文摘

电力系统的暂态稳定评估(TSA)是一个至关重要的问题不断升级的需求和大型操作限制。实时TSA允许决定和监控相关的预防/纠正控制行为取决于系统组件的动态行为。机器生成的评估,一致性是被发现。确定后的机器,任何纠正或预防措施可以由操作员发起系统保持稳定的系统在发生任何严重的意外事故。瞬态严重性指数(TSI)摘要介绍了已经被证明是一个有趣的替代方案确定发电机一致性。此外,这个指数的数值是用来构造一个基于监督学习分类器和排名方法的帮助下系统负载和一代作为输入功能。这个框架采用支持向量机(SVM)执行发电机根据严重程度的排名和分类成脆弱和无缺陷的机器。在IEEE 10-generator结果验证,39-bus测试(新英格兰)系统。可以看出该指数和监督学习引擎给出令人满意的结果,与发布的方法。

1。介绍

现代电网出现在管制的垂直集成结构分类定价结构。这一转变使消费者和发电机参与竞争的商业环境。电能质量的问题、可靠性风险和安全成为著名的在这个环境中。高功率需求使得维持电力系统的一个基本准则强调的操作条件下安全。暂态稳定(T / S)的电力系统是一个重要的标准和定义CIGRE委员会(1)是“一个电力系统的能力,对于一个给定的初始运行条件,重新操作平衡状态在受到物理干扰,与大多数系统变量有界,几乎整个系统仍然完好无损。“稳定的研究可以分为两大类:第一个是评估和第二个是控制。确保在任何不可预见的T / S系统操作员的应急是一个挑战。这个事实开始评估方法的研究方向以及预防控制方法来保证系统的稳定性。

在过去,各种方法已被研究人员应用来评估系统的稳定性。稳定analysis-oriented研究主要是基于评估的违反限制电力系统数量和发电机在应急条件下的行为。一些方法(2- - - - - -5)提出了稳定评估最新的文学是基于风险或概率,模式识别,时域仿真(TDS)技术。运输安全管理局直接关心大扰动。提出了一种基于风险的方法在2- - - - - -4]。概率小扰动稳定性分析(PSSA)方法与不确定性是泼里斯和Milanović提出的2]。在这种方法中,概率密度函数(pdf)为临界振荡的阻尼机电设计模式建模系统不确定性的随机变化。然而,这篇文章没有给出任何分析大扰动。基于函数线性技术用于(3TSA)计算风险指数。一种新技术来识别电力变电站的严重程度提出了可能的操作场景下Da Silva et al。4]。中给出的研究工作(5)是基于模式基于探索模糊分类。模式识别算法修改利用重心偏差分析和predisturbance训练数据集的信息。这种重心偏差分析技术实现是非常困难的。李雅普诺夫稳定性标准有(6为电力系统微分/代数模型包括发电机阻尼和非线性负载的影响。张和食物7]调查two-time-scale动力学缓慢电力系统的仿真。在这个工作中,提出了一种方法来获取的慢动力学预测的轨迹postfault系统在其慢流形。直接的交流/直流电源系统的稳定性分析使用还利用能量函数(SPEF)提出了8]。Bhat et al。9)做了一个单机版的概念(森那美)T / S方法结合仿真软件模型T / S现象和图形用户界面设计环境(指南)软件MATLAB。提出了一种方法基于网络分解算法在10)在电力系统中实现同步平衡T / S。

在当前的十年里,许多研究人员提出了稳定指数评估大型电力系统的稳定。瞬态安全指数确定(11,12)可以用来测量同步发电机组的状态。提出了一种小信号稳定指数(13通过使用TDS)电网动态评估。这个指数的值计算出系统的特征值使用动态模拟。提出了几个指标(14,15TSA)。一个实际的和启发式指数基于T / S在大型电力系统提出了14]快速应急排名。说教的过程基于模拟T / S的提出了一种多机电力系统(16]。在文献中提出的一些技术是基于元素的T / S,角稳定指数,频率稳定指数和暂态电压稳定指数。

如上所述,发电机联接有一个相当大的应用在电力系统操作和控制。唯一的相干组发电机的电力系统的概念是TDS的类似行为反应的发电机,当他们受到扰动(17]。这就是所谓的一致性。在这种考虑,发电机有类似postdisturbance转子角或速度变化特征被称为相干和放置在类似的相干组。因此,它需要监视和检查或相似的转子角偏差的关系,找到电力系统组件的相干性质。发电机的动态响应干扰下也可以被相位角度的偏差系统的电压和电流相量。

