[发明专利]一种用于电力系统动态仿真验证的广域模式分析方法

摘要

本发明涉及一种用于大型电力系统动态仿真验证的模糊分块方法，针对大型电力系统动态仿真不够精确的问题，并且考虑到大型电力系统量测数据和模型参数数量巨大的特点，本发明定义了用以表示模型参数对电力系统时空动态特性影响的广域模式，针对某一类电力系统元件，基于对不同节点该元件模型参数广域模式的聚类分析，得到模型参数与电力系统时空动态特性之间的模糊映射关系，根据映射关系的强弱，基于量测数据对系统中该元件的模型参数分块校正，并给出了分块校正的优先级顺序；本发明为大型电力系统动态仿真验证提供了一种有效的方法，应用此方法可以提高大型电力系统的动态仿真精度。

主权项

1.一种用于电力系统动态仿真验证的广域模式分析方法，其特征是，它包括以下步骤：1.设已知的实测轨迹为系统中各发电机相对功角δ_i(t)，(i＝1，2，L，n-1)，其中n为发电机台数，元件的模型参数向量为：X_k＝[X_k1，X_k2，...，X_kq]^T         (3)其中k＝1，2，L，p，p为系统中该元件的个数，q为该元件的参数个数，所述元件为发电机、调速器、励磁系统或负荷中的任意一种元件，该元件模型中不同参数对系统动态特性影响的灵敏程度不同，实际工程中令非灵敏参数取典型值，仅校正灵敏参数即可使系统的动态仿真精度有很大提高，设式(3)中对系统动态行为影响较大的灵敏参数为X_k1；2.定义广域模式Wide Area Pattern，WAP定义参数X_k1对系统功角动态特性影响的WAP为各机相对功角对X_k1轨迹灵敏度绝对值的空间序列，记为通过WAP可以看出某节点该元件模型参数对系统时空动态特性的影响及该元件模型参数对系统不同时间、不同区域动态特性影响的变化规律；3.广域模式的模糊聚类分析在系统遭受到扰动后的动态过程中，WAP体现了不同时空动态轨迹与系统中该元件模型参数的映射关系强弱，在与该元件所连接的所有节点中，一些节点的模型参数对系统时空动态特性影响的WAP具有相似的模式，通过对WAP的聚类分析，可以找到某些节点的元件模型参数与某时空动态轨迹之间较强的映射关系，进而对该元件模型参数分块校正；①广域模式特征向量的选取：对不同节点该元件模型参数广域模式的聚类分析属于模式识别的范畴。模式识别解决的问题是将一个待识别的模式分配到模式类中，其中，模式类指的是具有相同特征的模式的集合，而一个模式的特征用该模式的特征向量表示，特征向量的不同代表了不同模式之间的本质差异，对于表示某节点元件模型参数对系统动态特性影响的广域模式，其最重要的因素是，该节点该元件模型参数对系统哪个地点、哪个时间的动态轨迹影响最大及该最大灵敏度的值，所以选取每个广域模式的特征向量为：其中，为的特征向量；x_space为取得最大值处的空间坐标，此处为发电机编号；y_time为取得最大值处的时间坐标；z_sens为的最大值；②模糊聚类分析方法：对系统p个节点处的该元件WAP进行聚类分析，聚类方法采用模糊C均值聚类Fuzzy C-means Clustering，FCM，设p个元件的WAP组成的有限集合为Γ＝{Γ₁，Γ₂，L，Γ_p}，预先设定的类别数为C，h_i是每一个聚类的中心(1≤i≤C)，第i个样本关于第j个类的隶属度表示为μ_j(Γ_i)，聚类准则函数定义为||Γ_i-h_j||是Γ_i到h_i之间的欧式距离；b是模糊加权指数，b越大，模糊程度就越高；U是Γ的模糊划分矩阵，其第i行第j列的元素为隶属度μ_j(Γ_i)；V是Γ中聚类中心h_i的集合；FCM算法就是要获得使聚类准则函数最小的U和V，约束条件为：每一个样本Γ_i对C个类的隶属度之和为1，即i＝1，2，L，p                   (7)在上式的约束下，令J(U，V)对μ_j(Γ_i)和h_i的偏导等于0，求J(U，V)的极小值，得j＝1，2，L，C                   (8)i＝1，2，L，p；j＝1，2，L，C    (9)FCM方法的聚类步骤为：i：对于有限集合Γ，任意选择C个聚类中心h_i；ii：根据式(9)计算p个样本对各个类的隶属度，把样本分成C类；iii：根据式(8)重新计算各个类的聚类中心；iv：返回第ii步，直到聚类中心不再变化； 根据FCM聚类结果把p个元件节点分为C类，进而得到C组“实测轨迹——元件模型参数”校正对；4.模型参数分块校正的优先级计算当系统中该元件过多时，分类数C比较大，然而并不是每一组“实测轨迹——元件模型参数”校正对都同等重要，为了区别不同组的重要程度，定义每一组的校正优先级指标为：i＝1，2，LC    (10)其中，P_r·i为第i类的校正优先级指标，n_c·i为第i类中元件节点的个数，Ω_i为第i类广域模式的集合，T为广域模式的特征向量，P_r·i越大，则该类中实测轨迹与该元件模型参数之间的映射关系越强，应优先校正。