估计矩阵简写为：
Figure 208690DEST_PATH_IMAGE068
式中，
Figure 406060DEST_PATH_IMAGE022
为电压相量差形成的系数矩阵，
Figure 683458DEST_PATH_IMAGE070
为待估计的导纳矩阵，
Figure DEST_PATH_IMAGE072
为电流相量差形成的系数矩阵；
执行单元，用于基于所述导纳估计矩阵计算戴维南等值参数的估计值，具体用于：
基于最小二乘法求解
Figure 929894DEST_PATH_IMAGE028
的估计值
Figure DEST_PATH_IMAGE074
为
Figure DEST_PATH_IMAGE076
式中，T代表所述导纳估计矩阵的转置；
将
Figure DEST_PATH_IMAGE077
带入n时刻的以下公式，求得n时刻的电势
Figure DEST_PATH_IMAGE079
Figure DEST_PATH_IMAGE081
式中，
Figure 482929DEST_PATH_IMAGE040
和
Figure DEST_PATH_IMAGE083
为两端口戴维南等值电势，
Figure DEST_PATH_IMAGE084
为第一端口电压相量，
Figure DEST_PATH_IMAGE085
为第二端口电压相量，
Figure DEST_PATH_IMAGE086
为第一端口电流相量，
Figure DEST_PATH_IMAGE087
为第二端口电流相量；在n时刻戴维南电势的估计值
Figure 206909DEST_PATH_IMAGE052
为：
Figure DEST_PATH_IMAGE089
式中，
Figure DEST_PATH_IMAGE091
代表
Figure DEST_PATH_IMAGE093
的估计值。
5.根据权利要求4所述的系统，所述建立单元，用于判断多个端口在同一相邻时刻的电压相量差是否满足预设差值，具体用于：
判断每个端口的相邻时刻的电压相量差的幅值是否大于0.02pu，当每个端口的相邻时刻的电压相量差的幅值都大于0.02pu时，判断出相邻时刻的每个端口的电压相量差满足预设差值。
6.根据权利要求4所述的系统，还包括：端口数量为两个。
CN202210744447.4A 2022-06-29 2022-06-29 一种基于本地测量的多端口戴维南等值参数估计方法及系统 Active CN114840813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210744447.4A CN114840813B (zh) 2022-06-29 2022-06-29 一种基于本地测量的多端口戴维南等值参数估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210744447.4A CN114840813B (zh) 2022-06-29 2022-06-29 一种基于本地测量的多端口戴维南等值参数估计方法及系统

Publications (2)

Publication Number Publication Date
CN114840813A CN114840813A (zh) 2022-08-02
CN114840813B true CN114840813B (zh) 2022-09-20

Family

ID=82573679

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210744447.4A Active CN114840813B (zh) 2022-06-29 2022-06-29 一种基于本地测量的多端口戴维南等值参数估计方法及系统

Country Status (1)

Country Link
CN (1) CN114840813B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783035A (zh) * 2020-05-21 2020-10-16 南方电网科学研究院有限责任公司 一种适应谐波不同波动情况的谐波责任计算方法及装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7603203B2 (en) * 2006-10-09 2009-10-13 Electric Power Research Institute, Inc. Method for voltage instability load shedding using local measurements
CN101505061B (zh) * 2009-03-17 2011-07-13 中国电力科学研究院 一种基于时域仿真的戴维南等值参数跟踪的计算方法
CN111625914A (zh) * 2020-05-25 2020-09-04 广东电网有限责任公司 一种短路电流计算方法及系统
CN113285450B (zh) * 2021-05-27 2023-01-31 山东大学 一种电网静态电压稳定在线预防控制优化方法
CN113866532B (zh) * 2021-08-23 2023-12-08 中国电力科学研究院有限公司 就地化智能量测设备的骚扰电压最大幅值量化方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111783035A (zh) * 2020-05-21 2020-10-16 南方电网科学研究院有限责任公司 一种适应谐波不同波动情况的谐波责任计算方法及装置

Also Published As

Publication number Publication date
CN114840813A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN107886171B (zh) 一种基于pmu数据的断路器状态在线诊断方法及系统
CN109523165B (zh) 一种基于有限信息的电压暂降状态估计方法
CN101807795A (zh) 一种电能计量仿真系统构成方法及其装置
CN104091056B (zh) 一种实验室设备使用寿命预测系统和方法
CN109581271B (zh) 一种典型低压台区用电数据快速模拟方法
CN109298362B (zh) 一种配电线路故障指示器三相同步精度测试方法、装置和系统
CN111426905A (zh) 一种配电网同母线变关系异常诊断方法、装置及系统
CN114660531B (zh) 一种基于电表测量误差补偿的检测方法、系统及装置
CN109447512B (zh) 基于均匀设计的大电网可靠性评估方法
CN111221811A (zh) 一种基于集抄系统的低压配电网络线路参数估计方法
CN114840813B (zh) 一种基于本地测量的多端口戴维南等值参数估计方法及系统
Abdelkader Online Thevenin’s equivalent using local PMU measurements
Papadopoulos et al. Online parameter identification and generic modeling derivation of a dynamic load model in distribution grids
CN109193639B (zh) 一种电力系统抗差估计方法
CN103134969B (zh) 一种功率因数校正器以及相电压估计方法
Sun et al. Dynamic state estimation based on unscented Kalman filter and very short-term load and distributed generation forecasting
CN110932755A (zh) 基于递推最小二乘法的分布式低压配电网络线路参数估计方法
Bozorg et al. Model-less/Measurement-based computation of voltage sensitivities in unbalanced electrical distribution networks: experimental validation
CN104133188B (zh) 三相四线电能表两相失压时退补电量误差检测方法和系统
CN106066415A (zh) 用于检测供电网络中的欺诈的方法
Bletterie et al. Characterising LV networks on the basis of smart meter data and accurate network models
CN105022012A (zh) 数字式电能质量监测终端的闪变精度检测方法及系统
CN109088413B (zh) 一种直流受端电网动态无功规划选址方法和装置
CN109327026B (zh) 一种低压配电网区间状态估计方法
CN103258144B (zh) 基于故障录波器数据的在线静态负荷建模方法

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