JP3836741B2

JP3836741B2 - Load characteristic estimating device and system frequency stabilizing device using the same

Info

Publication number: JP3836741B2
Application number: JP2002072582A
Authority: JP
Inventors: 博幸橋本; 靖之小和田; 和仁吉備; 宣俊斎藤; 幸浩尾上; 康人田端; 浩一横井; 久徳伊藤
Original assignee: Chubu Electric Power Co Inc; Mitsubishi Electric Corp
Current assignee: Chubu Electric Power Co Inc; Mitsubishi Electric Corp
Priority date: 2002-03-15
Filing date: 2002-03-15
Publication date: 2006-10-25
Anticipated expiration: 2022-03-15
Also published as: JP2003274560A

Description

【０００１】
【発明の属する技術分野】
この発明は、負荷特性推定装置およびそれを用いた系統周波数安定化装置に関し、特に、負荷の動特性を考慮した複数のパラメータからなる負荷モデル式を構築し、故障除去後の負荷モデル式におけるパラメータを高速に求める負荷特性推定装置、およびそれを用いた系統周波数安定化装置に関するものである。
【０００２】
【従来の技術】
従来の負荷特性推定手段は、例えば特開昭６０−２５５０２０号公報に開示された負荷を静特性モデルで表現し、故障発生後の電力と電圧の波形から得られる時系列的にサンプリングされたデータに対して負荷静特性モデル式のモデルパラメータを求めるものがあった。
【０００３】
【発明が解決しようとする課題】
このような負荷特性推定手段にあっては、系統に外乱が発生した時に観測される負荷の過渡応動、すなわち負荷モデル式における動特性について考慮されていない。したがって、故障除去直後のオンラインデータに基づいて高速に求める場合には、負荷の動特性による過渡的な応動が計測波形に重畳するために精度が非常に悪くなり適用できない。
【０００４】
また、たとえ動特性を考慮した負荷モデル式を用いても、故障除去後のオンラインデータに基づいてすべてのパラメータを推定するためには故障除去後から数百［ｍｓ］間（通常は、過渡的な応動が消滅するまでの間）の計測データが必要である。
【０００５】
一般的には、系統安定化装置の主制御における制御量の算出にオンラインで求めた負荷特性パラメータを反映させるためには、故障除去後から２００［ｍｓ］以内の短時間における計測データをもとに精度良く推定する必要がある。
しかし、その時間領域における計測データは負荷動特性による過渡応動が重畳するものとなり推定精度が悪くなるという問題があった。
【０００６】
この発明は、以上のような問題を解決するためになされたものであり、負荷の動特性をも考慮した負荷特性モデルを構築し、この負荷特性モデルにおける係数パラメータを故障除去後の負荷状態に適応して高速に求めることのできる負荷特性推定装置を実現することを目的とする。
【０００７】
また、上記負荷特性推定装置を系統周波数安定化制御装置に適用することにより、高速で安定、かつ高精度な制御性能を有する安定化制御装置を実現することを目的とする。
【０００８】
【課題を解決するための手段】
この発明に係る負荷特性推定装置は、電力系統の負荷特性を表す複数のパラメータからなる負荷モデル式を構築し、この負荷モデル式のパラメータを決定することにより、上記負荷特性を推定する負荷特性推定装置において、上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、上記系統状態計測手段により過去に検出された故障計測データからなる故障実績データを蓄積したデータ蓄積手段と、上記データ蓄積手段に蓄積された故障実績データを分析し、上記負荷モデル式の動特性に関する動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、上記系統状態計測手段により検出された故障計測データを上記データ分析手段により構築された特性モデル式に当てはめて上記動特性パラメータを決定し、この動特性パラメータを上記負荷モデル式から除去処理する補助演算処理手段と、上記補助演算処理手段により上記動特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部とを備えたものである。
【０００９】
また、上記電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、上記系統状態計測手段により過去に検出された変化データからなる変化実績データを蓄積したデータ蓄積手段と、上記データ蓄積手段に蓄積された変化実績データを分析し、上記負荷モデル式の静特性に関する静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、上記系統状態計測手段により電力系統の故障が検出されたときの上記変化データを上記データ分析手段により構築された特性モデル式に当てはめて上記静特性パラメータを決定し、この静特性パラメータを上記負荷特性モデルから除去処理する補助演算処理手段と、上記補助演算処理手段により上記静特性パラメータを除去処理された負荷モデル式に基づいて、故障除去後のパラメータを推定する推定演算部とを備えたものである。
【００１０】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、上記推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出するものである。
【００１１】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、上記電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出するものである。
【００１２】
【発明の実施の形態】
実施の形態１．
この発明の実施の形態１に係る負荷特性推定装置は、過去に蓄積した故障実績データを統計的に分析し、予め動特性を推定するための適切なモデル（以下、「特性モデル式」という。）を構築しておき、実際に故障が発生した時に直ちに動特性に関する動特性パラメータを決定することにより、故障除去後の計測波形から静特性に関する静特性パラメータを決定するものである。
【００１３】
図１は、本実施の形態１に係る負荷特性推定装置の構成を示したブロック図である。以下に、図１を用いて本構成について説明する。
図１において、１はこれまでに計測された故障時の電気諸量の時系列サンプリングデータのデータ蓄積部である。これは、例えば同時刻に計測された有効・無効電力、電圧、周波数といった複数データから一組が構成され、各組に時刻タグが付されて時刻順に並んでいるものであり、故障ケース別に管理・保存される。
【００１４】
２はデータ蓄積部１で蓄積された過去のデータを統計的に分析し、負荷モデル式の動特性パラメータの推定に有用な特性モデル式を構築するデータ分析部である。
【００１５】
３は実際の故障時に電気諸量を計測する系統状態計測部である。これは、定常時に監視対象母線の上記電気諸量の時系列サンプリングデータを計測しており、データの変化が、所定の閾値を越えて急変すると故障発生と判定し、その発生時間の前後の一定時間の時系列サンプリングデータを検出して故障時のデータとする。
【００１６】
なお、系統状態計測部３における故障の判定は、例えば、監視対象母線の電圧が１サイクル前の電圧値より２％以上低下した場合に故障と判定する方法が考えられるが、任意の値を選択するものでも良い。
【００１７】
４はデータ分析部２で得られた結果をもとに、故障時の計測データから負荷モデル式のパラメータの一部を予め決定し、決定したパラメータを用いて計測データに適当な処理を施すための補助演算・処理部である。
【００１８】
５は補助演算・処理部４で処理された後の修正計測データに対して、まだ決定していないパラメータを推定するための推定演算部である。
【００１９】
