大型电力系统暂态稳定建模与仿真

大型电力系统暂态稳定建模与仿真

李伟光1邢晓野2王金睿3

内蒙古电力集团包头供电公司 内蒙古自治区包头市 014030

摘要：目前，我国对电能的需求不断增加，电力系统建设越来越完善。对于暂态失稳过程中电压失稳和功角失稳之间相互耦合，传统电力系统暂态稳定评估方法很难对两种失稳模式进行量化处理，从而无法合理选择相应的暂态稳定控制策略，针对这类问题，本文首先分析电力系统模型及暂态稳定性的基本理论，其次探讨大型电力系统暂态稳定建模与仿真，最后就相关算例分析，有利于提高电力系统的稳定性和安全性。

关键词：电力系统暂态稳定；集成卷积神经网络；仿真

引言

电力系统暂态稳定性是指电力系统在运行过程中，受到一个大的扰动后经过一个暂态过程能否达到新的稳定运行状态或恢复到原来运行状态（平衡点）的能力，实际计算中，输电线路参数对结果的影响比较大。目前在电力系统分析中，架空输电线路传统上采用单段集中参数模型，默认线路参数是不变的。而实际应用中输电线路的电气参数是随着线路周边的气象因素的变化而改变的，故实际计算中输电线路的电气参数考虑沿线气象因素的影响，会让暂态稳定分析得出的结果更加可信。

1电力系统模型及暂态稳定性的基本理论

在假定的理想化条件下，科学家从电机的双反应原理中推出了涵盖着坐标系的同步发电机的数学模型。同步发电机的暂态过程比较复杂，并对整个电力系统的暂态稳定发挥了重要的作用。正方向的选取：同步发电机的回路图和各绕组轴线正向。转子绕组轴线明确了励磁电流的正方向（流出励磁电源的方向为正）。考虑到各个绕组彼此耦合的事实，由绕组的交点产生的磁通量包括由绕组的电流产生的磁通量和由之间的电流产生的磁通量的一部分。绕组与绕组间彼此互连。正常初始状态运行下的电力系统受到不同程度的绕动后能不失同步而渡过或进行新的运行状态，便知道这是电力系统在暂态稳定性的状态之下。电力系统被扰动可能存在的情况：投入/切除系统主要元件、出现突然的变化的负荷、发生短路故障。受扰动后系统中并联运行的同步电机转子间的相对位移电角的变化规律是电力系统同步运行的稳定性的重要判别依据，因此也称为功角稳定性。

2大型电力系统暂态稳定建模与仿真

2.1卷积神经网络原理

卷积神经网络是一种前馈神经网络，其特点是包含卷积计算且具有深度结构，在深度学习算法中极具代表性.卷积神经网络具有表征学习能力，能够按照其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络”。将发电机的功角、节点电压、系统有功功率和无功功率作为特征值。卷积神经网络是由卷积层、池化层、全连接层以及输出层这几个部分构成的，网络中的卷积层负责提取输入特征，由于其有共享卷积核的特点，因此，相比一般的全连接神经网络可以大幅度减少参数量，避免复杂性，集成卷积核也可从不同角度提取系统的输入特征。

2.2暂态稳定计算

电力系统暂态稳定计算采用算法是等面积定则，等面积定则的物理意义是发电机转子获得的动能可完全转化为发电机的势能，则系统就是暂态稳定的。暂态稳定的系统中，发电机转子在加速过程中获得的动能（加速面积）必须在减速过程中全部释放（减速面积）能量，此时的功角达到最大值，这就是等面积的物理本质。

