WAMS系统

WAMS系统（精选7篇）

WAMS系统 篇1

摘要：在统一的软硬件支撑平台上,集成能量管理系统(EMS)、广域相量测量系统(wAMS)、调度员培训系统(DTS)、备用调度系统,集SCADA、AGC、PAS、WAMS、EMS-Web、DTS、备用调度等功能于一体的EMS/WAMS系统,实现了对电网的在线动态监视、在线控制、在线分析、事故预警、事故告警,服务电网调度生产。文章论述了陕西电网EMS/WAMS一体化系统的设计、设备选型及技术特点,并对系统建设经验进行了总结。

关键词：陕西电网,能量管理系统,广域相量测量系统,一体化建设,自动化系统

0 引言

网省级电网调度自动化系统建设是一项带有前瞻性的系统工程,通常要考虑项目实施后,系统不间断使用10年左右。基于资金安排,国内大多数同类项目通常采用统一规划设计,分期分项目建设。2007年陕西省电力公司整体搬迁新址,旧的能量管理系统(EMS)已运行10年以上,要在新址重新建设EMS,同时也新建广域相量测量系统(WAMS)。该项目于2004年开始可行性研究,在调查分析研究能量管理系统(EMS)、广域相量测量系统(WAMS)、调度员培训系统(DTS)等系统软硬件体系结构、功能特点、指标要求、应用对象、运行维护和安全隔离分区等方面因素的基础上,提出了在统一平台上,建设EMS、DTS、WAMS、备用调度系统的一体化建设理念[1]。在统一平台上建设EMS/WAMS一体化系统,可以合并两套系统的前置通信节点,减少硬件数量,增加了EMS、WAMS前置采集系统的硬件冗余度,提高了系统的可靠性。将两套系统的数据库系统合二为一,在用户界面上实现两套系统同一界面,减少了多平台系统给调度使用人员和维护人员带来的诸多不便。加强了EMS、WAMS两套系统的耦合性,减少了不同系统之间的数据转换接口,节约了软硬件的投资。

陕西电网EMS/WAMS一体化系统实现了完整的SCADA功能,发电控制(AGC)功能,高级应用(PAS),调度员培训模拟(DTS)功能,电力系统运行状态的动态监视、事故预警和事故分析处理功能,异地备用调度SCADA、AGC功能。支持基于IEC-61970CIM/CIS标准的电网统一模型和数据交换。陕西电网EMS/WAMS一体化系统满足了电网实时调度、在线分析与控制、电网稳态和动态监视的应用需求。

1 EMS/WAMS—体化系统

1.1 系统结构及特点

陕西电网EMS/WAMS一体化系统采用双机、双网冗余结构设计。在国内,率先使用先进的HP“安腾”系列服务器作为主计算机系统,所有硬件设备采用柜装机架式安装,统一机柜布置,系统结构如图1所示。

(1)充分利用计算机技术、多处理器技术、光交换数据存储技术(SAN交换)、网络通信和自动化系统安全防护技术发展的最新成果。系统主要节点和设备采用冗余配置。在EMS/WAMS一体化系统中,采集服务器(DAC)、通信服务器(COM)、SCADA/AGC服务器、应用服务器(PAS)、WAMS服务器、历史服务器(HIS)、DTS服务器、采集终端均采用双机双网冗余配置,网络交换机、时钟设备也采用冗余配置。计算机硬件采用HP公司“安腾”多64位CPU服务器、双千兆交换网络和光纤存贮结构(SAN)等先进技术。有效地消除了系统单点故障,极大提高了E M S/WAMS的硬件可靠性和系统处理能力。所有硬件设备采用标准19英寸机架式安装,统一机柜布置。

(2)系统由各类服务器、工作站、网络设备和其他设备组成的功能子系统构成,包括:数据采集与通信(DAC/COM)子系统、数据采集处理与发电控制(SACD A/AGC)子系统、高级应用(PAS)子系统、广域相量测量系统(WAMS)子系统、异地备用调度子系统、调度员培训(DTS)子系统、EMS-Web服务子系统,以及LDP大屏幕、模拟屏、系统开发与维护、网络安全、网络交换、GPS对时系统、报表及打印等各类辅助子系统。

(3)系统具有良好的开放性,在多个层面上支持国际标准、国家标准和行业标准,统一调度数据模型交换接口。遵循IEC-61970 CIM/CIS标准,采用组件技术实现标准的电网模型(CIM)和接口标准(CIS);EMS、WAMS、DTS共用一套电网模型;实现了与调度信息管理系统、电能量计量计费系统、调度综合数据平台以及未来建设的电力市场交易系统的数据和模型交换;实现了电网数据及模型的导入导出;具有和其他EMS按照IEC 61970 CIM/CIS实现电网数据及模型交换和互操作,实现了第三方软件“即插即用”[2],为以后第三方系统功能软件扩充、电力系统应用分析打下基础。

(4)系统具有良好的扩充性,系统容量满足陕西电网2010年的规模和参数要求,同时还能适应2015年电网的发展需求。

1.2 信息传输方式

(1) EMS/WAMS一体化系统以网络通信和传统四线两种方式与厂站RTU、监控系统、综自站通信。以网络通信(IEC 870-5-104、GB 1 04规约)为主,以传统四线通信(IEC 870-5-101、DNP3.0规约)为辅;与陕西10个地调的EMS在安全I区通过实时数据平台交换实时数据(IEC 870-5-104规约);与西北网调的EMS在安全I区通过实时数据平台交换实时数据(TASE2/GB104/DL476规约);与厂站端同步相量测量单元(PMU)以IEEE Std 1344-1995规约进行网络通信。

(2)新旧EMS过渡采用“并列运行”、“平滑过渡”的方式[1]。先将新旧EMS通过网络连接通信,由旧系统向新系统转发EMS数据,然后将旧EMS的厂站逐个转移接入新EMS,再由新系统将此站信息转发到旧EMS,使两套系统并列运行,新旧调度室数据信息同步,满足调度指挥系统不间断运行,在新系统稳定运行一段时间后,再逐步让旧EMS退出运行,保证了新旧EMS的业务平滑过渡。

2 主要技术特点与难点

2.1 EMS/WAMS—体化设计

在分析了国内调度自动化系统现状后,鉴于EMS、WAMS位于同一安全区(I区),具有采集系统结构相似、软硬件平台相似等特点,提出EMS、WAMS两套系统一体化建设,可节约软硬件费用。统一平台,统一建模,加强了EMS、WAMS的关联性,减少了前置采集系统硬件数量,提高了EMS、WAMS的备用冗余能力和系统的可靠性。将两套数据库系统合二为一,减少了一套数据库系统,在用户界面上实现两套系统统一界面,减少了多平台给调度使用人员和系统维护带来的不便。同时使两套系统紧密耦合,减少了不同系统数据接口的转换,节约了大量投资费用和投运后的维护费用。

2.2 集中机柜布置

在项目设计阶段考虑系统整体布局、全部硬件柜装,节省空间、整齐美观,主要设备全部安装在机房设备间机柜中,供电系统可靠,设备周围环境稳定,可以有效地延长机器使用寿命,减少系统后期维护,节约运行维护费用。调度大厅显示器采用长线驱动、调度室仅放信息显示设备,大大减少了计算机设备发热、噪音对调度人员的影响。

2.3 同期建设异地备用调度系统[1]

针对大规模传染病、天气变化、恐怖动乱事件、地震、战争等重大事件,同期建设异地备用调度系统。主、备调度系统软硬件平台统一,实现主、备调度系统自动同步、统一维护,可大大提高电网调度自动化系统的容灾、抗灾能力。国家电网公司“十一五”规划要求逐步建设容灾备用调度系统,而陕西省电力公司在“十五”末就已设计考虑,“十一五”初就建成异地备用调度系统,已走在全国前列。

2.4 在全国率先采用HP“安腾”系列服务器

2005年前后,网省级调度自动化系统大多数采用HP ALPHA系列服务器,但目前HP ALPHA系列已面临停产,其他机型由于种种原因在电网调度自动化系统中较少使用。选择较为先进的HP“安腾”系列服务器,采用双64位CPU、双千兆交换网络和光纤存贮结构等先进技术,极大提高了EMS/WAMS的硬件可靠性和系统容量,解除了对HP ALPHA系列服务器的担忧。设备费用和后期服务费用低,节约了投资。陕西电网首次在国内网省级调度自动化系统中采用HP“安腾”系列服务器,把国内调度自动化系统硬件平台带到HP“安腾”平台上来,为国内同类电网自动化系统设备选型树立典范。

2.5 整合调度数据应用、实现统一数据模型和接口

EMS/WAMS一体化系统数据是电网调度各应用系统的主要数据源,为电力调度多个系统提供基础数据[3]。以往采用一对多的做法,即一个EMS与每个系统有一个数据接口、一套通信规约,针对不同的应用采用不同的通信规约,实现1对N通信;新的EMS/WAMS一体化系统采用基于IEC 61970 CIM/CIS标准,建立统一电网数据模型,实现EMS/WAMS一体化系统与外界其他系统用统一的CIM模型进行交换。将EMS/WAMS一体化系统对外接口变为一对一,大大简化了系统的开发和维护。通过采用统一IEC61970CIM/CIS建模,基于XML的CIM模型导出导入,和基于SVG图形导出导入[4,5,6]实现了EMS/WAMS一体化系统与其他系统(包括上级(网)和下级(地区)EMS)的数据及模型交换与共享。

3 经验总结

(1)同期一体化建设能量管理系统(EMS)、广域相量测量系统(WAMS)、调度员培训系统(DTS)和备用调度系统,在陕西电网发展史上是绝无仅有的,在全国自动化领域也是不多见的。

(2)实践证明,陕西电网调度EMS/WAMS一体化建设是可行的,只有在电网调度自动化技术水平发展到一定程度,投入达到一定规模时,才有可能按照“一体化”思路设计、建设一体化系统。一体化建设项目复杂、技术要求高,一次性投资大,但系统技术先进,整体性能好,大大提高了电网调度自动化系统的装备水平,使陕西电力调度自动化水平处在国内领先地位,同时也节约了项目的总投资,陕西省电力公司在调度自动化系统建设方面进行了有益的探索尝试。当然,在建设一体化系统时,也需要考虑到其设计、集中建设的复杂性、技术难度、建设周期,以及对系统集成商技术要求相对较高等诸多问题。

参考文献

[1]金双喜,宣跃.陕西电网调度自动化系统建设工程初步设计[R].西安:陕西省电力公司调度中心,2005.

