基于模式激发程度分析的暂态稳定预想事故筛选方法技术

本发明专利技术公开了一种基于模式激发程度分析的暂态稳定预想事故筛选方法，包括：采用模式激发程度分析方法计算各个节点故障的重要程度指标；以及采用最大差异法筛选出重要故障。该方法将系统模型在非平衡点处泰勒展开，忽略高阶项，计算故障对系统各个振荡模式的激发程度，将激发程度在一个振荡周期内的最大值作为该故障的重要性指标，最后采用最大差异法筛选出预想事故。该方法不依赖于运行人员的经验，物理意义明确，可以快速地筛选出预想事故。

【技术实现步骤摘要】
基于模式激发程度分析的暂态稳定预想事故筛选方法
本专利技术属于电力系统暂态稳定分析领域，具体涉及一种基于模式激发程度分析的暂态稳定预想事故筛选方法。
技术介绍
大规模新能源发电的接入导致电力系统运行方式的不确定性逐渐增大。在此情况下，在线安全稳定评估将发挥更大的作用。合理地筛选出暂态稳定预想事故是在线安全稳定评估的基础。基于运行人员经验的预想事故筛选方法不适用于在线安全稳定评估，而人工智能方法的物理意义不够明确。
技术实现思路
本专利技术旨在至少在一定程度上解决上述技术问题之一或至少提供一种有用的商业选择。为此，本专利技术的目的在于提出一种不依赖运行人员经验、筛选效率高的基于模式激发程度分析的暂态稳定预想事故筛选方法。为了实现上述目的，本专利技术实施例的基于模式激发程度分析的暂态稳定预想事故筛选方法，包括以下步骤：S1.采用模式激发程度分析方法计算各个节点故障的重要程度指标；以及S2.采用最大差异法筛选出重要故障。在本专利技术的一个实施例中，所述步骤S1包括：设系统有n台发电机，对系统进行小干扰稳定性分析，可以得到系统的最大机电振荡周期，记为Tmax，设系统有N个节点，依次在每个节点设置三相短路故障，故障时间为0～0.1s，计算各个节点故障的重要程度指标为E={E1,E2,L,EN}（1）其中第k(k=1,2,L,N)个节点故障的重要程度指标为其中为第j个时间断面时，第k个节点故障对第i个振荡模式的激发程度，i=1,2,L,n-1为系统机电振荡模式的编号；j=tc,tc+Δt,tc+2Δt,L,tc+Tmax，tc=0.1s为故障消失时间，Δt=0.01s为时域仿真步长，Tmax为最大机电振荡周期。在本专利技术的一个实施例中，所述的计算公式为的推导过程如下，式(3)中各个符号的含义将在下面的推导过程中给出:发电机采用经典二阶模型，忽略系统阻尼，负荷采用恒阻抗模型，进行网络收缩后，只保留发电机内节点的系统数学模型为其中ω0为同步角速度，δ=[δ1,δ2,Lδn]T和ω=[ω1,ω2,Lωn]T分别为各台发电机功角和角速度组成的列向量，1为元素为1的n行列向量，Pm=[Pm1,Pm2,L,Pmn]T和Pe=[Pe1,Pe2,L,Pen]T为各机机械功率和电磁功率组成的列向量，M为以各机惯性时间常数为元素的对角矩阵，非平衡点(δ(0),ω(0))处的线性化模型为（5）其中0和I分别为n阶零矩阵和n阶单位阵，J为Pe对δ变化的雅克比矩阵，将式(5)化为二阶微分方程形式得（6）设和为的特征值和右特征矩阵，则A的特征值和右特征矩阵为（7）其中做如下变换代入式(6)可得其中定义为模式激发程度矩阵，为的左特征矩阵，且则故障对模式λi的激发程度为求解式(9)得代入初始条件得其中f(ω(0))=ω0(ω(0)-1)Δδ(0)=δ(0)-δ(0)Δω(0)=ω(0)-ω(0)因为是非平衡点处线性化，(δ(0),ω(0))中包含了扰动因素，所以Δδ(0)=Δω(0)=0，假设暂态过程中角速度变化不大，则ω(0)=1，f(ω(0))=0，所以式(12)变为ci1=ei（14）ci2=0代入式(11)得由式(8)与式(15)可知，扰动对振荡模式的激发程度越大，系统的振荡越剧烈，式(10)为扰动对振荡模式λi的激发程度，若扰动为第k(k=1,2,L,N)个节点故障，且非平衡点为时域仿真的第j个时间断面，即(δ(0),ω(0))=(δ(j),ω(j))，则式(10)变为式(3)的形式。在本专利技术的一个实施例中，的特征值中有一个零特征值，将各机功角转化为相对坐标可以消除零特征值，采用相对坐标系后，降了一阶，若采用相对于最后一台发电机的情况，此时做以下处理：将的前n-1行元素减去最后一行，再去掉第n行和第n列，g(δ(0))的前n-1行元素减去最后一行，再去掉第n行。在本专利技术的一个实施例中，所述步骤S2包括：将各个节点故障的重要程度指标按照由小到大的顺序排序，排序后将前一个指标与后一个指标做比值运算，当这个比值达到最小值时，就找到了非重要故障与重要故障的界线，假设排序后的各节点故障的重要程度指标为E1E2...EN，且则重要节点故障为第r+1,r+2,L,N个故障。根据本专利技术实施例的基于模式激发程度分析的暂态稳定预想事故筛选方法，将系统模型在非平衡点处泰勒展开，忽略高阶本文档来自技高网...

