智能電網(wǎng)暫態(tài)故障檢測和電流過載預防控制研究.pdf

1、隨著我國經(jīng)濟的高速發(fā)展，電力能源需求不斷增大，電力系統(tǒng)變得越來越龐大和復雜。由于新的電力設(shè)備不斷被接入電網(wǎng)中，外部干擾下電網(wǎng)的安全隱患增大。電力系統(tǒng)網(wǎng)絡是一非線性、規(guī)模大、強耦合、動態(tài)的復雜系統(tǒng)，傳統(tǒng)電力網(wǎng)絡監(jiān)控系統(tǒng)的測量、計算、控制，通信缺乏廣泛的協(xié)作，其靈活性和效率還有待提高。智能電網(wǎng)的出現(xiàn)為上述問題的解決提供了新的機遇。面向智能電網(wǎng)，研究新的理論和方法提高電力系統(tǒng)的可靠性和安全性具有重要的意義。
　　本文圍繞提高電力系統(tǒng)暫態(tài)

2、安全性，對其故障檢測方法，預防控制策略展開研究。根據(jù)電力系統(tǒng)的傳輸和動態(tài)特性，構(gòu)建集成統(tǒng)一潮流控制器(Unified Power Flow Controller, UPFC)的電力系統(tǒng)暫態(tài)數(shù)學模型。提出了基于極點配置局部遞歸全局前饋((Locally Recurrent Global Forward, LRGF)動態(tài)神經(jīng)網(wǎng)絡建模方法，并分別討論了基于小波提升和基于在線自適應主元分解的電網(wǎng)暫態(tài)故障檢測。最后，針對電力系統(tǒng)傳輸線路電流過載和

3、暫態(tài)非穩(wěn)定情況，提出了采用UPFC作為控制手段，基于障礙函數(shù)和能量函數(shù)的一種預防控制策略。仿真結(jié)果驗證了提出方法的有效性。
　?、籴槍﹄娋W(wǎng)暫態(tài)過程基于數(shù)據(jù)的建模，提出了一種基于極點配置 LRGF神經(jīng)網(wǎng)絡。由于對于動態(tài)神經(jīng)元的極點存在于實軸上和一對共軛復數(shù)極點兩種情況，為了避免參數(shù)到穩(wěn)定區(qū)域投影的復雜性，提出的神經(jīng)網(wǎng)絡將隱層神經(jīng)元內(nèi)動態(tài)濾波器的極點被劃分為依據(jù)極點的情況將神經(jīng)元分成實極點和復極點兩部分，通過函數(shù)權(quán)值的方法將這兩種情況

4、極點的動態(tài)部分加權(quán)輸出，同時針對這種新的神經(jīng)網(wǎng)絡特別的采用了求導梯度下降的學習算法，通過極點投影和權(quán)值調(diào)節(jié)學習計算實現(xiàn)對電網(wǎng)暫態(tài)特性建模。
　?、卺槍﹄娋W(wǎng)暫態(tài)故障檢測中殘差信號分析，提出了一種基于小波提升和自適應閾值的檢測方法。根據(jù)殘差信號和小波函數(shù)最優(yōu)設(shè)計原理自適應地設(shè)計小波預測算子和更新算子。通過小波提升方法，將極點配置 LRGF動態(tài)神經(jīng)網(wǎng)絡輸出與電力系統(tǒng)輸出作差得到的殘差信號分解為細節(jié)信號和逼近信號提取故障特征。通過自適應閾

5、值檢測細節(jié)信號和逼近信號，以及容忍時間方法檢測緩變和突變故障。仿真結(jié)果驗證了此方法在電網(wǎng)暫態(tài)故障檢測中的有效性。
　　③針對電網(wǎng)在線暫態(tài)故障檢測中殘差信號分析中數(shù)據(jù)處理問題，提出了一種基于在線自適應主元分解算法。提出的在線自適應主成份分解算法通過以殘差信號為輸入的主元向量迭代，快速計算主元特征向量，建立主元模型。通過主元變換降低被檢測信號維度，得到殘差信號的主元得分。根據(jù)主元得分計算T2統(tǒng)計變量和Q統(tǒng)計變量。通過T2統(tǒng)計量反應系統(tǒng)

6、PCA模型內(nèi)部變化，Q統(tǒng)計量反應PCA模型與信號偏差的原理，檢測系統(tǒng)故障。仿真實例驗證了算法的有效性。
　?、転閼獙﹄娋W(wǎng)暫態(tài)過程中電網(wǎng)傳輸線路電流過載，在統(tǒng)一潮流控制器(UPFC)下，提出了基于障礙函數(shù)和能量函數(shù)的暫態(tài)電流過載預防控制方法。通過能量函數(shù)方法分析電力系統(tǒng)在故障后的暫態(tài)穩(wěn)定性。根據(jù)穩(wěn)定分析結(jié)果，實施預防控制策略。與基于仿真法和人工智能法的預防控制不同，文中通過構(gòu)建了一種由電網(wǎng)能量函數(shù)和障礙函數(shù)組成的控制李亞普諾夫函數(shù)，