[2]潘毅,周京阳,吴杏平,等.基于电力系统公共信息模型的互操作试验[J].电网技术,2003,27(10):25-28.

[3]孙宏斌,吴文传,张伯明,等.IEC61970标准的扩展在调度控制中心集成化中的应用[J].电网技术,2005,29(16):21- 25.

[4]严胜,曹阳,涂力群.基于CIM/XML技术的EMS与其它系统异构的实现[C].全国电力系统自动化学术交流研讨大会论文集.2004:89-92.

[5]章坚民,徐爱春,李海翔,等.基于SVG/XML/CIM的变电??站自动化工程配置系统[J].电力系统自动化,2004,28(14): 54-57.

[6]黄海峰,曹阳,杨志宏.SVG技术在调度自动化系统中的应用研究[C].全国电力系统自动化学术交流研讨大会论文集.2004:79-82.

WAMS系统 篇2

电力系统状态估计基于电网参数和实时测量数据,为能量管理系统提供电网当前的运行状态[1]。在实际工程中, 由于广域测量系统/数据采集与监控(WAMS/SCADA)系统不可避免地存在量测误差,从而影响基于状态估计的各种高级应用系统的工作效能。因此,根据WAMS/SCADA系统的测量数据,对电力系统状态变量进行估计,是研究动态应用与实时控制的基础。

传统实时状态估计主要基于扩展卡尔曼滤波(EKF)理论,采用常参数指数平滑法建立系统模型。但由于系统负荷模式的动态特性,固定参数模型对一些异常情况,如存在坏数据、负荷突变/发电机输出功率突变、网络拓扑错误等情况,预测误差较大,难以满足实时在线应用的要求。

目前,文献[2,3,4,5,6,7]已提出各种不同的方法,以期能减少系统因异常所产生的不良影响。文献[2]提出了自适应预报的实时状态估计方法,由于该方法是建立在逐步试探平滑指数参数值的基础上,滤波器的响应时间较长。文献[3]采用将量测函数的非线性项加入EKF公式中,以补偿因负荷突变造成的预测偏差;文献[4]利用神经网络算法进行母线负荷预测,其计算过程相当耗时;文献[5]提出了光滑增平面状态估计算法。这3种方法都在负荷突变情况下有较好的效果,而对其他异常情况改进效果不明显。文献[6] 提出了强壮状态估计算法,该方法能很好地抑制坏数据对系统产生的不良影响,但对其他异常情况改进作用不大。

本文在已有研究的基础上,提出一种基于WAMS的自适应实时状态估计算法。该方法采用递推增广最小二乘法辨识和修正状态转移矩阵,采用渐消记忆指数加权法在线估计线性化后的模型误差协方差矩阵,并由量测量的标准差在线计算量测权重,以实现模型参数的在线辨识和修正。同时,在量测量中计入了相量测量单元(PMU)测量的电压幅值和相角,以增加系统的冗余量测,减小滤波过程中的相角估计误差。

1 动态状态估计数学模型的描述

在正常运行情况下,电力系统状态随着负荷的变化, 遵循着一种慢变化过程。因此,电力系统的准稳态模型具有如下形式:

$\begin{array}{l}\mathit{x}{}_{k+1}=\mathit{f}(\mathit{x}{}_k)+\mathit{\eta }{}_k(1)\\ \mathit{z}{}_k=\mathit{h}(\mathit{x}{}_k)+\mathit{\nu }{}_k(2)\end{array}$

式中:xk和zk分别为k时刻的状态向量和量测量;f(xk)和h(xk)分别为状态转移函数和非线性量测函数;ηk和νk分别为系统噪声和量测噪声,且νk～N(0,Rk);Rk为量测误差协方差矩阵。

将式(1)线性化,得

$\mathit{x}{}_{k+1}=\mathit{F}{}_k\mathit{x}{}_k+\mathit{G}{}_k+\mathit{\omega }{}_k(3)$

式中:Fk为状态转移矩阵;ωk=ηk+εk,为系统模型误差,是由系统噪声ηk和线性化误差εk共同产生的,其统计特性不易确定,εk=f(xk)-Fkxk-Gk;通常假定ωk为零均值的高斯白噪声,即ωk～N(0,Qk),Qk为模型误差协方差矩阵。

由式(2)、式(3),可推得线性EKF算法的滤波公式:

1)状态预测:

$\begin{array}{l}\tilde{\mathit{x}}{}_{k+1}=\mathit{F}{}_k\widehat{\mathit{x}}{}_k+\mathit{G}{}_k(4)\\ \mathit{{\rm M}}{}_{k+1}=\mathit{F}{}_k\mathit{\Sigma }{}_k\mathit{F}{}_k^{\text{Τ}}+\mathit{Q}{}_k(5)\end{array}$

式中:$\tilde{\mathit{x}}$k+1为k+1时刻的状态预测值;Mk+1为其误差协方差矩阵。

2)状态滤波:在k+1时刻考虑滤波步的目标函数:

$\begin{array}{l}\mathit{J}(\mathit{x})=(\mathit{z}-\mathit{h}(\mathit{x})){}^{\text{Τ}}\mathit{R}{}^{-1}(\mathit{z}-\mathit{h}(\mathit{x}))+\\ (\mathit{x}-\tilde{\mathit{x}}){}^{\text{Τ}}\mathit{{\rm M}}{}^{-1}(\mathit{x}-\tilde{\mathit{x}})(6)\end{array}$

最小化目标函数(式(6)),可推得k+1时刻的滤波状态表达式(推导过程见附录A):

$\begin{array}{l}\widehat{\mathit{x}}{}_{k+1}=\tilde{\mathit{x}}{}_{k+1}+\mathit{{\rm K}}{}_{k+1}\mathit{v}{}_{k+1}(7)\\ \mathit{{\rm K}}{}_{k+1}=\mathit{\Sigma }{}_{k+1}\mathit{{\rm H}}{}_{k+1}^{\text{Τ}}\mathit{R}{}_{k+1}^{-1}(8)\\ \mathit{\Sigma }{}_{k+1}=(\mathit{{\rm H}}{}_{k+1}^{\text{Τ}}\mathit{R}{}_{k+1}^{-1}\mathit{{\rm H}}{}_{k+1}+\mathit{{\rm M}}{}_{k+1}^{-1}){}^{-1}(9)\\ \mathit{v}{}_{k+1}=\mathit{z}{}_{k+1}-\mathit{h}(\tilde{\mathit{x}}{}_{k+1})=\mathit{z}{}_{k+1}-\tilde{\mathit{z}}{}_{k+1}(10)\end{array}$

式中:$\widehat{\mathit{x}}{}_{\text{k}+1}$为状态估计值;Kk+1为增益矩阵;Σk+1为误差协方差矩阵;vk+1为新息向量。

3)参数辨识:传统EKF算法通常采用Holt’s两参数线性指数平滑法辨识模型参数Fk和Gk,计算公式见附录B。

2 本文算法的描述

2.1 本文算法对参数的辨识

由以上分析可知,卡尔曼滤波状态估计主要由3个阶段组成,即参数辨识、状态预测和状态滤波。在传统EKF算法的基础上,本文提出自适应扩展卡尔曼滤波(AEKF)算法。该算法采用递推增广最小二乘法[7]辨识和修正状态转移矩阵,并采用渐消记忆指数加权法[8]在线估计线性化后的模型误差协方差矩阵,同时由量测量的标准差在线计算量测权重。具体计算公式如下:

1)状态转移矩阵Fk的辨识:

$\begin{array}{l}\widehat{\mathit{F}}{}_{k+1}=\widehat{\mathit{F}}{}_k+\mathit{L}{}_{k+1}(\widehat{\mathit{x}}{}_{k+1}-\widehat{\mathit{F}}{}_k\widehat{\mathit{x}}{}_k){}^{\text{Τ}}(11)\\ \mathit{L}{}_{k+1}=\mathit{{\rm M}}{}_{k+1}\widehat{\mathit{x}}{}_k(\lambda +\widehat{\mathit{x}}{}_k^{\text{Τ}}\mathit{{\rm M}}{}_{k+1}\widehat{\mathit{x}}{}_k){}^{-1}(12)\end{array}$

式中:Lk+1为k+1时刻递推增广最小二乘法的增益矩阵;λ为遗忘因子,0<λ<1。

2)参数Qk和Rk的辨识:对于参数Qk的估计,本文采用渐消记忆指数加权法的时变噪声估计器。由于考虑到采用Sage&Husa次优无偏极大后验噪声统计估计器时,容易引起高维系统滤波发散,故本文参考文献[9],采用其有偏估计器。

$d{}_k=\frac{1-b}{1-b{}^{k+1}}(14)$

式中:dk用于指数加权;b为遗忘因子,0<b<1。

为保证系统的稳定性,对于参数Rk,采用每一采样时刻所得到的量测误差标准差σ计算[10]:

$\mathit{R}{}_{k+1}^{-1}=\text{d}\text{i}\text{a}\text{g}(\sigma {}_{k+1}^{-2})(15)$

对于预测步和滤波步的动态状态估计公式,仍采用EKF算法的相应公式(式(4)、式(5)、式(7)～式(10))。

2.2 本文算法的流程

本文算法的流程图如图1所示。

3 仿真结果与数值分析

3.1 算例概要

为了验证本文算法的有效性,采用IEEE 14节点测试系统对传统EKF算法、文献[6]的强壮性扩展卡尔曼滤波(REKF)算法及本文的AEKF算法进行分析比较。设在节点2,6,9上配置PMU[11],共采样30次。状态变量是母线的电压幅值和相角,量测量是全部节点的有功和无功注入、输电线路一端的有功和无功潮流以及PMU所测量的节点电压幅值和相角。系统负荷按线性增加并叠加随机扰动,其线性变化率介于30%～50%之间,扰动服从均值为0的高斯分布,标准差为线性变化率的2%。负荷的功率因数保持恒定。

系统真值由潮流计算得到,将此真值按照文献[12]的方法叠加均值为0、服从高斯分布的随机误差来模拟产生量测量。对于PMU电压幅值量测的标准差为0.005,相角量测的标准差为0.002。

3.2 性能指标

为了比较传统EKF算法、文献[6]的REKF算法和本文AEKF算法的特性,对预测步和滤波步分别提出以下性能指标[6]:

1)预测步的状态向量相对误差百分比:

$\mathit{\epsilon }{}_k^{\text{p}}=\left|\frac{\tilde{\mathit{x}}{}_k-\mathit{x}{}_k^{+}}{\mathit{x}{}_k^{+}}\right|\times 100％(16)$

2)滤波步的状态向量相对误差百分比:

