一种基于网络预测方式的动态无功功率‑电压协同控制方法技术

本发明专利技术公开了一种基于网络预测方式的动态无功功率‑电压协同控制方法，首先，利用广域信息建立电力系统中计及电源侧发电机与电网侧动态无功补偿设备动态电压响应特性的数学模型；其次，以负荷母线电压偏差和控制代价的二次型为目标函数，建立电力系统动态无功功率‑电压的协同控制模型；接着，将电力系统动态无功功率‑电压的协同控制模型转化为二次规划问题；最后，求解二次规划问题，得到电力系统控制向量的最优序列，实现动态无功功率‑电压协同控制；充分利用了高精度的广域信息，较好适应电网运行状态的实时变化；利用网络预测方式，较好的补偿了广域信息的时延，快速得到了一种简单有效的电压协同控制策略，具有良好的推广应用价值和前景。

【技术实现步骤摘要】

本专利技术属于电力系统领域，特别涉及一种基于网络预测方式的动态无功功率-电压协同控制方法。
技术介绍
电力系统电压稳定是电网安全运行的基本要求之一。在现代大电网运行中，基于单个、分散式的电压控制方式，难以满足日益复杂的电网电压安全稳定运行要求。建立电源侧发电机与电网侧动态无功补偿设备的无功功率-电压协同控制方式，以提高系统快速动态无功功率和电压调节的响应速度，对保证大电网的安全稳定运行具有重要意义。国内外，动态无功电压控制大都采用基于单一局部信息的反馈控制方式。在动态无功电压协调控制方面，主要采用反馈线性化、基于Lyapunov稳定性的控制方法等。这些方法较复杂，难以完全适应电网运行状态的实时变化，具有一定的风险性。现有技术方法中，电源侧发电机与电网侧动态无功补偿设备的无功功率-电压控制方式大都采用局部分散式的控制方式，且电压控制策略难以完全适应电网运行状态的实时变化。
技术实现思路
本专利技术提出一种基于网络预测方式的动态无功功率-电压协同控制方法，其目的在于克服现有技术中电压控制策略难以完全适应电网运行状态的实时变化的问题。随着电力系统广域量测系统(WideAreaMeasurementSystem，WAMS)在大电网中广泛运用，通过利用高精度的实时同步量测数据，将为电力系统动态无功功率-电压的协同控制提供有利技术手段。一种基于网络预测方式的动态无功功率-电压协同控制方法，包括以下几个步骤：步骤一，利用广域信息建立电力系统中计及电源侧发电机与电网侧动态无功补偿设备动态电压响应特性的数学模型；其中，x、u及y分别为电力系统的状态向量、控制向量和代数向量；电力系统状态向量x包括电源侧同步发电机的q轴暂态电势E′q、电网侧同步调相机的q轴暂态电势以E′qc及感应电动机的滑差s，即x＝[E′q,E′qc,s]T；电力系统控制向量u包括电源侧同步发电机的励磁电压Ef和电网侧同步调相机的励磁电压Efc，即u＝[Ef,Efc]T电力系统的代数向量y包括电力网络母线电压和功率；步骤二，以负荷母线电压偏差和控制代价的二次型为目标函数，以步骤一所述的模型和变量的设定变化范围为约束条件，建立一种电力系统动态无功功率-电压的协同控制模型：其中：J为目标函数，t0为扰动发生时刻，tm为结束时刻，tf为控制结束时刻；ΔVl(t)、Δu(t)分别为负荷母线电压偏差向量和控制变量偏差向量；ΔVlT(t)和ΔuT(t)分别为ΔVl(t)、Δu(t)的转置矩阵；矩阵R和Q分别为负荷母线电压偏差加权矩阵和控制代价加权矩阵，均为对角矩阵；umax、umin为电力系统控制向量u的上下限，ymax、ymin为电力系统代数向量y的上下限；步骤三，建立电力系统输出向量预测值和控制向量的关系，并将采样时刻为tk的电力系统动态无功功率-电压的协同控制模型转化为二次规划问题，如下：其中：Qp＝diag(Q,…,Q)MRp＝diag(R,…,R)N，W为约束系数矩阵，U为约束向量，为采样时刻tk时，参考电压与初始电压的差值向量，Dlvp为预测负荷电压向量与采样时刻tk时控制向量Δupk的关系矩阵；Jk表示采样时刻tk时电压协同控制系统的控制目标，Δupk为采样时刻tk时待求的电压最优控制序列矩阵。