介绍了几种方法在文献中识别的发电机和一致的行为的分类,根据他们的类似行为(TDS)特征。识别后的相干组,控制策略可以应用。为了启动任何预防控制压力条件下,需要找到发电机之间的一致性。一般来说,一致性分类技术主要可以分为两种类型。放在第一类的技术是基于模型降阶,需要计算特征值和特征向量的电力系统(18]。例如,一个共时模态等效(SME)提出了(18]还利用大型电力系统模型的动态对等。技术,放置在第二种类型是基于扰动和使用TDS发现相干组发电机。例如,一些研究已经使用转子轨迹指数(RTI) [12),傅里叶谱19),或快速傅里叶主导interarea模式(20.),主成分分析(21),独立分量分析(22),层次聚类方法(23,24],模糊c-medoids算法[25,26),小波(27),简要地变换(28]找到一致的发电机。几个技术提出了文学不能总是为所有应用程序是可靠的,如系统保护方案或补救行动计划,动态对等,孤岛效应控制。这发现误操作由于之间的一致性程度,发电机或nongenerating公交车。这可能会改变不同的干扰电力系统在不同的操作条件。

一般来说,实时TSA方法找到快速、准确预测系统的稳定状态(稳定或不稳定)实时通过考虑扰动下的发电机的未来行为操作条件。在文献中,各种拓扑结构提出了预测系统稳定状态使用不同类型的基于人工智能的技术(29日- - - - - -32]。Hashiesh等人提出了一个监督学习技术,T / S状态预测的人工神经网络(ANN) [30.]。基于svm技术(31日)被用于电力系统应急分类和排名(29日,32]。使用支持向量机的实时TSA方法也提出了(33]。预测的实时瞬态功率可以做到每个成功的方法,但是这些方法只被作为一个分类器。个人任何应急发电机的稳定状态不能确定这些方法。控制动作像发电机重新安排,个人的知识发电机状态(稳定或不稳定)是强制性的。为了克服这些不足,我们提出一种基于svm的方法来预测个体的状态生成器和总体系统通过使用发电机的相干特性。

摘要T / S状态模拟分析了电力系统的电力系统在不同的操作条件下,在不同的故障位置,和不同的故障清除时间。系统稳定性的状态标识通过使用一个新的索引,瞬态严重性指数(TSI)。这个指数基于发电机的转子角偏差postfault状态。监督学习引擎基于回归模型提出了秩发电机根据tsi的值。这个监督学习引擎的潜在特性提取TDS动态操作条件下的电力系统。这些潜在的特性是真实的,无功功率在生成和负载的公交车。

本文的其余部分组织如下:部分2描述电力系统建模、部分3包含的数学框架提出TSI的回归模型。节4仿真和结果呈现,而部分5突出了主要的工作和得出的结论也为未来的工作提供了一个坚实的环境。

2。电力系统建模

TDS方法用于解决微分方程参与电力系统稳定性分析。TDS DSA发现所需的电力系统扰动时系统能否保持同步。这个决定被监控的运动轨迹的转子角扰动期内。摇摆方程显示系统的瞬态行为。如果轨迹的单个发电机转子角或一组生成器被发现连续增量没有限制关于剩余的机器,系统是不稳定的。另一个现象是,如果转子角度的工作系统发电机仍有界各自允许的范围内,则系统是稳定的(17,34]: 在哪里之间的转移导纳吗和发电机,惯性矩,是电能的输出,阻尼系数,是机械功率输入,转子转速偏差,的转子角吗机器,的转子角吗机器。发电机转子角度之间的偏差与参考可以通过使用组摇摆方程(1)- (3):

抛射体的瞬态现象,系统的惯性中心作为计算的参考系。机器的转子角度对惯性中心(35)是用于检测系统是否稳定。对于一个机系统惯性常数和转子角的机、惯性中心确定按(4)。

3所示。提出的方法

在这项工作中,数值积分技术(龙格-库塔方法)是用来解决摇摆方程。瞬态安全状态是由监控摇摆转子角轨迹和转子角偏差对瞬态不稳定的约束。给出了约束如下: 在哪里最大许用值的相对转角进行安全操作。在扰动的情况下,如果相对转角违反了在一个时间间隔 ,系统被认为是不安全的 ,它被认为是安全的 。对于这个工作,最大容许值的相对转角进行安全操作被认为是(36]。

的排名产生机器每一个不安全的应急需要发现减少计算负担和时间。因此,转子角trajectory-based严重程度指数,称为瞬态严重性指数(TSI),本文提出了。从TDS的TSI决定,决心的过程如图1。TSI可用于评估电力系统的稳定性和临界等级的发电机。因此,它给出了同步条件对于一个给定的应变。在这项工作中,我们提出一个方法对机器采用TSI的排名。方程(6TSI)显示的数学公式: 在哪里是转子角偏差的价值度,轨迹不变,的时间吗是测量。所有的发电机后指出故障清除时间(FCT)。一个分类边界表所示1。TSI是一个指标的数值不稳定或稳定的动力系统的系统状态。