$\mathit{\epsilon }{}_k^{\text{f}}=\left|\frac{\widehat{\mathit{x}}{}_k-\mathit{x}{}_k^{+}}{\mathit{x}{}_k^{+}}\right|\times 100％(17)$

3)滤波指标:

$\mathit{J}{}_k=\frac{{\displaystyle \sum _{i=1}^m|}\widehat{\mathit{z}}{}_k(i)-\mathit{z}{}_k^{+}(i)|}{{\displaystyle \sum _{i=1}^m|}\mathit{z}{}_k(i)-\mathit{z}{}_k^{+}(i)|}(18)$

式中:$\tilde{\mathit{x}}{}_k,\mathit{x}{}_k^{+},\widehat{\mathit{x}}{}_k$分别为k时刻状态向量的预测值、真值和估计值;$\widehat{\mathit{z}}{}_k(i),\mathit{z}{}_k^{+}(i),\mathit{z}{}_k(i)$分别为第i个量测量的估计值、真值和量测值;m为量测量数目。

由式(16)、式(17)可以看出,预测步指标εpk和滤波步指标εfk的值越小,说明预测和滤波的效果越好。由式(18)可以看出,滤波性能指标Jk等于量测估计误差与真实量测误差的绝对值之比的平均值,其值越小越好。当值小于1时说明估计结果减小了量测量的不确定性,算法可行有效。

3.3 仿真结果

本文采用MATLAB 6.5语言编制动态状态估计算法程序,在仿真上分4种情况讨论,即正常情况、存在坏数据情况、负荷/发电机输出功率突变情况和网络拓扑结构误判情况。现分述如下。

1)情况1:电力系统在正常运行情况下

表1给出了所述3种算法在正常运行情况下的运算结果比较。表1中的运行时间是指30次采样CPU迭代运行所需的总时间。图2给出了正常情况下,每一采样时刻3种算法的滤波性能指标,其中REKF算法与传统EKF算法的滤波性能指标曲线基本吻合。由表1和图2看出,传统EKF算法、REKF算法和本文的AEKF算法在正常情况下都能满足状态估计实时运行的预测和滤波精度要求。相比之下,本文算法的预测误差εpk要大于EKF算法和REKF算法。这是因为在预测步的计算中,本文算法仅采用状态转移矩阵Fk修正状态向量预测值;而EKF算法和REKF算法均采用Holt’s两参数线性指数平滑法修正状态向量预测值,该算法同时引入状态向量前一时刻的滤波值和预测值计算新的状态向量预测值,因而预测误差比本文算法小。而对于滤波步εfk的最大值和平均值,本文算法皆小于EKF算法和REKF算法的相应值。同样,对于滤波指标Jk,本文算法的滤波指标值明显小于其他2种算法的滤波指标值。显然,本文算法的运行时间略大于其他2种算法。

注:EKF,REKF,AEKF的CPU时间分别为0.407 0 s,0.421 0 s,0.438 0 s。

2)情况2:存在坏数据

考虑到量测和通信设备采集、传送数据时易受噪声干扰产生误差,现假设送到通信中心的量测数据存在一些坏数据,考察在此情况下各算法性能。

本文假设在30个采样时间点中有3个不同时刻发生不同量测量的扰动:①在采样时刻5,假设有2个量测量P4和P1-2同时变为坏数据;②在采样时刻10,假设有3个量测量P4,P4-7,Q4-7同时变为坏数据;③在采样时刻20,假设有5个量测量P6,P9,Q14,P6-12,Q1-2同时变为坏数据。

假设不采取任何措施辨识这些坏数据。各算法的性能指标见表2和图3。从中可以看出,这3种算法都受到坏数据的影响。各算法的性能指标在存在坏数据的情况下都要变大。对于εpk的最大值和平均值,REKF算法误差最小,其次是本文的AEKF算法,而EKF算法的误差最大。而对于εfk的最大值和平均值,本文AEKF算法的误差则最小。同样,对于滤波指标Jk,REKF算法的最大滤波指标为1.58,本文AEKF算法的最大滤波指标为0.91,仍小于1。这说明这2种算法能够滤除坏数据的影响,且本文AEKF算法的滤波效果比REKF算法要更好一些。但是,传统EKF算法的最大滤波指标已达2.92,且由图3可以看出,由于受到不同时刻坏数据的影响,在采样时刻5存在坏数据,由于算法本身的时延性,传统EKF算法的滤波指标在采样时刻6达到1.02;采样时刻10存在坏数据,在采样时刻11滤波指标达到2.14,以致采样时刻12,13的滤波指标仍大于1。同样,从采样时刻20存在坏数据到采样时刻24,滤波指标都大于1,说明传统EKF算法受坏数据的影响比较大,会发生“拖尾”效应。

注:EKF,REKF,AEKF的CPU时间分别为0.407 0 s,0.421 0 s,0.438 0 s。

3)情况3:负荷突变

电力系统在正常运行情况下,由于自然或人为因素发生负荷剧减。具体情况如下:①采样时刻4,母线3切除40%的有功和无功负荷;②采样时刻9,母线4切除50%的有功和无功负荷;③采样时刻14,母线9切除50%的有功和无功负荷;④采样时刻18,母线13的有功和无功负荷降为0;⑤采样时刻26,母线14的有功和无功负荷降为0。

各算法的性能指标见表3和图4。可以看出,各算法都受到负荷突变的影响。对于εpk,εfk,Jk的最大值和平均值,本文的AEKF算法皆优于其他2种算法。由图4可知,在发生负荷突变的时刻,各算法的滤波指标已经不能满足滤波精度要求。虽然本文AEKF算法在负荷突变时刻受到的影响甚至比传统EKF算法和REKF算法要稍大一些,但是在负荷突变发生后,本文AEKF算法的滤波指标能够迅速减小到1以下,自动恢复到正常状态。而传统EKF算法和REKF算法显然受负荷突变的影响比较大,在负荷突变发生后,由于算法本身的时延性,突变后相邻时刻的滤波精度也受到影响,因而这2种算法的滤波效果只能逐渐恢复到正常状态。

注:EKF,REKF,AEKF的CPU时间分别为0.407 0 s,0.421 0 s,0.438 0 s。

4)情况4:网络拓扑结构误判

电力系统在正常运行情况下,由于输电线路突然断线或断路器误动等原因,系统方程得不到及时修改,就会造成网络拓扑结构误判而得出错误的分析和判断结果。假设在采样时刻6,母线4与母线9之间的变压器支路突然断线,考察此情况下各算法的性能指标。

同样,表4给出了各算法性能指标的最大值和平均值,图5描述了这3种算法的滤波性能指标曲线。可以看出,各算法都受到拓扑结构误判的影响。对于滤波指标Jk,在发生拓扑误判的采样时刻6,传统EKF算法的滤波指标已达到12.68,REKF算法的滤波指标为12.70,本文AEKF算法的滤波指标为12.67。显然各算法的滤波指标在拓扑误判时刻已经不能满足精度要求。由图5可以看出,本文AEKF算法在拓扑误判发生后,滤波指标能够迅速减小。在采样时刻7,滤波指标为5.56;采样时刻8为0.30,已经恢复到正常状态。而传统EKF算法和REKF算法显然受拓扑误判的影响比较大,在拓扑误判发生后,这2种算法的滤波指标会多次出现起伏,以致滤波结果不再可信。

注:EKF,REKF,AEKF的CPU时间分别为0.407 0 s,0.421 0 s,0.438 0 s。

4 结语

本文通过对传统EKF算法以及各种改进算法的分析,提出了一种基于WAMS的自适应卡尔曼滤波实时状态估计算法。该法采用递推增广最小二乘法辨识和修正状态转移矩阵,并采用渐消记忆指数加权法在线估计线性化后的模型误差协方差矩阵,同时由量测量的标准差在线计算量测权重,这使得状态估计模型中不精确参数不断地在线辨识和修正,减少了状态估计误差。同时,在量测量中计入了PMU测量的电压幅值和相角,增加了系统的冗余量测,提高了滤波精度,而且由于引入相角量测,减小了滤波过程中的相角估计误差。仿真结果通过对传统EKF算法、文献[6]的REKF算法和本文AEKF算法的分析比较,表明本文方法在正常情况、存在坏数据、负荷突变/发电机输出功率突变和网络拓扑结构错误等情况下具有较好的滤波效果。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

参考文献

[1]李大路,李蕊,孙元章,等.计及广域测量信息的状态估计错误参数识别与修正.电力系统自动化,2008,32(14):11-15.LI Dalu,LI Rui,SUN Yuanzhang,et al.Recognizing and correcting the wrong parameters in state estimation considering the WAMS measurement.Automation of Electric Power Systems,2008,32(14):11-15.

[2]张伯明,王世缨,相年德.电力系统实时运行状态的估计和预报.中国电机工程学报,1991,11(S):68-74.ZHANG Boming,WANG Shiying,XI ANG Niande.Estimation and forecasting of real-time power system operation states.Proceedings of the CSEE,1991,11(S):68-74.

[3]MANDAL J,SI NHA A,ROY L.Incorporating nonlinearities of measurement function in power system dynamic state estimation.IEE Proceedings:Generation,Transmission and Distribution,1995,142(3):289-296.

[4]SI NHA A,MANDAL J.Dynamic state estimator using ANN based bus load prediction.IEEE Trans on Power Systems,1999,14(4):1219-1225.

[5]LI NJ M,HUANG S J,SHI H K R.Application of sliding surface-enhanced fuzzy control for dynamic state estimation of a power system.IEEE Trans on Power Systems,2003,18(2):570-577.

[6]SHI H K R,HUANG S J.Application of a robust algorithmfor dynamic state estimation of a power system.IEEE Trans on Power Systems,2002,17(1):141-147.

[7]邓自立,王欣,高媛.建模与估计.北京:科学出版社,2007.

[8]邓自立.自校正滤波理论及其应用.哈尔滨:哈尔滨工业大学出版社,2003.

[9]刘广军,吴晓平,郭晶.一种数值稳定的次优并行Sage自适应滤波器.测绘学报,2002,31(4):283-288.LI U Guangjun,WU Xiaoping,GUOJing.Anumerically stable sub-optimal parallel sage adaptive filter.Acta Geodaetica et Cartographica Sinica,2002,31(4):283-288.

[10]于尔铿.电力系统状态估计.北京:水利电力出版社,1985.

[11]罗毅,赵冬梅.电力系统PMU最优配置数字规划算法.电力系统自动化,2006,30(9):20-24.LUO Yi,ZHAO Dongmei.Optimal PMU placement in power system using numerical formulation.Automation of Electric Power Systems,2006,30(9):20-24.

