[发明专利]电力系统暂态稳定最优切机控制策略搜索的简化方法

摘要

本发明公开了一种电力系统暂态稳定最优切机控制策略搜索的简化方法，属于电力系统紧急控制技术领域。本发明基于EEAC准则，根据SEEAC、DEEAC算法分析结果及其差异将预想故障集按暂态稳定严重程度分类，对于被识别为失稳类的算例，利用识别时由SEEAC和DEEAC算法进行裕度计算的中间结果，进行简化操作，同时设计切机控制策略校核指标校验每一轮切机的有效性并指导简化方法与现有方法间的切换，以保证所得切机控制策略为最优。本发明方法可以使得绝大部分被识别为失稳类的算例应用简化方法求得最优切机控制策略、且不需要附加其他计算量，对于实现电力系统暂态稳定紧急控制策略的在线搜索具有重大的理论和工程意义。

主权项

电力系统暂态稳定最优切机控制策略搜索的简化方法，其特征在于，包括以下步骤：1)针对预想故障全集中某一算例，应用电力系统暂态稳定评估预想故障快速强壮分类方法，根据SEEAC、DEEAC算法的裕度计算分析结果及其比较信息进行算例分类，将该算例识别为稳定类、疑似稳定类、临界类、疑似失稳类、失稳类中的一类；对于被识别为失稳类的算例而言，同时得到在应用SEEAC算法对该算例进行裕度计算的过程中由SEEAC算法识别得到的该算例的各领前群机组及各余下群机组以及在应用DEEAC算法对该算例进行裕度计算的过程中由DEEAC算法求得的在研究算例主导映象的等值单机功角δ到达动态鞍点DSP时刻该算例的各领前群机组及各余下群机组的角速度vDSP，vDSP的单位是rad/s；所述电力系统暂态稳定评估预想故障快速强壮分类方法，具体步骤如下：A1)对于预想故障全集中某个算例，应用SEEAC算法对该算例进行裕度计算；A2)如果由SEEAC算法求得的稳定裕度ηSE(τ)大于阈值ε1(τ)，且该算例故障清除时间τ小于或等于阈值ε2，则将其识别为稳定类算例，进入步骤A14)，否则执行步骤A3)；A3)应用SEEAC算法进行极限计算求得该算例临界清除时间以其替代该算例故障清除时间τ，分别应用SEEAC、DEEAC算法进行裕度计算，通过比较SEEAC、DEEAC算法裕度计算过程的差异反映该算例时变程度；其中，步骤A3)中通过比较SEEAC、DEEAC算法裕度计算过程的差异反映该算例时变程度的方法为，分别求得SEEAC和DEEAC两种算法裕度计算过程中得到的加速、减速面积的差异、以及DEEAC算法裕度计算过程中得到的加速面积和减速面积的差异，再按公式(1)求取最大差异值σ1以反映该算例时变程度：σ1=max{ΔAinc(tcSE),ΔAdec(tcSE),Δη(tcSE)}---(1)]]>其中：ΔAinc(tcSE)=|AincDE(tcSE)-AincSE(tcSE)|max{AincSE(tcSE),AincDE(tcSE)}]]>ΔAdec(tcSE)=|AdecDE(tcSE)-AdecSE(tcSE)|max{AdecSE(tcSE),AdecDE(tcSE)}]]>Δη(tcSE)=|AdecDE(tcSE)-AincDE(tcSE)|max{AincDE(tcSE),AdecDE(tcSE)}]]>上述式中，为SEEAC、DEEAC两种算法裕度计算过程中得到的加速面积的差异，为SEEAC、DEEAC两种算法裕度计算过程中得到的减速面积的差异，为DEEAC算法裕度计算过程中得到的加速面积和减速面积的差异，为对应于的由SEEAC算法求得的加速面积，为对应于的由DEEAC算法求得的加速面积，为对应于的由SEEAC算法求得的减速面积，