一种适应风电随机波动性的互联电力系统阻尼控制方法技术方案

本发明专利技术属于电力工程技术领域，尤其涉及一种适应风电随机波动性的互联电力系统阻尼控制方法，包括：针对多个典型风电出力工况设计协调的电力系统稳定器组；针对不同的运行工况设计多个时变卡尔曼滤波器；采集电力系统中来自PMU的广域信息分别输入到各个不同的运行工况对应的时变卡尔曼滤波器中并对系统工况进行追踪，并投切相匹配的电力系统稳定器。采用基于卡尔曼滤波器的自适应控制措施能够准确快速的判断系统当前运行子空间，并自适应投切相应的控制器，能够有效跟踪系统随机动态行为，在风电随机大幅度波动的情况下，也能够有效抑制系统低频振荡。

A damping control method for interconnected power system adapted to stochastic fluctuation of wind power

The invention belongs to the field of electric power engineering technology, in particular relates to an interconnected power system damping control method adapted to the random fluctuation of wind power, including: designing a coordinated power system stabilizer group for a plurality of typical wind power output conditions; designing a plurality of time-varying Kalman filters for different operating conditions; and collecting power systems. The wide-area information from the PMU in the system is input into the time-varying Kalman filter corresponding to different operating conditions, and the system operating conditions are tracked, and the matching power system stabilizers are switched on and off. The adaptive control method based on Kalman filter can judge the subspace of the system quickly and accurately, and switch the corresponding controller adaptively. It can effectively track the stochastic dynamic behavior of the system, and suppress the low frequency oscillation of the system when the wind power fluctuates greatly.