基于WAMS的后备距离保护方案 篇3

距离保护由于其具有灵敏度高、保护区稳定等优点被广泛地应用于电力系统中。传统的单端量距离保护原理简单、设备投资小、易于实现,但是由于对端系统信息的缺失,容易受到过渡电阻的影响精度不高,可靠性较低。

为了提高单端量距离保护性能,诸多文献对其进行了研究改进[1,2,3,4,5,6,7,8,9,10]。文献[1-2]在传统的单端距离保护基础上对对端系统进行了一定的假设与等效即假设故障电流与保护安装处电流同相位或将故障点后的对端阻抗等效为一个纯电感,虽然这2种算法都提高了保护耐过渡电阻的能力,但是由于对系统结构做了一定的假设,引入了原理性误差,在线路末端故障时可能引起保护的拒动或误动。因此,为了使单端量距离保护在具有较高的稳定性与可靠性的同时具备很强的耐过渡电阻能力,可以考虑将远端系统数据引入保护算法中,智能电网的逐渐成熟和广域测量系统WAMS(Wide Area Measurement System)在电力系统中的逐渐应用为这种方案的实现提供了可能。文献[11-15]提出了将WAM应用到差动保护、纵联保护、自适应保护等一些后备保护方案中,极大地提高了常规保护的性能。

本文提出了一种基于WAMS的针对单相接地故障的后备距离保护新方案。该方法依托于信息共享平台,采用比较刷新的传输模式将对端系统阻抗信息传递到保护安装处,构造精确的序分量网络模型,并在此模型中推导故障电流与保护安装处电流之间的关系,联立频域方程,推导出具有3个未知量的线性测距方程,利用矩阵束算法提取的工频量和高频量求解故障距离,进行测距式距离保护。该方法利用广域信息消除原理性误差,在保障保护稳定性与可靠性的同时提高了保护耐过渡电阻能力求解过程简单、快速,不受系统频率波动与振荡的影响,适用于单回线和双回线模型。在EMTP中进行仿真,仿真结果验证了该方法可以在高过渡电阻的情况下准确地得到故障距离,有效地提高了 保护性能。

1 广域距离保护算法推导

WAMS是以独立的相量测量单元PMU (PhasoMeasurement Unit) 为基础 , 配合精确完善的通信系统而形成的一种信息共享平台。利用广域信息构建广域保护,可以极大地提高传统保护的性能,实现对故障的快速、可靠、精确的切除,在智能电网的继电保护发展中有着重大意义。

图1描述了WAMS的结构,各厂站的PMU获取到的厂站信息可与区域监测系统相交互,区域监测系统又与中央监测系统相交互,从而形成以树状结构、双向通信为特点的信息共享模式。广域信息可以分为本侧厂站信息、相邻厂站信息和其他厂站信息,虽然理论上广域信息非常丰富,但是由于其他厂站信息传递需要一定时间,实际上可以实时利用的主要是相邻厂站之间的信息,因此本文主要利用对侧系统即相邻厂站站内信息构建距离保护算法。由于本文所提出的方法是作为后备保护算法,一般会有0.5 s的延时,足够对对侧系统信息进行计算与传递,不会影响保护的性能。

以下分别推导适用于单回线和双回线的距离保护算法,在单回线的算法推导中,还考虑了短线路和长线路的影响。

1.1 单回线短线路距离保护算法推导

为了简化分析,建立一个具有双电源的单回线模型,如图2所示,图3为其相应的零序网络。

图2建立了单相经过渡电阻接地的系统模型。图中,EM、EN分别为线路M侧和N侧电源电势;UMA、IMA分别为线路M侧A相电压、电流;IFA为故障电流;RF为过渡电阻。图3中,UM0、IM0分别为M侧零序电压、电流 ;UN 0、IN 0分别为N侧零序电 压、电流 ;IF 0为零序故障电流;ZM0、ZN 0分别为M、N侧的零序系统阻抗;Z0为单位长度线路的零序阻抗;p为故障距离;l为线路全长。

在图3的零序网络中,N侧的零序电压、电流可由远端PMU获得,通过远端电气量数据可实时计算N侧零序系统阻抗ZN0,并将其传递到保护安装处M侧,因此ZN 0可作为已知量代入后文的算法进行推导。

由于本文所采用的对端系统阻抗数据与后文计算故障距离所采用的电气量数据是对应的,为同一时间段数据,所以系统阻抗的变化对算法没有影响。

在系统正常运行时,是不进行ZN 0的计算与传递的,在系统发生故障后才进行远端系统阻抗的测量与传输。由式(1)计算出阻抗数据后,与前一次传递的数据进行比较,若值不同,则重新传递。由于背侧系统阻抗是由网架结构和运行方式决定的,并不会频繁地变化,所以传递到M侧的数据不会频繁地刷新,这种比较刷新的传输方式降低了传输出错的概率,提高了后续保护方案的可靠性。

由图2所示的故障状态网络,可得相应的频域方程:

其中,Z1为单位长度线路的正序阻抗;KZ为零序电流补偿系数,KZ= (Z0-Z1) / (3Z1)。

通过分析图3的零序网络,可以建立故障电流与M侧零序电流之间的关系式:

把式(3)代入频域方程(2)中,可得:

由于式(4)是一个非线性方程,求解复杂,会影响保护速度,所以将其线性化并化简得:

式(5)是一个包含3个未知量p(l - p)、p、RF的线性测距方程,按照一般的工频量解法是无法求解的,所以本文引入了其他暂态分量。本文采用矩阵束算法提取暂态过程中的工频量和第1个高频量利用最小二乘法求解可获得故障距离和过渡电阻求解过程简单、快速,保障了保护的速动性。这种利用多个频率分量求解线性方程的过程基于参数识别理论,不受系统频率波动、振荡、过渡电阻和线路长度的影响。但是由于单位长度线路的阻抗是作为定值写入保护装置的,当其发生变化时会对最后的结果造成一定的影响,而单位长度线路的阻抗变化很小,一般不考虑其波动性。

1.2 单回线长线路距离保护算法推导

上文线路模型为集中参数模型,适用于短距离的输电线路,但在高压长线路中,分布电容会对保护产生一 定的影响 。因此可 将线路模 型等效为Bergeron模型 ,利用电气量补偿思想 ,构建新的观测点,列写适用于长线路的广域距离保护算法方程。

图4为长线路故障状态网络,UM、IM分别为M侧的电压、电流;US、IS分别为补偿点S处的电压、电流;IF为故障电流;RF为过渡电阻;补偿点S和M侧的距离称为补偿距离,长度为x;补偿点S到N侧距离为ls,补偿点S到故障点的距离为ps。

为了消除分布电容的影响,把长线路模型等效为Bergeron模型,将M侧采集到的时域数据根据电气量补偿公式推算至S点[16],得到S点的时域数据后,以S点为新的观测点,再进行频域分量的提取与计算。补偿公式为:

其中,Zc为波阻抗;r为单位长度线路的电阻;iM为M侧电流瞬时值;uM为M侧电压瞬时值。

按照第1.1节的思路,将S点与故障点之间的线路等效为RL模型,列写出频域方程:

其中,Z鄱0= ZM 0+ (ls+ x ) Z0+ ZN0; IS 0为补偿点零序电流。

通过变形推导,可得:

其中,I鄱= IS+ 3IS 0KZ。

上文基于Bergeron模型,推导出适用于长线路的线性测距方程求解故障距离,提高了长线路的测距精度和耐过渡电阻能力,在实际的仿真过程中,补偿点选为线路末端,这样可使线路末端故障时计算结果更加精确,防止保护超越或误动。

1.3 双回线距离保护算法推导

双回线作为一种节省空间、节约经济、传输容量大的输电结构被广泛应用于高压电网中,然而结构的特殊性以及双回线间互相耦合的关系使测量阻抗的大小不能正确地反映故障距离,可能会引起距离保护的错误动作,减弱保护耐过渡电阻的能力。 因此可将上文的广域保护思想应用到双回线中,提高双回线距离保护的性能。为了简化分析,建立一个双回线模型,如图5所示。

图5中,双回线模型的两回线分别为线I和线Ⅱ;UI、UII和II、IⅡ分别为M侧两回线上的电压和电流;线I上发生单相接地故障,故障点为F,故障距离为pd,线路全长为ld。

为了消除线间、相间互感,本文采用六序分量法构造六序分量网络[17],如图6所示。

其中,T1、T2、T0网分别为同向网解耦出的正负、零序网络;F1、F2、F0网分别为反向网解耦出的正负、零序网络。

双回线模型中的电气量与同向、反向网中电气量的关系为:

其中,IT、IF分别为同向网和反向网的电流。

由于同向正序网为有源网络,所以选择同向负序网建立电流关系。当发生单相接地故障时(以A相故障为例),边界条件为[18]:

其中,IT1、IT2、IT0和IF1、IF 2、IF0分别为同向网和反向网的正、负、零序电流。

由于同向网和反向网中的A相电流可表示为:

所以:

根据图6中的同向负序网T2,结合式(10)、(12)和(13),故障电流可以表示为:

其中,IF为故障电流;ITAF、IFAF分别为同向网和反向网中的A相故障电流;IT2F、IT2分别为同向负序网中故障点和M侧的电流;Z鄱为系统总阻抗;ZN为故障点后阻抗之和。

以上建立了故障电流与同向负序电流之间的关系,基于双回线的故障状态网络,M侧的电压可以通过频域方程表示:

其中,UA、IIA分别为线I上M侧A相的电压、电流;II0、IⅡ0分别为线I和线Ⅱ上的零序电流;RF为过渡电阻;k′、k″为零序电流补偿系数,k′=(Z0-Z1) / (3Z1),k″ = Z′M/ (3Z1),Z′M为双回线线间互阻抗。

遵循同样的方法,通过进一步推导,可得:

上文基于双回线模型,推导出一个包含3个未知量的线性测距方程,通过最小二乘法即可求解故障距离。由于适用于双回线的广域距离保护算法采用同向负序网,所以WAMS传递的是由对侧同向负序电压电流计算出的同向负序系统阻抗。

