文摘
最重要的一个问题在电力系统恢复过电压引起的变压器切换。这些过电压可能破坏一些设备和电力系统恢复延迟。本文提出了一种径向基函数神经网络(时滞)大小来研究变压器合闸过电压。达到良好的泛化能力发达时滞,大小相当于网络的参数被添加到时滞输入大小。发达时滞是训练有素的大小与开关角的最坏的情况和剩余流量为典型案例和测试。部分的仿真结果39-bus新英格兰测试系统表明,该技术能够估计的值和峰值持续时间开关过电压具有良好的精度。
1。介绍
近年来,由于经济竞争和放松管制,电力系统正在运行越来越接近自己的极限。与此同时,电力系统的规模和复杂性增加了。这两个因素都增加大停电的风险。停电后,权力需要尽可能快速和可靠地恢复,因此,详细的恢复计划是必要的(1,2]。如果系统的频率特性显示共振条件的基本频率的倍数,非常高的和弱阻尼暂时过电压(TOVs)系统时可能会出现长时间的兴奋的谐波干扰,如负载轻的开关变压器或变压器饱和(1,3- - - - - -5]。
过电压可分为瞬态过电压,持续的过电压,谐波谐振过电压、铁磁谐振产生的过电压。过度持续过电压可能导致损坏的变压器等电力系统设备。瞬态过电压的后果对长输电线路切换操作,或电容性设备的切换,可能会导致避雷器故障。铁磁谐振是一个非调和谐振过电压的波形的特征是高度扭曲和设备造成灾难性的损害(1]。过电压会把变压器饱和,导致核心加热和丰富的谐波电流的一代。时期断路器操作要求高电压将会减少中断功能。在一些电压甚至中断线路充电电流的能力将丢失(1,6- - - - - -8]。
在[9),过电压引起的变压器通电评估使用径向基函数神经网络(时滞)大小。还在10),开关过电压峰值估计使用多层感知器神经网络(MLP-ANN)输电线路通电。但发达的人工神经网络训练系统在工作都是适用的。安在这篇文章中,通过使用等效参数作为输入在培训过程中,安适用于每一个学习系统开发和训练样本系统(图只有一次1)。在[9安),剩余通量是一个输入,但这个参数测量是非常困难的。本文提出了指数确定最坏情况的开关状态和剩余磁通;因此,没有要求测量和确定剩余磁通和开关角。这个问题是部分中描述5。
一个MATLAB / Simulink-based仿真工具11,12),电力系统blockset(公安局),用于临时过电压的计算。为了研究暂时过电压大量可能的系统配置,需要运行许多时域模拟导致大量的仿真时间。一个限制总计算时间的方法是减少模拟通过应用分析或知识规则抛弃之前的系统配置一个实际的时域仿真。介绍了人工神经网络(ANN)申请估计的峰值和持续时间过电压下切换瞬变期间变压器通电。该方法能给的最大开关过电压及其持续时间可能有助于操作者在系统恢复。也可以用它作为操作员的训练工具。拟议的安将学到很多场景的操作。给的最大过电压峰值和最短持续时间的计算时间是在电力系统在线运行的要求。在拟议的安我们认为最重要的方面,影响瞬态过电压等在变压器母线电压切换、等效电阻,等效电感,等效电容、线路长度、转换角度,饱和曲线斜率和剩余流量。这些信息将帮助操作员选择合适的变压器与瞬态激励安全序列出现安全的范围内。 Results of the studies are presented for a partial of 39-bus New England test system to illustrate the proposed approach.