步骤四：利用二次规划法求解步骤三所述的二次规划问题，得到电力系统控制向量的最优序列Δu*pk，实现动态无功功率-电压协同控制。进一步地，当电力系统反馈时延值为τ2时，电力系统控制向量的最优序列Δu*pk中的第L个元素为u*(tk-τ1+(L-1)Ts|tk-τ1)，将电压协同控制策略u*(tk-τ1+(L-1)Ts|tk-τ1)作用于电力系统，负荷母线电压恢复到正常范围且保持稳定时，则结束电压闭环控制；其中，L＝((τ1+τ2)/Ts)+1，τ1为前馈时延值为，Ts为广域信息采样周期。进一步地，所述预测负荷电压向量与控制向量Δupk的关系矩阵Dlvp的表达式如下：其中，N表示预测步长，N＝Tp/Ts，信息采样周期为Ts，预测控制周期为Tp，A、B、C分别为电力系统的状态矩阵、控制矩阵和输出矩阵；其中：Δx、Δu、Δy分为系统状态偏差向量、控制偏差向量和输出偏差向量，即Δx＝x-xk，Δu＝u-uk，Δy＝y-yk，xk、uk、yk依次表示采样时刻tk时的电力系统状态向量实时值、控制向量实时值以及代数向量实时值。有益效果本专利技术提出了一种基于网络预测方式的动态无功功率-电压协同控制方法，首先，利用广域信息建立电力系统中计及电源侧发电机与电网侧动态无功补偿设备动态电压响应特性的数学模型；其次，以负荷母线电压偏差和控制代价的二次型为目标函数，以前述的数学模型和变量的取值变化范围为约束条件，建立一种电力系统动态无功功率-电压的协同控制模型；接着，建立电力系统输出向量预测值和控制向量的关系，并将电力系统动态无功功率-电压的协同控制模型转化为二次规划问题；最后，利用二次规划法求解二次规划问题，得到电力系统控制向量的最优序列，实现动态无功功率-电压协同控制；本专利技术充分利用了高精度的广域信息，较好适应电网运行状态的实时变化；利用网络预测方式，较好的补偿了广域信息的时延，能快速得到一种简单有效的电压协同控制策略，具有良好的推广应用价值和前景；充分发挥电源侧同步发电机与电网侧动态无功补偿设备的动态电压支撑能力。附图说明图1是本专利技术方法的工作流程图；图2为基于网络预测方式的动态无功功率-电压协同控制；图3为新英格兰10机39节点系统结构示意图；图4为仅采用本地信息反馈的电压控制方式负荷节点电压变化曲线；图5为仅采用本地信息反馈的电压控制方式同步调相机无功功率变化曲线；图6为基于网络预测方式的动态电压控制方式负荷节点电压变化曲线；图7为基于网络预测方式的动态电压控制方式同步调相机无功功率变化曲线。具体实施方式下面将结合附图和具体实施对本专利技术作进一步说明。步骤一，本专利技术利用广域信息，建立计及电源侧发电机与电网侧动态无功补偿设备(比如：同步调相机)动态电压响应特性的数学模型，如下：式中：y表示系统代数向量，即电力网络母线电压和功率组成的向量；x和u分别为系统的状态向量和控制向量，其表示为x＝[E′q,E′qc,s]T，u＝[Ef,Efc]T其中：E′q、Ef分别为电源侧同步发电机q轴暂态电势和励磁电压向量；E′qc、Efc分为电网侧同步调相机q轴暂态电势和励磁电压向量；s为感应电动机滑差向量。基于广域信息的系统模型推导过程如下所示。PMUs能提供高精度的实时同步数据，包括：有功和无功功率、节点电压、发电机功角等信息。一方面，从同步发电机侧PMU实时获取发电机功角δi、角频率ωi、有功功率Pgi、机端电压Vgi及相角θgi信息后，可由式(2)和式(3)求得q轴暂态电势E′qi。同时，发电机d、q轴电流idi和iqi可由式(4)求出。发电机电磁转矩Tei可由式(5)获得，即Tei＝E′qiiqi-(X′di-Xqi)idiiqi(5)而传统考虑动态励磁电压特性的同步发电机3阶模型可表示为其中：式(6)表示发电机励磁电压动态特性方程，式(7)-式(8)表示发电机机械动态特性方程。idi、Tji、ω0、Di和Tmi别表示发电机的d轴电流、发电机惯性时间常数、额定角频率、功角、阻尼系数和机械本文档来自技高网...