６は推定演算結果を確認、提示するための表示手段である。これはＣＲＴ等の表示装置により実現される。また、一連の推定演算が終了した後に当該の故障に関して計測した時系列データはデータ蓄積部１へ最新データとして蓄積される。このデータの流れは、図１におけるデータ蓄積部１と系統状態計測部３との間を結ぶ破線で示している。
【００２０】
次に、上記構成における本実施の形態１の負荷特性推定装置の動作について説明する。図１における構成において、例えば次式（１）の有効電力負荷の動特性まで考慮した負荷モデル式を用いて動特性パラメータＫ_ｄとＴ_ｄについて過去の故障実績データから特性を分析し、動特性に関する特性モデル式を構築することによって、実際の故障発生時に補助演算により動特性を直ちに決定する。
【００２１】
Ｔ_ｄ・（ｄＰ／ｄｔ）＋Ｐ＝Ｐ_ｓ＋Ｋ_ｄ・Ｖ・（ｄＶ／ｄｔ）・・・・（１）
ただし、Ｐ：合成負荷の有効電力、Ｐ_ｓ：合成負荷の静特性部分、Ｖ：計測点の母線電圧、Ｔ_ｄ、Ｋ_ｄ：動特性パラメータ、ｄＰ／ｄｔ：合成負荷の有効電力の時間微分、ｄＶ／ｄｔ：計測点の母線電圧の時間微分である。
【００２２】
さらに、故障除去後の計測データから他のパラメータを推定する場合に、図２に示すフローチャートにしたがって以下の手順を実施することによって、本実施の形態１に係る負荷特性推定装置におけるパラメータの推定を実現することができる。
【００２３】
観測点から負荷側を見た場合に、様々な負荷機器を統合して合成負荷と見なす。負荷の動特性はモータ負荷に起因するものとして、それらを等価一機の誘導機に見立てて動特性を考慮した負荷モデル式として公知である上記の式（１）で表わされる関数を使用する。（"Nonlinear Dynamic Load Models with Recovery for Voltage Stability Studies"、 D.J.Hill、 IEEE Trans. On Power Systems、 Vol.8、 No.1、 February、 1993等を参照）
【００２４】
式（１）の静特性部分Ｐ_ｓに関しては、周波数特性を無視し、定電力負荷と定インピーダンス負荷からなる次式（２）を用いる。
Ｐｓ＝Ｐ_０’・（Ｋ_ｐ＋Ｋ_ｚ・Ｖ^２）・・・・（２）
ただし、Ｋ_ｐ、Ｋ_ｚ：定電力負荷と定インピーダンス負荷の割合を決める電圧静特性パラメータ（すなわち、Ｋ_ｐ＋Ｋ_ｚ＝１）、Ｐ_０’：故障除去後の負荷量（Ｐ_０：初期負荷量）である。
【００２５】
これらの式（１）、（２）中の未知パラメータであるＫ_ｄ、Ｔ_ｄ、Ｐ_０’、Ｋ_ｐ、Ｋ_ｚが負荷パラメータとしての推定対象となる。
以下、図２のフローチャートにしたがって説明する。
【００２６】
ステップＳ２０１では、まず、ある監視対象母線でこれまでに蓄積した故障実績データをデータ蓄積部１から取り出し、各故障ケースで計測された有効電力と電圧の各時系列サンプリングデータに対して式（１）の負荷モデル式へ当てはめ、例えば一般的な分析手法である最小二乗法を用いて負荷モデル式におけるパラメータの事前分析を実施する。
【００２７】
より具体的に例を示せば、ある時刻に計測された電圧と有効電力の時系列データはそれぞれ図３と図４となる。図３は故障時における電圧の時系列のデータ例、図４は故障時における有効電力の時系列データ例である。
【００２８】
この具体例に対しては、故障除去後から負荷特性パラメータを推定するのに十分長い５００［ｍｓ］間の時系列データを用いて最小二乗法により分析した結果、Ｋ_ｄ＝０．００６３、Ｔ_ｄ＝０．００４１、Ｐ_０’＝０．１５０、Ｋ_ｐ＝０．６３３、Ｋ_ｚ＝０．３６４となる。故障実績データに対する分析結果として、これらのパラメータの組（故障ＩＤ、Ｋ_ｄ、Ｔ_ｄ、Ｐ_０’、Ｋ_ｐ、Ｋ_ｚ）を各故障ケースについて保存する。ここに、故障ＩＤは様々な故障ケースを識別する識別子である。
【００２９】
次に、ステップＳ２０２で、保存されたパラメータを統計的に分析する。本実施の形態１では、動特性に関する動特性パラメータＫ_ｄとＴ_ｄ間の関係と、故障時の電圧低下率ΔＶとＫ_ｄの関係について特性モデル式を構築する。それぞれの関係を実測例で示すと図５と図６となる。
【００３０】
図５は動特性パラメータＫ_ｄとＴ_ｄの関係の実測例、図６は電圧低下率ΔＶとＫ_ｄの関係の実測例である。この関係に基づいて、例えば最も簡単な例として、それぞれの特性を線形モデルでモデル化すると次式（３）、（４）として示すことができる。
【００３１】
Ｔ_ｄ＝０．５６７３・Ｋ_ｄ＋０．００２９・・・・（３）
Ｋ_ｄ＝０．２７３４・ΔＶ−０．０１０４・・・・（４）
【００３２】
上記の作業により抽出したこれらの特性モデル式を保存しておく。これらのステップは故障発生前にオフラインで行なわれるデータ解析であり、ステップＳ２０１とステップＳ２０２の手順はデータ解析部２で実行される。
【００３３】
次に、ステップＳ２０３〜Ｓ２０８はオンライン処理となる。ステップＳ２０３で監視対象母線に故障が発生したかどうかを判定する。
判定方法としては、系統状態計測部３における故障の判定として上述した方法などがある。
【００３４】
故障発生と判定されるまで監視し続けるために、ステップＳ２０３の処理を繰り返す。故障が発生したと判定された場合は、補助演算・処理部４において直ちにステップＳ２０４とＳ２０５の処理が実行される。
【００３５】
ステップＳ２０４では、電圧低下率ΔＶ（＝故障発生直後の電圧低下分／故障発生前の平均電圧）を求める。
また、ステップＳ２０５では、ステップＳ２０２で求めた動特性に関する特性モデル式にΔＶを代入してＫ_ｄとＴ_ｄを求める。これらの処理に対して実測例を挙げて説明する。
【００３６】
監視対象母線において新しい故障が発生し、その時に計測された電圧Ｖと有効電力Ｐの時系列データを図７と図８に示す。
図７は新しく検出された故障ケースにおける電圧Ｖの時系列データ例、図８は新しく検出された故障ケースにおける有効電力Ｐの時系列データ例である。
【００３７】
オンライン処理では、まず故障と判断された直後に電圧時系列データよりΔＶ＝０．１０３が求められて、式（３）、（４）からＫ_ｄ＝０．０１８、Ｔ_ｄ＝０．０１３が求められる。これらの演算は故障発生直後にΔＶが計測されれば、あとは代入演算で終わるので直ちに完了することができる。そして、補助演算・処理部４で続けてステップＳ２０６の処理を実行する。
【００３８】
ステップＳ２０６では、求めたＫ_ｄとＴ_ｄ、そして故障除去後の計測した電圧Ｖの時系列データΔＶ（図７）を代入して、式（１）より静特性部分Ｐ_ｓを除いた部分だけを演算し、有効電力Ｐの時系列データから差し引く。電圧と有効電力の微分項ｄＶ／ｄｔ、ｄＰ／ｄｔは、差分で近似して求めれば良い。
【００３９】
ステップＳ２０６の処理後の有効電力Ｐの時系列データの例を図９に示す。推定演算部５でステップＳ２０７の処理、すなわち電圧Ｖの時系列データΔＶと、ステップＳ２０６で処理後の有効電力Ｐの時系列データから式（２）の静特性に関する負荷モデル式におけるパラメータを最小二乗法により推定する。
【００４０】
ただし、ここでは推定に使用する時系列データの長さは故障除去後から１００［ｍｓ］である。推定方法は前述のステップＳ２０１と同じで良い。その結果、故障除去後の負荷量Ｐ_０’＝０．２１６、Ｋ_ｐ＝０．４８、Ｋ_ｚ＝０．５２となる。最後に、演算結果表示部６において推定結果を提示する（ステップＳ２０８）。
【００４１】
また、一連の処理が終了した後に、新しい故障ケースで計測した時系列データをデータ蓄積部１に送出して蓄積する（ステップＳ２０９）。
【００４２】
以上のように、本実施の形態１によれば、最終的に推定すべき負荷モデル式に関するパラメータの数を減少させることができるため推定作業が容易になり、また負荷の動特性に起因した過渡応動が強く影響している故障除去後の短い時間領域の計測データだけを使用しても精度良く故障除去後の負荷特性が推定できる効果がある。
【００４３】
実施の形態２．
この発明の実施の形態２に係る負荷特性推定装置は、負荷脱落を伴う故障ケースの場合に上記実施の形態１を実現するものである。
なお、故障中の電圧低下といった要因により負荷構成機器の一部が脱落する現象を負荷脱落という。
【００４４】
以下に、負荷脱落が発生した場合の負荷特性パラメータの推定方法について上記実施の形態１をもとに説明する。
負荷脱落が発生した場合の動特性パラメータＫ_ｄは、負荷脱落がない場合のそれと比べて同じ電圧低下率ΔＶに対して小さくなる。そこで、上記実施の形態１の場合で、オフライン解析である図２におけるステップＳ２０２の処理内容を一部変更する。つまり、ΔＶ−Ｋ_ｄの関係とＫ_ｄ−Ｔ_ｄの関係を事前分析する場合に、負荷脱落の発生が認められるケースはあらかじめ除外しておく。
