JPH09114532A - 無効電力制御装置の電圧予測方法 - Google Patents
無効電力制御装置の電圧予測方法Info
- Publication number
- JPH09114532A JPH09114532A JP7271238A JP27123895A JPH09114532A JP H09114532 A JPH09114532 A JP H09114532A JP 7271238 A JP7271238 A JP 7271238A JP 27123895 A JP27123895 A JP 27123895A JP H09114532 A JPH09114532 A JP H09114532A
- Authority
- JP
- Japan
- Prior art keywords
- voltage
- model
- coefficient
- past
- reactive power
- 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.)
- Pending
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Control Of Electrical Variables (AREA)
Abstract
(57)【要約】
【課題】誤差ゼロへの漸近収束が可能で、かつ理想的な
比例増加をする場合にはパラメータ収束が速く電圧予測
の精度を向上させることができる無効電力制御装置の電
圧予測方法を提供する。 【解決手段】過去の電圧値にある係数をかけた項と、過
去の有効電力値にある係数をかけた項の和から求められ
たモデル１に、モデル修正信号，すなわち実電圧と予測
電圧との予測誤差に或る係数を乗じた信号２を追加し、
それを新モデルとするとともに、この新モデルのパラメ
ータ同定は、各サンプリング毎に、常時、予測誤差が０
に漸近収束した場合に決定されるように、適応制御を利
用してアルゴリズムを導出し予測するようにした。
比例増加をする場合にはパラメータ収束が速く電圧予測
の精度を向上させることができる無効電力制御装置の電
圧予測方法を提供する。 【解決手段】過去の電圧値にある係数をかけた項と、過
去の有効電力値にある係数をかけた項の和から求められ
たモデル１に、モデル修正信号，すなわち実電圧と予測
電圧との予測誤差に或る係数を乗じた信号２を追加し、
それを新モデルとするとともに、この新モデルのパラメ
ータ同定は、各サンプリング毎に、常時、予測誤差が０
に漸近収束した場合に決定されるように、適応制御を利
用してアルゴリズムを導出し予測するようにした。
Description
【０００１】
【発明の属する技術分野】本発明は電圧予測機能を備え
た無効電力制御(ＶＱＣ)装置の電圧予測方法に関するも
のである。
た無効電力制御(ＶＱＣ)装置の電圧予測方法に関するも
のである。
【０００２】
【従来の技術】従来採用されているこの種の電圧予測方
法は、図２に示されているように過去の電圧および有効
電力値をＡＲＭＡ(自己回帰、移動平均)モデル１ａに代
入し、最小２乗法によってパラメータを決定するように
している。近未来の電圧を予測する上で重要となるの
は、当然のことながら精度である。
法は、図２に示されているように過去の電圧および有効
電力値をＡＲＭＡ(自己回帰、移動平均)モデル１ａに代
入し、最小２乗法によってパラメータを決定するように
している。近未来の電圧を予測する上で重要となるの
は、当然のことながら精度である。
【０００３】従来の電圧予測方法におけるモデルは次の
ようにおいている。すなわち
ようにおいている。すなわち
【０００４】
【数１】
【０００５】ここで、Ｖ(Ｋ)は電圧サンプルデータ、Ｐ
(Ｋ)は有効電力のサンプルデータ、ｎｖは過去の電圧次
数、ｍｖは過去の有効電力次数、Ｋは現時点、ａi，ｂi
はパラメータ(係数)を表している。
(Ｋ)は有効電力のサンプルデータ、ｎｖは過去の電圧次
数、ｍｖは過去の有効電力次数、Ｋは現時点、ａi，ｂi
はパラメータ(係数)を表している。
【０００６】次に、このパラメータ決定するアルゴリズ
ムについて説明すると、アルゴリズムの決定は次式で示
す最小２乗法が用いられている。すなわち
ムについて説明すると、アルゴリズムの決定は次式で示
す最小２乗法が用いられている。すなわち
【０００７】
【数２】
【０００８】ただし、初期値は、θ(Ｏ)＝０，Ｘ(Ｏ)＝
１００００Ｉ，λ＝１．０３と設定し、λは任意設定と
する。
１００００Ｉ，λ＝１．０３と設定し、λは任意設定と
する。
【０００９】有効電力値Ｐも、有効電力を時間ｔの関数
とし、次のように近似する。
とし、次のように近似する。
【００１０】
【数３】 Ｐ(ｔ)＝Ｐ0＋Ｐ1ｔ＋Ｐ2ｔ2 …（７） ただし、Ｐ0，Ｐ1，Ｐ2はパラメータである。このパラ
メータは、最小２乗法を利用して決定し、有効電力を予
