基于卡尔曼滤波的电力系统频率与惯量实时监测方法及其系统技术方案

本发明专利技术提出基于卡尔曼滤波的电力系统频率与惯量实时监测方法及其系统，该方法包括：分析量测装置对频率测量误差的分布情况；对电力系统的等效惯量进行快速估计；对电力系统的运行情况进行监测，分析扰动事件产生的功率缺额，采集系统的频率量测数据；利用基于卡尔曼滤波的电力系统频率与惯量实时估计模型，对系统频率与惯量的实时跟踪监测。该方法以卡尔曼滤波理论为支撑，建立了暂态过程中电力系统频率与惯量实时监测计算模型，实现对电力系统频率运行态势的实时、准确感知。基于广泛分布的电力系统量测装置，本发明专利技术可实现对暂态过程中系统频率与惯量的实时感知，保证实时估计的准确性和快速性，为电力系统的状态评估与运行控制提供决策依据。制提供决策依据。制提供决策依据。

【技术实现步骤摘要】
基于卡尔曼滤波的电力系统频率与惯量实时监测方法及其系统


[0001]本专利技术涉及电力系统运行状态监测方法，具体涉及一种基于卡尔曼滤波的电力系统频率与惯量实时监测方法及其系统。

技术介绍

[0002]新能源发电占比的稳步提升将削弱煤电等常规电源的主体地位，使电力系统体现出更强的不确定性、复杂性，系统运行与控制的难度增加。由于新能源功率支撑和调控能力不足，新能源高占比电力系统在发生功率扰动事件时频率失稳的风险较大。
[0003]为保证电力系统频率的稳定运行，需要及时地感知电网中存在的频率失稳风险。因此，及时地对电力系统频率与惯量进行监测具有重要的意义。传统的电力系统频率监测，主要依赖于实时的量测数据，但是由于量测设备、信息传输等的不确定性，可能导致量测的结果存在较大误差，从而失去参考意义。另外，传统电力系统的惯量评估，主要依赖于离线数据的分析，与实际电力系统的惯量可能存在差异，从而可能对电力系统的安全稳定分析结果造成干扰，影响运行人员的分析判断。
[0004]考虑到电力系统频率与惯量实时监测对计算时效性、结果准确性的需求，近年来广受关注的卡尔曼滤波理论可发挥作用。该理论以模型预测与量测数据相结合的方式，通过二者误差的分布情况动态分配二者的权重系数，可实现对系统状态变量及相关参数的预测和辨识，具有重要的实用价值。

