基于WAMS的电力系统暂态稳定性特征提取及评估方法研究

论文摘要

电力系统是一个总是处于干扰之中的强非线性、非自治复杂动态系统。进行稳定性分析与评估对于保障电力系统安全稳定运行具有重要意义。电力系统暂态稳定性分析与评估的关键在于评价方法的快速性和评估结果的可靠性。广域测量系统（wide area measurement system,WAMS）为电力系统暂态稳定性分析与评估提供了实时性的动态信息。然而,WAMS数据存在大量的冗余,如何从海量信息中提取有利于表征电力系统暂态稳定的动态信息,发掘各个检测量之间的内在联系,并据此进行暂态稳定性在线评估,是目前电力系统在线暂态稳定性评估的研究热点。模式识别是电力系统暂态稳定性分析的常用方法之一,该类方法将表征系统运行状态的特征量与电力系统的暂态稳定建立某种一一对应关系,从而进行模式匹配,实现暂态稳定性评估。使用该方法的关键在两个方面：一是如何获得能够表征电力系统暂态过程的特征量；二是如何利用这些特征量进行满足实时性要求的电力系统暂态稳定性评估。本文首先对国内外大量相关文献进行了归纳总结和评述,在对我国电网进行调研考察并与运行人员充分研讨的基础上,对基于WAMS实测数据的模式识别类暂态稳定性评估方法进行了理论研究和原型应用,主要研究内容如下：（1）根据实测的WAMS信息,提出了一种时-空面板数据的建模方法。该方法将不同地域的PMU（空间特性）的不同电气监测量,在同一个时间基准下（时间特性）进行统一表征。通过对某区域电网的单极闭锁-双极闭锁事故的实测WAMS数据进行分析表明,该建模方法能够直观地展示故障发生后的几秒钟内各个关键特征量的动态演进过程,有助于更加高效的进行数据预处理。（2）为了验证所提面板数据建模方法的正确性,提出了一种针对WAMS面板数据的预处理方法和检验步骤。首先采用单位根检验各个特征量关于时间的平稳性；然后使用协整检验算法考察各个特征量之间是否存在某种稳定的制衡关系；最后以功角为因变量,其它特征量为自变量来构造回归方程,获得各个特征量对功角影响力的定量分析结果,即影响因子。通过对中国电科院（CEPRI）8机36节点系统的仿真分析,验证了上述检验方法的正确性和有效性。（3）为了提取能够表征电力系统暂态稳定的有效特征子集,提出了一种二阶段特征提取方法。第一阶段采用相对灵敏度方法,找出在暂态过程中相对变化最活跃的特征子集；第二阶段采用改进的灰色关联算法,利用面板数据中获得的影响因子,对灰色聚类结果的各个特征量进行精细分析,选择对功角影响最大的特征量作为该聚类的结果。通过对中国电科院（CEPRI）8机36节点系统的仿真算例验证,表明上述特征提取算法能最大程度地保留暂态稳定过程中的动态演进信息,并且不破坏任何特征量的物理含义。（4）根据电力系统暂态过程具有时间上的动态演化特点,提出了一种基于隐含马尔科夫（HMM）的暂态稳定性评估方法,并且针对不同的特征量数据输入,提出了连续HMM（CHMM）和离散HMM（DHMM）的两种实现方式。通过对中国电科院（CEPRI）8机36节点系统、新英格兰10机39节点和实际某区域电网的多组暂态仿真数据验证了基于改进的CHMM和改进的DHMM算法在电力系统暂态稳定性评估中的正确性和有效性。该算法在同样准确率前提下,具有需要的训练样本更少,训练耗时更少,且收敛更加快速等优点。（5）结合“863”项目和国网重大专项课题,探索性地设计和开发了基于WAMS实测数据的暂态稳定性在线评估平台。该平台在主流云计算平台Hadoop的基础上,根据WAMS实测数据的海量大文件特点以及暂态稳定性评估的实时要求,对标准Hadoop平台进行了优化,实现了对WAMS实测数据的处理和对暂态过程的并行分析,验证了工程实践的可行性和理论成果的应用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文研究的目的和意义
• 1.2 电力系统稳定性及类型
• 1.2.1 电力系统稳定性的定义
• 1.2.2 电力系统稳定性的分类
• 1.3 国内外电力系统暂态稳定性研究现状
• 1.3.1 暂态稳定性分析方法的研究现状
• 1.3.2 基于WAMS平台的电力系统暂态稳定性分析研究现状
