PDF《考虑量测坏数据的发电机动态状态估计方法》

1 8 ] . 本文提出了一种改进 UK F 算法, 通过推导每 个时间步长的量测量残差方程, 得到一定误检概率 下的残差阈值曲线来检测坏数据.当出现多个量测 超阈值现象时, 本文通过一种迭代排除的方式辨识 出所有存在坏数据的量测, 并且能排除电力系统残 差污染可能带来的误检测.最后, 算法将坏数据全 部剔除之后重新进行状态估计以达到修正的目的. 这种方法不仅在稳定状态下可以满足估计要求, 在 系统发生大扰动甚至故障时仍然适用.算例结果表 明本文方法在坏数据存在的情况下仍然有良好的估 计效果.

0 4

1 第4 1卷第1 4期2017年7月2 5日Vol.41N o .

1 4J u l y2 5,

2 0

1 7 D O I :

1 0.

7 5

0 0 / A E P S

2 0

1 6

0 8

1 9

0 0

2 h t t p : / / ww w. a e p s G i n f o . c o m

1 发电机动态状态估计模型 1.

1 动态状态估计框架 状态量是可以确定动态系统运行状态的最小的 变量数[

1 9] .动态状态估计中同步发电机的详细建 模能让系统操作员准确地评估系统状态, 在大扰动 之后能迅速采取控制行动.因此尽可能全面考虑机 电模型十分重要.发电机动态状态估计模型中考虑 了调速器时算法的精度优于限定机械转矩恒定的动 态状态估计[

2 0 ] .因此, 本文建立发电机动态状态估 计模型时考虑了发电机所带的励磁系统 和调速系 统.本文利用 PMU 对发电机机端电压、 电流以及 输出电磁功率进行测量, 不必基于网络拓扑约束对 电磁功率进行计算, 实现发电机和外部网络解耦. 由于发电机转子的内在惯性, 发电机的状态变 量不会发生突变.考虑系统机电暂态过程, 本文所 用的转子运动方程见附录 A, 励磁机和调速器模型 详见附录 A 图A1和图 A 2. 因此本文 所估计的状态量分为3个部分, 即x=[ xg, x l, xt] .发电机部分状态矩阵为xg, 具体 状态 量见式(1) ;

励磁系统有4个状态变量, 见式(

2 ) ;

调速器部分有一个状态变量, 见式(

3 ) . xg= δ ω Eq ′ Eq ″ Ed ′ Ed ″ [ ] (

1 ) x l= vm vr

1 vr

2 v f [ ] (

2 ) xt=[ t g] (

3 ) 式中: δ 和ω 分别为发电机转子功角和电角度标幺 值;

Ed ′和Eq ′分别为直轴和交轴的暂态电动势;

Ed ″ 和Eq ″分别为直轴和交轴的次暂态电动势;

vm 为节 点电压采样值;

vr

1 和vr

2 为励磁系统传递函数的中 间状态变量;

v f 为定子励磁电动势;

t g 为调速系统 传递函数的中间状态变量. 根据从 PMU 中获取的数据挑选一些物理量作 为UK F 的量测更新量[

2 1] : y = [ I r, I i, Pe, Qe, Δ ω] T .其中, I r 和I i 分别为发电机终端可测得的 电流的实部和虚部;

Pe 和Qe 分别为发电机终端可 测得的有功和无功功率;

Δ ω 为发电机转 子转速偏 差. 由于电流作为动态系统的量测量, 则系统输入 为节点电压的实部和虚部, 即u=[ vx , vy ] T . 1.

2 动态状态估计模型 考虑励磁机、 调速器的发电机动态估计的状态 方程可以写为如下形式: d x d t =fu( x, u) (

4 ) 将式(

4 ) 差分化, 得到: xk+1= xk + h fu( xk , u k) (

5 ) 式中: xk 为状态变量真实值;

下标k 表示第k 时刻;

h 为时间步长. 可得动态状态估计模型为: xk =f( xk-1) +wk-1 yk = h( xk) + v k wk-1~N( 0, Rk-1) v k ~N( 0, Qk) ì ? í ? ? ? ? ? (

6 ) 式中: f( ?) 和h( ?) 为非线性向量方程;

wk-1 为k-1时刻的高斯过程噪声;