PMU配置方法及WAMS在电力系统中应用.docVIP

PMU配置方法及WAMS在电力系统中应用 　　摘要:广域测量系统(Wide Area Measurement System,WAMS)的发展,给电力系统信息测量带来了一场革命,通过相量测量单元(Phasor Measurement Unit, PMU) 将电力系统中各个节点的相量测量值,如电压、电流、功角等,折算到同一个时间参考点坐标下,从而为大规模电力系统的运行状态监测分析提供了一个同步的实时数据平台,为电力系统测量,分析和控制提供了快速可靠的同步数据。本文总结了PMU的配置方法并介绍了WAMS在电力系统中的应用情况。 　　关键词:电力系统;WAMS;PMU;同步相量测量 　　作者简介:张国彦(1980-),男,内蒙古赤峰人,赤峰电业局500kV巴林变电站,助理工程师,主要研究方向:电力系统自动化。 　　(内蒙古 赤峰 025150) 　　 　　广域测量系统(WAMS)是近年来发展起来的一项新的测量技术,它基于同步相量测量和现代通信技术理论,对大规模电力系统的运行状态进行监测和分析,从而为电力系统安全运行和进行实时控制提供快速可靠的同步数据。由于其测量精度在毫秒数量级,因此为电力系统在线暂态稳定计算等领域的研究提供了新的技术支持,它也是近10年来各国电力公司在电网监测方面投资建设的一个重点。 　　基于全球定位系统(Global Position System,GPS)的相量测量单元(PMU)能将电力系统中各节点的相量测量值(如电压、电流、功角等),折算到某个时间参考点坐标下,从而可以在相同的时标下记录电力系统不同位置的相量信息。通过高速通信网络,可以将PMU子站分散的相量数据集中起来,构成整个电力系统同一时间断面上的测量信息平台。随着电力系统中PMU安装数量的不断增加,就可以形成时空坐标下电力系统全局性的实时动态信息,从而构成广域同步测量系统(WAMS)。 　　PMU利用GPS所发出的高精度对时信号,可将电压、电流和功角等同步量测量的更新速度由秒级提高到毫秒级,这带来了电力系统信息测量方式上的一场革命。自上世纪90年代以来,PMU就在世界各国的电力系统中得到了迅速的推广应用。 　　一、PMU的配置方法 　　目前,电力系统可观性的PMU配置研究还处于起步阶段,还不是十分完善,但是它已经引起了国内外学者的注意,而且是一个重要的研究课题。自上世纪80年代开始就出现了有关电力系统可观性的文献,考虑PMU配置的系统可观性的文献则出现得较晚。这些文献主要是提出了一些算法在电力系统中配置PMU,利用PMU测得的电压和电流相角来实现一些功能,例如分析系统可观区域、不可观区域,划分系统可观性深度以及使潮流方程非迭代可解等。下面介绍三种用于PMU优化配置的算法。 　　1.模拟退火法 　　模拟退火法[1]是来源于研究热系统中最小能量分布的一种统计物理学方法,当一个系统的温度以足够慢的速度下降时,系统近似处在热平衡状态,最后达到系统本身的最低能量状态。将这一思路引入优化过程,只要模拟过程足够充分,算法就可以概率1收敛到全局最优解。它的基本思想是通过设定能量函数逐渐寻求该函数的最小值,也即求出全局最优解来实现PMU优化配置。 　　2.禁忌探索法 　　禁忌探索法[2]的基本思想是采用一个变化的搜索历史记忆器,或称之为禁忌表,来指导寻优过程,以克服局部最优解。对进入禁忌表的搜索路径加以禁忌,这样可以避免搜索的反复和重复,因此在一定程度上使搜索过程能够避开局部极值点,开辟新的搜索区域,并最终达到全局最优点。它的算法是创立一个初始化的方案,基于初始化的方案,算法“移动”到一个相邻的方案。一般而言,许多移动是连续的过程,方案的质量被不断提高。一个禁忌清单被用于指导搜寻,当达到某一特殊的中断条件时算法就结束,它是一种确定性的搜寻算法。 　　3.遗传算法 　　遗传算法[3]是一种基于自然群体遗传演化机制的高效探索算法,由美国学者Holland于1975年首先提出来。它摒弃了传统的搜索方式,通过模拟自然界生物进化过程,并采用人工进化方式对目标空间进行随机化的搜索。它把问题域中的可能解看作是群体的一个个体或染色体,并把每一个个体编码成符号串形式,模拟达尔文的遗传选择和自然淘汰的生物进化过程对群体反复进行基于遗传学的操作:遗传,交叉和变异。根据预定的目标适应度函数对每个个体进行评价,根据适者生存,优胜劣汰的进化规则,不断地得到更优的群体,同时以全局并行搜索方式来搜索优化群体中的最优个体,最后求出满足要求的最优解。 　　Holland的遗传算法是一种概率搜索算法,它是利用某种编码技术作用于称作染色体的数串,其基本思想是模拟由这些数串组成的进化过程。该算法通过有组织的然而是随机的信息交换重新组合那些适应性好的数串,在每一代中,利用上一代串