基于最簡特征量的風(fēng)電暫態(tài)電壓穩(wěn)定分析方法

基于最簡特征量的風(fēng)電暫態(tài)電壓穩(wěn)定分析方法

0特征選擇方法隨著區(qū)塊風(fēng)的快速發(fā)展，各部門電網(wǎng)總能耗的比例逐漸增加。由于風(fēng)電出力具有隨機(jī)性和波動性的特點(diǎn),這將增加風(fēng)電地區(qū)電網(wǎng)的復(fù)雜性,同時也容易由電網(wǎng)故障引起的低電壓造成風(fēng)機(jī)脫網(wǎng),對風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定性的威脅也必然增大。學(xué)術(shù)界對此問題進(jìn)行了深入研究。目前,對風(fēng)電并入電網(wǎng)的暫態(tài)電壓穩(wěn)定的研究中,由于風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定的復(fù)雜性,大部分文獻(xiàn)只分析與風(fēng)電場有關(guān)的關(guān)鍵節(jié)點(diǎn)暫態(tài)電壓問題,卻很少有文獻(xiàn)針對整個風(fēng)電地區(qū)電網(wǎng)的暫態(tài)電壓穩(wěn)定的總體性問題進(jìn)行分析研究。本文將采用描述復(fù)雜的風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定的高維特征集中選取最簡特征集,簡化對風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定的分析。在復(fù)雜的電力系統(tǒng)中,采用特征集來描述其暫態(tài)電壓穩(wěn)定性是一個高維的特征空間。使用高維的特征量來分析電力系統(tǒng)的暫態(tài)電壓穩(wěn)定存在分析速度慢的弊端。所以有效降低其特征集能以較快的速度分析電力系統(tǒng)的暫態(tài)電壓穩(wěn)定性。利用特征選擇來降低特征維數(shù)的這種方法體現(xiàn)了對整個電網(wǎng)總體性的研究。針對高維特征量的降維,不同文獻(xiàn)運(yùn)用了不同算法。文獻(xiàn)采用基于二進(jìn)制粒子群優(yōu)化算法的暫態(tài)穩(wěn)定評估特征量的選擇,粒子群的每個粒子代替待選的原始特征量,結(jié)合最小二乘支持向量機(jī)對該粒子進(jìn)行分類,提取最具有代表暫態(tài)穩(wěn)定性的一類特征量。文獻(xiàn)提出基于蟻群優(yōu)化算法的暫態(tài)穩(wěn)定評估的特征量選擇方法,通過分類以錯誤率最低和特征量的選擇比率最小為優(yōu)化目標(biāo),通過蟻群優(yōu)化算法實(shí)現(xiàn)特征的選擇。文獻(xiàn)采用基于主成分和遺傳算法的方法進(jìn)行暫態(tài)穩(wěn)定特征量的選擇,運(yùn)用遺傳算法選取類內(nèi)類間最大的一組綜合特征進(jìn)行分析,從而選出特征量。目前這種降低特征維數(shù)的方法只運(yùn)用在傳統(tǒng)電網(wǎng)中,如文獻(xiàn)利用交疊概率對暫態(tài)電壓穩(wěn)定特征量的選取,但由于目前風(fēng)力發(fā)電量的逐漸增加對其電網(wǎng)暫態(tài)電壓穩(wěn)定影響也必然增大,選取風(fēng)電地區(qū)暫態(tài)電壓特征量也應(yīng)考慮與風(fēng)電有關(guān)的特征量。本文在選取風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定的原始特征量時將加入與風(fēng)電相關(guān)的特征量,再進(jìn)行特征選擇以降低其特征維度。本文采用交疊概率的算法,以最小概率落入特征量的交疊空間為原則,提取最簡的特征量組合,降低電力系統(tǒng)的特征維度。本文在選取原始特征量時,計及風(fēng)電因素的影響,建立有關(guān)風(fēng)電的特征量。