2 仿真验证

本文采用EMTP进行了仿真,分别在单回线和双回线上验证了该保护方案的正确性和有效性。

对于单回线短线距离保护,本文建立如图2所示的110 k V双端电源系统,线路发生A相经过渡电阻接地故障,线路长度为50 km,采样频率为10 k Hz。M侧系统参数:正序电阻RM1= 1.05Ω,正序电感LM1=30 .80 m H , 零序电阻RM0= 0 .60Ω , 零序电感LM0=11 . 60 m H。N侧系统参数 :正序电阻RN1=10Ω,正序电感LN1= 61.60 m H,零序电阻RN0= 10Ω, 零序电感LN0= 23.10 m H。线路参数 :单位长度线路的正序电阻r1= 0.11Ω / km,单位长度线路的正序电感l1= 1.26m H / km,单位长度线路的正序电容c1=0.009 2μF / km,单位长度线路的零序电阻r0= 0.32Ω / km,单位长度线路的零序电感l0= 3.77 m H / km,单位长度线路的零序电容c0= 0.003 1μF / km。

分别采用传统工频量算法、解微分方程算法和本文提出的方法进行仿真验证,比较了3种方法在不同故障距离和不同过渡电阻下的测距精度,表1给出了3种方法的测距结果。

由表1可知,传统距离保护所采用的工频量算法和求解微分方程算法在故障发生在线路首端时,即使经高过渡电阻接地测距精度仍然很高;随着故障位置的推移,在线路末端发生故障时,随着过渡电阻的增大,计算距离减小,引起保护的超越。本文所采用的方法由于充分利用了系统信息,考虑了过渡电阻对保护的影响,在全线范围内测距精度都非常高,即使经高过渡电阻接地,最后的结果也很准确。

对于单回线长线距离保护,本文建立了如图4所示的500 k V双端电源系统,线路发生A相经过渡电阻接地故障,线路长度为300 km,采样频率为1k Hz。M侧系统参数:正序电阻RM1=1.05Ω,正序电感LM1= 137.43 m H,零序电阻RM0= 0.60Ω,零序电感LM0=92.60 m H。N侧系统参数:正序电阻RN1=1.06Ω , 正序电感LN1= 142.98 m H, 零序电阻RN0= 2Ω,零序电感LN0= 119.27 m H。线路参数:单位长度线路的正序电阻r1= 0.021Ω / km,单位长度线路的正序电感l1=0.89 m H / km,单位长度线路的正序电容c1= 0.012 9μF / km,单位长度线路的零序电阻r0= 0.12Ω / km,单位长度线路的零序电感l0= 2.29 m H / km , 单位长度线路的零序电容c0= 0.005 2μF / km。

表2给出了长距离输电线路在不同故障距离和不同过渡电阻下的测距结果。在长线距离保护中,只需要通过测距结果判断故障在区内还是区外即可,一般对线路末端的测距精度要求比较高,对线路首端要求不高。

在上述的仿真验证中,将距离保护的保护范围定为线路全长的90 %,即270 km处,由表2可以看出,在线路末端发生故障时,即使经高过渡电阻接地故障,测距精度仍然很高,不会发生保护的超越;由于将S点到故障点之间的线路等效为RL模型,在线路首端发生故障时,S点与线路首端故障点之间距离较长,会引起测距误差,但是长线距离保护对于线路首端的测距精度要求不高,只需要距离保护可以正确动作,达到保护的目的即可。

对于双回线距离保护,建立如图5所示的双电源系统,假设线I发生A相经过渡电阻接地故障。线路电压等级为500 k V,线路长度为30 km,采样频率为10 k Hz。M侧的系统参数:正序电阻RM1=1.05Ω, 正序电感LM1= 113.50 m H, 零序电阻RM0=1.85Ω,零序电感LM0= 169.87 m H。N侧系统参数为:正序电阻RN1= 0.25Ω,正序电感LN1= 205.51 m H,零序电阻RN 0= 0.35Ω,零序电感LN 0= 361.31 m H。线路参数为:单位长度线路的正序电阻r1= 0.04Ω / km,单位长度线路的正序电感l1= 1.62 m H / km,单位长度线路的正序电容c1= 0.009 2μF / km,单位长度线路的零序电阻r0= 0.38Ω / km,单位长度线路的零序电感l0= 4.33 m H / km,单位长度线路的零序电容c0=0.003 1μF / km。双回线间单位长度线路的零序互阻抗参数:rI-Ⅱ0= 0.15Ω / km,lI-Ⅱ0= 1.62 m H / km,cI-Ⅱ0=0.003 1μF / km。

本文在不同的故障距离和不同的过渡电阻对所提算法下进行了仿真验证,结果示于表3。

仿真结果表明,本文所提出的方法可以很好地适用于双 回线模型 ,测距精度 高 ,耐过渡电 阻能力强。

3 结论

本文提出了一种基于WAMS的单相接地后备距离保护新方案,主要有以下特点。

a. 充分利用WAMS建立精确 的对端系 统模型,消除了原理性误差;采用比较刷新的传输模式减少了传输中可能产生的错误,提高了广域距离保护的稳定性。

b. 基于频域方程 ,分别推导出适用于单回线和双回线的距离保护算法,通过求解线性方程获得故障距离,测距精度高,保护速度快,不受频率波动和系统振荡的影响。

c. 提高了保护耐过渡电阻能力 , 有效防止了保护的误动或拒动,提高了距离保护的可靠性。

摘要：提出了一种基于广域测量系统(WAMS)的后备距离保护新方案。该方案利用WAMS传递对端系统阻抗信息,并利用序分量网络建立电流关系式。联立频域方程,推导出包含3个未知量的线性测距方程,利用矩阵束算法提取的工频量与高频量求解故障距离。所提方案充分利用共享信息,不受系统频率波动与振荡以及对端系统阻抗未知造成的影响,提高了保护的可靠性与耐受过渡电阻的能力,求解过程简单、快速,适用于单回线和双回线模型。在EMTP中进行仿真,仿真结果验证了所提方案的正确性和有效性。

WAMS中的通信网络平台构建 篇4

电力系统结构复杂性的快速上升和电力体制改革的进一步深化, 使得电力系统的安全稳定运行面临严峻挑战。大区域电网互联的实现能够提高整个电网的可靠性和稳定性, 是当前电力系统发展的趋势, 它对通信基础设施、控制技术、运行策略以及对灾变的预防和控制能力都提出了更高的要求[1]。大区域电网互联在提供电力系统运行经济性的同时使得整个电网的动态过程变得更加复杂;在提高电力系统运行效率的同时使得电力系统的运行点愈发靠近其稳定极限。这增加了许多电力系统规划和运行的不确定性和不安全因素, 也可能导致整个互联电网系统的安全稳定裕度变小[2]。近来受到广泛关注的广域测量系统WAMS (wide area measurement system) 在一定程度上缓解了对大电网进行稳定监控的困难。

WAMS可以在同一参考时间框架下捕捉到大规模互联电网的实时稳态/动态信息。它的实时数据直接影响电网安全运行——如果在系统失稳或者将要失稳时, 产生拒送、迟送或误送都将可能导致电力系统事故扩大甚至崩溃, 所以这类数据要求最高级别的快速性、可靠性和安全性。现有电力系统通信网络结构薄弱, 干线传输容量不足, 主干网迂回能力不足, 很难满足WAMS捕捉电力网实时动态信息的要求。因此构建一个适合WAMS的通信网络至关重要。

1 WAMS对SCADA的延伸

广域测量系统为广域控制技术的发展提供了技术平台。它的核心思想是:基于同步定时系统 (GPS) 的高精度时钟同步采集广域电网的实时运行参数——相量, 借助于高速通信网络将分散的相量数据集中起来, 得到电网全局性时空坐标下的动态信息, 通过能量管理系统 (EMS) 及安全自动控制系统的联接, 从而实现对系统动态过程的实时监测和控制, 提高电网的自动控制和安全稳定水平[3~6]。可以说WAMS是针对稳态过程的监控与数据采集 (SCADA) 系统的进一步延伸, 它区别于传统的电网监测技术的关键点在于:它能在时空多维坐标下观察系统全局的机电动态过程, 提高系统状态估计和潮流计算的可靠性, 并且通过一定的算法给出基于全局性的系统功角稳定及电压稳定裕度 (能设定出安全区域、报警区域及事故紧急控制区域) , 为系统的控制在可行的时域内提供量化指标。

广域测量系统主要由同步定时系统 (GPS) 、动态相量测量单元 (PMU) 、通信系统、数据中心站等部分组成。其系统总体结构如图1所示。

PMU分布在广域电网各运行节点 (电厂、站) , 负责接收GPS同步时钟, 对测量点的电压电流进行同步测量, 并将获得的带有时标信息的相量数据存储并发送到WAMS监测中心。监测中心对子站传来的数据进行分析处理和存储, 实现对系统运行状态的实时监测和控制。监测中心由数据中心站、数据库服务器、Web服务器、交换机等组成, 数据中心站负责对实时数据进行处理并向厂站端的PMU发出控制和通讯命令, 数据库服务器用于历史数据的长期保存, Web服务器用于提供网络浏览功能。

2 WAMS通信网络总体设计

在世界范围, 基于PMU的WAMS正在逐渐建立。如:北美地区的WECC (West Electricity Coordinating Council) 的WACS (Wide Area Control System) 以及EIPP (Eastern Interconnection Phasor Project) [7]。其核心是基于GPS提供的全网同步时钟, 同步测量各厂站的运行参数, 如相角、电压、电流、有功及无功等。

目前, 我国已在华北电网、东北电网、华东电网、山东电网等许多电网建成并投运了WAMS。现有系统节点众多, 地域分布广泛, 实际应用的通信网络结构复杂, 通常是环网、树状网和网状网结构的混合体[8]。由于各种随机因素的影响, 要在复杂通信网络中准确地预测信息传输通路的故障率和信息传输的延迟时间是很困难的, 往往不能保障PMU实时数据的及时传递。因此, 本文针对目前存在的问题提出了如图2所示的WAMS分层结构, 主干网络采用IP over WDM网连接各PDC (Phasor Data Center) , 各区域中的PMU经PMUs-PDC局部网络接入主干网络。

WAMS的通信网络最基本的要求是快速性和可靠性。其中快速性体现在网络传输的实时性, 由于电力系统中广域控制系统WACS (wide area controlling system) 要求对大范围电网的异常情况作出迅速反应, WAMS对大电网暂态过程进行实时监控, 因此必须保证实时数据由PMU传到WAMS监测中心的时延足够小, 通常要求实时信息的提取、传输和处理周期为30~50 ms以保证获得系统完整的暂态信息并在失稳或者崩溃之前发出反事故紧急控制措施。可靠性体现在进行实时传输时成功的概率, 电力系统中对这种实时决策系统要求进行实时传输数据出错的概率小于0.001%, 即每传送10万批数据, 只能允许1批数据出错或者丢失[2]。

