智能电网暂态故障检测和电流过载预防控制研究

摘要

随着我国经济的高速发展，电力能源需求不断增大，电力系统变得越来越庞大和复杂。由于新的电力设备不断被接入电网中，外部干扰下电网的安全隐患增大。电力系统网络是一非线性、规模大、强耦合、动态的复杂系统，传统电力网络监控系统的测量、计算、控制，通信缺乏广泛的协作，其灵活性和效率还有待提高。智能电网的出现为上述问题的解决提供了新的机遇。面向智能电网，研究新的理论和方法提高电力系统的可靠性和安全性具有重要的意义。
　　本文围绕提高电力系统暂态安全性，对其故障检测方法，预防控制策略展开研究。根据电力系统的传输和动态特性，构建集成统一潮流控制器(Unified Power Flow Controller, UPFC)的电力系统暂态数学模型。提出了基于极点配置局部递归全局前馈((Locally Recurrent Global Forward, LRGF)动态神经网络建模方法，并分别讨论了基于小波提升和基于在线自适应主元分解的电网暂态故障检测。最后，针对电力系统传输线路电流过载和暂态非稳定情况，提出了采用UPFC作为控制手段，基于障碍函数和能量函数的一种预防控制策略。仿真结果验证了提出方法的有效性。
　　①针对电网暂态过程基于数据的建模，提出了一种基于极点配置 LRGF神经网络。由于对于动态神经元的极点存在于实轴上和一对共轭复数极点两种情况，为了避免参数到稳定区域投影的复杂性，提出的神经网络将隐层神经元内动态滤波器的极点被划分为依据极点的情况将神经元分成实极点和复极点两部分，通过函数权值的方法将这两种情况极点的动态部分加权输出，同时针对这种新的神经网络特别的采用了求导梯度下降的学习算法，通过极点投影和权值调节学习计算实现对电网暂态特性建模。
　　②针对电网暂态故障检测中残差信号分析，提出了一种基于小波提升和自适应阈值的检测方法。根据残差信号和小波函数最优设计原理自适应地设计小波预测算子和更新算子。通过小波提升方法，将极点配置 LRGF动态神经网络输出与电力系统输出作差得到的残差信号分解为细节信号和逼近信号提取故障特征。通过自适应阈值检测细节信号和逼近信号，以及容忍时间方法检测缓变和突变故障。仿真结果验证了此方法在电网暂态故障检测中的有效性。
　　③针对电网在线暂态故障检测中残差信号分析中数据处理问题，提出了一种基于在线自适应主元分解算法。提出的在线自适应主成份分解算法通过以残差信号为输入的主元向量迭代，快速计算主元特征向量，建立主元模型。通过主元变换降低被检测信号维度，得到残差信号的主元得分。根据主元得分计算T2统计变量和Q统计变量。通过T2统计量反应系统PCA模型内部变化，Q统计量反应PCA模型与信号偏差的原理，检测系统故障。仿真实例验证了算法的有效性。
　　④为应对电网暂态过程中电网传输线路电流过载，在统一潮流控制器(UPFC)下，提出了基于障碍函数和能量函数的暂态电流过载预防控制方法。通过能量函数方法分析电力系统在故障后的暂态稳定性。根据稳定分析结果，实施预防控制策略。与基于仿真法和人工智能法的预防控制不同，文中通过构建了一种由电网能量函数和障碍函数组成的控制李亚普诺夫函数，得到控制率。控制器通过障碍函数约束边界数值无穷大的特性，以及统一潮流控制器的作用，阻止电网传输线路暂态电流过载。采用最近非稳定平衡点UEP的方法分析控制系统的稳定性，并通过优化算法调节障碍函数重塑系统稳定区域。通过对3节点电力系统和162节点电力系统的仿真结果证明了本文提出的预防控制方法的有效性。

目录

封面

中文摘要

英文摘要

目录

1 绪论

1.1 问题的提出以及研究意义

1.2 国内外研究现状

1.3 本文的主要内容和结构

1.4 本章小结

2 智能电网暂态保护系统结构和暂态模型

2.1 智能电网系统结构

2.2 智能电网下的暂态保护系统

2.3电网暂态模型

2.4 统一潮流控制器模型

2.5 本章小结

3 基于极点配置LRGF神经网络的电网暂态故障检测

3.1 引言

3.2 系统故障检测

3.3 基于极点配置的LRGF神经网络

3.4 自适应小波提升方案

3.5 突变和缓变故障检测

3.6 仿真实例

3.7 本章小结

4 基于在线自适应PCA的电网暂态故障检测

4.1 引言

4.2 基于自适应PCA故障检测系统结构

4.3 主元分析和故障检测

4.4 自适应主元分解算法

4.5 基于最速下降的在线自适应PCA算法

4.6 仿真实例

4.7 本章小结

5 基于障碍函数的暂态电流过载预防控制

5.1 引言

5.2 基于能量函数的暂态分析

5.3 基于障碍函数的暂态电流过载预防控制

5.4 仿真实例

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录