发电机可分为三组:第一个是批判(先进)发电机(CGs),第二个是先进的发电机,和第三是非关键(先进)发电机(门店)。排名的发电机可以找到相应的发电机TSI价值。此外,可以使用此排名的过程中预防和纠正控制动作。

3.1。灵敏度分析的K

在本节中,灵敏度分析轨迹常数(K)。的基础上的价值K,TSI可以采取三个值按(8)- (10)。

案例1:

案例2:

案例3:

的变化TSI和尊重是观察到的,这种分析的结果展示在图吗2。它显示了九个不同的价值观TSI轨迹 。 变化从120°- 360°30°的一步。通过检查对TSI的变化值为恒定值 ,更高的价值减少张成的空间索引。的价值张成的空间减少,该指数增加。这是一个基本特征来设计一个标量指数。因此,在轨迹K= 120°(例如,)展览的最大跨度分类和用于进一步分析。

3.2。监督学习引擎的设计

转子角的值被视为一个多维向量(索引值的列表),和一个分类边界(超平面)需要发电机在上述三个相干组分类。设计支持向量机有两个方面:第一是减少的数量特性的特征选择方法,第二个是找到最大的保证金(超平面)之间系统的状态(稳定和不稳定)。为处理这些方面,粒子群优化(PSO) (37- - - - - -39)是从事这项工作。

TSI可用于评估电力系统的稳定性和等级的发电机。监督学习引擎的基础上,提出了预测回归模型的相干组和等级的发电机根据值TSI如图3。在回归模型中,输入数据映射到高维特征空间的线性形式的内核函数的帮助。为了解决分类问题,使用最小二乘损失函数。

这个引擎的输入特征向量组成的真实和无功功率发生器巴士(和),加载公共汽车(和)是由以下方程: 在哪里 ,在这和代表总没有。分别为发电机总线和负载巴士。

特征选择的目标是找到最重要的信息从一个给定的一组功能。这个任务可以被看作是一个优化问题,组合增长的可能的解决方案可能是不可能生存的穷举搜索。本文算法用于特征选择和支持向量机用于最大边缘分类器设计(40]。平均的标准使用PSO deviation-based目标函数进行了优化。在这种方法中,算法创建不同的数据包随机特征选择和获得每个数据包的标准差和最大化的均值标准差不同的数据包。最后一个特征向量是,最大的意思或大的欧几里得距离的功能。潜在的输入特征向量训练支持向量机可以发现从以下方程:

支持向量机的目标输出发电机严重性等级和相干组的所有发电机在给定的时间,它被定义为目标向量所示以下方程:

作者模拟1000个不同的案件;其中,85%用于训练和验证,剩下的15%是用于测试目的。

4所示。仿真结果

提出的策略是在全球标准IEEE 10-generator基准和测试39-bus(新英格兰)电力网络如图4。系统46输电线路,39个公交车,10个发电机,12个变压器。总线39被认为是松弛总线在模拟。所有的TDS作品使用MATLAB (41],MATPOWER [422.1.10],PSAT版本(43)与英特尔核心^TMi3 - 3110 m平台2.40 GHz和6 GB RAM。对称故障与地面随机启动时间从1.1到1.2年代与不同的随机扰动和清除在1.3年代的真实和无功负荷的公共汽车和真实和发电机无功发电的公交车。系统总负载变化从95%到110%的总负载基本情况。断层是应用于所有类型的公交车。为了演示了该方法的有效性,六个典型的严重的突发事件已经考虑如表所示2为研究。该过程用于标识代相干信息重新安排启动预防控制。实验过程及其评价方法如下:步骤1:对于任何不安全的应急,转角轨迹的观察后,三个相干组分类所有发电机根据TSI的值如表1。步骤2:所有关键发电机(最先进的发电机),也被认为是在一群重要机器,表单生成减少。步骤3:所有被机器或机器最先进的发电机组形成一代增加组。步骤4:一致性和稳定性评估后,启动预防控制提出建议的方法。

表3显示结果(等级和相干组)获得与RTI的回归模型是一致的12]。这些结果的合理性,TDS也表现,6例的结果列在下面。

我显示97.5%随机负载变化,和三相故障在公交车13启动1.1272和清除在1.3年代打开断路器隔离线13 - 14日。T / S为所有发电机的状态是由观测转子角波动的时间间隔。按表3,TSI发电机G1和G2的价值(即是违反稳定标准。TSI > 1),所以这些发电机被认为是不稳定的发电机。图5显示所有的发电机的相对转角COI。发电机的转子摇摆G2 (at总线31)和G3 (at总线32)违反了阈值,使它们失去同步。发电机都是出去一步关于另一个发电机,使整个系统是暂时性的不稳定。