測するようにしている。
メータは、最小２乗法を利用して決定し、有効電力を予
測するようにしている。
【００１１】
【発明が解決しようとする課題】このように、従来にお
いては最小２乗法を用いて電圧予測が行なわれているわ
けであるが、この電圧予測方法においては、取り込み電
圧と現時点予測電圧との差が、時間が経過した場合に増
加する傾向にあり、またこの最小２乗法は、データ数が
多い場合には、精度の低下を招くきらいがある。すなわ
ち、この電圧予測方法における誤差は、ＶＱ装置におけ
る基準電圧に対して、１．１％に及ぶ場合もある。ＶＱ
装置における不感帯巾は、通常基準電圧に対し０．５％
に設置されることから、この誤差は精度の面で大きな問
題となる。前述した従来のモデルには、誤差を積極的に
縮小していくという作用がなく、また、最小２乗法によ
るパラメータ同定にも、誤差の要因が含まれている恐れ
もある。
いては最小２乗法を用いて電圧予測が行なわれているわ
けであるが、この電圧予測方法においては、取り込み電
圧と現時点予測電圧との差が、時間が経過した場合に増
加する傾向にあり、またこの最小２乗法は、データ数が
多い場合には、精度の低下を招くきらいがある。すなわ
ち、この電圧予測方法における誤差は、ＶＱ装置におけ
る基準電圧に対して、１．１％に及ぶ場合もある。ＶＱ
装置における不感帯巾は、通常基準電圧に対し０．５％
に設置されることから、この誤差は精度の面で大きな問
題となる。前述した従来のモデルには、誤差を積極的に
縮小していくという作用がなく、また、最小２乗法によ
るパラメータ同定にも、誤差の要因が含まれている恐れ
もある。
【００１２】本発明はこれに鑑みなされたもので、その
目的とするところは、誤差０への漸近収束が可能で、か
つ理想的な比例増加をする場合にはパラメータ収束が速
く電圧予測の精度を向上させることができるこの種の無
効電力制御装置の電圧予測方法を提供するにある。
目的とするところは、誤差０への漸近収束が可能で、か
つ理想的な比例増加をする場合にはパラメータ収束が速
く電圧予測の精度を向上させることができるこの種の無
効電力制御装置の電圧予測方法を提供するにある。
【００１３】
【課題を解決するための手段】本発明は、前述した従来
のモデル，すなわち過去に取り込んだ電圧値、有効電力
値を用いて、近未来の電圧を推定し、近未来の電圧（現
時点予測電圧）は、過去の電圧値にある係数をかけた項
と、過去の有効電力値にある係数をかけた項の和で表し
たモデルに、モデル修正信号，すなわち実電圧と予測電
圧との予測誤差に或る係数を乗じた信号を追加し、それ
を新モデルとするとともに、この新モデルのパラメータ
同定は、各サンプリング毎に、常時、予測誤差が０に漸
近収束した場合に決定されるように、適応制御を利用し
てアルゴリズムを導出するようになし所期の目的を達成
するようにしたものである。
のモデル，すなわち過去に取り込んだ電圧値、有効電力
値を用いて、近未来の電圧を推定し、近未来の電圧（現
時点予測電圧）は、過去の電圧値にある係数をかけた項
と、過去の有効電力値にある係数をかけた項の和で表し
たモデルに、モデル修正信号，すなわち実電圧と予測電
圧との予測誤差に或る係数を乗じた信号を追加し、それ
を新モデルとするとともに、この新モデルのパラメータ
同定は、各サンプリング毎に、常時、予測誤差が０に漸
近収束した場合に決定されるように、適応制御を利用し
てアルゴリズムを導出するようになし所期の目的を達成
するようにしたものである。
【００１４】すなわちこのような電圧予測方法である
と、実電圧と予測電圧との予測誤差に或る係数を乗じた
信号を追加した新モデルを、次式、すなわち
と、実電圧と予測電圧との予測誤差に或る係数を乗じた
信号を追加した新モデルを、次式、すなわち
【００１５】
【数４】
【００１６】に適用すると、次のようにアルゴリズムが
導出される。
導出される。
【００１７】
【数５】
【００１８】このようにしてパラメータは導出され、新
モデルにおけるパラメータは決定される。前述した式
(７)および式(８)を用いることにより、この定理より誤
差が縮小されていくことになる。この２つの要素によ
り、予測誤差を縮小させる作用を速めるわけである。
モデルにおけるパラメータは決定される。前述した式
(７)および式(８)を用いることにより、この定理より誤
差が縮小されていくことになる。この２つの要素によ
り、予測誤差を縮小させる作用を速めるわけである。
【００１９】
【発明の実施の形態】以下図示した実施例に基づいて本
発明を詳細に説明する。図１にはその電圧予測方法を説
明するためのブロック図が示されている。図中１がモデ
ルであり、２がモデル１にかけられるフィールドバック
係数(Ｋ(ｋ))、３がパラメータ同定機構である。
発明を詳細に説明する。図１にはその電圧予測方法を説
明するためのブロック図が示されている。図中１がモデ
