论文部分内容阅读
低频振荡现象是影响互联系统安全稳定运行的关键问题。本文对低频振荡的产生机理进行了深入的分析和研究,在此基础上,提出了针对低频振荡问题的有效分析方法和控制策略。本文提出了按照拟合结果均方误差最小原则确定Prony算法阶数以及采用分段分析与综合分析相结合的方式确定算法数据窗长度的方法,对Prony算法进行了改进。解决了常规Prony算法分析含有噪声的信号时,容易产生分析误差的问题。针对传统电力系统稳定器的性能受其参数影响极大的问题。本文提出一种优化电力系统稳定器参数的新方法,该方法以两个特征值为基础构造目标函数,采用微粒群优化技术对PSS进行参数寻优。优化后的PSS能有效衰减本地和区间振荡,提高系统鲁棒性。为处理电力系统存在的非线性问题,本文将神经网络滑模变结构方案引入PSS设计中。该方案采用极点配置法构建滑模面,通过神经网络在线调整控制器参数来减少抖动,仿真结果表明,该PSS具有较强的鲁棒性和自适应能力。为提高神经网络的收敛速度和泛化能力,本文提出了基于复合适应度微粒群算法的神经网络训练方法。仿真结果表明,该方法可以明显提高神经网络的泛化能力和收敛速度。为解决常规SVC阻尼控制器适应性差的问题,本文提出了采用神经网络辨识器和神经网络控制器构建神经网络SVC阻尼控制器的新方案。该方案采用双曲正切函数作为激活函数,由递归在线训练算法对FLN模型进行训练,仿真结果表明,其阻尼低频振荡的效果更好,对未知扰动的适应能力更强。线性TCSC阻尼控制器适应性差,鲁棒性不强;非线性TCSC阻尼控制器算法复杂,实时性差。为协调解决二者存在的不足,本文提出了TCSC的多模型自适应控制策略。该方案采用贝叶斯理论,通过确定各个模型控制器的输出权重来组合控制器的最终输出结果。仿真结果表明,该方案对系统发生的未知振荡模式具有很强的适应性和鲁棒性。按照通过潮流衰减抑制低频振荡的思想,提出了基于能量函数的TCSC和SVC联合鲁棒控制策略。解决了TCSC和SVC共同作用于同一电力系统中存在的相互影响及容易诱发新的振荡问题。对测试系统和实际电网的分析表明,论文的研究成果具有良好的工程实用性,为互联系统低频振荡研究提供了新的分析方法和控制策略。