【技术实现步骤摘要】
一种适应风电随机波动性的互联电力系统阻尼控制方法
本专利技术属于电力工程
，尤其涉及一种适应风电随机波动性的互联电力系统阻尼控制方法。
技术介绍
随着全世界范围内的能源紧缺日益严重，开发新能源发电技术迫在眉睫。近年来，风力发电在我国已经成为发展最快的清洁能源之一，装机容量与日俱增，预计到2020年，风电装机容量将至少达到1.5亿kW。风能等一次能源的随机波动性决定了风电输出功率的随机波动性，随着风电并网规模的不断扩大，系统的随机性、波动性表现得更为剧烈。传统电力系统控制器的设计都是在典型运行工况下，即系统元件参数、运行条件及干扰方式已给定的情况下进行。但是由于风电具有间歇性和强随机波动性，使得基于典型运行工况设计的传统控制器表现出适应性明显不足的缺陷，难以在风电出力大范围波动情况下进行有效阻尼。所以研究能够适应风电随机波动特性的自适应阻尼控制策略已成为必然的趋势。由于风速的随机波动使得风电功率的输出变化频繁，难以进行准确捕捉，因此，如何对系统随机动态进行追踪以及对系统的辨识显得尤为困难。如何能设计出适应风电随机波动性的阻尼控制器是个急需解决的问题。
技术实现思路
针对上述问题，本专利技术提出了一种适应风电随机波动性的互联电力系统阻尼控制方法，包括：针对多个典型风电出力工况设计协调的电力系统稳定器组；针对不同的运行工况设计多个时变卡尔曼滤波器；采集电力系统中来自PMU的广域信息分别输入到各个不同的运行工况对应的时变卡尔曼滤波器中并对系统工况进行追踪，并投切相匹配的电力系统稳定器。所述时变卡尔曼滤波器得到母线频率差的估计值，与真实量测值比较后得到量测残差，并对量测量进行多点加和求平均值，进一步得到卡方变量均值；依据各个卡方变量均值在置信区间中分布的相对概率对当前系统工况进行有效追踪。所述广域信息为各发电机之间的母线频率差。所述时变卡尔曼滤波器的离散动态方程如下：其中，x(n)和x(n-1)是状态向量，z(n)是可观测的量测量，通过离散动态方程得到Φ，Γ和H矩阵，Φ(n,n-1)是状态矩阵A的离散化形式，Γ(n,n-1)是输入矩阵，H(n,n-1)、H(n)是观测矩阵，w(n-1)、w(n)是过程噪声，用高斯白噪声序列表示，ε(n)为量测噪声，用高斯白噪声序列表示，假设过程噪声和量测噪声是相互独立的，每个采样点均满足以下公式：E{w(n)}＝0(2)E{w(j)wT(n)}＝Q(n)δjn(3)E{ε(n)}＝0(4)E{ε(n)εT(j)}＝R(n)δjn(5)E{w(n)εT(j)}＝0(6)其中E[·]表示期望值，Q(n)为w(n)的协方差矩阵，R(n)阵为ε(n)差的协方差矩阵，n和j表示不同时刻采样点、δjn是Dirac函数，所述时变卡尔曼滤波器的设计方法包括：给定状态向量和协方差矩阵初始值，通过迭代求得新值；在每个采样点，结合测量值对状态向量、卡尔曼滤波器增益以及协方差矩阵进行更新；对状态向量估计值和协方差矩阵估计值进行时间上的更新；定义二次型的卡方变量表征观测残差；将预测值与测量值进行对比，两者之间的差距通过卡尔曼增益进一步增大，将广域信息输入到卡尔曼滤波器中进行下一次的预测，对二次型的卡方变量进行扩展，并多点求和取平均值得到多点卡方变量均值。所述卡方变量和多点卡方变量均值均服从自由度为m的卡方分布，m为观测点的数目。本专利技术的有益效果在于：采用基于卡尔曼滤波器的自适应控制措施能够准确快速的判断系统当前运行子空间，并自适应投切相应的控制器，能够有效跟踪系统随机动态行为，在风电随机大幅度波动的情况下，也能够有效抑制系统低频振荡。附图说明图1为本专利技术的控制策略结构图；图2为实施例中的16机68节点电网结构图；图3为系统频率和阻尼比随风功率变化曲线图；图4为不同风电渗透率下，不同控制器下的系统动态响应图；图5为卡方变量均值分布概率密度图图6为风电接入功率发生变化时系统动态响应图具体实施方式下面结合附图，对实施例作详细说明。由于风速的随机波动使得风电功率的输出变化频繁，难以进行准确捕捉，因此，需要利用系统中的可量测量对系统随机动态行为进行有效捕捉。对此，本专利技术提出了一种适应风电随机波动性的互联电力系统阻尼控制方法，如图1所示，包括：针对多个典型风电出力工况设计协调的电力系统稳定器组；针对不同的运行工况设计多个时变卡尔曼滤波器；采集电力系统中来自PMU的广域信息分别输入到各个不同的运行工况对应的时变卡尔曼滤波器中并对系统工况进行追踪，并投切相匹配的电力系统稳定器。所述时变卡尔曼滤波器得到母线频率差的估计值，与真实量测值比较后得到量测残差，并对量测量进行多点加和求平均值，进一步得到卡方变量均值；依据各个卡方变量均值在置信区间中分布的相对概率对当前系统工况进行有效追踪。所述广域信息为各发电机之间的母线频率差。所述时变卡尔曼滤波器的离散动态方程如下：其中，x(n)和x(n-1)是状态向量，z(n)是可观测的量测量，通过离散动态方程得到Φ，Γ和H矩阵，Φ(n,n-1)是状态矩阵A的离散化形式，Γ(n,n-1)是输入矩阵，H(n,n-1)，H(n)是观测矩阵，w(n-1)，w(n)是过程噪声，用高斯白噪声序列表示，ε(n)为量测噪声，用高斯白噪声序列表示，假设过程噪声和量测噪声是相互独立的，每个采样点均满足以下公式：E{w(n)}＝0(2)E{w(j)wT(n)}＝Q(n)δjn(3)E{ε(n)}＝0(4)E{ε(n)εT(j)}＝R(n)δjn(5)E{w(n)εT(j)}＝0(6)其中E[·]表示期望值，Q(n)为w(n)的协方差矩阵，R(n)阵为ε(n)的协方差矩阵，n和j表示不同时刻采样点、δjn是Dirac函数，所述时变卡尔曼滤波器的设计方法包括：给定状态向量和协方差矩阵初始值，通过迭代求得新值；在每个采样点，结合测量值对状态向量、卡尔曼滤波器增益以及协方差矩阵进行更新；对状态向量估计值和协方差矩阵估计值进行时间上的更新；定义二次型的卡方变量表征观测残差；将预测值与测量值进行对比，两者之间的差距通过卡尔曼增益进一步增大，将广域信息输入到卡尔曼滤波器中进行下一次的预测。对二次型的卡方变量进行扩展，并多点求和取平均值得到多点卡方变量均值。所述卡方变量和多点卡方变量均值均服从自由度为m的卡方分布，m为观测点的数目。时变卡尔曼滤波器主要针对时变系统或者含有时变扰动的系统设计，能够利用在线量测量对系统进行辨识。据此，对各运行子空间分别设计时变卡尔曼滤波器，并结合来着PMU的广域信息得到系统所在的运行子空间。时变卡尔曼滤波器的设计步骤具体如下：(1)给定状态向量x和协方差矩阵P初始值x(1│0)和P(1│0)，通过迭代求得新值；x(0)为t＝0时刻初始值，为初始时刻的预测值。(2)在每个采样点，结合测量值，利用式(8)对状态向量x(n|·)，卡尔曼滤波器增益K(n)以及协方差矩阵P(n|·)进行更新。(3)利用式(9)对状态向量估计值和协方差矩阵估计值进行时间上的更新。其中为是根据上一时刻测量值得到的状态估计值，是根据当前时刻测量值得到的状态估计值。P(n|n)是预测的协方差矩阵，P(n|n-1)是更新后的协方差矩阵。P(n|n)＝E({x(n)-x(n|n)}{x(n)-x(n|n)}T)P(n|n-1)本文档来自技高网...