ルであり、２がモデル１にかけられるフィールドバック
係数(Ｋ(ｋ))、３がパラメータ同定機構である。
【００２０】電圧予測に際しては、実際のサンプリング
電圧(V(ｋ))と予測電圧との差にフィールドバック係数
２をかけてモデル１に入力し、これを新モデルにしてい
る。この新モデルの形は次のように表される。すなわち
電圧(V(ｋ))と予測電圧との差にフィールドバック係数
２をかけてモデル１に入力し、これを新モデルにしてい
る。この新モデルの形は次のように表される。すなわち
【００２１】
【数６】
【００２２】この式(１１)から、現時点における予測電
圧は、過去の電圧、有効電力と過去の誤差との和で表さ
れるとおいている。ここで、
圧は、過去の電圧、有効電力と過去の誤差との和で表さ
れるとおいている。ここで、
【００２３】
【数７】
【００２４】よって、式(１１)は、
【００２５】
【数８】
【００２６】とおける。
【００２７】次に、パラメータ同定機構３について説明
する。パラメータ同定機構３は新モデル１における係数
を決定する部分である。これを決めるにあたっては、ま
ず、実際にサンプリングされる電圧は、
する。パラメータ同定機構３は新モデル１における係数
を決定する部分である。これを決めるにあたっては、ま
ず、実際にサンプリングされる電圧は、
【００２８】
【数９】
【００２９】と表されるようにすると、新モデルでは、
【００３０】
【数１０】
【００３１】と表される。ここから、適応制御理論の次
の定理の使用可能性をチェックする。
の定理の使用可能性をチェックする。
【００３２】定理
【００３３】
【数１１】
【００３４】上式のように、誤差が表されるならば、Ｗ
(Ｚ)−λ／２が強正実ならば、
(Ｚ)−λ／２が強正実ならば、
【００３５】
【数１２】
【００３６】に選ぶと、Ｋを無限大でｅ1(Ｋ)は０に漸
近収束する。
近収束する。
【００３７】ここで、０＜λ1(Ｋ)≦１、０≦λ(Ｋ)≦
２ｄ、π(Ｏ)＝πＴ(Ｏ)＞０、この定理を利用するた
め、新モデルにおける誤差信号をみてみると、
２ｄ、π(Ｏ)＝πＴ(Ｏ)＞０、この定理を利用するた
め、新モデルにおける誤差信号をみてみると、
【００３８】
【数１３】
【００３９】であるので、図３においてＷ(Ｐ)＝１とす
れば、新モデルの誤差信号は、１−λ／２の調整次第
で、上記の定理を満たすようになる。このことから、今
回用いる新モデルを式(２２)、式(２３)に適用すると、
次のようにアルゴリズムが導出される。
れば、新モデルの誤差信号は、１−λ／２の調整次第
で、上記の定理を満たすようになる。このことから、今
回用いる新モデルを式(２２)、式(２３)に適用すると、
次のようにアルゴリズムが導出される。
【００４０】
【数１４】
【００４１】以上のようにして、パラメータは導出さ
れ、新モデルのパラメータ３は決定される。式(２２)、
(２３)を用いることにより、この定理より誤差が縮小さ
れていくことになる。この２つの方法により、誤差を縮
小させる作用を速めるわけである。
れ、新モデルのパラメータ３は決定される。式(２２)、
(２３)を用いることにより、この定理より誤差が縮小さ
れていくことになる。この２つの方法により、誤差を縮
小させる作用を速めるわけである。
【００４２】本発明による電圧予測方法と従来の予測方
法とを効果の点から比較するために、ＶＱ装置での試験
結果、また、シミュレーション結果から次のような効果
が現れた。すなわち本発明による電圧予測方法である
と、誤差０への漸近収束が可能であること、ノイズに強
いこと、また特に理想的な比例増加をする場合には、パ
ラメータ収束が速いことが明確になった。このように本
発明の電圧予測方法によって、従来の電圧予測方法にお
ける問題を解決でき、電圧予測の精度を高精度化するこ
とができる。
法とを効果の点から比較するために、ＶＱ装置での試験
結果、また、シミュレーション結果から次のような効果
が現れた。すなわち本発明による電圧予測方法である
と、誤差０への漸近収束が可能であること、ノイズに強
いこと、また特に理想的な比例増加をする場合には、パ
ラメータ収束が速いことが明確になった。このように本
発明の電圧予測方法によって、従来の電圧予測方法にお
ける問題を解決でき、電圧予測の精度を高精度化するこ
とができる。
【００４３】
【発明の効果】以上説明してきたように本発明によれ
ば、誤差０への漸近収束が可能で、かつ理想的な比例増
加をする場合にはパラメータ収束が速く電圧予測の精度
を向上させることができる。
ば、誤差０への漸近収束が可能で、かつ理想的な比例増
加をする場合にはパラメータ収束が速く電圧予測の精度
を向上させることができる。
【図１】本発明の電力制御装置の電圧予測方法を説明す
るためのブロック図である。
るためのブロック図である。
【図２】従来の電圧予測方法を説明するためのブロック
