电力系统广域实时同步相量测量系统研究

论文摘要

目前,大电网互联已成为世界各国电力工业发展的趋势,但大电网运行将给电网安全稳定带来潜在威胁。基于GPS的广域实时同步相量测量技术的重要应用价值是在系统发生扰动或故障时提供系统的实时动态信息,为电力系统暂态稳定分析与控制提供了重要手段。本文围绕开发广域实时同步相量测量系统开展了研究工作,着重研究了如何实现广域实时同步相量测量系统,以及如何提高其实时性。本文的主要工作如下:(1)提出了一种自适应遗传算法,引入进化时间的概念,构造了进化衰减因子,自动调整算法的交叉与变异概率,克服了一般遗传算法易早熟的缺点,加快了寻优速度,并保护了最优解。还提出了一种自适应随机扰动蚁群算法,为信息素挥发残留系数引入自适应调节机制,加入了随机扰动策略,克服了以往蚁群算法易搜索停滞和陷入局部最优的缺点,在保证收敛速度前提下,提高了蚁群算法的全局收敛性。综合系统的经济性与可观性指标,给出了PMU安装地点选择优化问题的数学模型。根据以上提出的两种算法,给出了PMU安装地点配置的通用优化算法。(2)为小波神经网络提出了同伦学习方法,解决了梯度法收敛速度慢、牛顿法对初值敏感的缺点。应用该方法预测参考相角和发电机功角,提高了预测的精度和速度。IEEE 39节点系统的算例研究表明,在典型故障情况下,预测0.5s参考相角的误差小于2o,预测0.5s发电机功角的误差在5o左右。(3)给出了一种网络化的广域高速实时通信系统,开发了其中的关键设备——广域实时通信网关,组建了4节点的广域高速实时通信实验室系统,进行了1500km距离的现场试验,论证了在1000km范围、50节点规模的通信系统中, 100字节的短帧数据在10ms、1000字节的长帧数据在20ms内均能够上传和下达。(4)给出了基于CompactPCI总线结构的同步相量测量装置的设计方案,研制了2台装置并现场安装运行。装置可实时测量母线电压、电流相量、发电机电势、功角和转速等状态量,并可监视开关的变位、输出跳闸信号,同时兼容了动态录波和就地输出时标功能。(5)实现了一种电力系统广域实时同步相量测量系统,现场安装了1套主站、1台参考站、2台测量子站和1套实时通信系统,完成了对发电厂的发电机电势、功角和转速与变电站母线电压、电流相量等20ms一轮的遥测,实现了开关变位遥信和开关遥控命令在10ms内完成上传下达。现场调试表明,测量系统的功能和性能指标达到了高速和实时的要求,为最终实现预测控制打下坚实基础。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的提出及其意义
• 1.1.1 电力系统大规模联网运行的趋势与现状
• 1.1.2 大电网运行时出现的稳定安全问题及事故举例
• 1.1.3 电力系统广域实时同步相量测量课题的研究意义
• 1.2 广域同步相量测量技术综述
• 1.2.1 广域同步相量测量技术的发展
• 1.2.2 广域同步相量测量技术在电力系统中的应用
• 1.2.3 相量测量装置安装地点选择优化方法
• 1.2.4 广域同步相量测量中的实时通信
• 1.2.5 相角预测方法的研究状况
• 1.3 本论文的主要工作
• 第二章 同步相量测量装置安装地点的选择优化
• 2.1 引言
• 2.2 PMU 安装地点选择优化问题的数学模型
• 2.3 电力系统可观性分析方法
• 2.3.1 电力系统可观的定义
• 2.3.1.1 代数可观
• 2.3.1.2 拓扑可观
• 2.3.2 虚拟测量
• 2.3.3 基于图论深度优先搜索的可观性分析方法
• 2.4 基于改进自适应遗传算法的优化方法
• 2.4.1 传统的自适应遗传算法