【技术保护点】
一种基于模式激发程度分析的暂态稳定预想事故筛选方法，其特征在于，包括以下步骤：S1.采用模式激发程度分析方法计算各个节点故障的重要程度指标；以及S2.采用最大差异法筛选出重要故障。

【技术特征摘要】
1.一种基于模式激发程度分析的暂态稳定预想事故筛选方法，其特征在于，包括以下步骤：S1.采用模式激发程度分析方法计算各个节点故障的重要程度指标；所述步骤S1包括：设系统有n台发电机，对系统进行小干扰稳定性分析，可以得到系统的最大机电振荡周期，记为Tmax，设系统有N个节点，依次在每个节点设置三相短路故障，故障时间为0～0.1s，计算各个节点故障的重要程度指标为E＝{E1,E2,..,EN}(1)其中第k个节点故障的重要程度指标为其中为第j个时间断面时，第k个节点故障对第i个振荡模式的激发程度，k＝1,2,…,N；i＝1,2,…,n-1为系统机电振荡模式的编号；j＝tc，tc+Δt，tc+2Δt，…，tc+Tmax，tc＝0.1s为故障消失时间，Δt＝0.01s为时域仿真步长，Tmax为最大机电振荡周期；其中，所述的计算公式为的推导过程如下，式(3)中各个符号的含义将在下面的推导过程中给出:发电机采用经典二阶模型，忽略系统阻尼，负荷采用恒阻抗模型，进行网络收缩后，只保留发电机内节点的系统数学模型为其中ω0为同步角速度，δ＝[δ1，δ2，…,δn]T和ω＝[ω1，ω2，…,ωn]T分别为各台发电机功角和角速度组成的列向量，1为元素为1的n行列向量，Pm＝[Pm1，Pm2，…，Pmn]T和Pe＝[Pe1，Pe2，…，Pen]T为各机机械功率和电磁功率组成的列向量，M为以各机惯性时间常数为元素的对角矩阵，非平衡点(δ(0),ω(0))处的线性化模型为其中0和I分别为n阶零矩阵和n阶单位阵，J为Pe对δ变化的雅克比矩阵，将式(5)化为二阶微分方程形式得设和为的特征值和右特征矩阵，则A的特征值和右特征矩阵为

【专利技术属性】
技术研发人员：沈沉，陈乾，倪敬敏，刘锋，
申请(专利权)人：清华大学，国家电网公司，中国电力科学研究院，
类型：发明
国别省市：