为了满足上述要求, 除了在WAMS监测中心安装质量好的设备外, 还可以考虑对网络拓扑结构进行优化, 将原来单一的网络划分为2个或多个网络, 分别由WAMS测量中心的若干套设备分担业务, 从而提高系统可靠性。如图3所示。

3 通信协议的考虑

目前, 数据传输大部分基于传输控制协议 (TCP) 、用户数据包协议 (UDP) 、实时协议 (RTP) 、互联网协议 (IP) 和HTTP的支持, 这些协议统称为IP。很显然, IP协议是当今数据通信网络的会聚层, 且可预见, 在不久的将来, IP协议将在多服务网络中扮演更加重要的角色。基于IP协议构建广域测量系统的实时通信网络, 不但可以与以前的一些数据通信应用平台相兼容, 实现万维网 (www) 的无缝连接, 而且为未来的发展留下了广阔的空间。基于IP的数据可以通过大多数网络进行传输。IP技术是一种非连接的分组/包交换网络技术, 其关键机制是为互联的异种物理网络提供了统一的IP地址, 从而屏蔽了下层物理网络的异构性, 保证了异种网的互通, 成功地解决了各种不同网络之间互相连接的问题。采用基于IP协议的WAMS通信网络还有一个好处, 就是可以按照文献[8, 9]提出的PS-TCP/IP方案为重要电力设备分配IP地址, 从而使得在大区域的数据传输和寻址变得非常简洁。但是, 不能采用基于传统因特网的组网模式。其路由器加专线的组网模式使得每一个数据包在逐个路由器上均要进行地址解析、寻址和过滤过程, 造成端到端的时延和时延抖动很大。在不同的路由周期或负载均衡时, 同一目的地的IP包可能走不同的路由, 不适合实时应用。每个路由器独立的寻址, 使网络流量规划和基于质量服务机制 (Qo S) 的寻址十分困难。

在构建该实时网络时, 一方面要增加带宽, 同时采取措施保证IP网上的Qo S。宽带IP的传输可以基于千兆以太网和ATM, 也可以是直接在SDH上, 甚至直接在WDM上。基于IP协议的TCP协议 (基于连接方式) 和UDP协议 (基于无连接方式) 均可用来通过网络传输实时信息和数据。在WAMS的专线通信网络中, UDP比TCP更有优势[10]。由于基于连接方式的通信协议必须保证可靠地传递数据, TCP协议在一定程度上牺牲了快速性。除非在没有其他数据竞争带宽的专用信道中, 数据传输基本不会出错外, 在一般信道中, 会时而出现传输错误, TCP协议将会对数据进行重传, 不能满足实时性要求。由于TCP层位于互联网参考模型的高层, 由其进行数据重传, 将有可能造成长时间时延。此时, 后面的数据必然会被阻塞而无法传输, 可能导致控制过程失败。UDP协议不必考虑由于数据的重发或确认造成的额外时延, 并且在干扰较小的WAMS专用网络中采用UDP协议基本不会出现数据丢失的情况。如果在允许的范围内数据丢失, 那么可以在测量中心利用软件对数据进行补偿。

4 骨干网络设计

由于TCP/IP已是事实上的标准, 且目前大部分应用都是基于IP的, 那么本文在这里的讨论就主要集中在物理层、数据链路层和网络层的建设上。

4.1 物理介质的选择

在物理层, 目前大家较为一致的看法是:物理介质用光纤。光纤具有频带宽、衰减低、线路截面小、无辐射、抗电磁干扰能力强和保密性高等特点, 已经越来越成为建设网络, 尤其是骨干网络的首选物理介质。由于电力系统的特殊性, 除了可以采用普通光纤外, 更多采用的是为电力系统专门设计制造的特殊光缆, 如沿高压输电线同杆架设的全介质自承式光缆 (ADSS) 、架空地线复合光缆 (OPGW) 和架空地线缠绕式光缆 (GWWOP) 等, 这些光缆充分利用了电力系统线路资源, 成为电力系统通信中较经济的架设方案。同时, 随着波分复用 (WDM) 和高密度波分复用 (DWDM) 技术的出现, 光纤的传输容量得到大大提高, 可以达到640 Gbit/s (64×10 Gbit/s) [11]。随着光纤通信技术的迅速发展, 许多学者甚至提出了“全光网络”的概念, 即信号以光的形式穿过整个网络, 直接在光域内进行信号的传输、再生和交换/选路, 中间不经过任何光电转换, 以达到全光透明性, 实现在任意时间和任意地点来传送任意格式信号的理想目标。

结合WAMS的空间和时间特点, 选用OPGW作为物理介质更为适宜。因为架空地线复合光缆 (OPGW) 在保持了地线的功能和各项性能指标不变的基础上, 开辟了高速度、宽频带、低耗能的传输通道, 它同时具备了能量传输和信息高速传输的双重功能, 且在传输信息时, 有足够的抗拉强度和良好的避雷效果。值得注意的是在OPGW的选型中不仅要考虑光纤通信的性能要求, 还要考虑架空地线的电气性能和机械强度等要求, 特别要考虑热稳定性要求, 即在线路发生短路故障时, 流经OPGW的电流不至使内部光纤的温升超过标准而使光纤过快老化或造成光纤的直接损坏。本文这里需要强调的是:在考虑WAMS通信网络稳定性、可靠性以及长远建设的经济可行性, 选择光纤作为WAMS通信的主干载体是最为合理的。但是结合实际的情况考虑, 光纤属于有线通信, 在某些特定场所, 光缆铺设的难度及相应的投资将会大大增加, 这时就必须考虑使用微波等无线通信方式。所以综合考虑通信网络的带宽、延迟、经济性、可靠性及安全性选择通信的物理介质是最为客观的方法。

4.2 组网模式选择

随着宽带IP技术的发展, IP化与宽带化相结合已经成为网络发展的趋势。为满足网络的快实时性和高可靠性, IP网应具有高速的包转发和处理能力、强大的虚拟专网组网能力以及完善的质量保证机制。新一代宽带IP网络要建立在现有的网络技术和先进的网络传输技术基础之上。那么, 目前主要的焦点集中在数据链路层的实现。简单地讲, 就是在IP层和物理层之间用什么技术?针对这一问题, 典型的相关技术有IP over ATM、IP over SDH和IP over WDM等[9], 如图4所示。

IP over ATM、IP over SDH和IP over WDM是当前IP网络技术的主流方向, 在网络中发挥各自的作用。IP over ATM可以利用ATM技术来提高IP业务的服务质量。ATM具有良好的流量控制均衡能力、故障恢复能力和高可靠性, 但是带宽利用率低。IP over SDH具有很高的IP传输效率、较强的IP路由支持能力、利于实施多路广播方式及网络纠错能力和稳定性强等优点, 但对规模的网络, 需要处理庞大复杂的路由表, 而且路由表查找困难, 路由信息占用较大的带宽。从目前来看, IP over WDM (或DWDM) 更具竞争力。

对于上述三种方案, 本文将通过对比来说明基于IP over WDM的全光纤通信网络技术将成为下一代电力系统通信基础设施的发展方向[12~14]。如表1所示。

从表1中可知:

在传输效率方面, IP over ATM由于交24%的“信元税”故传输效率较低, 而IP over SDH取消了ATM层, 提高效率20%以上, 而IP over WDM (或DWDM) 去掉了ATM层和SDH层, IP数据报直接在光路上跑, 大大提高了传输效率。

在带宽方面, 由于数据通信网络的业务量越来越大, 那么对带宽的要求也越来越大。原有的在SDH上用TDM挖掘带宽的潜力已尽。只有WDM能解决这一难题, 通过光波分复用技术来充分利用光纤的带宽资源, 增加系统的传输容量, 同时也提高了系统的经济效益。

在结构方面, ATM较复杂, SDH次之, WDM最简单。在维护管理时, ATM需要解决IP地址与ATM地址多重映射的矛盾, 还有IP网络的非连接性与ATM面向连接之间的矛盾, 因此维护起来比较困难。IP over SDH省去了ATM层, 维护起来则比较容易。而IP over WDM则更简单, 维护管理也更容易。IP over WDM作为一种新技术, 正处在研究发展阶段, 尽管具有巨大的生命力, 但也存在一些欠缺之处。考虑到目前的情况, 建议WAMS中通信网络的骨干网采用IP over WDM技术, 次骨干网及边缘则采用IP over ATM、IP over SDH技术。这样既可以相互填补不足, 还可以把各自的优点更加凸显, 使通信网络效率更高, 可靠性更高。

5 时延分析

对于WAMS而言, 其基本功能是实时监视和控制电力系统的暂态运行情况, 预测可能出现的电力系统失稳或崩溃, 并通过适当的控制策略来防止系统稳定的破坏。为了获得可靠的暂态仿真曲线, 信息的提取、传输和处理周期必须设定在30~50 ms内完成, 以保证获得系统完整的暂态信息, 并在失稳或崩溃之前发出反事故紧急控制措施。因此, 必须清楚地知道实时数据传输各个环节中存在的时延, 并尽可能减少可避免的时延。

通常而言, 一个通信系统的时延 (Ttotal) 可表示为[16]

式中:Ttran为发送延时, 取决于数据量和发送波特率, Tprop为传输延时, 与传输距离和速度有关, 通常情况下电信号或者光信号传输速度为3.3~5µs/km;QT为网络阻塞造成的排队延时, 与排队方案有关, 而且呈随机分布。Tproc为系统处理时延, 根据仿真分析, 可以达到99.99%的数据在10 ms的时间内实现端对端传输。

对于广域测量系统而言, 其电压、电流在传送到主站数据处理中心之前, 先后需要结果传感器 (电流/电压传感器) 、同步采样、相量计算和数据封装、子站通信模块、通信链路、主站通信前置机等环节, 每一环节都会产生延迟[15]。

传感器将实际的工频电量幅值变换成采样模块能接收的信号量程, 其工频相移小于1°, 此延迟记为τ1, 为微秒级;数据同步采样装置在GPS时钟标签下同步进行A/D采样, 其延时很小, 可忽略不计;相量计算中采用较多的算法是离散傅里叶变换 (DFT) , 实际应用改进的DFT对计算量大大降低, 如循环DFT算法的单次相量的计算量为1次复数乘法和加法, 那么计算耗时是一个固定值, 记为τ2, 为微秒级;数据封装是PMU数据包报文构造和通信协议栈调用的过程。数据包采用IEEE 1344 (C37) 数据格式, 在进行数据传输过程中, PMU数据需要进行数据包重组, 调用协议驱动模块并通过链路发送, 这部分延迟的大小决定于测量量的多少和数据处理单元的效率, 记为τ3, 为微秒级;实时数据在广域IP网络中传输均会产生分组延时, 即一个数据分组从子站通信模块发送经过通信链路到达主站通信前置机所需时间, 记为τ4。相邻节点及其之间的链路定义为一个中继段, 在每一个中继段内, 分组延时包括串行化延迟 (α) , 传播延时 (β) 和交换延迟 (γ) 。假定一个PMU数据包从子站通信模块传输到主站通信前置机, 经j个节点和k条链路, 则

