發(fā)布時(shí)間：2020-05-27 09:34

【摘要】：電力能源的持續(xù)供應(yīng)是現(xiàn)代社會(huì)經(jīng)濟(jì)飛速發(fā)展的基礎(chǔ)保障。最新的全球可再生能源報(bào)告指出,2016年全球再生能源裝機(jī)容量高達(dá)2017GW。隨著分布式可再生能源發(fā)電的不斷引入與電力系統(tǒng)規(guī)模的迅速壯大,電網(wǎng)的結(jié)構(gòu)與運(yùn)行方式愈加復(fù)雜,對(duì)系統(tǒng)的穩(wěn)定運(yùn)行提出更高挑戰(zhàn)。為解決以上問(wèn)題,運(yùn)用同步相量測(cè)量單元(Phasor Measurement Unit,PMU)對(duì)全網(wǎng)各區(qū)域信息進(jìn)行實(shí)時(shí)采集,為故障分析提供數(shù)據(jù)來(lái)源,研究及時(shí)有效的故障非線性診斷方法,實(shí)現(xiàn)快速的故障時(shí)刻判斷與準(zhǔn)確的故障位置識(shí)別,對(duì)于保證電力系統(tǒng)安全穩(wěn)定運(yùn)行具有重要的研究?jī)r(jià)值及實(shí)用意義。本文基于PMU提供的數(shù)據(jù)信息,將核主成分分析(Kernel Principal Component Analysis,KPCA)、海賽局部線性嵌入(Hessian Locally Linear Embedding,HLLE)、Nystr?m近似理論引入電力系統(tǒng)故障診斷中,提出新的非線性診斷方法,有效解決目前已有算法存在的故障元件定位精度不高、計(jì)算復(fù)雜度過(guò)高、信息時(shí)變特性難以追蹤等問(wèn)題,同時(shí)運(yùn)用MATLAB軟件完成了相應(yīng)的仿真實(shí)驗(yàn),得到良好的驗(yàn)證效果。主要工作及創(chuàng)新性如下:(1)綜述了電力系統(tǒng)故障診斷方法的發(fā)展現(xiàn)狀,分析了PMU的基本原理及其在電力系統(tǒng)中的應(yīng)用,研究了目前已有的電力系統(tǒng)故障診斷方法,分析現(xiàn)有算法的局限性,為新算法的理論探索與性能分析提供技術(shù)支撐。(2)針對(duì)數(shù)據(jù)驅(qū)動(dòng)類電力系統(tǒng)故障診斷算法多數(shù)為線性變換方法,難以有效提取PMU信息的非線性特征,影響相應(yīng)的故障檢測(cè)與故障元件定位準(zhǔn)確性的問(wèn)題,將KPCA方法引入電力系統(tǒng)故障定位領(lǐng)域,借助比例因子推導(dǎo)出多項(xiàng)式核函數(shù)的偏導(dǎo)數(shù),得到各母線節(jié)點(diǎn)對(duì)統(tǒng)計(jì)量的貢獻(xiàn)率,確定故障元件位置并判斷故障后整個(gè)系統(tǒng)的波動(dòng)情況,進(jìn)而提出基于KPCA的電力系統(tǒng)故障元件定位方法。與基于主成分分析(Principal Component Analysis,PCA)的電力系統(tǒng)故障診斷方法相比,所提算法具有更低的誤報(bào)率與更優(yōu)的定位效果。(3)KPCA方法需要復(fù)雜的非線性映射,增加了算法的計(jì)算復(fù)雜度。為此,探索HLLE理論在電力系統(tǒng)故障檢測(cè)中的應(yīng)用,對(duì)PMU提供的海量數(shù)據(jù)進(jìn)行有效壓縮,運(yùn)用局部線性回歸估計(jì)高維空間與低維嵌入空間的映射函數(shù),降低新數(shù)據(jù)處理時(shí)的計(jì)算復(fù)雜度。以此為基礎(chǔ),提出基于HLLE的電力系統(tǒng)故障檢測(cè)方法。與基于KPCA的電力系統(tǒng)故障檢測(cè)方法相比,所提算法在保證檢測(cè)性能基本不變的基礎(chǔ)上,可以大幅度降低相應(yīng)的檢測(cè)時(shí)間。(4)PMU測(cè)量數(shù)據(jù)具有時(shí)變特征,引入移動(dòng)窗實(shí)現(xiàn)KPCA模型與控制限的動(dòng)態(tài)變化,解決算法難以自適應(yīng)調(diào)節(jié)而導(dǎo)致新的穩(wěn)定狀態(tài)被誤判為故障的問(wèn)題,針對(duì)KPCA算法中高維核矩陣構(gòu)建與特征值分解帶來(lái)的繁重計(jì)算負(fù)擔(dān),運(yùn)用Nystr?m近似理論實(shí)現(xiàn)核矩陣、特征值和特征向量的近似重構(gòu),從而提出基于移動(dòng)窗Nystr?m核主成分分析(Moving Window Nystr?m KPCA,MWNKPCA)的電力系統(tǒng)故障診斷新方法。較基于移動(dòng)窗核主成分分析(Moving Window KPCA,MWKPCA)的電力系統(tǒng)故障診斷方法,所提算法在保證檢測(cè)性能基本不變的基礎(chǔ)上,降低約37%的運(yùn)行時(shí)間,并能有效識(shí)別故障元件位置。上述研究探索了KPCA方法、HLLE方法、Nystr?m近似方法在電力系統(tǒng)故障診斷領(lǐng)域的應(yīng)用,為電力系統(tǒng)穩(wěn)定安全運(yùn)行、實(shí)時(shí)監(jiān)控保護(hù)提供技術(shù)支撐。
【圖文】：