2。研究系统建模
2.1。公安局
模拟使用公安局[执行摘要11]。仿真工具开发使用状态变量的方法,在MATLAB / Simulink环境中运行。这个项目已经与其他流行的仿真软件包(EMTP和Pspice软件)(12]。公安局的用户友好的图形界面,使电力系统暂态分析的更快发展。
2.2。发电机模型
在[13)发电机被广义公园的建模模型,电气和机械部分都彻底模仿,但它已经表明,一个简单的静态生成器模型包含一个理想电压源在起始瞬态与电枢绕组电感串联电阻模型可以准确的公园。因此在这项工作,发电机由静态生成器模型。阶段的电压源是由负载决定的流动的结果。
2.3。输电线路模型
输电线路分布所描述的线模型。这个模型是足够精确的频率相关的参数,因为正序电阻和电感是相当恒定的,大约1 KHz [14)的频率范围涵盖谐波过电压现象。
2.4。变压器模型
模型考虑了绕组电阻()、漏电感(),核心的磁化特性,建模的阻力,,模拟核心活动损失和饱和电感,。饱和特性被指定为一个分段线性特征(15]。
2.5。加载和分流设备模型
所有的加载和分流装置,如电容器和反应堆,被建模为恒定阻抗。
3所示。研究暂时过电压在恢复
估计谐波过电压在系统恢复是很重要的。这些都是网络的结果接近共振频率的倍数的基本频率。他们可以兴奋等谐波源饱和变压器,电力电子,等等。他们可能会导致长期的过电压导致避雷器故障和系统故障(2]。
谐波谐振过电压问题的主要原因是负载轻的开关变压器的输电线路。相同频率的谐波电流分量系统共振频率放大并联共振,从而创造更高的电压变压器终端。这导致更高层次的饱和,导致更高的谐波分量的涌流,再次导致电压增加。这可能发生尤其是轻阻尼系统,常见初恢复过程从黑启动路径时源正在建立一个大型发电厂,只有少数负荷恢复(1,16]。
示例系统考虑的解释提出了方法和培训安是一个额外400千伏高压(超高压)网络图所示1。任何阶段的正常峰值电压是400kV和这个值作为基础系统中电压p.u。研究100 MVA作为基础。图2显示了一个示例开关过电压at总线2变压器时精力充沛。
在实际系统中许多因素影响由于通电或重合闸过电压因素。本文以下参数被认为是。(我)在变压器母线电压切换。(2)网络的等效电阻。(3)网络的等效电感。(iv)网络的等效电容。(v)线的长度。(vi)关门时间的断路器。(七)饱和曲线的斜率。(八)剩余流量。
等效电路参数添加到安输入为安训练取得良好的泛化能力。事实上,安在这种方法是训练样本只是一次系统图1。由于ANN训练是基于等效电路参数,开发安可以用于每一个学习系统。减少时域模拟,基于最坏情况下的新方法条件确定提出了部分5。
源电压影响过电压强劲。图3显示了源电压对过电压的影响在不同的线的长度。图4显示了线长对过电压的影响在不同饱和曲线的斜率。饱和曲线,特别是,最后的这条曲线的斜率,是一个关键的计算涌入电流。变压器制造商提供了一个斜率值的分散通常被认为是±20%。图5显示在不同的等效电感等效电阻对过电压的影响。图6显示了在不同的剩余流量等效电容对过电压的影响。
(一)
(b)
(一)
(b)
(一)
(b)
(一)
(b)
4所示。径向基函数神经网络
图7显示了RBF神经网络的结构,它由三层组成。隐藏层具有一组神经元,称为计算单位。这样的单位可以不同的数量根据用户的要求(17,18]。不同的基函数像花键、multiquadratic和高斯函数研究了,但是使用最广泛的一个是高斯类型。相比其他类型的神经网络用于模式分类和反向传播前馈网络一样,RBF网络学习需要较少的计算时间和有一个更紧凑的拓扑。高斯RBF发现不仅适合推广全球映射,而且在当地炼油功能在不改变已经学会了映射。每个网络中隐藏的单元有两个参数称为中心(ω)和宽度(σ与之相关的)。这样一个隐藏单位的反应网络的输入,表示为: 在哪里是中心向量kth隐藏的单位,σk高斯函数的宽度,欧几里得范数表示。输出层组成的节点数量根据故障类型分类的数量进行简单的总结。每个隐单元的响应(1)由其连接权值比例(α' s)到输出节点,然后总结生产整体网络的输出。整个网络输出表示为: 在哪里显示隐藏的神经元网络的总数连接的重量吗kth隐藏的单位米th输出节点相应的偏差项吗米输出神经元。学习过程的时滞包括大小的分配新的隐藏的单位和优化网络参数。学习过程终止当输出误差下定义的阈值(19]。
5。提出了谐波过电压研究方法
5.1。过电压仿真的最坏条件的决心
通常用于谐波过电压分析,最坏的情况下的开关角和剩余流量必须考虑它是开关时间的函数,变压器的特点和其初始通量条件下,和阻抗特性的总线切换(15]。使用最坏的开关角和剩余磁通,模拟的数量为每个案例可以显著减少。
为了确定最坏的开关时间和剩余磁通,以下指数被定义为: 在哪里开关时间,是最初的变压器磁通,h谐波是秩序。这个指数可以定义为最坏的开关状态和剩余流量。使用数值算法,我们可以找到的开关时间和剩余流量W最大(即。,harmonic overvoltages is maximal).