通信前置机和数据处理中心通常位于高速局域网内, 它们之间的数据传输延时极小, 可忽略不计。

根据以上的分析, WAMS总延迟公式为:

T值与τ4直接相关, τ4是延迟抖动最重要的因素, 直接反映延迟的分布特征。

根据以上讨论, 就可以对WAMS中实时数据传输时延清楚地知道。同时还要考虑实时软件运行所造成的时延和由于概率分布带来的时延抖动。其中传感器、采样及相量计算中的延时属于固定时延, 链路延迟和子站与主站数据封装及协议栈调用延时为可变时延。因此, 保证时延的最主要手段是提高硬件处理速度, 采用合适的网络拓扑和有效的阻塞管理。

6 结论

从某种意义上说, WAMS就是基于GPS的连接各同步相量测量单元的实时通信网络, 它对数据传输网络的实时性和可靠性要求极高。目前, 电力系统实际的通信网络结构薄弱, 干线传输容量不足, 主干网迂回能力不足, 很难满足WAMS捕捉电力网实时动态信息的要求。本文针对以上问题, 给出了WAMS中通信网络的设计方案。通过采用复合网络拓扑结构, 增加其可靠性。在组网模式的方案选择中, 通过分析比较IP over ATM、IP over SDH和IP over WDM三种技术的优缺点, 充分论证了IP over WDM全光纤通信网络技术更适合WAMS通信网络要求的结论。最后, 还对实时数据传输中产生的时延进行了分析, 明确了数据传输过程中的可变时延, 为有效控制时延提高网络实时性奠定了基础。

摘要：讨论了基于全球卫星定位系统 (GPS) 高精度定时技术的电力系统广域测量系统 (WAMS) 中实时数据通信问题。为了满足电力系统实时决策和紧急控制对实时性和可靠性的要求, 结合工程思想, 从物理媒介、骨干网络、组网技术、协议体系等方面对构建WAMS通信网络平台进行分析设计。其中网络设计采用复合网络拓扑, 通信协议采用IP协议, 组网模式选用IP over WDM。同时, 还对网络延时进行了分析。从而确定设计的通信网络能满足WAMS对实时数据交换的要求。

WAMS系统 篇5

进入二十一世纪以来, 电网能否安全稳定运行是电网生产运行管理部门中非常关心的问题。近几年, 同步相量测量单元逐渐出现并得到应用, 同时相关单位建立起广域测量系统目录WAMS, 通过此实现动态监测电网, 对电网的安全稳定运行分析, 进一步在WANS的基础上实现对电网运行方式的预安排, 从而有效地提高系统的安全稳定运行水平, 增强电网的防御能力, 以下对WAMS在电网调度运行中的方案设计进行分析。

1 WAMS及其在电网中的应用

WAMS是电网广域监测系统采用同步相角测量技术, 通过逐步布局全网关键测点的同步相角测量单元 (PMU) , 实现对全网同步相角及电网主要数据的实时高速率采集。其前置单元相量测量装置PMU能够以数百Hz的速率采集电流、电压信息, 通过计算获得测点的功率、相位、功角等信息, 并以每秒几十帧的频率向主站发送。 PMU通过全球定位系统 (GPS) 对时, 能够保证全网数据的同步性, 时标信息与数据同时存储并发送到主站。因此, WAMS能够使调度人员实时监视到电网的动态过程。

由于WAMS这种应用方式, 该系统也被称为电网实时动态监测系统, 通过其实现预警和辅助决策功能, 对电网实时动态监测系统进行定义, 该系统是人们的生活变得更加的便利, WAMS系统在很多的高级计算和在线分析中都得到了很好的运用, 例如在线热稳定计算分析、在线暂态电压安全计算分析、在线静态安全分析、在线低频振荡分析、在线暂态功角稳定计算分析以及与之相适应的预防控制辅助决策, 所以该系统是智能电网调度运行中一个非常重要的成分。

2 电网调度运行方式

为了更加有效的实现电网的应用功能, 可以利用WAMS高级计算功能, 对电网的运行方式进行有效的调度与设计, 从而保障电网调度能够更加合理的进行安排。在基础数据统一的前提下, 根据当前的电网结构和负荷预测系统, 计算出点负荷预测, 并绘制出一周之内的负荷预测内容。通过分析, 可以更好的安排发动机计划、调度工作内容和进行定期检修。

通过WAMS的分析方式, 有效的分析和检验未来一周之内的电网运行方式安排, 从而保障结构的准确性, 重视国调中心提出的调度计划和功能应用检验, 保障电网的稳定运行。

3 WAMS电网调度运行设计

3.1 稳定计算分析, 预测母线负荷

针对电网电气设备一次方式的改变, 对电网控制断面进行稳定计算分析, 其中包括暂态稳定和热稳定2 个方面, 将二者严重的作为稳定控制断面制的潮流极限, 以便于控制电网潮流分布。根据历史用电负荷情况对未来的用电负荷进行预测, 采用96 点的负荷预测或短期负荷预测, 将母线负荷的预测值作为基础数据进行发电计划安全校核和供电能力评估的基础数据。

3.2 安排电气设备的一次方式和发电计划

根据电网电气设备的分级运行情况, 分析安排电网电气设备的一次方式, 如母线、开关、发动机和变压器等, 在这个过程中, 主要投入各种新式设备, 通过其运行方式, 更好的实际并保证运行过程的安全稳定。根据合同, 合理安排发的计划, 确保功率平衡, 使用户不会受到影响, 如图1 为电网运行方式功能实现。

3.3 校核发电安全, 安排发电计划

根据自动获取的网络拓扑信息, 计算出稳定控制断面, 各节点明日96 时段负荷预测值或一周内各节点母线的负荷预测值及发电计划安排, 进行安全校核, 校核各种运行方式下潮流控制断面是否可以满足负荷用电要求。根据合同以及电网运行发电计划安排, 确保有功功率的平衡, 从而保障对用户的可靠供电。

3.4 评估供电能力

要注重对电网调度过程中供电能力的评估, 确认电网运行是否能够满足事故发生后进行稳定的供电, 电网在扰动下, 很多元件都会受到影响, 如果不采取控制措施, 应该保持电网的正常供电和电电力系统的稳定运行, 区别其他系统元件不会发生超过负荷, 没有连锁跳闸反应的发生。其中系统受到的扰动主要包括以下几项:

(1) 同级电压的双回线或环网, 任一回线的单项出现永久的故障, 重合不成功及无故障三相断开不重合;

(2) 任意线路单项瞬时接地故障成功重合;

(3) 任一大负荷突然发生变化或任一交流联络线路故障和无故障断开不重合;

(4) 同级电压的环网或双回线, 任一回线三相永久故障断开不融合;

(5) 任一发电机失磁或跳闸, 受端系统任一台变压器发生故障而退出运行;

(6) 直流输电线路发生单级故障;

4 结束语

本文对基于WAMS的电网调度运行方式进行分析设计, 详细介绍了WAMS在电网调度中的应用状况, 将电网动态监测技术以及在线分析技术与电网调度运行管理部门的实际生产相结合, 从而提出了利用电网动态监测技术和在线分析技术实现对电网调度运行方式的设计安排, 为电网调度运行提供了合理有效的信息, 极大地增强了电网对打扰动的抵御能力, 提供了电网的安全水平, 这与国家电力调度中心构建的电网调度技术支持系统建设框架的应用功能是一致的。

参考文献

[1]谢小荣, 李红军, 吴京涛, 等.同步相量技术应用于电力系统暂态稳定性控制的可行性分析[J].电网技术, 2004

[2]余贻鑫, 栾文鹏.智能电网[J].电网与清洁能源, 2009

[3]王正风, 胡晓飞, 黄太贵.广域测量技术在电力系统应用中关键技术问题[J].东北电力技术, 2008

[4]张文亮, 刘壮志, 王明俊, 等.智能电网的研究进展及发展趋势[J].电网技术, 2009

WAMS系统 篇6

关键词：参数辨识,广域测量系统,相量量测单元,最小二乘法

0 引言

随着电网规模越来越大, 网络结构越来越复杂, 调度运行人员对电网监测与分析的要求也越来越高。而准确的电网参数是进行状态估计、潮流计算、故障分析等电力系统计算的基础[1], 但实际中由于线路改建, 运行环境变化等因素均导致设备设计参数和实际参数有区别, 所以提高电网参数的准确性对大电网安全稳定分析具有重要意义。

1 辨识算法

1.1 交流线路参数辨识

交流线路可用∏形等效电路模型表示, 如图1所示。对两端有PMU量测的交流线路, 形成支路功率方程, 根据直接测量的线路两端的电压和功率用最小二乘法求取线路参数的估计值。

PMU可以直接测量到线路两端的电压和功率, 待求参数为支路导纳、对地电导和电纳, 用极坐标表示的支路功率方程为:

其中, Ui, Uj为线路两端的电压幅值, Pij, Qij, Pji, Qij为线路两端的功率, δij为线路两端节点电压的相角差。考虑到误差, 令:

则有:

上述方程可以写为:

其中:y为输出向量, ξ为噪声向量;Φ为测量矩阵。由最小二乘法可得θ的最小二乘估计为:

1.2 三绕组变压器参数辨识

三绕组变压器可用星型等效电路表示, 如图2所示。

图2三绕组变压器星型等效电路

在引入虚拟中性点节点后, 三绕组变压器电压方程和中性点电流方程为:

根据电压方程消去U&0, 并与电流方程联立得:

为求解三绕组变压器参数, 考虑如下简化条件:

由 (10) 式电压方程得:

根据PMU测量的三端相量序列可以用最小二乘法估计参数。

2 算例分析

2.1 交流线路参数辨识

在实际电网中取两端都装有PMU的交流线路数据进行测试, 电压基值525kV, 功率基值100MVA。根据两端PMU数据, 形成量测矩阵后, 用最小二乘法估计参数如表1所示。

2.2 两绕组变压器参数辨识

由于没有两绕组变压器的实测数据, 对某电网进行潮流计算, 在潮流计算初值上加入噪声作为量测数据。高压电压基值为230kV, 低压电压基值为13.8kV, 功率基值为1 000.0MVA。根据两绕组变压器数据, 变压器两端角度差已知, 将变压器变比作为变量迭代求解, 结果如表2所示。

3 结论

本文利用PMU数据对交流线路和变压器的静态参数进行辨识。对两端都有PMU的交流线路, 根据支路方程用最小二乘法估计参数。对两绕组变压器, 根据量测方程用计算非线性方程最小二乘解的广义逆法求解参数。对三绕组变压器, 假设低压绕组变比和中压绕组电阻、电抗已知, 根据三端PMU量测数据用最小二乘法估计参数。该方法充分利用PMU数据进行电网元件参数在线辨识, 不受运行方式和环境温度等因素对参数的影响, 可以提高电网元件参数的准确性, 从而提高状态估计的精度。通过算例验证了所提方法的有效性。

参考文献

[1]徐伟, 薛禹胜, 陈实, 等.从实测轨迹提取知识时的困难及展望[J].电力系统自动化, 2009, 33 (15) :1-7.