技术实现思路

[0005]针对以上不足，本专利技术提出一种基于卡尔曼滤波的电力系统频率与惯量实时监测方法及其系统，该方法以转子运动方程为基础实现对系统频率与惯量变化的估计，并结合系统实际量测数据，通过计算卡尔曼增益常数，实现模型预测与量测数据的综合权衡，提高电力系统频率与惯量监测的准确性与实时性。
[0006]本专利技术的一种基于卡尔曼滤波的电力系统频率与惯量实时监测方法，包括如下步骤：
[0007](1)基于历史统计信息，分析量测装置对频率测量误差的分布情况；
[0008](2)基于电力系统的运行方式及开机情况，对电力系统的等效惯量H
eq
进行快速估计；
[0009](3)对电力系统的运行情况进行监测，分析扰动事件产生的功率缺额ΔP，采集系统的频率量测数据；
[0010](4)以分布情况R、估计的电力系统的等效惯量H
eq
以及功率缺额ΔP为基础，结合频率量测数据，利用基于卡尔曼滤波的电力系统频率与惯量实时估计模型，对系统频率与惯量进行实时跟踪监测。
[0011]所述步骤(1)中，分析量测装置对频率测量误差的分布情况，以方差R进行表示，通
过相关历史试验数据进行统计，其计算公式如下：
[0012][0013]其中，i为发电机的数量，n为历史试验数据样本的数目，r
i
为系统频率量测误差，为系统频率量测误差平均值。
[0014]所述步骤(2)中，电力系统的等效惯量H
eq
快速估计，其计算公式如下：
[0015][0016]其中，H
i
为发电机i的等效惯量，i为发电机的数量，m为开机运行的发电机的数量，S
i
为发电机i的额定功率，S
total
为系统中发电机额定功率的总和。
[0017]所述步骤(4)中，基于卡尔曼滤波的电力系统频率与惯量实时估计模型，以存在量测误差的实时频率量测数据为输入，以校正后的频率f
est
与系统惯量H
est
估计数据为输出。
[0018]通过以下步骤对校正后的频率与系统惯量进行估计：
[0019]1)依据发电机转子运动方程，建立离散的状态函数模型，以及状态函数模型预测误差分布的转移方程，其计算公式如下：
[0020][0021][0022]其中，表示t时刻系统频率，表示t时刻惯量的机理模型估计值，表示t
‑
1时刻的卡尔曼滤波模型预测值，ΔP为功率缺额，Δt为采样时间间隔，ω0为系统基准频率，分别为t时刻的机理模型误差的协方差矩阵估计值，t
‑
1时刻卡尔曼滤波模型计算的协方差矩阵计算值，依据经验设置，将上式简化为如下的表达形式：
[0023][0024][0025]2)依据卡尔曼滤波理论，计算卡尔曼增益K
t
，其计算公式如下：
[0026][0027]其中，H为[1 0]的行向量，可以通过状态观测方程(为专业术语，即频率f是可以量测的，惯量H是不可量测的，因此通过[f 0]＝H*[f h])得出；
[0028]3)基于t时刻系统的频率量测值及卡尔曼增益K
t
，对系统频率以及惯量的估计值进行校正预测，并对模型预测误差的协方差矩阵进行更新，其计算公式如下：
[0029][0030][0031]其中，I为单位矩阵，为t时刻系统的频率量测值，K
t
为卡尔曼增益；
[0032]4)重复以上计算过程，直至t＝t
max
。
[0033]本专利技术的基于卡尔曼滤波的电力系统频率与惯量实时监测系统，基于卡尔曼滤波的电力系统频率与惯量实时监测系统包括：网络接口，存储器和处理器；其中，
[0034]所述网络接口，用于在与其他外部网元之间进行收发信息过程中，信号的接收和发送；
[0035]所述存储器，用于存储能够在所述处理器上运行的计算机程序；
[0036]所述处理器，用于在运行所述计算机程序时，执行上述基于卡尔曼滤波的电力系统频率与惯量实时监测方法的步骤。
[0037]本专利技术的一种计算机存储介质，所述计算机存储介质存储有基于卡尔曼滤波的电力系统频率与惯量实时监测的程序，所述基于卡尔曼滤波的电力系统频率与惯量实时监测的程序被至少一个处理器执行时实现上述基于卡尔曼滤波的电力系统频率与惯量实时监测方法的步骤。
[0038]为实现上述目的，与现有技术相比，本专利技术具有以下有益效果：本专利技术在基于电力系统频率量测数据的基础上，采用卡尔曼滤波理论对频率量测数据进行校正并实现惯量参数的辨识，能够弥补现有方法对系统频率与惯量监测的不足，有效提高监测结果的时效性与准确性。基于此，本专利技术能够对电力系统的频率态势进行监测，并能够实现系统惯量的辨识，可为电力系统运行人员提供更加准确的频率态势以及惯量参数，有助于制定更加合理的频率稳定控制措施，保证电力系统的安全稳定运行。
附图说明
[0039]图1为本专利技术的基于卡尔曼滤波的电力系统频率与惯量实时监测方法工作流程图；
[0040]图2为本专利技术所测试系统的电力网络拓扑图；
[0041]图3为本专利技术与直接频率量测数据结果对比图；
[0042]图4为本专利技术惯量监测效果图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动本文档来自技高网...

【技术保护点】

【技术特征摘要】
时刻的卡尔曼滤波模型预测值，并设置ΔP为功率缺额，Δt为采样时间间隔，ω0为系统基准频率，分别为t时刻的机理模型误差的协方差矩阵估计值，t
‑
1时刻卡尔曼滤波模型计算的协方差矩阵计算值，依据经验设置，将上式简化为如下的表达形式：依据经验设置，将上式简化为如下的表达形式：其中：表示A表示A表示表示2)依据卡尔曼滤波理论，计算卡尔曼增益K
t
，其计算公式如下：其中，H为[1 0]的行向量，可以通过状态观测方程得出，H
T
表示向量H的转置；3)基于t时刻系统的频率量测值及卡尔曼增益K
t
，对系统频率以及惯量的估计值进行校正预测，并对模型预测误差的协方差矩阵进行更新，其计算公式如下：行校正预测，并对模型预测误差的协方差矩阵进行更新，其计算公式如下：其中，I为单位矩阵，为t时刻系统的频率量测值，...

【专利技术属性】
技术研发人员：汤奕，李峰，王琦，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：