2.3切机切负荷对暂态稳定的影响

切机的作用强度以切除机组的功率大小来表示。切机工作部分用于防止稳定破坏、消除异步运行方式、限制频率升高及限制设备过载等。其工作原理是切断发电机断路器或变压器组的断路器来实现切机。现如今切除部分发电机已在国内各大电力系统中被采用。正常时间系统送电，线路送端发生三相短路故障时，如不切机则有可能加速大于减速而导致系统不稳定，如切除发电机后增大减速面积可保证系统暂态稳定。切除负荷的作用有许多，在某些情况下，使用的分散式切负荷装置一般都带有就地起动装置，它的原理可以很好地提高控制的可靠性与稳定性，在一些严重的情况之下甚至可以切除用户。故障不采取措施。故障设置：发生三相短路，故障点设在B1-500到B4-500上的30%处，故障接入时间0s，退出时间0.3s。故障后切机切负荷。故障设置：发生三相短路，故障点设在B1-500到B4-500上的30%处，故障接入时间0s，退出时间0.3s；切除负荷功率的80%，判别值0.02s，开始时间0s，结束时间0.6s；切除发电机G1功率的20%，判别值0.02s，开始时间0s，结束时间0.6s。

2.4反馈更新

电力系统在实际运行中，会存在拓扑变化、负荷变化以及发电机出力变化等不确定工况。通过离线训练获得的评估模型难以适应于实时多变的场景。因此，为了提高模型实时评估的准确度及可靠性，本文设定反馈更新机制以应对系统运行中存在的不确定工况。当PMU装置获取实时量测数据时，若系统出现的运行工况已记录在离线数据库当中，则使用已经训练好的PFL-SCI-GAT评估模型对系统状态进行评估；若系统出现的运行工况未记录在离线数据库中，将利用新的变化工况重新训练新的评估模型，再对系统的状态进行评估。理论上通过模型的反馈更新机制的不断执行，离线数据库中记录的不确定工况将不断增多，模型将能实现实时准确且可靠的评估。对于电力系统在线应用，PMU装置将实时获得的测量数据输入到部署在控制中心的最优TSA模型中，然后模型将对系统当前的状态快速生成暂态稳定评估结果。若系统当前的状态被最优模型判断为暂态失稳，则模型立刻将评估结果反馈到控制中心，运行人员在接收到控制中心的预警信息后启动对应的紧急控制措施，进而避免电力系统出现大规模事故，否则模型对电力系统保持时刻监测状态。

3算例分析

在基于格点气象数据的条件下，计算出的系统稳定裕度和采用常规条件下系统稳定裕度的值明显不一致，基本规律是天气晴朗条件下系统暂态稳定裕度比常规条件偏高，而在降雨环境中，空气潮湿，暂态稳定裕度比常规条件明显偏低。为更好研究气象条件对电力系统稳定性影响，还应在以下几方面更加深入研究：1）降水和积雪对输电线路的影响。降水和积雪可能导致输电线路的覆冰，影响线路的导电性能，进而影响电力系统的暂态稳定性。2）气象条件对负荷模型的影响。气象条件的变化可能导致负荷模型的波动，这对电力系统的暂态稳定性产生影响。因此，研究气象条件如何影响负荷模型以及如何更好地集成这些变化是亟待解决的问题。3）气候变化的长期影响。考虑气候变化的不确定性，研究气候变化对电力系统暂态稳定性的长期影响，以便制定相应的适应和调整策略。

结语

将传统的暂态能量函数法与集成卷积神经网络相结合，利用暂态评估灵敏度指标判断电力系统暂态主导失稳模式，该指标可用作神经网络的输出特征.随后，结合集成卷积神经网络，选取系统中的功角、电压、有功功率和无功功率作为输入特征进行暂态主导失稳模式评估。基于集成卷积神经网络主导模式评估方法的训练速度、准确率以及误判率优于其他几种深度学习算法，充分体现出暂态能量函数法与集成卷积神经网络的配合度较高，能较好地对暂态过程中电压失稳和功角失稳之间相互耦合进行量化处理。

参考文献

［1］黄丹，陈树勇，张一驰.基于广域测量系统响应时间序列的电力系统暂态稳定在线判别［J］.电网技术，2019，43（3）：1016-1025.

［2］马骞，杨以涵，刘文颖，等.多输入特征融合的组合支持向量机电力系统暂态稳定评估［J］.中国电机工程学报，2005，24（6）：20-26.

［3］黎萌，王建全.基于人工神经网络的暂态稳定时域仿真终止算法的研究［J］.能源工程，2015，21（4）：9-12.