基于电力系统同步多参量测量的自记忆轨迹预测算法 self-memory prediction based on synchronous measurement of power system multi-variable.pdfVIP

第28卷第5期 电力自动化设备 V01．28No．5 ElectricPowerAutomation 2008年5月 Equipment May2008o 基于电力系统同步多参量测量的 自记忆轨迹预测算法 谢 欢1，张保会1，郝治国1，吕志来1，于广亮1，李鹏1，褚云龙z (1．西安交通大学电气工程学院，陕西西安710049； 2．西北电网有限公司，陕西西安710048) 摘要：基于大气运动自记忆预测方法．导出了使用历史观测的多状态量预测电力系统微分方程 中某一状态量的自记忆数值预测计算公式．并提出了基于广域测量系统的电力系统功角综合预 测方案。该方案在每一采样时刻首先基于临界机组不平衡功率的拟正弦特性使用正弦三角函数 滚动预测临界机组不平衡功率的变化．然后使用多个同步状态量的自记忆预测公式预测临界等 值机组的角速度和功角。IEEE145节点系统和某省网实际系统仿真结果显示该方案具有精度高和 稳定性好的优点，其能够稳定可靠地预测未来0．4S系统轨迹的变化。 关键词：电力系统：自记忆预测；轨迹预测：不稳定性识别 71l 中图分类号：TM 文献标识码：A 的．然而故障后实际系统的参数和模型是难以全部在 0引言 线准确获得的。此外，文献[17]尝试使用神经网络等 人工智能方法预测系统的轨迹．该类方法在实际应用 随着广域相量测量系统在电力系统的安装．动 时存在训练样本难以获得和训练过程困难的缺陷。 态过程中机组的运动轨迹可以直接测量而不必依赖 现基于电力系统微分动力方程导出了多个状态 对轨迹的计算．这无疑为电力系统实时的稳定性分 量的自记忆数值预测计算公式．揭示了由实时测量 析以及紧急控制提供了新的发展契机[1-8]。为了赢得 数据动态求取自记忆参数的本质为动态改变预测差 紧急控制的时间。在一段实测轨迹的基础上．对轨迹 分模型的格式。该预测方法不仅考虑了自身历史观 进行准确的超实时预测[9-lo]．从而在故障后尽快得 测数据对其未来的影响．而且计及了其高阶量变化 出系统是否稳定的结论．是广域测量系统WAMS (WideAreaMeasurement 的影响。数值仿真结果表明这种既基于微分动力方 System)能否应用于暂态不 稳定实时控制…J：1的关键技术。此外，广域信息的 程(包含物理意义上的机理)，又对历史多个时刻观 测量和传输可能存在信息的丢失和延时．此时轨迹 测数据具有记忆功能的预测方法。具有精度高、稳定 的超实时预测还能够为基于广域测量系统的连续调 性好、预测时间长的优点。 节控制提供必要的状态信息。 1 微分动力系统的自记忆预测算法用于电 如何实现电力系统故障后轨迹的超实时预测一 力系统轨迹预测 一 直是电力科技工作者多年来努力寻求的目标．文献 [13一141使用固定的预测模型，通过实测的状态变量