智能電網(wǎng)暫態(tài)故障檢測(cè)和電流過(guò)載預(yù)防控制研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，電力能源需求不斷增大，電力系統(tǒng)變得越來(lái)越龐大和復(fù)雜。由于新的電力設(shè)備不斷被接入電網(wǎng)中，外部干擾下電網(wǎng)的安全隱患增大。電力系統(tǒng)網(wǎng)絡(luò)是一非線性、規(guī)模大、強(qiáng)耦合、動(dòng)態(tài)的復(fù)雜系統(tǒng)，傳統(tǒng)電力網(wǎng)絡(luò)監(jiān)控系統(tǒng)的測(cè)量、計(jì)算、控制，通信缺乏廣泛的協(xié)作，其靈活性和效率還有待提高。智能電網(wǎng)的出現(xiàn)為上述問(wèn)題的解決提供了新的機(jī)遇。面向智能電網(wǎng)，研究新的理論和方法提高電力系統(tǒng)的可靠性和安全性具有重要的意義。
　　本文圍繞提高電力系統(tǒng)暫態(tài)

2、安全性，對(duì)其故障檢測(cè)方法，預(yù)防控制策略展開(kāi)研究。根據(jù)電力系統(tǒng)的傳輸和動(dòng)態(tài)特性，構(gòu)建集成統(tǒng)一潮流控制器(Unified Power Flow Controller, UPFC)的電力系統(tǒng)暫態(tài)數(shù)學(xué)模型。提出了基于極點(diǎn)配置局部遞歸全局前饋((Locally Recurrent Global Forward, LRGF)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)建模方法，并分別討論了基于小波提升和基于在線自適應(yīng)主元分解的電網(wǎng)暫態(tài)故障檢測(cè)。最后，針對(duì)電力系統(tǒng)傳輸線路電流過(guò)載和

3、暫態(tài)非穩(wěn)定情況，提出了采用UPFC作為控制手段，基于障礙函數(shù)和能量函數(shù)的一種預(yù)防控制策略。仿真結(jié)果驗(yàn)證了提出方法的有效性。
　?、籴槍?duì)電網(wǎng)暫態(tài)過(guò)程基于數(shù)據(jù)的建模，提出了一種基于極點(diǎn)配置 LRGF神經(jīng)網(wǎng)絡(luò)。由于對(duì)于動(dòng)態(tài)神經(jīng)元的極點(diǎn)存在于實(shí)軸上和一對(duì)共軛復(fù)數(shù)極點(diǎn)兩種情況，為了避免參數(shù)到穩(wěn)定區(qū)域投影的復(fù)雜性，提出的神經(jīng)網(wǎng)絡(luò)將隱層神經(jīng)元內(nèi)動(dòng)態(tài)濾波器的極點(diǎn)被劃分為依據(jù)極點(diǎn)的情況將神經(jīng)元分成實(shí)極點(diǎn)和復(fù)極點(diǎn)兩部分，通過(guò)函數(shù)權(quán)值的方法將這兩種情況

4、極點(diǎn)的動(dòng)態(tài)部分加權(quán)輸出，同時(shí)針對(duì)這種新的神經(jīng)網(wǎng)絡(luò)特別的采用了求導(dǎo)梯度下降的學(xué)習(xí)算法，通過(guò)極點(diǎn)投影和權(quán)值調(diào)節(jié)學(xué)習(xí)計(jì)算實(shí)現(xiàn)對(duì)電網(wǎng)暫態(tài)特性建模。
　?、卺槍?duì)電網(wǎng)暫態(tài)故障檢測(cè)中殘差信號(hào)分析，提出了一種基于小波提升和自適應(yīng)閾值的檢測(cè)方法。根據(jù)殘差信號(hào)和小波函數(shù)最優(yōu)設(shè)計(jì)原理自適應(yīng)地設(shè)計(jì)小波預(yù)測(cè)算子和更新算子。通過(guò)小波提升方法，將極點(diǎn)配置 LRGF動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)輸出與電力系統(tǒng)輸出作差得到的殘差信號(hào)分解為細(xì)節(jié)信號(hào)和逼近信號(hào)提取故障特征。通過(guò)自適應(yīng)閾

5、值檢測(cè)細(xì)節(jié)信號(hào)和逼近信號(hào)，以及容忍時(shí)間方法檢測(cè)緩變和突變故障。仿真結(jié)果驗(yàn)證了此方法在電網(wǎng)暫態(tài)故障檢測(cè)中的有效性。
　?、坩槍?duì)電網(wǎng)在線暫態(tài)故障檢測(cè)中殘差信號(hào)分析中數(shù)據(jù)處理問(wèn)題，提出了一種基于在線自適應(yīng)主元分解算法。提出的在線自適應(yīng)主成份分解算法通過(guò)以殘差信號(hào)為輸入的主元向量迭代，快速計(jì)算主元特征向量，建立主元模型。通過(guò)主元變換降低被檢測(cè)信號(hào)維度，得到殘差信號(hào)的主元得分。根據(jù)主元得分計(jì)算T2統(tǒng)計(jì)變量和Q統(tǒng)計(jì)變量。通過(guò)T2統(tǒng)計(jì)量反應(yīng)系統(tǒng)

6、PCA模型內(nèi)部變化，Q統(tǒng)計(jì)量反應(yīng)PCA模型與信號(hào)偏差的原理，檢測(cè)系統(tǒng)故障。仿真實(shí)例驗(yàn)證了算法的有效性。
　?、転閼?yīng)對(duì)電網(wǎng)暫態(tài)過(guò)程中電網(wǎng)傳輸線路電流過(guò)載，在統(tǒng)一潮流控制器(UPFC)下，提出了基于障礙函數(shù)和能量函數(shù)的暫態(tài)電流過(guò)載預(yù)防控制方法。通過(guò)能量函數(shù)方法分析電力系統(tǒng)在故障后的暫態(tài)穩(wěn)定性。根據(jù)穩(wěn)定分析結(jié)果，實(shí)施預(yù)防控制策略。與基于仿真法和人工智能法的預(yù)防控制不同，文中通過(guò)構(gòu)建了一種由電網(wǎng)能量函數(shù)和障礙函數(shù)組成的控制李亞普諾夫函數(shù)，