基于PMU量测的系统分析及状态估计模型的研究

摘要

随着我国电力系统的迅猛发展，现代电力系统结构日益复杂，大机组、大电网、超高压远距离交直流输电、市场化运营机制和广泛采用新技术已经成为当前电力系统的主要特征。然而伴随着现代电网的迅猛发展，其安全性也受到了前所未有的挑战，对电网的稳定监控也随之变得极其重要。而实时监测母线电压相量可以为安全调度、稳定控制等提供强有力的依据。因此对母线电压相量的实时测量成为当前电力系统稳定监控的关键所在。
　　到目前为止，基于全球定位系统(GPS)的同步相量测量单元(Phasor MeasurementUnit，PMU)在国内的研究已经有很大的进展并在各大电网已经逐步开始应用。PMU在电力系统中如何配置将对系统状态估计的速度和精度产生影响。本文以电力系统PMU配置个数最少为目标函数、系统有最大量测冗余度和全网可观测为约束条件，提出PMU最优配置模型。同时针对PMU价格偏高，很难一次性安装好所有所需PMU这一实际情况，提出PMU分阶段最优配置模型，即以每阶段安装PMU个数相等且这些PMU能够最大限度得提高系统量测冗余度和完成最终安装后能够满足系统可观测这两个条件为约束条件，并通过运用改进自适应遗传算法来求解该模型，从而得到最优解。此算法已在浙江省32节点系统PMU安装地点的优化选择中得到了实际应用。
　　PMU的测量信息可以以状态估计的形式用于分析网络的运行状态，以便利用估计算法本身的特点排除随机误差的干扰，使估计精度提高。本文对传统的状态估计模型和引入PMU的状态估计模型进行了比较，讨论了国内外该领域的两类不同的PMU状态估计模型一线性状态估计模型和混合量测的状态估计模型，利用信息矩阵分析了PMU对状态估计精度的影响，最后用3个算例证明了分析结果的正确性。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景和现实意义

1．2 同步相量测量技术的发展

1．2．1 相量测量单元(PMU)的基本原理

1．2．2 同步相量测量技术在国内外的发展

1．3 同步相量测量技术在电力系统中的应用

1．3．1 可观测分析

1．3．2 电力系统稳态应用

1．3．3 电力系统动态监测和控制

1．3．4 电力系统暂态稳定预测和控制

1．3．5 输电线路的故障测距

1．4 本文的主要研究内容

1．5 本文的章节安排

第2章 算法原理

2．1 关于遗传算法

2．2 遗传算法原理

2．2．1 编码问题(Encoding)

2．2．2 遗传操作

2．2．3 适应度函数定标

2．3 自适应遗传算法及其改进

2．3．1 传统的自适应遗传算法

2．3．2 改进自适应遗传算法

第3章 系统可观的PMU最优配置和分阶段最优配置

3．1 电力系统可观测的PMU最优配置

3．1．1 传统电力系统可观测性分析

3．1．2 基于PMU量测的系统线性观测模型

3．1．3 系统可观测的PMU最优配置模型

3．1．4 改进自适应遗传算法寻求最优解

3．2 电力系统分阶段配置PMU

3．2．1 问题的产生

3．2．2 电力系统不可观测度

3．2．3 分阶段最优解的求解思想

3．2．4 PMU分阶段最优配置的模型

3．2．5 改进自适应遗传算法寻求每阶段的最优解

3．3 算例及其分析

3．3．1 IEEE14节点算例

3．3．2 浙江省32节点实际电网算例

3．4 本章小结

第4章 同步相量测量在电力系统状态估计中的应用

4．1 状态估计概述

4．2 传统状态估计

4．2．1 加权最小二乘法算法

4．2．2 快速分解算法

4．2．3 极坐标系下的雅可比矩阵元素

4．3 基于PMU量测的线性状态估计

4．4 引入PMU量测的混合状态估计

4．4．1 相量作为待求量参与状态估计

4．4．2 相量作为已知量参与状态估计

4．5 基于快速分解算法的引入PMU量测混合状态估计的算例分析

4．5．1 5节点系统

4．5．2 IEEE14节点系统

4．5．3 实际系统算例—浙江电网333节点系统

4．6 本章小结

第5章 结论与展望

5．1 本文所作的主要工作和结论

5．2 目前存在的不足和未来工作的展望

参考文献

附录

攻读硕士学位期间的研究成果

致谢

作者简介