• 1.3.3 电力系统暂态在线实时计算分析的研究现状
• 1.4 主要研究工作与论文结构
• 1.4.1 论文的主体思路
• 1.4.2 章节安排
• 第2章 基于面板数据的WAMS数据建模与分析
• 2.1 引言
• 2.2 面板数据模型
• 2.2.1 面板数据概述
• 2.2.2 面板数据的分类
• 2.2.3 基于WAMS的面板数据形式
• 2.3 面板数据分析的步骤
• 2.3.1 基于单位根的平稳性检验
• 2.3.2 协整检验
• 2.3.3 面板数据分析一般步骤与流程图
• 2.4 某区域电网实测WAMS数据的面板数据分析
• 2.4.1 数据概述
• 2.4.2 基于面板的3D表示
• 2.4.3 单位根检验
• 2.4.4 协整检验
• 2.5 中国电科院（CEPRI）8机36节点仿真算例
• 2.5.1 仿真环境概述
• 2.5.2 单位根检验
• 2.5.3 协整检验
• 2.5.4 基于最小二乘法回归的权重因子测定
• 2.6 本章小结
• 第3章 基于关联分析聚类的两阶段量测轨迹特征提取方法
• 3.1 引言
• 3.2 特征量选择的原理和原则
• 3.2.1 特征量选择的原理
• 3.2.2 特征量选择的原则
• 3.3 基于时间分段的原始特征量的构建
• 3.3.1 故障发生前反映系统状态的特征量
• 3.3.2 故障发生时刻反映系统状态的特征量
• 3.3.3 故障切除前一瞬间反映系统状态的特征量
• 3.3.4 故障切除时刻反映系统状态的特征量
• 3.3.5 故障切除后反映系统状态的特征量
• 3.3.6 混合时刻相关特征变量
• 3.4 基于三维面板数据模型的第一阶段特征提取
• 3.4.1 基于相对变化率的计算方法
• 3.4.2 故障样本分析
• 3.5 基于改进的灰色关联度的第二阶段特征选择方法
• 3.5.1 灰色关联分析
• 3.5.2 灰色聚类分析
• 3.6 算法流程
• 3.7 算例分析
• 3.7.1 基于绝对灰色关联的算例分析
• 3.7.2 灰色聚类分析
• 3.7.3 聚类结果的合理性分析
• 3.8 本章小结
• 第4章 基于混合隐含马尔科夫模型的暂态稳定性评估方法
• 4.1 引言
• 4.2 HMM的基本思想与定义
• 4.2.1 HMM的基本思想
• 4.2.2 HMM的定义
• 4.2.3 HMM的分类
• 4.3 HMM的基本算法
• 4.3.1 前向-后向算法
• 4.3.2 Viterbi算法
• 4.3.3 Baum-Welch算法
• 4.4 基于改进的CHMM暂态稳定性评估算法
• 4.4.1 单CHMM的表示
• 4.4.2 并行CHMM的改进算法
• 4.4.3 算法流程
• 4.4.4 算例分析
• 4.5 基于改进的DHMM暂态稳定性评估算法
• 4.5.1 特征集合的选择与DHMM基本算法流程
• 4.5.2 量化编码
• 4.5.3 并行DHMM的改进算法
• 4.5.4 算法流程
• 4.5.5 算例分析
• 4.6 CHMM与DHMM的对比分析
• 4.7 本章小结
• 第5章 基于Hadoop的暂态稳定性在线分析平台的设计与实现
• 5.1 引言
• 5.2 电力系统暂态稳定性分析的计算模式分析
• 5.2.1 电力系统暂态稳定性计算的特点
• 5.2.2 基于Hadoop的数据密集型应用计算模式
• 5.2.3 基于Hadoop的暂态稳定性分析在线计算平台
• 5.3 基于Hadoop的暂态稳定性在线分析平台的设计与实现
• 5.3.1 在线分析平台设计思想
• 5.3.2 基于Hadoop的结构改进
• 5.3.3 平台逻辑结构和实现环境
• 5.3.4 初始化及配置模块实现
• 5.3.5 数据预处理模块实现
• 5.3.6 基于关联分析的特征提取模块实现
• 5.3.7 基于MapReduce的HMM暂稳分析模块实现
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 全文总结
• 6.2 展望
• 参考文献
• 攻读博士期间完成的科研项目与发表论文