【００４５】
ステップＳ２０３以下では、負荷脱落がない場合と同様に処理を進めればよい。求められた負荷特性パラメータから、次式（５）により負荷脱落量Ｐ_ｄｒｏｐを求める。
Ｐ_ｄｒｏｐ＝Ｐ_０−Ｐ_０’ ・・・・（５）
【００４６】
したがって、本実施の形態２によっても、上記実施の形態１と同様の効果を奏することができる。
さらに、故障実績データ中で負荷脱落を伴うケースは一般に少ないことから負荷脱落の場合の特性モデルが満足に解析できないことが多いが、本実施の形態２によれば多数蓄積されている負荷脱落のないケースを有効に活用できるという効果も得られる。
【００４７】
実施の形態３．
この発明の実施の形態３に係る負荷特性推定装置として、上記実施の形態１と同じ負荷モデル式（式（１）と式（２））を用いる場合を例示する。
図１０は、本実施の形態３に係る負荷特性推定装置の構成を示したブロック図である。以下に、図１０を用いて本構成について説明する。
【００４８】
図１０において、７は電力系統の定常運転時の調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を検出し、計測するための系統状態計測部である。変化の検出判定には、例えば監視対象母線の電圧が１サイクル前の電圧値より０．２％以上変化する場合に検出するといった方法などが考えられるが、任意の値を選択するものでもよい。
【００４９】
また、上記系統状態計測部７は実際の故障時における電気諸量を計測する。故障の判定は上記実施の形態１と同じものを使用すればよい。
【００５０】
８はこれまでに計測された調相設備のＯＮ／ＯＦＦ時の電気諸量の時系列データのデータ蓄積部である。データ構成、計測条件は上記実施の形態１の場合と同じで良い。
【００５１】
９はデータ蓄積部８で蓄積された過去のデータを統計的に分析し、故障発生時の負荷モデル式の静特性パラメータの推定に有用な特性モデル式を構築するデータ分析部である。
【００５２】
１０はデータ分析部９で得られた結果をもとに、故障時の状態から負荷モデル式の静特性パラメータを予め決定するための補助演算部である。
【００５３】
１１は補助演算部１０で決定した静特性パラメータを用いて、まだ決定していない残りのパラメータを推定するための推定演算部である。１２は推定演算結果を確認・提示するための表示機能である。これはＣＲＴ等の表示装置により実現される。
【００５４】
次に、上記構成における本実施の形態３の負荷特性推定装置の動作について、図１１に示すフローチャートにしたがって説明する。
ステップＳ４０１ではある監視対象母線に対して定常状態における系統状態を系統状態監視部７により監視し、調相設備のＯＮ／ＯＦＦによる変化が検出されるまで同じ作業を繰り返す。
【００５５】
そして、変化が検出されると、ステップＳ４０２では調相設備のＯＮ／ＯＦＦ時に計測される時系列データをデータ蓄積部８に蓄積する。時系列データの内容は上記実施の形態１と同じで良い。また、データ蓄積部８に蓄積された各データに対して、上記実施の形態１で説明した方法で負荷特性パラメータの分析をデータ分析部９で実施する。
【００５６】
ここでは負荷モデル式は上記実施の形態１で使用したもの（式（１）と（２））と同じとする。故障発生時に比べて計測データの変化の大きさは小さいが、実施の形態１の場合と同じように処理できる。
【００５７】
同じデータ分析部９においてステップＳ４０３を実行する。すなわち、故障発生時の負荷特性推定作業において推定すべき静特性パラメータＫ_ｐ、Ｋ_ｚを推定するための特性モデル式をあらかじめ構築するオフライン作業である。
【００５８】
故障時を除いた電力系統の定常運転時において、負荷の自律的な変化以外の外的要因による変化の一つとして調相設備のＯＮ／ＯＦＦが考えられる。Ｋ_ｐ、Ｋ_ｚといった静特性パラメータは故障前後で大きく変化しないという推察に基づき、調相設備動作による変化データから事前に静特性を分析する。
【００５９】
また、特性モデル式を構築する理由は、調相設備のＯＮ／ＯＦＦは一日の中で運転されるスケジュールが決められており、データの収集時間に大きく偏りが生じてしまい実際の故障発生時刻に最適な静特性の値を使用できない可能性があるからである。具体的には、故障発生時に最も近い最新の値を蓄積データの中から選択して使う方法がある。
【００６０】
また、曜日、季節毎に分類して分析を実施して調相設備のＯＮ／ＯＦＦの時刻毎に平均値を算出し、それらの平均値間を例えば線形補完するモデル式を構築することにより計測データのない時間帯の静特性値を与える方法がある。
【００６１】
さらに、静特性パラメータ分析のための時系列データ計測と同時に気温や天候などの気象データを計測し、計測時刻と気象データなどの計測可能な補助データを入力データとし、分析した静特性パラメータＫ_ｐとＫ_ｚを教師信号としてニューラルネットワークを適用し、オフラインで学習させることで特性モデルを構築することもできる。
【００６２】
この場合、実際の故障発生時には学習後のニューラルネットワークにオンラインで発生時刻と補助データを与えることでＫ_ｐ、Ｋ_ｚを得る方法がある。これらのオフラインデータからの静特性パラメータの獲得方法は任意の手法で良い。
【００６３】
一方、ステップＳ４０４からＳ４０７はオンライン処理となる。ステップＳ４０４で監視対象母線に故障が発生したかどうかを系統状態計測部７で判定する。判定方法としては、上述した方法などがある。
【００６４】
故障発生と判定されるまで監視し続けるためにステップＳ４０４の処理を繰り返す。故障が発生したと判定された場合は、補助演算部１０において直ちにステップＳ４０５の処理が実行される。ステップＳ４０５ではデータ分析部９で保存された特性モデル式を利用して故障発生時の系統状態に適応した静特性パラメータを求める。
【００６５】
推定演算部１１で求めた静特性パラメータを既知としてステップＳ４０６の処理、すなわち、系統状態計測部７で計測した電圧Ｖと有効電力Ｐの時系列データから式（１）、（２）のモデル式におけるパラメータを最小二乗法により推定する。
最後に、演算結果表示部１２において推定結果を提示する（ステップＳ４０７）。
【００６６】
このように、本実施の形態３によれば、最終的に推定すべき負荷特性パラメータの数を減少させることができて推定作業が容易になること、および故障除去後において負荷の静特性に起因した負荷変動については事前の分析結果を利用して与えることができるので推定精度の向上が期待できるという効果がある。
【００６７】
実施の形態４．
この発明の実施の形態４では、故障発生時の連系線のリレー動作により主系統から分離した単独系統（以下、「分離系統」という。）の故障除去後の周波数を適正に維持する系統周波数安定化装置に上記実施の形態１ないし３に記載した上記負荷特性推定装置を利用する場合について説明する。
【００６８】
系統周波数安定化装置は故障除去後の分離系統の需給バランスを考慮して、基準周波数を維持するように発電量または負荷量を適切に制御する。しかし、故障により分離系統が発生すると負荷脱落が発生する可能性がある。負荷脱落を適切に考慮しなければ系統周波数安定化装置の制御量算出に誤差として影響することになる。
【００６９】
系統周波数安定化装置の保護範囲に１つの負荷母線がある場合に、上記実施の形態１ないし３に記載の負荷特性推定装置により求めた故障除去後のパラメータから、故障により生じた負荷脱落量Ｐ_ｄｒｏｐは式（６）のように計算できる。
Ｐ_ｄｒｏｐ＝Ｐ_０−Ｐ_０’ ・・・・（６）
ただし、Ｐ_０：初期負荷量、Ｐ_０’：故障除去後の負荷量である。
【００７０】
負荷脱落量Ｐ_ｄｒｏｐを用いて、故障除去後の負荷量にＰ_ｄｒｏｐ分を考慮して制御量を算出すれば、より精度の高い制御が可能となる。
例えば、連系線を介して主系統側から有効電力Ｐ_ｉｎを受けていた系統は、故障により分離系統となると故障除去後に周波数が低下する。この場合、一般的には受け潮流Ｐ_ｉｎに相当する負荷を削減すれば周波数を基準値に維持することができる。しかし、負荷脱落が発生する場合には過制御となる。すなわち、負荷脱落量を考慮した最適な制御量Ｐ_ｃは以下の式（７）になる。
【００７１】
Ｐ_ｃ＝Ｐ_ｉｎ−Ｐ_ｄｒｏｐ・・・・（７）
【００７２】