图8显示的结果公安局总线频率分析2。戴维南阻抗的大小,从公交2,Zbus2显示了并联共振峰在286赫兹。图9显示的变化W指数对当前起始角和剩余流量。图10显示电压总线2变压器切换后(也就是最坏的条件。0.64,转换角度78°和剩余通量p.u)。暂时过电压,过电压持续时间必须考虑除了振幅(16]。表1过电压仿真的结果总结为四种不同的开关角和剩余通量,验证的有效性W索引。
5.2。步骤的评估和估计谐波过电压
谐波过电压评估和评估遵循的步骤。(1)确定变压器的特点,应该精力充沛。(2)计算在变压器总线 。(3)计算最严重的开关角和剩余流量模拟。(4)公安局模拟运行。(5)确定过电压的峰值和持续时间。(6)重复步骤1到5的各种系统参数学习人工神经网络。(7)人工神经网络具有不同的系统参数进行测试。
5.3。人工神经网络训练
所有的实验都重复在不同的系统参数(2000套)。生产这些集合,安输入,即源电压(在变压器母线电压切换),等效电阻,等效电感,等效电容、线路长度、和饱和曲线斜率在步骤0.05 p.u已经改变。0.001 p.u。0.01 p.u。,0.304 p.u., 20 km, and 0.04 p.u., respectively. 1000 sets were used to train RBFNN and 1000 sets were used to test RBFNN. RBFANN learned in 62 epochs. After learning, all parameters of the trained networks have been frozen and then used in the retrieval mode for testing the capabilities of the system on the data not used in learning. The testing data samples have been generated through the PSB program by placing the parameter values not used in learning, by applying different parameters. A large number of testing data have been used to check the proposed solution in the most objective way at practically all possible parameters variation. Percentage error is calculated as: 在哪里是输出(过电压的峰值和持续时间)计算了安,然后呢是指由公安局过电压的峰值和持续时间计算。
样品测试的结果数据表中给出2和数字11和12。列中的值是峰值电压的绝对值在巴士2公安局计算程序部件的地方吗值模拟的值训练神经网络。也在列值被公安局过电压持续时间的值计算程序在秒和值模拟的值训练神经网络。图11显示了过电压的峰值和持续时间公共汽车2对线的长度和图12显示了过电压的峰值和持续时间公共汽车2等效电容。
(一)
(b)
(一)
(b)
在下一节中,该模型39-bus新英格兰测试系统的测试部分。考虑到各种情况下的变压器通电和相应的峰值和持续时间值估计从训练模型。
6。案例研究
在本节中,该算法对两个案例研究演示了39-bus新英格兰测试系统的一部分,其参数中列出的20.]。单相的模拟是进行表示。
使用等效电路参数的人工神经网络训练系统图1。因此研究系统应该转化为等效电路的图1值的等效电阻,电感,电容计算。这些值被用于训练安估计过电压的峰值和持续时间。
6.1。案例1
图13显示一行图的一部分39-bus新英格兰测试系统在恢复状态。发电机在总线35是一个黑启动单元。19显示负载起动的力量后来发电机,变压器必须恢复的总线19。当变压器是亢奋时,谐波过电压可以生产,因为变压器负载轻的。这个系统的等效电路,看到后面总线16和价值观决定的等效电阻,等效电感和等效电容的计算。换句话说,案例研究系统转化为等价的系统图1。等效电阻的值,0.00291 p.u等效电感和等效电容。、0.02427和2.474 p.u。,分别。测试训练安,变压器的电压值巴士(巴士19)和线长度不同,过电压的峰值和持续时间计算从训练有素的安。表3包含了一些案例1的样品测试数据的结果。
6.2。案例2
另外一个例子,系统图14是检查。在下一步的恢复、单位at总线6必须重新启动。为了为本单位提供起动电源,变压器在总线6应该精力充沛。在这种情况下,可以产生谐波过电压因为变压器的负载很小。
后将这个系统转换为等效电路的数字1和计算等效电路从总线5,考虑到各种情况下的变压器通电和相应的峰值和持续时间过电压计算从公安局项目系统图14和训练有素的安。在这种情况下,等效电阻的值,0.00577 p.u等效电感和等效电容。、0.02069和0.99 p.u。,分别。总结的一些研究的结果发表在表4。从结果可以看出,安能学习模式并给出结果可接受的精度。
7所示。结论
提出了新的方法来研究变压器在电力系统恢复开关过电压。为了这个目的,一个时滞被用来估计峰值大小和持续时间由于变压器过电压通电。等效电路参数被用作时滞输入大小为安训练取得良好的泛化能力。这个方案的结果接近常规方法的结果,可以帮助预测其他案例研究的过电压在训练集的范围内。该ANN方法是测试部分39-bus新英格兰测试系统。由于该方法是基于最坏的情况下执行切换角和剩余通量,它省略了耗时的时域模拟,因此适合实时应用程序在系统恢复。也可以用作一个操作员的培训工具。