论文部分内容阅读
电力系统发输变电的快速发展,以及各种新型技术的应用,使得系统结构变得越来越复杂。加上传输设备和环境等因素的制约,电力系统的传输功率越来越接近极限值,静态电压稳定问题成为了热点问题。能源缺乏和环境污染的问题又促使我国必须大力发展可再生能源。其中风力发电是可再生能源的主力军,国内得到了大力发展。而风电场不确定性和间歇性功率的接入,使得我国电网变得更加薄弱。电力系统中,电压崩溃事故具有隐蔽性和突发性,一旦发生便难以挽回,具有很大的破坏性。因此,为了及时预警,预防事故发生,实时监测系统电压稳定程度势在必然。如何对系统电压稳定程度在线做出判断,快速准确的计算裕度指标,给运行人员足够的时间采取措施,成为静态电压稳定研究的重点问题。针对裕度指标快速计算的问题,本文开展了以下工作:首先,分析了连续潮流法计算裕度指标的原理。并采用随机干扰模型模拟实际系统的运行状态,从而计算出系统各种运行状态下的裕度指标。将连续潮流法计算的裕度指标作为后续工作中神经网络的样本。其次,研究了风电场接入大电网之后裕度指标计算的问题,重点分析了异步风力发电机的连续潮流法计算模型,并将双馈风力发电机视为PQ节点。为了给神经网络提供各种风速条件下的裕度指标样本,论文提出了风速的随机干扰模型。第三,将广泛应用的BP神经网络(Back Propagation Neutral Network,BPNN)与广义回归神经网络(Generalized Regression Neural Network,GRNN)相对比,提出了采用GRNN替代连续潮流法,进行裕度指标快速计算。由于电力系统的高维性和输入样本的强相关性,采用主成分分析法(Principal component analysis,PCA)对GRNN的输入样本进行降维,基于PCA-GRNN提出了一种裕度指标快速计算算法。在实际应用中,为了给神经网络提供输入样本(电压向量),采用PMU实时测量系统电压向量。为了减少PMU的安装数量,本文首先提出了采用PMU优化配置的方法,使得系统可观测之后,将得到的电压向量作为神经网络的输入。为了进一步提高经济性,减少PMU的安装数量,并保证计算精度,本文又提出了一种非完全可观测的PMU优化配置方法,通过格莱姆施密特正交化和神经网络灵敏度技术选择,得到一部分与裕度指标相关度最大的节点电压向量,并且采用PMU优化配置使得所选择的节点可观测,将所选择节点电压向量作为神经网络的输入样本。最后,本文采用Matpower软件中的IEEE30节点系统在Matlab上进行仿真,对常规系统、N-1系统和含风电场的系统做了裕度指标快速计算仿真。仿真结果验证了本文所提出方法的优越性,以及在实际应用中的可靠性。