また、本実施の形態４に係る負荷特性推定装置では故障除去後の短時間で負荷モデル式におけるパラメータのオンライン算出が可能であるため、系統周波数安定化装置の制御完了時間内に算出したパラメータ値を反映した制御量演算が可能となる効果がある。
【００７３】
実施の形態５．
この発明の実施の形態５では、故障時の連系線のリレー動作により主系統から分離した単独系統（以下、分離系統と呼ぶ）の故障除去後の周波数を適正に維持する系統周波数安定化装置に上記実施の形態１ないし３に記載の負荷特性推定装置を利用する場合について説明する。
【００７４】
系統周波数安定化装置は故障除去後の分離系統の需給バランスを考慮して、基準周波数を維持するように発電量または負荷量を適切に制御する。故障により分離系統が発生すると負荷脱落が発生する可能性がある。負荷脱落を適当に考慮しなければ系統周波数安定化装置の制御量算出に誤差として影響することになる。
【００７５】
系統周波数安定化装置の保護範囲に複数の負荷母線がある場合に、例えば、各負荷母線に上記実施の形態１ないし３に記載の負荷特性推定装置を分散して設置し、それらの推定結果を中央の系統周波数安定化装置に通信線を介して送信し、総和を取って分離系統全体の負荷脱落量を求め、制御量を計算することができる。ここでは、負荷母線の総数をＭとする。
【００７６】
したがって、負荷脱落量の総和Ｐ_{ｓｕｍ＿ｄｒｏｐ}は、
【数１】

となる。式（７）のＰ_ｄｒｏｐをＰ_{ｓｕｍ＿ｄｒｏｐ}に置き換えれば、受け潮流側の分離系統発生時の制御量を算出することができる。
【００７７】
また、本実施の形態５によれば、負荷特性推定装置では故障除去後の短時間で負荷特性パラメータのオンライン算出が可能であるため、中央装置への通信時間を考慮しても系統周波数安定化装置の制御完了時間内に算出したパラメータ値を反映した制御量演算ができるという効果がある。
【００７８】
【発明の効果】
この発明に係る負荷特性推定装置によれば、電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障時の故障計測データを検出する系統状態計測手段と、過去に検出された故障実績データを蓄積したデータ蓄積手段と、データ蓄積手段に蓄積された故障実績データを分析し、負荷モデル式の動特性パラメータを推定する特性モデル式を構築するデータ分析手段と、系統状態計測手段により検出された故障計測データを上記特性モデル式に当てはめて動特性パラメータを決定し、動特性パラメータを負荷モデル式から除去処理する補助演算処理手段と、除去処理された負荷モデル式に基づいて故障除去後のパラメータを推定する推定演算部とを備えたことにより、負荷特性モデルの動特性パラメータを推定する特性モデル式を事前に把握でき、故障発生時には直ちに動特性パラメータを決定することができるので、故障計測データをもとに故障除去後の負荷パラメータを上記推定演算部で推定する時の推定すべきパラメータ数が削減され、推定精度を向上させることができる。さらに、推定すべきパラメータ数が削減されたことにより十分な推定精度を得るために必要な故障除去後の計測時間を短縮することができるために、推定作業にかかる全体時間を高速化することが可能である。
【００７９】
また、電力系統を監視する監視負荷母線の電気諸量を計測し、電力系統の故障を検出するとともに、調相設備のＯＮ／ＯＦＦ時に発生する電気諸量の変化を示す変化データを検出する系統状態計測手段と、過去に検出された変化実績データを蓄積したデータ蓄積手段と、変化実績データを分析し静特性パラメータを推定する特性モデル式を構築するデータ分析手段と、系統状態計測手段により電力系統の故障が検出されたときの変化データを特性モデル式に当てはめて静特性パラメータを決定し、静特性パラメータを負荷特性モデルから除去処理する補助演算処理手段と、除去処理された負荷モデル式に基づいて故障除去後のパラメータを推定する推定演算部とを備えたことにより、負荷特性モデルの静特性パラメータを推定する特性モデル式を事前に把握でき、故障発生時には直ちに静特性パラメータを決定することができるので、変化実績データをもとに故障除去後の負荷パラメータを上記推定演算部で推定する時の推定すべきパラメータ数が削減され、推定精度を向上させることができる。さらに、推定すべきパラメータ数が削減されたことにより十分な推定精度を得るために必要な故障除去後の計測時間を短縮することができるために、推定作業にかかる全体時間を高速化することが可能である。
【００８０】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、推定演算部により推定された故障除去後のパラメータに基づいて、故障により生じた負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することにより、負荷特性推定装置により系統状態に応じた精度の高い負荷特性を故障除去後に高速に与えることができるので、従来装置では困難であった高速な安定化制御における制御量算出への負荷特性の考慮ができ、その結果演算精度の向上が可能になる。
【００８１】
また、上記負荷特性推定装置を用いた系統周波数安定化装置であって、電力系統内の複数の負荷母線に分散して上記負荷特性推定装置を配置し、各負荷特性推定装置において推定された故障除去後のパラメータを収集し、この収集したパラメータに基づいて負荷脱落量を算出し、該負荷脱落量に応じて負荷制御量を算出することにより、負荷の構成や特徴に影響を受ける負荷特性を個別に推定することが可能となるため、従来の系統安定化装置に比べてより精度の高い制御性能を実現することができる。
【図面の簡単な説明】
【図１】この発明の実施の形態１に係る負荷特性推定装置の構成を示すブロック図である。
【図２】この発明の実施の形態１に係る負荷特性推定装置の動作を説明するフローチャートである。
【図３】この発明の実施の形態１に係る負荷特性推定装置の故障時における電圧の時系列データの例である。
【図４】この発明の実施の形態１に係る負荷特性推定装置の故障時における有効電力の時系列データの例である。
【図５】この発明の実施の形態１に係る負荷特性推定装置の動特性パラメータＫ_ｄとＴ_ｄの関係の実測例である。
【図６】この発明の実施の形態１に係る負荷特性推定装置の電圧低下率ΔＶとＫ_ｄの関係の実測例である。
【図７】この発明の実施の形態１に係る負荷特性推定装置の新たに検出された故障ケースにおける電圧の時系列データの例である。
【図８】この発明の実施の形態１に係る負荷特性推定装置の新たに検出された故障ケースにおける有効電力の時系列データの例である。
【図９】この発明の実施の形態１に係る負荷特性推定装置の補助演算・処理後の時系列データの例である。
【図１０】この発明の実施の形態３に係る負荷特性推定装置の構成を示すブロック図である。
【図１１】この発明の実施の形態３に係る負荷特性推定装置の動作を説明するフローチャートである。
【符号の説明】
１データ蓄積部、２データ分析部、３系統状態計測部、４補助演算・処理部、５推定演算部、６演算結果表示部、７系統状態計測部、８データ蓄積部、９データ分析部、１０補助演算・処理部、１１推定演算部、１２演算結果表示部。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a load characteristic estimation device and a system frequency stabilization device using the load characteristic estimation device, and in particular, constructs a load model equation composed of a plurality of parameters in consideration of the dynamic characteristics of the load, and parameters in the load model equation after failure removal The present invention relates to a load characteristic estimation device that obtains a high speed and a system frequency stabilization device using the load characteristic estimation device.
