智能电网暂态故障检测和电流过载预防控制的研究.pdf

万方数据 A Study on Smart Grid Transient Failure Detection and Current Overload Preventive Control A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Doctor’s Degree of Engineering By Sun, Jian Supervised by Prof. Chai, Yi Specialty：Control Theory and Control Engineering College of Automation of Chongqing University, Chongqing, China September 2014 万方数据 万方数据 中文摘要 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