为对应于的由DEEAC算法求得的减速面积；A4)如果由SEEAC算法求得的稳定裕度ηSE(τ)大于阈值ε3(τ)，且由步骤A3)反映的时变程度小于或等于阈值ε4，则将该算例识别为稳定类算例，进入步骤A14)，否则执行步骤A5)；A5)应用DEEAC算法对该算例进行裕度计算，并通过比较SEEAC与DEEAC算法裕度计算结果的差异反映该算例时变程度；其中，步骤A5)中通过比较SEEAC、DEEAC算法裕度计算结果的差异反映该算例时变程度的方法为，按公式(2)求取SEEAC、DEEAC算法裕度计算结果的差异值σ2(τ)以反映该算例时变程度：σ2(τ)=|ηDE(τ)-ηSE(τ)|max{|ηSE(τ)|,|ηDE(τ)|}---(2)]]>其中，ηSE(τ)是由SEEAC算法求得的稳定裕度，ηDE(τ)由DEEAC算法求得的稳定裕度；A6)如果由DEEAC算法求得的稳定裕度ηDE(τ)大于阈值ε5(τ)，且由步骤A5)反映的时变程度小于或等于阈值ε6，则将该算例识别为稳定类算例，进入步骤A14)，否则执行步骤A7)；A7)如果由SEEAC算法求得的稳定裕度ηSE(τ)大于阈值ε7、由DEEAC算法求得的稳定裕度ηDE(τ)大于阈值ε8，且该算例故障清除时间τ小于或等于阈值ε9，同时由步骤A3)反映的时变程度小于或等于阈值ε10，则将该算例识别为稳定类算例，进入步骤A14)，否则执行步骤A8)；A8)如果由SEEAC算法求得的稳定裕度ηSE(τ)小于阈值ε11，且由DEEAC算法求得的稳定裕度ηDE(τ)小于阈值ε12，则将该算例识别为失稳类算例，进入步骤A14)，否则执行步骤A9)；A9)如果由SEEAC算法求得的稳定裕度ηSE(τ)小于阈值ε13，且由DEEAC算法求得的稳定裕度ηDE(τ)小于阈值ε14(τ)，同时，由步骤A3)反映的时变程度小于或等于阈值ε15，则将该算例识别为失稳类算例，进入步骤A14)，否则执行步骤A10)；A10)如果由SEEAC算法求得的稳定裕度ηSE(τ)小于阈值ε16且大于由DEEAC算法求得的稳定裕度ηDE(τ)，同时，该算例故障清除时间τ大于或等于阈值ε17且由步骤A5)反映的时变程度小于或等于阈值ε18，则将该算例识别为失稳类算例，进入步骤A14)，否则执行步骤A11)；A11)如果由SEEAC算法求得的稳定裕度ηSE(τ)大于阈值ε19，且由DEEAC算法求得的稳定裕度ηDE(τ)大于阈值ε20，同时该算例故障清除时间τ小于或等于阈值ε21，则将该算例识别为疑似稳定类算例，进入步骤A14)，否则执行步骤A12)；A12)如果由SEEAC算法求得的稳定裕度ηSE(τ)小于阈值ε22，且由DEEAC算法求得的稳定裕度ηDE(τ)小于阈值ε23，同时，由步骤A3)反映的时变程度小于或等于阈值ε24，则将该算例识别为疑似失稳类算例，进入步骤A14)，否则执行步骤A13)；A13)将该算例识别为临界类算例，进入步骤A14)；A14)该算例的分类结束；上述各阈值的取值如下：ε2＝0.260、ε4＝0.465、ε6＝0.350、ε7＝0.800、ε8＝0.810、ε9＝0.400、ε10＝0.500、ε11＝‑0.900、ε12＝‑0.950、ε13＝0.000、ε15＝0.405、ε16＝‑0.050、ε17＝0.260、ε18＝0.480、ε19＝0.000、ε20＝0.050、ε21＝0.200、ε22＝0.000、ε23＝‑0.050、ε24＝0.400；当0≤τ≤0.26时按下式计算ε1(τ)的值：ϵ1(τ)=-0.300+8.