[0002]
[Prior art]
The conventional load characteristic estimation means represents, for example, a load disclosed in Japanese Patent Application Laid-Open No. Sho 60-255020 with a static characteristic model, and is time-sampling data obtained from the power and voltage waveforms after the failure occurs. In contrast, there are models that obtain model parameters of the static load characteristic model.
[0003]
[Problems to be solved by the invention]
In such load characteristic estimation means, the transient response of the load observed when a disturbance occurs in the system, that is, the dynamic characteristic in the load model equation is not taken into consideration. Therefore, when obtaining at high speed based on the online data immediately after the failure is removed, the transient response due to the dynamic characteristics of the load is superimposed on the measurement waveform, so the accuracy becomes very poor and cannot be applied.
[0004]
Even if a load model equation considering dynamic characteristics is used, in order to estimate all parameters based on online data after fault removal, it is usually several hundreds [ms] after fault elimination (usually transient) Measurement data is required until the active response disappears.
[0005]
In general, in order to reflect the load characteristic parameters obtained online in the calculation of the control amount in the main control of the system stabilizer, the measurement data in a short time within 200 [ms] after the failure is removed is used. Therefore, it is necessary to estimate with high accuracy.
However, the measurement data in the time domain has a problem that the transient response due to the load dynamic characteristic is superimposed and the estimation accuracy is deteriorated.
[0006]
The present invention has been made in order to solve the above-described problems. A load characteristic model that takes into consideration the dynamic characteristics of the load is constructed, and the coefficient parameter in the load characteristic model is changed to the load state after removing the fault. An object of the present invention is to realize a load characteristic estimation device that can be obtained at high speed adaptively.
[0007]
Another object of the present invention is to realize a stabilization control device having high-speed, stable and highly accurate control performance by applying the load characteristic estimation device to a system frequency stabilization control device.
[0008]
[Means for Solving the Problems]
A load characteristic estimation device according to the present invention constructs a load model equation composed of a plurality of parameters representing a load characteristic of a power system, and determines the load characteristic by determining a parameter of the load model equation. In the apparatus, a system state measuring means for measuring various electrical quantities of a monitoring load bus for monitoring the power system and detecting failure measurement data at the time of a power system failure, and a fault detected in the past by the system state measuring means Analyzing the failure record data accumulated in the data accumulation means and the failure accumulation data including failure record data consisting of measurement data, and constructing a characteristic model formula for estimating the dynamic characteristic parameters related to the dynamic characteristics of the load model formula Characteristics constructed by the data analysis means and the failure measurement data detected by the system state measurement means by the data analysis means The dynamic characteristic parameter is determined by applying a Dell formula, and an auxiliary calculation processing means for removing the dynamic characteristic parameter from the load model formula, and a load model formula obtained by removing the dynamic characteristic parameter by the auxiliary calculation processing means And an estimation calculation unit for estimating the parameters after the failure removal.
[0009]
In addition, the electrical load of the monitoring load bus that monitors the power system is measured, and a failure of the power system is detected, and change data indicating changes in the electrical quantities that occur when the phase adjusting equipment is turned ON / OFF is detected. System load measuring means, data storage means for storing change result data consisting of change data detected in the past by the power supply state measurement means, change result data stored in the data storage means, and analyzing the load model Data analysis means for constructing a characteristic model formula for estimating a static characteristic parameter related to the static characteristics of the formula, and the change data when a fault in the power system is detected by the system state measurement means is constructed by the data analysis means. The static characteristic parameter is determined by applying it to the characteristic model equation, and the static characteristic parameter is removed from the load characteristic model. Processing means, based on the static characteristic parameter removed processed load model formula by the auxiliary processing means, in which a estimation calculation section for estimating the parameters after fault clearance.
[0010]
Further, the system frequency stabilization device using the load characteristic estimation device, the load drop amount caused by the failure is calculated based on the parameters after the failure estimated estimated by the estimation calculation unit, the load drop The load control amount is calculated according to the amount.
[0011]
Also, a system frequency stabilization device using the load characteristic estimation device, wherein the load characteristic estimation device is distributed over a plurality of load buses in the power system, and is estimated in each load characteristic estimation device The parameters after failure removal are collected, the load dropout amount is calculated based on the collected parameters, and the load control amount is calculated according to the load dropout amount.
[0012]
DETAILED DESCRIPTION OF THE INVENTION
Embodiment 1 FIG.
The load characteristic estimation device according to the first embodiment of the present invention statistically analyzes past failure data accumulated and estimates a dynamic characteristic in advance (hereinafter referred to as “characteristic model formula”). ) And the dynamic characteristic parameter related to the dynamic characteristic is immediately determined when a failure actually occurs, so that the static characteristic parameter related to the static characteristic is determined from the measured waveform after the failure is removed.
[0013]
FIG. 1 is a block diagram showing the configuration of the load characteristic estimation apparatus according to the first embodiment. Hereinafter, this configuration will be described with reference to FIG.
In FIG. 1, reference numeral 1 denotes a data storage unit for time-series sampling data of various electrical quantities measured at the time of failure. This consists of multiple sets of data, such as active / reactive power, voltage, and frequency, measured at the same time. Each set is assigned a time tag and arranged in order of time.・ Saved.
[0014]
Reference numeral 2 denotes a data analysis unit that statistically analyzes past data accumulated in the data accumulation unit 1 and constructs a characteristic model formula useful for estimating a dynamic characteristic parameter of the load model formula.
[0015]
Reference numeral 3 denotes a system state measuring unit that measures various electrical quantities when an actual failure occurs. This is because time series sampling data of the above-mentioned various electrical quantities of the monitored buses are measured in a steady state, and when a change in the data suddenly changes beyond a predetermined threshold, it is determined that a failure has occurred, and a constant before and after the occurrence time. Time-series sampling data is detected and used as failure data.
[0016]
In addition, the determination of the failure in the system state measuring unit 3 may be a method of determining a failure when, for example, the voltage of the monitored bus decreases by 2% or more from the voltage value one cycle before, but an arbitrary value is selected. You can do it.
[0017]
4 is for predetermining part of the parameters of the load model equation from the measurement data at the time of failure based on the result obtained by the data analysis unit 2, and performing appropriate processing on the measurement data using the determined parameters This is an auxiliary calculation / processing unit.
[0018]
Reference numeral 5 denotes an estimation calculation unit for estimating parameters that have not yet been determined with respect to the corrected measurement data processed by the auxiliary calculation / processing unit 4.
[0019]
Reference numeral 6 denotes display means for confirming and presenting the estimation calculation result. This is realized by a display device such as a CRT. In addition, time series data measured for the failure after the series of estimation calculations is completed is stored in the data storage unit 1 as the latest data. This data flow is indicated by a broken line connecting the data storage unit 1 and the system state measurement unit 3 in FIG.
[0020]
Next, the operation of the load characteristic estimation apparatus according to the first embodiment having the above configuration will be described. In the configuration in FIG. 1, for example, the dynamic characteristic parameter K is calculated using a load model equation that takes into account the dynamic characteristic of the active power load of the following equation (1) _d And T _d By analyzing characteristics from past failure record data and constructing a characteristic model formula relating to dynamic characteristics, the dynamic characteristics are immediately determined by an auxiliary operation when an actual failure occurs.
[0021]
T _d (DP / dt) + P = P _s + K _d ・ V ・ (dV / dt) ・・・・ (1)
Where P: active power of composite load, P _s : Static characteristic part of composite load, V: Bus voltage at measurement point, T _d , K _d : Dynamic characteristic parameter, dP / dt: time derivative of active power of combined load, dV / dt: time derivative of bus voltage at measurement point.
[0022]
Further, when estimating other parameters from the measurement data after removing the fault, the following procedure is performed according to the flowchart shown in FIG. 2 to estimate the parameters in the load characteristic estimation device according to the first embodiment. Can be realized.
