改进的特征值算法在大型电力系统静态电压稳定分析中的应用.pdf

第十届全国电工数学学术年会论文集 改进的特征值算法在大型电力系统静态电压 稳定分析中的应用 孙建生1张焰2王承民2侯志俭2 (1．上海电缆研究所上海200093 2．上海交通大学电气工程系，上海200240) 摘 要 在对特征值算法中的显式重启动Arnodli算法进行改进的基础上，将其应用于大型电力系统的静态电压稳定分 析中。利用该算法，可以稳定可靠地计算关键特征值一模最小特征值，求出电压稳定裕度，判断系统薄弱区域(节 点)，以及确定无功功率补偿装置的安装位置和容量等。通过对实际系统进行计算，以及与其它特征值算法进行比 较，结果表明，改进后的显式重启动Amodli算法应用于大型电力系统静态电压稳定性时，具有收敛速度快和数值 稳定的特点，并具有在线应用的潜力。 关键词：大型电力系统；静态电压稳定；特征值分析；显式重启动Amodli算法：平移一逆变换 1引言 大规模、超高压、远距离和重负荷的输电特征使得现代电力系统电压稳定问题愈加突出起来。 历史上曾经发生的多起重大停电事故表明，提高电压稳定性是现代电力系统安全稳定运行的重要 保障。开展大规模电力系统电压稳定性研究具有非常重要的意义。 ． 特征值分析法【l】是研究电力系统电压稳定现象的强有力工具，它以分析潮流方程降阶雅可比 矩阵为基础，以其模最小特征值九i。决定静态EgE,稳定性极限的接近程度，以对应的特征向量作 为判断系统薄弱区域以及补偿方向【2。J。但是，随着电力系统规模的增大，潮流方程雅可比矩阵 维数不断增加，可以达到几千甚至上万。特征值分析法能否成功用于大规模电力系统电压稳定性 分析的关键在于其能否高效地计算降阶雅可比矩阵的特征值和特征向量。早期电力系统分析软件 中的特征值采用的是QR算法【4】，但QR算法的计算量将随维数而快速增长，一般只适用于维数 在1000以下的矩阵。80年代以来，不受矩阵维数限制的特征值算法，即稀疏特征值算法在计算技 其中，幂(迭代)法比较简单，用于计算关键特征值时，可以充分利用大型电力系统网络方程的 高度稀疏性，但需要给定合适的初值，’而且收敛速度缓慢，以线性速度收敛；Lanczos算法用于 对称矩阵的特征值计算时收敛性很好，但对于不对称矩阵，可能会出现数值不稳定情况；Amoldi 祛按与给定初值距离增大的顺序能同时计算多个特征值，与子空间迭代法相比，计算效率大大提 高。其中Amoldi法按照重启动向量的不同，又分为显式重启动算法【4。1和隐式重启动算法f6】，显 式重启动算法具有较大的灵活性，收敛速度也快，但它的缺点是算法的收敛性能复杂，易发生数值 275 改进的特征值算法在大型电力系统静态电压稳定分析中的应用 不稳定。隐式重启动算法收敛稳定，能有效计算大型电力系统中存在的特征值簇，但其计算速度 较慢。 本文在对文献f4’51中提出的显式重启动Amoldi算法进行改进的基础上，将其应用于大型电力系 统的静态电压稳定分析中。实际算例计算表明，与其它特征值算法比较，改进后的显式重启动 Amoldi算法在大规模电力系统静态电压稳定分析中，收敛速度快并且数值稳定。进一步还可以用 于静态电压稳定在线分析中。 2稀疏特征值算法．Arnoldi算法 2．1原始Amoldi算法原理16】 原始Amoldi算法是显式重启动Amoidi算法的基础。现假定计算n阶方阵A的特征值。选择正交 矩阵圪，圪∈C删卅，mn，满足蟛圪=厶，其中L为m阶单位阵。计算 乙=蹭彳圪 (1) 量，圪作为子空间的酉基。称 4圪=圪乙+Z，P： (2) 坐标矢量。原始Amoldi算法将Rit捕-征对(f，x)作为矩阵A的近似特征对。 Ritz Amoldi)