750ττ∈[0,0.12)0.664+0.714ττ∈[0.12,0.26]]]>当0≤τ<1时按以下公式计算ε3(τ)、ε5(τ)、ε14(τ)的值：ϵ3(τ)=0.036+3.167ττ∈[0,0.28)0.923τ∈[0.28,1.00)]]>ϵ5(τ)=0.505+0.550ττ∈[0,0.20)0.515+0.500ττ∈[0.20,0.22)-0.475+5.000ττ∈[0.22,0.26)-0.930+6.750ττ∈[0.26,0.28)0.960τ∈[0.28,0.36)0.780+0.500ττ∈[0.36,0.40)0.980τ∈[0.40,1.00)]]>ϵ14(τ)=-0.156-1.670ττ∈[0,0.20)0.335-4.125ττ∈[0.20,0.28)-0.400-1.500ττ∈[0.28,0.36)-0.940τ∈[0.36,1.00)]]>当τ≥1时，ε3(τ)、ε5(τ)、ε14(τ)的值分别取0.923、0.980、‑0.940；2)若该算例被识别为稳定类，执行步骤13)，否则执行步骤3)；3)若该算例被识别为临界类，应用IEEAC算法对该算例进行裕度计算求得其稳定裕度ηIE，如果ηIE为正，执行步骤13)，如果ηIE非正，执行步骤12)；否则执行步骤4)；4)若该算例被识别为疑似稳定类或疑似失稳类，应用IEEAC算法对该算例进行裕度计算求得其暂态稳定裕度ηIE，同时得到在应用IEEAC算法对该算例进行裕度计算的过程中由IEEAC算法识别得到的该算例的各领前群机组、各余下群机组以及求得的各机组的vDSP，如果ηIE为正，执行步骤13)，如果ηIE非正，执行步骤7)；否则执行步骤5)；5)若该算例被识别为失稳类，执行步骤6)；6)对于该算例，记步骤1)中由SEEAC算法识别得到的该算例的领前群机组数为如果大于事先设定的设置值，则认为较大，执行步骤12)，否则执行步骤7)；7)若该算例被识别为疑似稳定类或疑似失稳类，则针对步骤4)中由IEEAC算法识别得到的该算例的各领前群机组，求得各领前群机组的切机近似性价比，并按切机近似性价比由高到低排序；若该算例被识别为失稳类，则针对步骤1)中由SEEAC算法识别得到的该算例的各领前群机组，求得各领前群机组的切机近似性价比，并按切机近似性价比由高到低排序；设切机数i＝1，并置k＝0，执行步骤8)；8)若不等式成立，置k＝1，则由步骤7)求得的排序失效，此时若该算例被识别为疑似稳定类或疑似失稳类，则针对步骤4)中由IEEAC算法识别得到的该算例的各余下群机组，求得各余下群机组的切机近似性价比，并按切机近似性价比由高到低重新排序；若该算例被识别为失稳类，则针对步骤1)中由SEEAC算法识别得到的该算例的各余下群机组，求得各余下群机组的切机近似性价比，并按切机近似性价比由高到低重新排序；执行步骤9)；否则直接执行步骤9)；9)按照排序切除第i台机组，并基于此应用IEEAC算法对该算例进行裕度计算求得切除i台机组时的暂态稳定裕度若已切除机组数i为1，执行步骤11)，否则执行步骤10)；10)按公式求取切机控制策略校核指标若为负，则恢复被切除的第i台机组，执行步骤12)，否则执行步骤11)；11)若为正，执行步骤13)，否则令切机数i＝i+1，并做如下判断，若k＝0则执行步骤8)，否则执行步骤9)；12)应用现有的最优控制策略搜索方法进行策略搜索；13)对该算例的最优切机控制策略搜索结束，若预想故障全集中所有算例的最优切机控制策略搜索都已结束，则结束本方法，否则取下一算例执行步骤1)。