図である。
図である。
【図３】本発明の電圧予測方法を説明するためのブロッ
ク図である。
ク図である。
１…モデル、２…フィールドバック係数、３…パラメー
タ同定機構。
タ同定機構。
Claims (4)
- 【請求項１】 過去に取り込んだ電圧値および有効電力
値を用いて近未来の電圧を予測するようになした無効電
力制御装置の電圧予測方法において、 前記過去に取り込んだ電圧値にある係数をかけた項と、
過去の有効電力値にある係数をかけた項の和で表したモ
デルに、モデル修正信号追加して新モデルとするととも
に、この新モデルのパラメータ同定を、各サンプリング
毎に常時予測誤差が０に漸近収束した場合に決定される
ように適応制御を利用してアルゴリズムを導出し、近未
来の電圧を予測するようにしたことを特徴とする無効電
力制御装置の電圧予測方法。 - 【請求項２】 過去に取り込んだ電圧値および有効電力
値を用いて近未来の電圧を予測するようになした無効電
力制御装置の電圧予測方法において、 前記過去に取り込んだ電圧値にある係数をかけた項と、
過去の有効電力値にある係数をかけた項の和で表したモ
デルに、実電圧と予測電圧との予測誤差に或る係数を乗
じた信号を追加し、これを新モデルとするとともに、こ
の新モデルのパラメータ同定を、各サンプリング毎に、
常時予測誤差が０に漸近収束した場合に決定されるよう
に適応制御を利用してアルゴリズムを導出し、近未来の
電圧を予測するようにしたことを特徴とする無効電力制
御装置の電圧予測方法。 - 【請求項３】 過去の電圧値にある係数をかけた項と、
過去の有効電力値にある係数をかけた項の和からモデル
を求め、このモデルに基づいて近未来の電圧（現時点予
測電圧）を予測するようになした無効電力制御装置の電
圧予測方法において、 前記モデルに、実際に取り込んだ電圧と現時点予測電圧
との差にある係数をかけた項を制御入力として追加し新
モデルとなし、かつこの新モデルのパラメータは、適応
制御を用いて、時間を無限大にした時に、誤差が０に漸
近収束していくアルゴリズムを導出し、リアルタイムに
パラメータを決定していくようにして、取り込み電圧と
現時点予測電圧との差（予測誤差）を各サンプル時点で
０に近づけていくようにしたことを特徴とする無効電力
制御装置の電圧予測方法。 - 【請求項４】 過去に取り込んだ電圧値にある係数をか
けた項と、過去の有効電力値にある係数をかけた項との
和で表したモデルを求め、このモデルを基に近未来の電
圧（現時点予測電圧）を予測するようになした無効電力
制御装置の電圧予測方法において、 前記モデルに、さらに実際に取り込んだ電圧と現時点予
測電圧との差にある係数をかけた項を制御入力として追
加し、新モデルを求め、次にこの新モデルのパラメータ
を、適応制御を用いて時間を無限大にした時に、誤差が
０に漸近収束していくようなアルゴリズムを導出して、
リアルタイムに決定していくようにして、取り込み電圧
と現時点予測電圧との差を各サンプル時点で０に近づけ
ていくようにしたことを特徴とする無効電力制御装置の
電圧予測方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7271238A JPH09114532A (ja) | 1995-10-19 | 1995-10-19 | 無効電力制御装置の電圧予測方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7271238A JPH09114532A (ja) | 1995-10-19 | 1995-10-19 | 無効電力制御装置の電圧予測方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09114532A true JPH09114532A (ja) | 1997-05-02 |
Family
ID=17497285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7271238A Pending JPH09114532A (ja) | 1995-10-19 | 1995-10-19 | 無効電力制御装置の電圧予測方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09114532A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103441495A (zh) * | 2013-08-28 | 2013-12-11 | 三川电力设备股份有限公司 | 电力系统元件参数和功率修正系数的辨识方法及系统 |
| JP2020156186A (ja) * | 2019-03-19 | 2020-09-24 | 株式会社東芝 | 系統安定化装置 |
-
1995