第二例显示为110%随机负载变化,和三相故障在巴士7启动1.1498和清除在1.3年代打开断路器隔离线6 - 7。按表3,TSI的值(即发电机G4和G5违反稳定标准。TSI > 1),所以这些发电机被认为是不稳定的发电机。分类结果G3的RTI和TSI是相互矛盾的。图6显示所有的发电机的相对转角COI。发电机的转子摇摆G4 (at总线33)和G5 (at总线34)高于阈值,使它们失去同步。发电机都是出去一步关于另一个发电机,使整个系统是暂时性的不稳定。然而,发电机G3 (at总线32)中也有稳定的平衡状态,但FCT后,恢复几个周期后的稳定状态。TDS如图6表明该发电机展览自愈特点和系统稳定性不构成任何威胁。

第三例显示为95%随机负载变化,和三相故障1.1468总线10发起和清除在1.3年代打开断路器隔离线外扩。按表3,发电机G3的TSI值更稳定的标准(即。,TSI > 1), so this generator is considered as an unstable generator. Figure7显示所有的发电机的相对转角COI。发电机的转子摇摆G3 (at总线32)违反了阈值,使其失去同步。这个发电机的其余的发电机,使整个系统是暂时性的不稳定。然而,发电机G2 (at总线31)也出去一步,但FCT后,恢复其稳定状态在几个周期。TDS如图7表明该发电机展览自愈特点和系统稳定性不构成任何威胁。

第四例显示为105%随机负载变化,和三相故障在总线14启动1.1917和清除在1.3年代打开断路器隔离线14日至15日。T / S为所有发电机的状态是由观测转子角波动的时间间隔。按表3TSI价值观的发电机G4和G5(即超过稳定标准。TSI > 1),所以这些发电机被认为是不稳定的发电机。图8显示所有的发电机的相对转角COI。发电机的转子摇摆G4 (at总线33)和G5 (at总线34)违反了阈值,使它们失去同步。发电机都是出去一步关于另一个发电机,使整个系统是暂时性的不稳定。

V显示基本情况的负载,和三相故障在公交26开始1.1610和清除在1.3年代打开断路器隔离线26 - 27日。按表3,TSI发电机G9的价值(即超过稳定标准。,TSI > 1), so this generator is considered as an unstable generator. Figure9显示所有的发电机的相对转角COI。发电机的转子摇摆G9 (at总线38)违反了阈值,使其失去同步。这个发电机的与其他发电机,使整个系统是暂时性的不稳定。

VI是显示105%随机负载变化,和三相故障发生器。5,在总线34启动1.1052和清除在1.3年代。T / S为所有发电机的状态是由观测转子角波动的时间间隔。按表3,发电机G5的TSI价值更为稳定的标准(即。,TSI > 1), so this generator is considered as an unstable generator. Figure10显示所有的发电机的相对转角COI。发电机的转子摇摆G5 (at总线34)违反了阈值,使其失去同步。这个发电机的其余的发电机,使整个系统是暂时性的不稳定。使系统稳定在这种情况下,该方法显示机组的重新安排。

结果见表3通过非线性TDS验证如图5- - - - - -10。这是观察到的结果TDS和互相监督学习体系结构是一致的。这种比较建立了该方法的有效性。

图11显示了不同的值的标准偏差值轨迹的常数。已经观察到,标准差是最高的K= 120°,这表明样品的欧几里得距离更高K= 120°比别人。因此,这种情况下很容易分离的线性判别函数。

5。结论

电力系统稳定性的担忧在目前管制的场景。快速和准确的稳定性评价方法更有意义的管制和电力系统的动态框架。稳定性评估的问题已经解决。这项工作的主要结论如下:(我)该指数TSI已经提出了。这个索引可以两个目标:第一是分类的发电机相干组和第二个是根据事故的严重程度等级。(2)监督学习引擎已经提出。这台发动机采用回归方法排名和分类的发电机。著名技术基于群智能算法被应用到执行特征选择和支持向量机设计最大利润的分类。它已被观察到的结果提出监督发动机的数值与tsi使用其他方法获得。(3)这个监督引擎的结果已经通过非线性TDS进行验证。它已被观察到的结果提出了指数和互相监督引擎是一致的。此外,TDS结果验证了这种方法的有效性。

应用不同的特征选择方法和不同拓扑的神经结构在于未来的工作的范围。

的利益冲突

作者宣称没有利益冲突。

确认

作者承认提供的支持和鼓励当局Malaviya全国理工的斋浦尔,和偶像Keshvanand理工的斋浦尔。