• 2.4.2 改进的自适应遗传算法
• 2.4.3 改进自适应遗传算法优化的基本步骤
• 2.4.3.1 染色体编码
• 2.4.3.2 适应度函数与约束条件处理
• 2.4.3.3 遗传操作
• 2.4.3.4 算法主要步骤
• 2.4.4 算例分析
• 2.4.4.1 IEEE 14 节点系统
• 2.4.4.2 IEEE 39 节点系统
• 2.4.4.3 某省46 节点系统
• 2.5 基于自适应随机扰动蚁群算法的优化方法
• 2.5.1 基本蚁群算法的原理
• 2.5.2 自适应随机扰动蚁群算法
• 2.5.2.1 自适应调节信息素挥发残留系数
• 2.5.2.2 设置路径信息素浓度的上、下限
• 2.5.2.3 随机扰动策略
• 2.5.3 自适应随机扰动蚁群算法的优化过程
• 2.5.4 算法主要步骤
• 2.5.5 算例分析
• 2.6 小结
• 第三章 基于同伦小波神经网络的相角预测方法研究
• 3.1 引言
• 3.2 参考相角的选择
• 3.3 小波神经网络
• 3.3.1 小波与小波变换
• 3.3.2 小波神经网络的构造
• 3.4 小波神经网络的同伦学习算法
• 3.4.1 函数优化的必要条件
• 3.4.2 基于梯度下降方式的学习算法
• 3.4.3 小波神经网络的同伦学习方法
• 3.4.3.1 同伦函数的构造
• 3.4.3.2 同伦曲线变步长轨迹跟踪算法
• 3.5 基于同伦小波神经网络的相角预测
• 3.5.1 同伦小波神经网络预测模型
• 3.5.2 算法仿真
• 3.6 小结
• 第四章 广域实时同步相量测量系统
• 4.1 引言
• 4.2 广域实时同步相量测量系统的设计目标
• 4.3 广域实时同步相量测量系统的结构
• 4.3.1 广域实时同步相量测量系统的总体结构
• 4.3.2 调度中心主站系统
• 4.3.3 测量子站
• 4.3.4 参考测量站
• 4.3.5 相角的预测
• 4.3.6 广域实时同步相量测量中的实时通信系统
• 4.4 大电网广域实时同步相量测量系统的结构
• 4.5 小结
• 第五章 同步相量测量原理与相量测量装置的开发
• 5.1 引言
• 5.2 广域实时同步相量测量系统同步时钟的建立
• 5.3 同步相量测量原理
• 5.4 同步相量测量装置的结构
• 5.5 基于COMPCTPCI 总线的多路同步触发高速数据采集卡
• 5.5.1 CPCI 总线接口的实现
• 5.5.2 数据缓存模块
• 5.5.3 A/D 转换模块
• 5.5.4 自适应变间隔采样
• 5.5.5 逻辑控制模块
• 5.5.6 热插拔电源管理模块
• 5.6 相量测量装置的通信
• 5.6.1 广域通信
• 5.6.2 局部通信
• 5.7 基于QNX 实时操作系统的测量软件
• 5.8 小结
• 第六章 广域实时通信系统研究
• 6.1 引言
• 6.2 广域实时通信系统的设计目标
• 6.3 广域实时通信系统的网络拓扑结构
• 6.4 广域实时通信系统的实现
• 6.4.1 广域实时通信系统的物理层载体
• 6.4.2 实时通信系统的硬件平台
• 6.4.3 实时通信系统的软件平台
• 6.5 广域实时通信协议
• 6.5.1 传输层通信协议
• 6.5.2 应用层通信规约
• 6.6 广域实时通信系统的性能测试
• 6.6.1 实验室光纤信道模拟
• 6.6.2 广域实时通信系统的实验室测试
• 6.6.3 现场远程实时通信试验
• 6.6.4 广域通信延时模型与测试结果分析
• 6.7 小结
• 第七章 结论
• 参考文献
• 致谢
• 攻读博士学位期间发表的学术论文
• 攻读博士学位期间参加的科研工作