[0023]
When the load side is viewed from the observation point, various load devices are integrated and regarded as a combined load. Assuming that the dynamic characteristics of the load are caused by the motor load, a function represented by the above formula (1), which is known as a load model formula considering the dynamic characteristics as if it were an equivalent single induction machine, is used. (See "Nonlinear Dynamic Load Models with Recovery for Voltage Stability Studies", DJHill, IEEE Trans. On Power Systems, Vol. 8, No. 1, February, 1993, etc.)
[0024]
Static characteristic part P of formula (1) _s As for, the frequency characteristic is ignored and the following equation (2) consisting of a constant power load and a constant impedance load is used.
Ps = P ₀ '・ (K _p + K _z ・ V ² (2)
However, K _p , K _z : Static voltage characteristic parameter that determines the ratio of constant power load and constant impedance load (ie, K _p + K _z = 1), P ₀ ': Load after fault removal (P ₀ : Initial load amount).
[0025]
K which is an unknown parameter in these equations (1) and (2) _d , T _d , P ₀ ', K _p , K _z Is an estimation target as a load parameter.
Hereinafter, description will be given according to the flowchart of FIG.
[0026]
In step S201, first, failure record data accumulated so far on a certain bus to be monitored is extracted from the data storage unit 1, and an equation (1) is obtained for each time series sampling data of active power and voltage measured in each failure case. ) Is applied to the load model equation, and the parameters in the load model equation are pre-analyzed using, for example, a general method of least squares.
[0027]
More specifically, the time series data of the voltage and active power measured at a certain time are shown in FIGS. 3 and 4, respectively. FIG. 3 shows an example of time-series data of voltage at the time of failure, and FIG. 4 shows an example of time-series data of active power at the time of failure.
[0028]
For this specific example, as a result of analysis by the least square method using time series data for 500 [ms] long enough to estimate the load characteristic parameter after removing the fault, _d = 0.0063, T _d = 0.0041, P ₀ '= 0.150, K _p = 0.633, K _z = 0.364. As an analysis result for the failure record data, a set of these parameters (failure ID, K _d , T _d , P ₀ ', K _p , K _z ) For each failure case. Here, the failure ID is an identifier for identifying various failure cases.
[0029]
Next, in step S202, the stored parameters are statistically analyzed. In the first embodiment, the dynamic characteristic parameter K related to the dynamic characteristic. _d And T _d And the voltage drop rate ΔV and K at the time of failure _d Construct a characteristic model formula for the relationship. Each relationship is shown in FIG. 5 and FIG.
[0030]
FIG. 5 shows the dynamic characteristic parameter K _d And T _d FIG. 6 shows a voltage drop rate ΔV and K _d Is an actual measurement example of the relationship. Based on this relationship, for example, as the simplest example, when the respective characteristics are modeled by a linear model, they can be expressed as the following equations (3) and (4).
[0031]
T _d = 0.5673 · K _d +0.0029 (3)
K _d = 0.2734 · ΔV−0.0104 (4)
[0032]
These characteristic model expressions extracted by the above operation are stored. These steps are data analysis performed off-line before a failure occurs, and the procedure of steps S201 and S202 is executed by the data analysis unit 2.
[0033]
Next, steps S203 to S208 are online processing. In step S203, it is determined whether a failure has occurred in the monitored bus.
Examples of the determination method include the method described above as the determination of failure in the system state measurement unit 3.
[0034]
In order to continue monitoring until it is determined that a failure has occurred, the process of step S203 is repeated. If it is determined that a failure has occurred, the auxiliary calculation / processing unit 4 immediately executes the processes of steps S204 and S205.
[0035]
In step S204, the voltage drop rate ΔV (= the voltage drop immediately after the failure occurs / the average voltage before the failure occurs) is obtained.
In step S205, ΔV is substituted into the characteristic model formula relating to the dynamic characteristic obtained in step S202, and K _d And T _d Ask for. An example of actual measurement will be described for these processes.
[0036]
FIG. 7 and FIG. 8 show time series data of the voltage V and the active power P measured at the time when a new failure occurs in the monitored bus.
FIG. 7 shows an example of time-series data of voltage V in a newly detected failure case, and FIG. 8 shows an example of time-series data of active power P in a newly detected failure case.
[0037]
In the online processing, ΔV = 0.103 is obtained from the voltage time series data immediately after it is determined that a failure has occurred, and K is calculated from equations (3) and (4). _d = 0.018, T _d = 0.013 is obtained. These calculations can be completed immediately if ΔV is measured immediately after the occurrence of the failure, and thereafter the calculation ends with the substitution calculation. Then, the auxiliary calculation / processing unit 4 continues to execute the process of step S206.
[0038]
In step S206, the calculated K _d And T _d Then, by substituting the time-series data ΔV (FIG. 7) of the measured voltage V after removing the failure, the static characteristic portion P is calculated from the equation (1). _s Only the part excluding is calculated and subtracted from the time series data of the active power P. The differential terms dV / dt and dP / dt of the voltage and active power may be obtained by approximating with the difference.
[0039]
An example of the time series data of the active power P after the process of step S206 is shown in FIG. The parameter in the load model equation relating to the static characteristic of the equation (2) is calculated from the time series data ΔV of the voltage V and the time series data of the active power P after the processing in step S206 by the estimation calculation unit 5 at the minimum. Estimated by multiplication.
[0040]
However, here, the length of the time series data used for estimation is 100 [ms] after the failure is removed. The estimation method may be the same as step S201 described above. As a result, the load P after failure removal ₀ '= 0.216, K _p = 0.48, K _z = 0.52. Finally, the calculation result display unit 6 presents the estimation result (step S208).
[0041]
Further, after the series of processing is completed, the time series data measured in the new failure case is sent to the data storage unit 1 and stored (step S209).
[0042]
As described above, according to the first embodiment, the number of parameters related to the load model equation to be finally estimated can be reduced, so that the estimation work is facilitated and the transient caused by the dynamic characteristics of the load. Even if only the measurement data in the short time domain after the fault removal to which the response is strongly influenced is used, the load characteristic after the fault removal can be accurately estimated.
[0043]
Embodiment 2. FIG.
The load characteristic estimation apparatus according to the second embodiment of the present invention realizes the above-described first embodiment in the case of a failure case accompanied by a load drop.
Note that a phenomenon in which a part of the load component equipment drops due to a factor such as a voltage drop during a failure is called load drop.
[0044]
Hereinafter, a method for estimating a load characteristic parameter when a load drop occurs will be described based on the first embodiment.
Dynamic characteristic parameter K when load drop occurs _d Is smaller for the same voltage drop rate ΔV than that when there is no load drop. Therefore, in the case of the first embodiment, a part of the processing content of step S202 in FIG. That is, ΔV−K _d Relationship and K _d -T _d When analyzing the relationship in advance, cases where load drop is observed are excluded in advance.
[0045]
In step S203 and subsequent steps, the process may be performed in the same manner as when there is no load drop. From the obtained load characteristic parameter, the load drop amount P is calculated by the following equation (5). _drop Ask for.
P _drop = P ₀ -P ₀ '... (5)
[0046]
Therefore, according to the second embodiment, the same effect as that of the first embodiment can be obtained.
Furthermore, since there are generally few cases with load dropouts in failure record data, the characteristic model in the case of load dropouts cannot often be satisfactorily analyzed. However, according to the second embodiment, a large number of load dropouts are accumulated. It is also possible to effectively use cases that do not exist.
[0047]
Embodiment 3 FIG.
As an example of the load characteristic estimation apparatus according to the third embodiment of the present invention, a case where the same load model formula (equation (1) and equation (2)) as that of the first embodiment is used is illustrated.
FIG. 10 is a block diagram showing the configuration of the load characteristic estimation apparatus according to the third embodiment. The configuration will be described below with reference to FIG.
[0048]
In FIG. 10, 7 is a system state measuring unit for detecting and measuring changes in various electrical quantities that occur when the phase adjusting equipment is turned on and off during steady operation of the power system. For example, a method of detecting when the voltage of the bus to be monitored changes by 0.2% or more from the voltage value one cycle before is considered as the detection detection of the change. However, an arbitrary value may be selected.