【技术保护点】
1.一种适应风电随机波动性的互联电力系统阻尼控制方法，其特征在于，包括：针对多个典型风电出力工况设计协调的电力系统稳定器组；针对不同的运行工况设计多个时变卡尔曼滤波器；采集电力系统中来自PMU的广域信息分别输入到各个不同的运行工况对应的时变卡尔曼滤波器中并对系统工况进行追踪，并投切相匹配的电力系统稳定器。

【技术特征摘要】
1.一种适应风电随机波动性的互联电力系统阻尼控制方法，其特征在于，包括：针对多个典型风电出力工况设计协调的电力系统稳定器组；针对不同的运行工况设计多个时变卡尔曼滤波器；采集电力系统中来自PMU的广域信息分别输入到各个不同的运行工况对应的时变卡尔曼滤波器中并对系统工况进行追踪，并投切相匹配的电力系统稳定器。2.根据权利要求1所示方法，其特征在于，所述时变卡尔曼滤波器得到母线频率差的估计值，与真实量测值比较后得到量测残差，并对量测量进行多点加和求平均值，进一步得到卡方变量均值；依据各个卡方变量均值在置信区间中分布的相对概率对当前系统工况进行有效追踪。3.根据权利要求1所示方法，其特征在于，所述广域信息为各发电机之间的母线频率差。4.根据权利要求1所示方法，其特征在于，所述时变卡尔曼滤波器的离散动态方程如下：其中，x(n)和x(n-1)是状态向量，z(n)是可观测的量测量，通过离散动态方程得到Φ，Γ和H矩阵，Φ(n,n-1)是状态矩阵A的离散化形式，Γ(n,n-1)是输入矩阵，H(n,n-1)、H(n)是观测矩阵，w(n-1)、w(n)是过程噪声，用高斯白噪声序列表示，ε(n)为量测...

【专利技术属性】
技术研发人员：王彤，刘九良，杨京，王增平，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11