电力系统低频振荡阻尼机理及控制策略研究

论文摘要

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。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 电力系统低频振荡发生机理及控制策略研究的必要性
• 1.2 低频振荡发生机理的研究现状
• 1.2.1 负阻尼机理
• 1.2.2 发电机的电磁惯性引起的低频振荡
• 1.2.3 非线性奇异现象（分岔现象）
• 1.2.4 混沌振荡机理
• 1.3 低频振荡的分析方法
• 1.3.1 线性理论分析方法
• 1.3.2 非线性理论分析方法
• 1.4 低频振荡的控制措施
• 1.4.1 采用电力系统稳定器（PSS）抑制低频振荡
• 1.4.2 采用灵活交流输电技术（FACTS）抑制低频振荡
• 1.5 本文研究内容和创新点
• 1.5.1 本文研究内容
• 1.5.2 本文主要创新点
• 第二章 电力系统低频振荡的分析方法
• 2.1 Prony 算法
• 2.2 Prony 算法的改进
• 2.2.1 Prony 算法的阶数问题
• 2.2.2 Prony 算法的数据窗长度
• 2.2.3 Prony 算法结果的取舍
• 2.3 基于Prony 算法的电力系统传递函数辨识
• 2.3.1 基于Prony 辨识的系统传递函数及其留数
• 2.3.2 留数方法
• 2.4 算例分析
• 2.5 特征分析法
• 2.5.1 特征分析法的概念和原理
• 2.5.2 状态矩阵的特征行为
• 2.6 多机电力系统振荡模式分类与筛选
• 2.6.1 振荡模式与参与因子的计算
• 2.6.2 机电回路相关比
• 2.7 小结
• 第三章 电力系统低频振荡机理分析
• 3.1 电力系统低频振荡的负阻尼机理
• 3.1.1 单机无穷大系统经典二阶模型分析
• 3.1.2 计及励磁系统动态特性的发电机三阶实用模型
• 3.2 电力系统低频振荡的共振型机理
• 3.3 电力系统低频振荡中的非线性奇异现象
• 3.4 小结
• 第四章 电力系统稳定器设计及其控制策略
• 4.1 PSS 抑制低频振荡的原理
• 4.2 基于微粒群优化算法的电力系统稳定器参数优化方法
• 4.2.1 问题描述
• 4.2.2 微粒群算法
• 4.2.3 基于复合适应度微粒群算法的神经网络训练
• 4.2.4 特征值分析和仿真结果
• 4.3 多机电力系统神经网络滑模变结构PSS 设计
• 4.3.1 多机系统的动态模型
• 4.3.2 神经网络滑模变结构PSS 的设计
• 4.3.3 仿真结果
• 4.4 小结
• 第五章 SVC阻尼控制器设计及控制策略研究
• 5.1 静止无功补偿器（SVC）阻尼电力系统低频振荡原理
• 5.1.1 装设SVC 的电力系统Phillips-Heffron 模型
• 5.1.2 SVC 控制对阻尼转矩和同步转矩的贡献
• 5.1.3 SVC 控制向电力系统提供正阻尼的条件
• 5.1.4 影响SVC 控制向系统提供阻尼转矩的其它因素
• 5.2 基于神经网络的SVC 阻尼控制器设计
• 5.2.1 神经网络辨识器的训练
• 5.2.2 神经网络控制器的训练
• 5.2.3 仿真研究
• 5.3 小结
• 第六章 TCSC及TCSC与SVC联合阻尼功率振荡的鲁棒控制策略研究
• 6.1 TCSC 的准静态数学模型
• 6.2 基于能量函数的TCSC 阻尼控制器鲁棒控制策略
• 6.3 TCSC 和SVC 联合阻尼功率振荡的鲁棒控制策略
• 6.3.1 TCSC 和SVC 的数学模型
• 6.3.2 基于能量函数的TCSC 和SVC 联合鲁棒控制策略
• 6.3.3 仿真结果
• 6.4 互联系统阻尼振荡的仿真研究
• 6.5 长距离输电系统阻尼振荡的仿真研究
• 6.6 基于多模型自适应控制策略的TCSC 鲁棒控制
• 6.6.1 电力系统动态模型
• 6.6.2 实验电力系统介绍
• 6.6.3 模型库
• 6.6.4 MMAC 控制策略
• 6.6.5 控制调整和鲁棒性测试
• 6.6.6 实验案例
• 6.6.7 收敛因子和人工阈值的选择
• 6.6.8 仿真结果
• 6.6.9 结论
• 6.7 小结
• 第七章 总结与展望
• 7.1 PSS、TCSC 和SVC 改善电力系统阻尼特性的性能比较
• 7.2 论文的主要创新点
• 7.3 不足与展望
• 参考文献
• 发表论文和科研情况说明
• 致谢