[0049]
The system state measuring unit 7 measures various electrical quantities at the time of actual failure. The same determination as in the first embodiment may be used for determining the failure.
[0050]
Reference numeral 8 denotes a data storage unit for time series data of various electrical quantities at the time of ON / OFF of the phase adjusting equipment measured so far. The data configuration and measurement conditions may be the same as those in the first embodiment.
[0051]
Reference numeral 9 denotes a data analysis unit that statistically analyzes past data stored in the data storage unit 8 and constructs a characteristic model formula useful for estimating a static characteristic parameter of the load model formula at the time of failure.
[0052]
Reference numeral 10 denotes an auxiliary calculation unit for preliminarily determining the static characteristic parameter of the load model formula from the state at the time of failure based on the result obtained by the data analysis unit 9.
[0053]
Reference numeral 11 denotes an estimation calculation unit for estimating the remaining parameters not yet determined using the static characteristic parameters determined by the auxiliary calculation unit 10. Reference numeral 12 denotes a display function for confirming and presenting the estimation calculation result. This is realized by a display device such as a CRT.
[0054]
Next, the operation of the load characteristic estimation apparatus according to the third embodiment having the above configuration will be described with reference to the flowchart shown in FIG.
In step S401, the system state in a steady state is monitored for a certain bus to be monitored by the system state monitoring unit 7, and the same operation is repeated until a change due to ON / OFF of the phase adjusting equipment is detected.
[0055]
When a change is detected, time series data measured when the phase adjusting equipment is turned ON / OFF is stored in the data storage unit 8 in step S402. The contents of the time series data may be the same as those in the first embodiment. Further, the data analysis unit 9 performs the analysis of the load characteristic parameter on each data stored in the data storage unit 8 by the method described in the first embodiment.
[0056]
Here, the load model equation is the same as that used in the first embodiment (Equations (1) and (2)). Although the magnitude of change in the measurement data is smaller than that at the time of failure occurrence, it can be processed in the same manner as in the first embodiment.
[0057]
Step S403 is executed in the same data analysis unit 9. That is, the static characteristic parameter K to be estimated in the load characteristic estimation work when a failure occurs _p , K _z This is an off-line work to build a characteristic model formula for estimating
[0058]
During steady operation of the power system excluding the time of failure, ON / OFF of the phase adjusting equipment can be considered as one of changes due to external factors other than autonomous changes in load. K _p , K _z Based on the assumption that the static characteristic parameters do not change significantly before and after the failure, the static characteristics are analyzed in advance from the change data due to the operation of the phase adjusting equipment.
[0059]
In addition, the reason for constructing the characteristic model formula is that ON / OFF of the phase adjustment equipment has a fixed schedule for operation during the day, and the data collection time is greatly biased, resulting in the actual failure occurrence time. This is because the optimum static characteristic value may not be used. Specifically, there is a method of selecting and using the latest value closest to the time of failure from the stored data.
[0060]
In addition, classification is performed by day of the week and season, analysis is performed, average values are calculated at each ON / OFF time of the phase adjusting equipment, and measurement is performed by building a model formula that linearly complements the average values, for example. There is a method of giving a static characteristic value in a time zone without data.
[0061]
In addition, time series data measurement for static characteristic parameter analysis is performed simultaneously with meteorological data such as temperature and weather, and auxiliary data that can be measured such as measurement time and meteorological data is used as input data. _p And K _z A characteristic model can be constructed by applying a neural network as a teacher signal and learning offline.
[0062]
In this case, when an actual fault occurs, the generation time and auxiliary data are given online to the learned neural network. _p , K _z There is a way to get. Any method may be used as a method of acquiring the static characteristic parameters from these offline data.
[0063]
On the other hand, steps S404 to S407 are online processing. In step S404, the system state measuring unit 7 determines whether or not a failure has occurred in the monitored bus. Examples of the determination method include the method described above.
[0064]
In order to continue monitoring until it is determined that a failure has occurred, the process of step S404 is repeated. If it is determined that a failure has occurred, the auxiliary calculation unit 10 immediately executes the process of step S405. In step S405, a static characteristic parameter adapted to the system state at the time of the failure is obtained using the characteristic model formula stored in the data analysis unit 9.
[0065]
Modeling equations (1) and (2) from the time series data of the voltage V and the active power P measured by the system state measuring unit 7 with the static characteristic parameter obtained by the estimation calculating unit 11 as known. Is estimated by the method of least squares.
Finally, an estimation result is presented on the calculation result display unit 12 (step S407).
[0066]
As described above, according to the third embodiment, the number of load characteristic parameters to be finally estimated can be reduced, facilitating estimation work, and due to the static characteristics of the load after the failure is removed. Since the load fluctuations can be given using the analysis result in advance, the estimation accuracy can be improved.
[0067]
Embodiment 4 FIG.
In the fourth embodiment of the present invention, the system frequency for properly maintaining the frequency after the failure removal of the single system (hereinafter referred to as “separated system”) separated from the main system by the relay operation of the interconnection line at the time of failure occurrence. A case where the load characteristic estimation device described in the first to third embodiments is used as a stabilization device will be described.
[0068]
The system frequency stabilization device appropriately controls the power generation amount or the load amount so as to maintain the reference frequency in consideration of the supply and demand balance of the separated system after the failure removal. However, if a separated system occurs due to a failure, load drop may occur. If load dropout is not properly taken into account, it will affect the calculation of the control amount of the system frequency stabilizer as an error.
[0069]
When there is one load bus in the protection range of the system frequency stabilizing device, the load dropout amount P caused by the failure is determined from the parameters after the failure removal obtained by the load characteristic estimation device described in the first to third embodiments. _drop Can be calculated as in equation (6).
P _drop = P ₀ -P ₀ '... (6)
However, P ₀ : Initial load, P ₀ ': Load after fault removal.
[0070]
Load dropout P _drop Is used to calculate the load amount after the failure is removed. _drop If the control amount is calculated in consideration of the minute, more accurate control is possible.
For example, the active power P from the main system side via the interconnection line _in When a system that has received a fault becomes a separated system due to a failure, the frequency decreases after the failure is removed. In this case, in general, the tidal current P _in If the load corresponding to is reduced, the frequency can be maintained at the reference value. However, overload control occurs when a load drop occurs. That is, the optimum control amount P considering the load dropout amount _c Becomes the following equation (7).
[0071]
P _c = P _in -P _drop (7)
[0072]
In addition, since the load characteristic estimation device according to the fourth embodiment can perform online calculation of the parameters in the load model equation in a short time after the failure removal, the parameter value calculated within the control completion time of the system frequency stabilization device There is an effect that the control amount calculation reflecting the above can be performed.
[0073]
Embodiment 5 FIG.
In the fifth embodiment of the present invention, a system frequency stabilizing device that appropriately maintains the frequency after failure removal of a single system (hereinafter referred to as a separate system) separated from the main system by relay operation of the interconnection line at the time of failure Next, the case where the load characteristic estimation device described in the first to third embodiments is used will be described.
[0074]
The system frequency stabilization device appropriately controls the power generation amount or the load amount so as to maintain the reference frequency in consideration of the supply and demand balance of the separated system after the failure removal. If a separated system occurs due to a failure, load drop may occur. If load dropout is not properly taken into account, it will affect the calculation of the control amount of the system frequency stabilizer as an error.
[0075]
When there are a plurality of load buses in the protection range of the system frequency stabilization device, for example, the load characteristic estimation devices described in the first to third embodiments are distributed and installed on each load bus, and the estimation results are obtained. It is possible to calculate the control amount by transmitting to the central system frequency stabilizing device via the communication line and calculating the sum of the total power by taking the sum. Here, M is the total number of load buses.
[0076]
Therefore, total load dropout P _{sum_drop} Is
[Expression 1]

It becomes. P in equation (7) _drop P _{sum_drop} In this case, the control amount at the time of generation of the separated system on the receiving current side can be calculated.
