论文部分内容阅读
由于结构复杂、模型阶数高以及系统非线性强等特征,电力系统建模及其模型简化是现代电力系统分析与控制中的突出难题。当前我国电力系统大电网互联、高比例可再生能源接入以及以分布式发电为主要电源的有源配电网等新形态同时并存,进一步增加了建模的复杂性。近年来,随着广域测量技术的发展,基于系统实测信息的电力系统动态等值建模已成为电网安全稳定分析的重要手段。然而,现有基于广域测量的电力系统动态等值模型普遍存在泛化能力弱的问题,显著降低了系统安全稳定分析的准确性。同时,在高比例可再生能源接入电网环境下,由于系统不同元件的动态特性差异较大,动态等值建模难有普适方法。因此,针对我国大型同步互联电网以及高比例可再生能源电力系统等不同应用场景,基于广域测量技术,研究准确度高、模型泛化能力强以及适应范围广的电力系统动态等值建模新方法,具有重要的理论和实践意义。本文针对基于广域数据驱动的现代复杂电力系统模型建立与简化展开研究,主要研究内容及成果如下:(1)针对电力系统等值模型弱泛化能力问题,提出了系统性解决方案。为解决等值系统内发电单元不同调对等值模型准确性的影响,提出采用同调性判别方法对等值系统内的电网进行分群,并分别建立相应的等值子模型;为解决等值模型“多解问题”,基于参数灵敏度和相关性分析方法,选出灵敏度高且唯一可辨识的等值模型关键参数,并采用混合动态仿真技术,实现各等值子模型关键参数的分步解耦辨识;最后,为提高等值模型参数对系统不同故障的表征能力,提出采用多目标优化算法,利用系统多故障特征对等值模型参数进行多目标优化辨识。本方法具有通用性,通过必要的修改可实现不同应用场景电力系统的动态等值建模。(2)提出了一种计及模型泛化能力的小水电集群动态等值建模方法。首先采用时间序列聚类方法对研究系统进行同调分群,并对每一同调子群分别建立等值子模型;然后基于参数灵敏度和相关性分析方法,选出等值模型待辨识关键参数;最后基于所提出的多目标优化算法并采用混合动态仿真技术对每一个等值子模型的关键参数进行分步解耦辨识。以中国西南地区真实小水电集群动态等值为例,验证了所提方法的有效性。(3)提出了一种计及模型泛化能力的有源配电网动态等值建模方法。首先建立能够表征有源配电网不同运行状态的系统特征数据库,并采用two-step聚类法和Fisher判别方法对有源配电网运行状态进行分类;然后,基于关键参数辨识方法消除参数辨识过程中的“多解问题”;最后,通过Elman神经网络,获得系统不同运行状态与等值模型参数解的非线性映射特征。利用中国东南沿海某实际有源配电网系统,验证了本文所提方法的有效性。(4)提出了一种风电场动态等值建模方法。首先采用时间序列聚类方法对风电机组进行分群,并将每一分群聚合为一个风机等值子模型;其次,基于灵敏度和相关性分析方法选出等值模型中风力发电机本体参数以及相关控制模块参数中的待辨识关键参数;最后,基于多目标优化算法和混合动态仿真技术,同时在风速波动和外部系统故障情况下对各风机等值子模型关键参数进行分步解耦辨识。利用中国西北某真实风电场模型,验证了所提方法的有效性。(5)提出了一种风电场概率多机表征等值建模方法。首先建立了基于Weibull分布的风电场输入风速概率模型,在考虑尾流效应和时滞效应的基础上,建立风电机组输入风速概率数据库;采用实用4机分群方法对风电机组进行分群,并基于Fisher判别准则对分群结果进行必要合理地合并;最后,基于容量加权法建立风电场概率等值多机表征模型。在中国西北某真实风电场内,验证了概率等值模型的有效性。