- 1995-10-19 JP JP7271238A patent/JPH09114532A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103441495A (zh) * | 2013-08-28 | 2013-12-11 | 三川电力设备股份有限公司 | 电力系统元件参数和功率修正系数的辨识方法及系统 |
| US10367410B2 (en) | 2013-08-28 | 2019-07-30 | Yushan Hao | Method and system for identifying power system element parameters and power correction factor |
| JP2020156186A (ja) * | 2019-03-19 | 2020-09-24 | 株式会社東芝 | 系統安定化装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4223894B2 (ja) | Ｐｉｄパラメータ調整装置 | |
| Huang et al. | Control of rotary inverted pendulum using model-free backstepping technique | |
| US20150362559A1 (en) | Method for Determining a Control Observer for the SoC | |
| CN108809273B (zh) | 基于lms自适应滤波的复数直接频率估计方法 | |
| CN1329320A (zh) | 采用动态管理多个子模型进行在线自适应预测的系统和方法 | |
| CN113777510A (zh) | 一种锂电池荷电状态估计方法及装置 | |
| CN112099343A (zh) | 一种基于神经网络的电除尘系统智能节能优化方法 | |
| CN112348155A (zh) | 一种模糊神经网络模型的优化方法及系统 | |
| CN114256832A (zh) | 配电网电压的区域协调控制方法、装置与电子设备 | |
| JP7315007B2 (ja) | 学習装置、学習方法および学習プログラム | |
| CN114545767A (zh) | 一种基于pid控制器的悬浮控制性能实时优化方法、装置 | |
| Apon et al. | Power system harmonics estimation using hybrid Archimedes optimization algorithm-based least square method | |
| JPH09114532A (ja) | 無効電力制御装置の電圧予測方法 | |
| CN106599541B (zh) | 一种动态电力负荷模型的结构和参数在线辨识方法 | |
| CN110932629B (zh) | 基于单神经元网络的惯量估计方法及其自适应调整策略 | |
| Khazaeni et al. | Event excitation for event-driven control and optimization of multi-agent systems | |
| Guo et al. | Study on soc estimation of li-ion battery based on the comparison of ukf algorithm and aukf algorithm | |
| CN110826783A (zh) | 一种神经网络的权重的训练方法及其应用 | |
| CN110308655B (zh) | 一种基于a3c算法的伺服系统补偿方法 | |
| TWI441029B (zh) | Dynamic System Equivalent Model Modeling Method and Its Computer Program Product | |
| Herzallah et al. | Improved robust control of nonlinear stochastic systems using uncertain models | |
| CN112733372B (zh) | 一种负荷建模的模糊逻辑强跟踪方法 | |
| CN110648021B (zh) | 一种两级电力负荷预测结果协调方法、装置及设备 | |
| Peymani et al. | Automatic learning in multiple model adaptive control | |
| Jatoth et al. | A hybrid GA-adaptive particle swarm optimization based tuning of unscented Kalman filter for harmonic estimation |