.2 PMU 在電力系統(tǒng)中的應(yīng)用本小節(jié)介紹 PMU 測(cè)量數(shù)據(jù)在電力系統(tǒng)動(dòng)態(tài)實(shí)時(shí)監(jiān)測(cè)控制、狀態(tài)估計(jì)、暫態(tài)控制等方面的應(yīng)用情況。）電力系統(tǒng)動(dòng)態(tài)實(shí)時(shí)監(jiān)測(cè)控制實(shí)時(shí)監(jiān)控的目的是向調(diào)度人員提供電力系統(tǒng)在線運(yùn)行情況，進(jìn)而提高正常情人員的操作效率，同時(shí)允許操作人員在異常情況下進(jìn)行問(wèn)題的檢測(cè)、預(yù)測(cè)和糾于 SCADA 系統(tǒng)秒級(jí)的數(shù)據(jù)刷新速率，，PMU 擁有更高的數(shù)據(jù)采集速率，為系實(shí)時(shí)運(yùn)行分析提供數(shù)據(jù)來(lái)源。以此為基礎(chǔ)，文獻(xiàn)[33]提出了以 PMU 為基本組新型全網(wǎng)實(shí)時(shí)監(jiān)測(cè)系統(tǒng)的整體構(gòu)架。）電力系統(tǒng)狀態(tài)估計(jì)狀態(tài)估計(jì)可以提供系統(tǒng)狀態(tài)的最優(yōu)估計(jì)，是能源管理系統(tǒng)（Energy Managetem, EMS）的重要功能之一[34]。傳統(tǒng)的狀態(tài)估計(jì)運(yùn)用 SCADA 系統(tǒng)測(cè)量到的電

吉林大學(xué)碩士學(xué)位論文5 仿真分析本節(jié)通過(guò)兩組仿真實(shí)驗(yàn)評(píng)價(jià)所提算法的故障定位性能，并與基于PCA的電力診斷方法進(jìn)行對(duì)比分析。如圖3.1所示，運(yùn)用Simulink仿真軟件平臺(tái)搭建IEE統(tǒng)，其中包含9條母線與3臺(tái)發(fā)電機(jī)。假設(shè)每個(gè)節(jié)點(diǎn)都安裝了一個(gè)PMU，其采50Hz。2T 統(tǒng)計(jì)量與Q 統(tǒng)計(jì)量的置信度為0.99，方差貢獻(xiàn)率為80%。為了進(jìn)一際系統(tǒng)，在仿真得到的正序電壓數(shù)據(jù)中加入高斯白噪聲[42]。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TM711

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李勇;;電力系統(tǒng)故障判斷現(xiàn)狀及發(fā)展趨勢(shì)[J];低碳世界;2018年08期

2 趙建文;劉繼彥;;北美電力系統(tǒng)故障的幾個(gè)原因[J];科技展望;2016年35期

3 許奇歆;王榮杰;周海峰;;電力系統(tǒng)故障預(yù)測(cè)方法研究[J];電工文摘;2016年06期

4 劉朋;張栓;;淺析經(jīng)驗(yàn)?zāi)B(tài)分解在電力系統(tǒng)故障中的應(yīng)用[J];黑龍江科技信息;2017年03期

5 馮雪;;企業(yè)電力系統(tǒng)故障檢修及預(yù)防分析[J];東方企業(yè)文化;2015年09期

6 馮繼超;;討論研究電力系統(tǒng)故障和危及安全運(yùn)行的異常工況措施[J];赤子(下旬);2016年04期

7 米麟書(shū),劉芳寧;伴有拓?fù)浣Y(jié)構(gòu)與參數(shù)變化的大型電力系統(tǒng)故障的計(jì)算方法[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年03期

8 徐強(qiáng)超;劉洋;鄺國(guó)安;勞志p

本文編號(hào)：2683333