[0077]
Further, according to the fifth embodiment, since the load characteristic estimation device can calculate the load characteristic parameter online in a short time after the failure is removed, the system frequency can be stabilized even if the communication time to the central device is taken into consideration. There is an effect that the control amount calculation reflecting the parameter value calculated within the control completion time of the apparatus can be performed.
[0078]
【The invention's effect】
According to the load characteristic estimation device according to the present invention, the system state measuring means for measuring various electrical quantities of the monitoring load bus for monitoring the power system and detecting the failure measurement data at the time of the failure of the power system is detected in the past. Data storage means for accumulating failure actual data, data analysis means for analyzing the actual fault data stored in the data storage means, and constructing a characteristic model formula for estimating the dynamic characteristic parameters of the load model formula, and system state measurement By applying the fault measurement data detected by the means to the above characteristic model formula, the dynamic characteristic parameter is determined, the auxiliary calculation processing means for removing the dynamic characteristic parameter from the load model formula, and the load model formula after the removal processing A characteristic model equation for estimating the dynamic characteristic parameters of the load characteristic model Since the dynamic characteristic parameters can be determined immediately when a failure occurs, the number of parameters to be estimated when estimating the load parameters after the failure removal based on the failure measurement data is reduced. The estimation accuracy can be improved. Furthermore, since the number of parameters to be estimated has been reduced, the measurement time after fault removal necessary for obtaining sufficient estimation accuracy can be shortened, so that the overall time required for estimation work can be increased. Is possible.
[0079]
Also, a system for measuring electrical quantities of a monitoring load bus for monitoring the power system, detecting a failure of the power system, and detecting change data indicating changes in the electrical quantities generated when the phase adjusting equipment is turned ON / OFF The state measurement means, the data storage means for accumulating the change history data detected in the past, the data analysis means for analyzing the change history data and constructing the characteristic model formula for estimating the static characteristic parameter, and the system state measurement means The change data when a system fault is detected is applied to the characteristic model equation to determine the static characteristic parameter, and the auxiliary calculation processing means for removing the static characteristic parameter from the load characteristic model and the removed load model equation Characteristic model for estimating the static characteristic parameter of the load characteristic model. Since the static characteristic parameter can be determined immediately when a failure occurs, the number of parameters to be estimated when estimating the load parameter after the failure removal based on the actual change data is And the estimation accuracy can be improved. Furthermore, since the number of parameters to be estimated has been reduced, the measurement time after fault removal necessary for obtaining sufficient estimation accuracy can be shortened, so that the overall time required for estimation work can be increased. Is possible.
[0080]
Further, in the system frequency stabilization device using the load characteristic estimation device, the load dropout amount caused by the failure is calculated based on the parameter after failure removal estimated by the estimation calculation unit, and the load dropout amount is calculated. By calculating the load control amount according to the load, the load characteristic estimator can provide high-accuracy load characteristics according to the system status at high speed after removing the fault. Load characteristics can be taken into account in calculating the control amount in the control, and as a result, calculation accuracy can be improved.
[0081]
Also, a system frequency stabilization device using the load characteristic estimation device, wherein the load characteristic estimation device is arranged in a distributed manner on a plurality of load buses in the power system, and the fault estimated in each load characteristic estimation device By collecting the parameters after removal, calculating the load dropout based on the collected parameters, and calculating the load control amount according to the load dropout, the load characteristics affected by the load configuration and characteristics can be obtained. Since it becomes possible to estimate individually, control performance with higher accuracy can be realized as compared with the conventional system stabilizing device.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of a load characteristic estimation apparatus according to Embodiment 1 of the present invention.
FIG. 2 is a flowchart for explaining the operation of the load characteristic estimation device according to the first embodiment of the present invention.
FIG. 3 is an example of voltage time-series data at the time of failure of the load characteristic estimation apparatus according to Embodiment 1 of the present invention;
FIG. 4 is an example of time series data of active power at the time of failure of the load characteristic estimation device according to Embodiment 1 of the present invention;
FIG. 5 is a dynamic characteristic parameter K of the load characteristic estimation device according to the first embodiment of the present invention. _d And T _d Is an actual measurement example of the relationship.
FIG. 6 shows voltage drop rates ΔV and K of the load characteristic estimation device according to Embodiment 1 of the present invention. _d Is an actual measurement example of the relationship.
FIG. 7 is an example of voltage time-series data in a newly detected failure case of the load characteristic estimation device according to Embodiment 1 of the present invention;
FIG. 8 is an example of time series data of active power in a newly detected failure case of the load characteristic estimation device according to Embodiment 1 of the present invention;
FIG. 9 is an example of time-series data after auxiliary calculation / processing of the load characteristic estimation device according to Embodiment 1 of the present invention;
FIG. 10 is a block diagram showing a configuration of a load characteristic estimation apparatus according to Embodiment 3 of the present invention.
FIG. 11 is a flowchart for explaining the operation of a load characteristic estimation device according to Embodiment 3 of the present invention;
[Explanation of symbols]
1 data storage unit, 2 data analysis unit, 3 system state measurement unit, 4 auxiliary calculation / processing unit, 5 estimation operation unit, 6 calculation result display unit, 7 system state measurement unit, 8 data storage unit, 9 data analysis unit, 10 Auxiliary calculation / processing unit, 11 Estimated calculation unit, 12 Calculation result display unit.

Claims

In the load characteristic estimation device for estimating the load characteristic by constructing a load model expression composed of a plurality of parameters representing the load characteristic of the power system and determining the parameter of the load model expression,
A system state measuring means for measuring electrical quantities of a monitoring load bus for monitoring the power system and detecting failure measurement data at the time of a power system failure;
Data accumulating means for accumulating fault record data consisting of fault measurement data detected in the past by the system state measuring means;
Data analysis means for analyzing the failure record data stored in the data storage means and constructing a characteristic model formula for estimating a dynamic characteristic parameter related to the dynamic characteristics of the load model formula;
Auxiliary operation for determining the dynamic characteristic parameter by applying the failure measurement data detected by the system state measuring means to the characteristic model formula constructed by the data analyzing means, and removing the dynamic characteristic parameter from the load model formula Processing means;
A load characteristic estimation device, comprising: an estimation calculation unit that estimates a parameter after failure removal based on a load model equation from which the dynamic characteristic parameter has been removed by the auxiliary calculation processing means.

In the load characteristic estimation device for estimating the load characteristic by constructing a load model expression composed of a plurality of parameters representing the load characteristic of the power system and determining the parameter of the load model expression,
System state that measures the electrical quantities of the monitoring load buses that monitor the power system, detects faults in the power system, and detects change data indicating changes in the electrical quantities that occur when the phase adjusting equipment is turned ON / OFF Measuring means;
Data accumulating means for accumulating change record data consisting of change data detected in the past by the system state measuring means;
Data analysis means for analyzing the change record data accumulated in the data accumulation means and constructing a characteristic model formula for estimating a static characteristic parameter related to the static characteristics of the load model formula;
The static characteristic parameter is determined by applying the change data when the power system failure is detected by the grid state measuring means to the characteristic model formula constructed by the data analyzing means, and the static characteristic parameter is determined as the load characteristic. Auxiliary processing means for removing from the model;
A load characteristic estimation apparatus, comprising: an estimation calculation unit that estimates a parameter after failure removal based on a load model equation from which the static characteristic parameter has been removed by the auxiliary calculation processing unit.

A system frequency stabilization device using the load characteristic estimation device according to claim 1 or 2,
A system frequency stabilization characterized in that, based on the parameter after failure removal estimated by the estimation calculation unit, a load dropout amount caused by the failure is calculated, and a load control amount is calculated according to the load dropout amount. apparatus.

A system frequency stabilization device using the load characteristic estimation device according to claim 1 or 2,
Distributing the load characteristic estimation device distributed to a plurality of load buses in the power system,
Collecting parameters after failure elimination estimated in each load characteristic estimation device, calculating a load dropout amount based on the collected parameters, and calculating a load control amount according to the load dropout amount System frequency stabilizer.