[2]王茂海, 鲍捷, 齐霞, 张哲.基于PMU实测数据的输电线路参数在线估计方法[J].电力系统自动化, 2010, 34 (1) :25-27.

[3]陈晓刚, 易永辉, 江全元, 等.基于WAMS/SCADA混合量测的电网参数辨识与估计[J].电力系统自动化, 2008, 32 (5) .

[4]姚玉斌, 刘仲尧, 陈勇.基于CIM的电力变压器模型分析[J].电力系统自动化, 2005, 39 (18) :57-61.

[5]姜旭峰.常用电力系统仿真软件变压器模型及其参数之间的关系[J].华北电力技术, 2002, 8:48-51.

WAMS系统 篇7

目前国内学者在研究扰动源定位的方法研究上取得了一些成果。当电网发生低频振荡时,传播到电网中不同位置的特殊形状扰动行波具有相似性,文献[6]提出一种比较多点测量数据波形相似度以确定低频振荡扰动源位置的定位方法。尽管系统强迫振荡的表现形式与弱阻尼振荡相似,但是两者在能量转换方面却大不一样,根据这些特点从能量函数的角度出发进行识别强迫振荡扰动源的位置[7,8,9]。在能量函数分析法的基础上,文献[10]构建了不同层次的割集,根据割集流出的振荡能量正负来判断扰动源是否位于割集内部,实现扰动源大致方位的识别。近年来,电力系统机电波理论[11]的提出为强迫振荡扰动源定位方法的研究提供了新思路。文献[12]采用滑动数据窗法计算机电波到达时间来确定扰动源的位置,提高了定位的快速性。

文中通过力学中的能量共振特点构建出系统振荡能量的表达形式,根据其能量转换与电路中的能量表现形式相类似的特点,结合电路理论分析振荡能量,提出一种比较发电机频率波动以及电气有功功率波动这2个电气量稳态阶段的相位差关系,判断强迫振荡扰动源是否位于机组原动机上的扰动源定位方法。利用TLS_ESPRIT算法提取出主导频率下相应电气量的相位参数,滤去了采集的电气量中非扰动源决定的分量。该方法基于广域测量系统(WAMS)实测的数据,能够直接识别频率和有功功率这两个电气量的相位参数并进行判断,为扰动源的在线监测定位提供了研究参考方向。

1 强迫振荡系统的能量共振

1.1 经典弹簧系统能量共振

在经典力学中,对于受迫振动的系统,一般从位移共振和速度共振这两方面进行分析。首先讨论经典的弹簧系统,在其受迫振荡过程中从系统的动能以及势能的变化来分析能量共振特点[13]。

设某一振动系统由质量为m的物体,弹力系数为k的弹簧组成,其中阻力系数为β,在外力F=F0cosωt作用下发生强迫振动,其运动微分方程为:

式中:x为物体偏离平衡位置的位移。其中,系统在强迫振荡过程中,动能为Ek(t)=mv2/2,势能为Ep(t)=kx2/2,总能量E(t)=Ek(t)+Ep(t)。振荡系统的平均能量为:

式中:T为外力的振动周期。

当系统开始受迫振荡过渡到稳态时,系统的平均能量E軒(t)不断增加直到不变,且当外力的频率ω与系统的固有频率ω0相等时,系统发生共频振荡,平均能量最大。此时外力F对系统做的功等于系统克服阻力-βv做功消耗的能量,而系统的动能和势能互相发生转化。

1.2 单机无穷大系统的振荡能量构建

根据经典力学中的弹簧系统受迫振荡的原理,首先以单机无穷大系统为例,对电力系统发生强迫振荡时振荡能量特点进行分析。

在平衡点附近线性化之后的发电机运动方程为:

式中:M为发电机的惯性常量;D为发电机阻尼系数;Ks为发电机同步系数;Δδ为发电机功角相对于平衡点的偏移量。

不难看出,式(3)和式(1)存在着对偶关系。在电力系统发生强迫振荡过程中,对电力系统构建适当的振荡能量变量:

式中:Δω=dΔω/dt。

式中:ΔPe=KsΔδ。

当电力系统发生强迫共振且处于稳态阶段时:

式中:保持不变,且可得:

2 强迫振荡能量转换特性

在电力系统发生强迫振荡且达到稳态时,功角偏差量、功率偏差量、频率偏差量等都能够用正弦函数来表示。对式(6)和式(7)两边同时进行求导,可得:

式(8)体现了振荡过程中非耗能的储能特性,而式(9)体现了发电机振荡能量的产生和消耗。

根据能量守恒定律可知,与节点相连的n条支路上流入节点的有功功率波动量ΔPl的代数和为零,线性化后可表示为∑nl=1ΔPl=0,等效于基尔霍夫电流定律(KCL)。相邻2个节点的频率波动量Δωi和Δωj之差Δωij=Δωi-Δωj,则某一回路的代数和Δω=(Δω1-Δω2)+(Δω2-Δω3)+…+(Δωn-Δω1)=0,等效于基尔霍夫电压定律(KVL)。强迫振荡过程中,发电机组的振荡能量转换可以用电路理论进行分析。

3 强迫振荡源的定位判据

根据以上分析,强迫振荡的扰动源相当于一个电源,向系统注入振荡能量,可以根据这一特性来判断扰动源所在的机组。

在系统发生强迫振荡过程中,发电机的机械功率偏差量由两部分组成,外施的机械功率扰动ΔPm0以及调速系统调节产生的机械功率扰动:

式中:K(jΩ)为调速器的传递函数;Ω为系统振荡的角频率。

(1)当扰动源位于发电机上时,ΔPm=ΔPm0+K(jΩ)Δω=K'(jΩ)Δω。根据式(3)可得:

根据式(9)可知,在单机无穷大系统中,机械扰动功率注入的振荡都在发电机阻尼上所消耗,没有传播到系统中。在实际多机系统中,发电机上扰动源注入的振荡能量除了被阻尼消耗,还有部分输出到系统,被网络和其他发电机阻尼所消耗。

因此K'(jΩ)的实部大于D,式(11)中,分母的实部为正,该式实部为正。此时Δω和ΔPe之间的初始相位差小于90°,发电机扰动源等效的电压源向外输出能量为正,即扰动源位于发电机上。

(2)当扰动源不在发电机时,ΔPm=K(jΩ)Δω。

由于K(jΩ)具有负实部[14],分母具有负实部,故式(12)具有负实部。此时Δω和ΔPe之间的初始相位差大于90°,发电机扰动源等效的电压源向外输出能量为负,即吸收振荡能量,扰动源不在发电机上。

根据以上分析,可以根据发电机的角频率偏差Δω以及输出电气功率偏差ΔPe之间的相角差的绝对值是否小于90°来判断发电机原动机是否为强迫扰动源。

4 强迫振荡的在线监测定位

4.1 基于TLS-ESPRIT获取波动相位

以上强迫振荡源的定位是对振荡的稳态阶段的波动相位关系进行分析的,而电力系统在发生强迫振荡的初始阶段,除了含有由扰动引起的稳态分量,还包含由初始条件引起的瞬态分量。在电力系统实际振荡过程中,判断振荡进入稳态阶段的时间点比较困难,而且如果系统的固有频率较低或阻尼较弱,振荡的过渡时间会比较长。因此需要尽快获取电气波动的稳态量。

TLS-ESPRIT算法是旋转不变技术的信号参数估计(ESPRIT)算法的扩展,是一种基于子空间的高分辨率信号分析方法。利用同步相量测量装置(PMU)监测获取的实时数据,TLS-ESPRIT算法能够计算出信号中各分量的频率大小、衰减系数以及阻尼比,通过最小二乘法求取信号幅值和初始相位。因此,可以提取出强迫振荡的主导频率,即共振频率,获取相应的波动相位。而且如果实测的数据中含有异常数据,经过预处理剔除之后,TLS-ESPRIT算法仍能够准确地进行模态分析。

4.2 振荡源定位步骤

Δf和Δω同相,因此可以通过PMU实测的机组频率进行分析。基于WAMS获得的实测数据,根据模态的辨识结果,得到扰动源的在线监测定位方法,步骤如下:(1)对实测的发电机电气功率Pe和频率f数据进行分析,判断机组是否正处于强迫振荡;(2)实测数据预处理,剔除异常数据;(3)利用TLS-ESPRIT算法确定振荡模态并获取波动相位;(4)判断发电机频率偏差的相位(φf)以及输出电气功率偏差的相位(φp)之差的绝对值是否小于90°,若成立,则扰动源位于发电机上,否则扰动源不在发电机上。

5 算例分析

在四机两区系统验证文中提出方法的可行性及有效性。四机两区的系统结构如图1所示。根据小干扰分析可知,该系统包含1个区间振荡模式,频率为0.64Hz。从0 s开始对该模式的强相关机组G1额外施加持续性的原动机功率扰动,扰动频率为0.64 Hz,扰动幅值为0.01 p.u.,仿真时间为20 s。此时,系统区域间发生强迫振荡。

TLS-ESPRIT获取主导振荡频率下的波动相位并进行扰动源定位判断,其结果如表1所示。机组G1上频率波动相位与输出电气有功波动相位差的绝对值为32.8°,小于90°,满足扰动源定位判据,可以确定强迫扰动源位于该机组;同理,机组G2、G3、G4上频率波动相位与输出电气有功波动相位差的绝对值分别为254.3°,104.8°,109.5°,均大于90°,故可以判断这3台机组不是强迫振荡源,与实际情况一致。

6 结束语