專利名稱：基于軌跡靈敏度的電力系統(tǒng)等值模型參數(shù)分類優(yōu)化方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種電力系統(tǒng)等值模型參數(shù)優(yōu)化方法，尤其涉及一種基于軌跡靈敏度的電力系統(tǒng)等值模型參數(shù)分類優(yōu)化方法，屬于電力系統(tǒng)控制技術(shù)領(lǐng)域。
背景技術(shù)：
電力系統(tǒng)是非線性時變系統(tǒng)，其等值模型也必然是近似的。等值過程中的各種近似處理、系統(tǒng)運 行狀態(tài)的不斷變化都會導(dǎo)致并加大等值誤差，如何對動態(tài)等值模型參數(shù)進行優(yōu)化，使其外部特性與實際系統(tǒng)更為一致，是電力系統(tǒng)等值的重要問題。已有等值模型優(yōu)化方法對軌跡靈敏度的應(yīng)用多限于根據(jù)其大小選擇等值系統(tǒng)主導(dǎo)參數(shù)，然后對主導(dǎo)參數(shù)進行優(yōu)化。對考慮負(fù)荷動態(tài)的大型互聯(lián)電網(wǎng)而言，經(jīng)初步篩選后，參數(shù)雖然有所減少，但待優(yōu)化參數(shù)總量仍然較多。為了保證優(yōu)化精度，需要在整個觀測區(qū)間內(nèi)密集采樣，這使得等值模型優(yōu)化所需考慮的約束方程數(shù)量龐大。另外，等值系統(tǒng)中還可能存在不同參數(shù)軌跡靈敏度相差過大(達(dá)到IO3或以上)、部分參數(shù)具有相近的軌跡靈敏度等問題，這些都造成了大型系統(tǒng)動態(tài)等值模型優(yōu)化問題的收斂困難，進行最小二乘優(yōu)化計算時常發(fā)生優(yōu)化結(jié)果不穩(wěn)定的問題。為了克服這一困難，目前常采用蟻群、模擬進化及神經(jīng)網(wǎng)絡(luò)等基于人工智能的優(yōu)化方法進行求解，通過大量反復(fù)計算，搜索出等值模型的最優(yōu)參數(shù)。人工智能方法具有全局收斂性，但其計算量過大、收斂慢的缺點也很突出，故難以應(yīng)用于工程實踐。電力系統(tǒng)不同參數(shù)對輸出變量的軌跡靈敏度有不同特點。除幅值大小不同外，作用時段差別也很大，部分參數(shù)對輸出的影響集中在暫態(tài)時段，暫態(tài)過程結(jié)束后，其軌跡靈敏度漸趨于零；而另一部分參數(shù)對輸出變量的影響則貫穿動態(tài)響應(yīng)全過程，在系統(tǒng)接近穩(wěn)態(tài)時或表現(xiàn)為低頻小幅振蕩，或近似為一恒定值。利用這一性質(zhì)可將等值模型參數(shù)優(yōu)化問題分解為靜態(tài)、動態(tài)參數(shù)優(yōu)化兩個子問題協(xié)調(diào)求解，減少每次優(yōu)化的參數(shù)個數(shù)，并根據(jù)系統(tǒng)響應(yīng)快慢適當(dāng)調(diào)節(jié)采樣間隔，從而提高優(yōu)化算法的效率，克服現(xiàn)有方法待優(yōu)化參數(shù)過多、計算量大、收斂困難的不足。目前，根據(jù)軌跡靈敏度作用時段差別對不同參數(shù)進行分類優(yōu)化的方法尚未見文獻(xiàn)報道。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有電力系統(tǒng)動態(tài)等值模型優(yōu)化中待優(yōu)化參數(shù)數(shù)量過多，約束方程數(shù)量龐大，而人工智能方法又存在計算量過大、算法收斂慢的缺陷，提供一種基于軌跡靈敏度的電力系統(tǒng)等值模型參數(shù)分類優(yōu)化方法，利用不同參數(shù)軌跡靈敏度特性在不同時段內(nèi)的差別，將主導(dǎo)參數(shù)劃分為動態(tài)、靜態(tài)參數(shù)，對兩類參數(shù)分別進行協(xié)調(diào)優(yōu)化，從而綜合提高優(yōu)化算法效率及等值模型精度。為解決上述技術(shù)問題，本發(fā)明具體采用以下技術(shù)方案:基于軌跡靈敏度的電力系統(tǒng)等值模型參數(shù)分類優(yōu)化方法，包括以下步驟:(I)對電力系統(tǒng)進行初始動態(tài)等值計算:確定系統(tǒng)穩(wěn)態(tài)運行點，劃分研究系統(tǒng)與外部系統(tǒng)，對發(fā)電機、感應(yīng)電動機進行分群、聚合，對靜態(tài)負(fù)荷進行移置，對等值網(wǎng)絡(luò)進行化簡，并在等值發(fā)電機、等值感應(yīng)電動機節(jié)點分別連接附加阻抗
權(quán)利要求
1.基于軌跡靈敏度的電力系統(tǒng)等值模型參數(shù)分類優(yōu)化方法，其特征在于，包括以下步驟:(1)對電力系統(tǒng)進行初始動態(tài)等值計算:確定系統(tǒng)穩(wěn)態(tài)運行點，劃分研究系統(tǒng)與外部系統(tǒng)，對發(fā)電機、感應(yīng)電動機進行分群、聚合，對靜態(tài)負(fù)荷進行移置，對等值網(wǎng)絡(luò)進行化簡，并在等值發(fā)電機、等值感應(yīng)電動機節(jié)點分別連接附加阻抗
全文摘要
本發(fā)明公布了一種基于軌跡靈敏度的電力系統(tǒng)等值模型參數(shù)分類優(yōu)化方法。首先，對考慮負(fù)荷動態(tài)的電力系統(tǒng)進行分群、聚合，確定系統(tǒng)動態(tài)等值模型結(jié)構(gòu)及參數(shù)初值。使用隱式梯形積分方法計算預(yù)想故障下原系統(tǒng)及等值系統(tǒng)的動態(tài)響應(yīng)，根據(jù)計算過程中輸出的雅可比矩陣，求出各聯(lián)絡(luò)線有功功率、無功功率及邊界節(jié)點電壓對等值模型參數(shù)的軌跡靈敏度。將軌跡靈敏度作歸一化處理，對其平均值按大小排序，劃分靜態(tài)參數(shù)與動態(tài)參數(shù)。先根據(jù)穩(wěn)態(tài)時段響應(yīng)曲線及軌跡靈敏度，對靜態(tài)參數(shù)進行最小二乘優(yōu)化，再根據(jù)靜態(tài)參數(shù)修正量及軌跡靈敏度，對動態(tài)響應(yīng)時段響應(yīng)曲線進行預(yù)估校正，據(jù)此對動態(tài)參數(shù)進行優(yōu)化。經(jīng)少量優(yōu)化迭代后，可得精度滿足要求的等值模型最優(yōu)參數(shù)。
文檔編號G06Q10/04GK103246934SQ20131011629
公開日2013年8月14日 申請日期2013年4月7日 優(yōu)先權(quán)日2013年4月7日
發(fā)明者周海強, 鞠平, 韓敬東, 周曉成, 孔祥波, 朱潔, 陳鵬 申請人:河海大學(xué)