通過海量數(shù)據(jù)提取原始特征量的交疊空間,以最小落入交疊空間為判據(jù),對電力系統(tǒng)暫態(tài)電壓穩(wěn)定評估的原始特征量進(jìn)行選擇。最后采用神經(jīng)網(wǎng)絡(luò)驗(yàn)證所選最簡特征量在暫態(tài)電壓穩(wěn)定的準(zhǔn)確性。1交叉概率及其應(yīng)用1.1極值交疊算法事實(shí)上,可以檢測得到的電網(wǎng)系統(tǒng)狀態(tài)量和實(shí)際發(fā)生的高維復(fù)雜事件并不能一一對應(yīng),使用特征量來衡量所發(fā)生的復(fù)雜事件往往存在著不可判區(qū)域。系統(tǒng)的特征量類別之間的交疊區(qū)域是錯誤判斷的最大來源。這不可判的交疊區(qū)域就叫交疊空間。以簡單的一維二類問題為例,X={x1,x2,x3,…,xm},Y={y1,y2,y3,…,yn},X和Y表示兩個類別,xi和yi表示此特征量的樣本值,m和n分別代表X和Y類別的樣本個數(shù)。設(shè)集合X中的最大、最小值分別為xmax、xmin,集合Y的最大、最小值分別是ymax、ymin,由兩個類別樣本值最大最小值提取交疊空間的方法叫極值交疊法。本問題的交疊空間為:由于電力系統(tǒng)具有復(fù)雜性,其特征量不可能是呈連續(xù)的單調(diào)性,其必須是復(fù)雜的函數(shù),因此求取其交疊空間時,不能簡單的采用極值交疊法。文獻(xiàn)提出了分布區(qū)間截斷法對極值交疊法提取的交疊空間進(jìn)行修正和改進(jìn)。在大量測試樣本的前提下,設(shè)定距離閥值d,密度閥值e0。將各特征量的樣本數(shù)據(jù)按照從小到大的順序排列(a1,a2,a3,…)。計算樣本每個點(diǎn)與相鄰點(diǎn)的距離d,當(dāng)d>δ時,表示該距離代表的區(qū)域?yàn)榉鞘录植紖^(qū)間,予以剔除。計算各事件在某一段區(qū)域的密度ε,當(dāng)ε<ε0時,表示該區(qū)域?yàn)椴涣紖^(qū)間,予以剔除。針對c維k類問題的分布區(qū)間截斷法求取交疊空間的方法如下:式中:z為對應(yīng)操作樣本的總數(shù);Int、β分別為事件在對應(yīng)特征屬性上各分部區(qū)間的占比和落入該區(qū)間的樣本比例;ε用于修正A事件的分布。1.2交疊概率判據(jù)在具有高維特征屬性的復(fù)雜電力系統(tǒng)中,有效降低其特征屬性能快速準(zhǔn)確分辨電力系統(tǒng)所處狀態(tài)。本文以最小概率落入特征量的交疊空間為原則,提取最簡的特征量組合,降低電力系統(tǒng)的特征維度。以一維二類問題為例,X={x1,x2,x3,…,xm},Y={y1,y2,y3,…,yn}。交疊概率的計算方法為式中:p(X)、p(Y)分別代表X、Y兩類事件發(fā)生的概率;O表示事件的交疊空間;p(O|X)、p(O|Y)分別表示X、Y兩類事件的樣本落入交疊空間的概率。p(X)、p(Y)、p(O|X)、p(O|Y)的表達(dá)式如下:若是c維k類的系統(tǒng)問題,選擇適當(dāng)特征量組合,使交疊概率P最小,這可作特征選擇的過濾判據(jù),稱為交疊概率判據(jù)J。在c維k類問題中,設(shè)Ii(i=1,2,3,…,k)為第i類事件,Oi(i=1,2,3,…,c)為第i個特征量的交疊空間,其交疊概率判據(jù)J為基于交疊概率的特征量選擇的流程見圖1。2風(fēng)機(jī)原始特征量的確定本文在文獻(xiàn)暫態(tài)穩(wěn)定的原始特征集和文獻(xiàn)暫態(tài)電壓穩(wěn)定的原始特征集的基礎(chǔ)上,著重比較暫態(tài)電壓穩(wěn)定和暫態(tài)穩(wěn)定的特征。經(jīng)大量仿真計算,從新整合傳統(tǒng)電網(wǎng)暫態(tài)電壓穩(wěn)定的原始特征量。風(fēng)機(jī)加入電網(wǎng)時,增加與風(fēng)機(jī)相關(guān)的特征屬性。本文的風(fēng)機(jī)類型是目前應(yīng)用最廣泛的雙饋風(fēng)電機(jī)組,其機(jī)械部分和電氣部分的連接基本可被換流器解耦,而換流器可當(dāng)做理想電流源。