【技术保护点】
一种基于网络预测方式的动态无功功率‑电压协同控制方法，其特征在于，包括以下几个步骤：步骤一，利用广域信息建立电力系统中计及电源侧发电机与电网侧动态无功补偿设备动态电压响应特性的数学模型；x·=f(x,y,u)0=g(x,y,u)]]>其中，x、u及y分别为电力系统的状态向量、控制向量和代数向量；电力系统状态向量x包括电源侧同步发电机的q轴暂态电势Ε′q、电网侧同步调相机的q轴暂态电势以Ε′qc及感应电动机的滑差s，即x＝[E′q,E′qc,s]T；电力系统控制向量u包括电源侧同步发电机的励磁电压Ef和电网侧同步调相机的励磁电压Efc，即u＝[Ef,Efc]T电力系统的代数向量y包括电力网络母线电压和功率；步骤二，以负荷母线电压偏差和控制代价的二次型为目标函数，以步骤一所述的模型和变量的设定变化范围为约束条件，建立一种电力系统动态无功功率‑电压的协同控制模型：min J=12∫t0tm(ΔVlT(t)RΔVl(t)+ΔuT(t)QΔu(t))dt]]>s.t.x·=f(x,y,u)0=g(x,y,u)umin≤u(t)≤umax,t0≤t≤tmymin≤y(t)≤ymax,tf≤t≤tm]]>其中：J为目标函数，t0为扰动发生时刻，tm为结束时刻，tf为控制结束时刻；ΔVl(t)、Δu(t)分别为负荷母线电压偏差向量和控制变量偏差向量；ΔVlT(t)和ΔuT(t)分别为ΔVl(t)、Δu(t)的转置矩阵；矩阵R和Q分别为负荷母线电压偏差加权矩阵和控制代价加权矩阵，均为对角矩阵；umax、umin为电力系统控制向量u的上下限，ymax、ymin为电力系统代数向量y的上下限；步骤三，建立电力系统输出向量预测值和控制向量的关系，并将采样时刻为tk的电力系统动态无功功率‑电压的协同控制模型转化为二次规划问题，如下：其中：Qp＝diag(Q,…,Q)MRp＝diag(R,…,R)N，W为约束系数矩阵，U为约束向量，为采样时刻tk时，参考电压与初始电压的差值向量，Dlvp为预测负荷电压向量与采样时刻tk时控制向量Δupk的关系矩阵；Jk表示采样时刻tk时电压协同控制系统的控制目标，Δupk为采样时刻tk时待求的电压最优控制序列矩阵。步骤四：利用二次规划法求解步骤三所述的二次规划问题，得到电力系统控制向量的最优序列Δu*pk，实现动态无功功率‑电压协同控制。...

【技术特征摘要】
1.一种基于网络预测方式的动态无功功率-电压协同控制方法，其特征在于，包括以下几个步骤：步骤一，利用广域信息建立电力系统中计及电源侧发电机与电网侧动态无功补偿设备动态电压响应特性的数学模型；x·=f(x,y,u)0=g(x,y,u)]]>其中，x、u及y分别为电力系统的状态向量、控制向量和代数向量；电力系统状态向量x包括电源侧同步发电机的q轴暂态电势Ε′q、电网侧同步调相机的q轴暂态电势以Ε′qc及感应电动机的滑差s，即x＝[E′q,E′qc,s]T；电力系统控制向量u包括电源侧同步发电机的励磁电压Ef和电网侧同步调相机的励磁电压Efc，即u＝[Ef,Efc]T电力系统的代数向量y包括电力网络母线电压和功率；步骤二，以负荷母线电压偏差和控制代价的二次型为目标函数，以步骤一所述的模型和变量的设定变化范围为约束条件，建立一种电力系统动态无功功率-电压的协同控制模型：minJ=12∫t0tm(ΔVlT(t)RΔVl(t)+ΔuT(t)QΔu(t))dt]]>s.t.x·=f(x,y,u)0=g(x,y,u)umin≤u(t)≤umax,t0≤t≤tmymin≤y(t)≤ymax,tf≤t≤tm]]>其中：J为目标函数，t0为扰动发生时刻，tm为结束时刻，tf为控制结束时刻；ΔVl(t)、Δu(t)分别为负荷母线电压偏差向量和控制变量偏差向量；ΔVlT(t)和ΔuT(t)分别为ΔVl(t)、Δu(t)的转置矩阵；矩阵R和Q分别为负荷母线电压偏差加权矩阵和控制代价加权矩阵，均为对角矩阵；umax、umin为电力系统控制向量u的上下限，ymax、ymin为电力系统代数向量y的上下限；步骤三，建立...

【专利技术属性】
技术研发人员：沈阳武，崔挺，张斌，呙虎，左剑，张可人，李晨坤，罗潇，陈道君，
申请(专利权)人：国家电网公司，国网湖南省电力公司，国网湖南省电力公司电力科学研究院，
类型：发明
国别省市：北京;11