設(shè)xm是磁化電抗,xs是定子電抗,V是母線電壓,wb是系統(tǒng)頻率,其電流按d和q軸分解為idr和iqr,發(fā)電機(jī)的電磁轉(zhuǎn)矩和電網(wǎng)輸出的無功功率由idr和iqr決定:綜上,針對風(fēng)機(jī)對電網(wǎng)暫態(tài)電壓穩(wěn)定特征量的選取,選擇5個量作電網(wǎng)暫態(tài)電壓穩(wěn)定評估的特征對象:風(fēng)機(jī)機(jī)端電壓、風(fēng)機(jī)發(fā)出無功和有功、風(fēng)機(jī)idr和iqr。經(jīng)大量仿真計算,得到表1中代號為TZ50—TZ59的10個風(fēng)機(jī)的原始特征量。全部原始特征屬性如表1所示。表中:t0為故障時刻;t1為故障切除時刻;coi表示慣性中心坐標(biāo)。3使用示例3.1初始條件和標(biāo)準(zhǔn)樣本選擇由于實(shí)際電力系統(tǒng)中,不能得到暫態(tài)失穩(wěn)充分的實(shí)測數(shù)據(jù),本文通過基于Matlab平臺的電力系統(tǒng)仿真軟件PSAT2.1.8的時域仿真獲取實(shí)驗(yàn)樣本。充分考慮到系統(tǒng)樣本數(shù)據(jù)分布的廣泛性,在潮流收斂的前提下,本文采用4個嵌套循環(huán)盡最大可能得到最大范圍的取樣:1)在基準(zhǔn)負(fù)荷的80%~120%按照5%的步長增加負(fù)荷,同時發(fā)電機(jī)隨負(fù)荷同比例增加。2)各條線路和變壓器首末兩端發(fā)生三相短路故障。3)設(shè)定故障的清除時間為0.1、0.2、0.3s。4)風(fēng)電出力以0%~100%以20%的步長增加。通過以上每次循環(huán)計算其原始特征值作為實(shí)驗(yàn)樣本數(shù)據(jù),并按照9:1的比例隨機(jī)分配訓(xùn)練樣本和測試樣本。在仿真過程中,系統(tǒng)運(yùn)行是否滿足其暫態(tài)穩(wěn)定性由工程經(jīng)驗(yàn)判據(jù)如下:在大擾動干擾下,其發(fā)電機(jī)功角保持穩(wěn)定,暫態(tài)電壓低于75%額定電壓的時間不大于1.0s。3.2基于交疊概率算法的最簡特征組合本文以標(biāo)準(zhǔn)39節(jié)點(diǎn)加入風(fēng)電為例進(jìn)行分析。標(biāo)準(zhǔn)39節(jié)點(diǎn)網(wǎng)絡(luò)包括39個節(jié)點(diǎn)、10臺發(fā)電機(jī)、12個變壓器、34條線路。本系統(tǒng)的基準(zhǔn)功率為100MVA,基準(zhǔn)電壓為345kV。系統(tǒng)的10臺發(fā)電機(jī)均以4階模型表示,并加裝自動電壓調(diào)節(jié)器(automaticvoltageregulator,AVR)對發(fā)電機(jī)實(shí)現(xiàn)一次電壓調(diào)節(jié)。暫態(tài)電壓穩(wěn)定評估原始特征集見表1。為突顯風(fēng)電對風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定的影響,在本文仿真中風(fēng)電以穿透功率為20%共3個風(fēng)電場接入電網(wǎng)。3個風(fēng)電場分別接入到33、34、38這3個節(jié)點(diǎn)處,與原有同步發(fā)電機(jī)并聯(lián)發(fā)電。類似我國三北地區(qū)(東北、西北、華北)同時具有風(fēng)力發(fā)電和火力發(fā)電對外的電力輸送,具有較強(qiáng)的實(shí)現(xiàn)意義。在現(xiàn)實(shí)的大規(guī)模風(fēng)電場中一般都有幾十上百臺風(fēng)力發(fā)電機(jī)。在仿真實(shí)驗(yàn)中,可以把同一風(fēng)電場的風(fēng)力發(fā)電機(jī)等值成1臺風(fēng)力發(fā)電機(jī)。風(fēng)電場接入點(diǎn)電壓等級為0.69kV,經(jīng)變壓器升壓到69kV并聯(lián)接入火電。在PSAT的接線圖如圖2所示。在風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定評估分析中,因風(fēng)機(jī)易由故障造成的低電壓引起風(fēng)機(jī)脫網(wǎng),這將對整個風(fēng)電地區(qū)暫態(tài)電壓穩(wěn)定造成較嚴(yán)重的影響。本文根據(jù)我國《風(fēng)電場接入電力系統(tǒng)技術(shù)規(guī)定》,風(fēng)電最低脫網(wǎng)電壓要求為標(biāo)稱電壓的20%,設(shè)定風(fēng)機(jī)并網(wǎng)點(diǎn)電壓低于0.2pu時,風(fēng)機(jī)脫網(wǎng)。風(fēng)機(jī)脫網(wǎng)的實(shí)現(xiàn)是在風(fēng)電機(jī)組并網(wǎng)點(diǎn)出口加裝一個斷路器,斷路器斷開則把風(fēng)機(jī)切除出網(wǎng)絡(luò),如圖2所示。在標(biāo)準(zhǔn)39節(jié)點(diǎn)的傳統(tǒng)電網(wǎng)中(無風(fēng)電加入),由仿真所得的訓(xùn)練樣本,將其系統(tǒng)狀態(tài)分為暫態(tài)電壓穩(wěn)定和暫態(tài)電壓失穩(wěn)兩類事件,并按照分布區(qū)間截斷法求取TZ1—TZ49的交疊空間。然后統(tǒng)計落入交疊空間的訓(xùn)練樣本數(shù),按照式(15)計算本系統(tǒng)的交疊概率判據(jù)J=0.0122。按照圖1的流程圖步驟篩選出最簡的特征組合為{TZ3,TZ4,TZ9,TZ11,TZ15,TZ16,TZ21,TZ40,TZ43,TZ45}。為驗(yàn)證所篩選的最簡特征組合的有效性,本文采用神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證,將特征量作為神經(jīng)網(wǎng)絡(luò)的輸入,系統(tǒng)的狀態(tài)作為神經(jīng)網(wǎng)絡(luò)的輸出,經(jīng)過訓(xùn)練樣本對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練,對測試樣本的驗(yàn)證其準(zhǔn)確率如表2所示。由表2的對比結(jié)果可得到:基于交疊概率算法提取的最簡特征組合以較小的維度所描述高維特征量的復(fù)雜電力系統(tǒng)網(wǎng)絡(luò),同樣有較高的準(zhǔn)確率。在加入風(fēng)電的應(yīng)用實(shí)例中,由仿真得到的訓(xùn)練樣本數(shù)據(jù)提取TZ1—TZ59的交疊空間,按式(15)計算其交疊概率判據(jù)J=0.0159,選取的最簡特征組合為{TZ3,TZ4,TZ9,TZ15,TZ16,TZ21,TZ22,TZ37,TZ41,TZ43,TZ45,TZ58}。相比無風(fēng)電的39節(jié)點(diǎn)算例所選的特征組合在本算例的運(yùn)用,并用神經(jīng)網(wǎng)絡(luò)計算各自的準(zhǔn)確率,得到表3。由表3可見,在加入風(fēng)電的網(wǎng)絡(luò)中,使用交疊概率算法對其59維的高維特征量選取其中12維特征量組成的最簡特征集描述同樣的電力系統(tǒng)對象,也能具有較高的準(zhǔn)確率。相比傳統(tǒng)39節(jié)點(diǎn)網(wǎng)絡(luò)所選的特征集在本算例中的應(yīng)用,其交疊概率大于本算例的交疊概率判據(jù),且準(zhǔn)確率也明顯下降,這說明該特征集不能充分描述加入風(fēng)電的39節(jié)點(diǎn)網(wǎng)絡(luò)對象。與傳統(tǒng)39節(jié)點(diǎn)網(wǎng)絡(luò)相比,加入風(fēng)電的39節(jié)點(diǎn)網(wǎng)絡(luò)的交疊概率判據(jù)增大,且選取的最簡特征集維度也增加2個。這說明加入風(fēng)電后,系統(tǒng)結(jié)構(gòu)更加復(fù)雜,所描述事件的交疊空間也更大,從而使系統(tǒng)