互联电力系统低频振荡分析方法与控制策略研究

1、华北电力大学（北京）博士学位论文互联电力系统低频振荡分析方法与控制策略研究姓名：徐东杰申请学位级别：博士专业：电力系统及其自动化指导教师：贺仁睦20040601兰！皇查盔堂蔓主堂垡堡塞笙三兰茎王量型些三壁墨竺篓蒸坌堑第三章基于量测的互联系统振荡分析引言数学模型的建立通常有两个途径：按物理机理建模和按辨识建模。物理机理建模适用于对物理机理了解较透彻的系统，在电力系统中人们所熟悉的描述同步电机过渡过程的派克方程，小干扰动态过程的模型以及网络潮流方程都属于这一类。其优点是物理概念清晰，便于计算分析。但不足之处是模型是在一定的假设和简化条件下得出的，对于太复杂系统准确描述有很大困难，且无法计及动态过程

2、中一些实际因素的影响。辨识建模是利用待测系统动态过程提供的输入、输出数据，经计算处理后建立数学模型。其特点是无需确切知道系统的物理机理，可计及运行中的一些实际因素，适合机理尚不明确或难以用简单规律描述的动态过程。系统辨识是新兴的学科，而电力系统则是一个比较成熟的工业领域，电力系统是最复杂的动态系统之一，因其高阶数、非线性、时变特性、对控制系统的协调等因素的影响，要得到其准确的物理模型是非常困难的，甚至是不可能的，致使对其分析十分困难。作为一种替代工具，常常使用基于系统输入、输出数据的系统辨识方法。所以将系统辨识技术应用到电力系统，有一个相互结合和发展的过程。总的来说，系统辨识可以为电力系统的数

3、据处理、计算分析、在线调试、闭环控制、故障诊断、工况预报及动态等值等方面提供新的手段。其有关应用如下：（）动态信息的测试和处理。谐波分析、故障录波、扭振分析均可利用频谱分析技术。（）电力系统计算分析用的数学模型。电力系统中的离线分析计算是生产调度决策的重要手段，而数学模型及参数则是计算的主要依据，但是电力系统中传统的数学模型是用物理机理写出的，其参数则采用设计值，是由出厂铭牌数据给出（发电机、励磁系统等），由于电机的铁磁元件在运行中存在饱和、磁滞等现象，实际参数与设计有较大差异，必将影响计算分析的准确度和可信度。而利用动态辨识建模则可以做到模型参数符合运行方式，所以被认为是当前辨识技术在电力系

4、统中最有前途的方面。目前我国利用辨识技术建立电力系统四大参数（发电机、励磁系统、原动机及调速系统、负荷模型）数据库的工作正在积极进行。（）电力系统及其控制系统的在线调试。现代电力系统的自动控制系统曰趋复杂，华北电力大学尊士学位论文第三章基于攮测的互联系统振荡分析些新型的控制系统，诸如、等，已陆续在系统中投入运行。为了使这些装置发挥作用，必须依靠在线测试其动态特性和数学模型并进一步调整和优化萁参数。（）（）（）自适应控制系统中，在线辨识器是其核心。故障诊断。工况预报。电力系统在线等懂。（）分析方法是动态系统辨识中常采用的工具，它具有以下功能：利用分析现场实测数据，进行电网暂态响应的模式识剐（频率

5、、衰减、幅值等信息），得到比小扰动分析更准确的信患；通过对实际系统的分析，可盔接得捌系统中主导特征报及其传递幽数留数等信息，用个最优的系统降阶模型来逼近愿高阶模型，便于和其它控审器的设计“；识剐电网各个动态子系统或分量的参数等，所以，其在电力系统中得到了广泛的重视、应用。迭代分析分析方法介绍分析（）憝近年来得到关注和应用的一种信号处理方法，算法可以通过给定输入信号下的确应惑接馅计系统的振荡频率、衰减、幅值和相对相位”“正是由于这一特点，阻及、等专家学者的大力推广和深入研究，近几年来，该算法已初步应用于电力系统中的一些问题，并丝示如良好的应用前景。年通过研究气体膨张问题提出：各种气体膨胀定律用指

6、数项的线性组合来描述，并提出了一种利用指数项模型拟台被测样本点来提供内插样本的方法。该方法是罐含有个指数项的指数曲线来拟台个数据样本当数据样本个数犬于时，该方法也是在最小二乘意义下实现的。随着当今计算桃技术的发艘，该算法在电力系统叶得到了广泛的重视。提出的用指数函数的一个线性组合来描述等间距采样数据的数学模型以后经过适当扩充，形成了能够直接估算给定信号的频率、衰减、幅债和初相的算法。正是出于遮一特点，该算法在电力系统的响威信号分析中已获得初步的研究成莱并显示出良好的应用前景。特别的，算法提供了一种分析电力系统低频振荡的新手段，分析和仿真表明算法具有相当好的有效性和实用恬。传统的信号分折一般采用

7、傅氏分柝，认为信号由一系列不衰减的正弦频率分量骄组成。蜀更广泛地算法就是假设模型是由一系列的其有任意振幅、楣位、华北电力大学博士学位论文第三章基于量测的互联系统振荡分析频率和衰减因子的指数函数的组台，也就是说，由一组衰减的正弦分量所组成。傅立叶变换和分析的主要差别比较，见下表傅立叶级数非参数方法用于拟合一组不衰渐的复指数项计算信号的幅值、相位、频率分析参数方法用于拟合一组衰渐的复指数项计算信号的幅值、相位、频率、衰减傅立叶级数对带噪声时域信号进行分析时有一些缺点：、实验时域信号是有限时长的，对截取时域信号的傅立叶变换会产生频率摆动，这使得在一个大的峰值附近的小峰值很难被观测到。、由于傅立叶变换

8、在整个频域均匀处理噪声的影响，使得发生频谱偏移。、对连续信号的离散采样会影响得到的频谱信息。、对于衰减信号无法获得足够信息。本节将首先介绍分析的数学基础，然后对其在电力系统中的应用进行说明：令量（）：（，一）（）作为测量数据（），且。卅（以），（一）的模型。更一般的，。和。假定是复数，。（二。）】（）其中，为振幅，巳为相位（单位为弧度），是衰减因子，表示振荡频率，代表采样间隔。为使模拟信号向真实信号逼近，算法采用平方误差最小原则。即：（）一量（）根据上式可以求出振幅、相位、衰减和频率。这是一个求解非线性的最小二乘问题。算法的关键是认识到（）式是一个常系数线性差分方程的齐次解。因此定义多项式妒（

9、）兀（）艺”出（）构造（口。）（）量（）！一“。乘上式，对个乘积求和，一，”一（）兰主研一）：杰岛圭一。一（）华北电力大学博士学位论文第三章基于量测的互联系统振荡分析代入？一？，一，则至量（）：圭岛？一，杰，一：（）上式之所以为零是因为第二项求和恰好是（）位于根处的多项式（。），而妒（，）。即量（）满足递推的差分方程量（）一，置）（）主（）（）（一）（）定义真实的测量数据（）和近似值主（，）为（一）（）将（）代入（）中得（，）一口。（）（）一。（）艺）（一）（）上式表明白噪声中的指数过程是一个（，）模型，它具有相同的和参数，且激励噪声为原加性白噪声（）。参数的最小二乘估计使如）是定义（）最小求

10、出。但是，这将得到一组难于求解的非线性方程。估计参数的线性方法占（）。）使得（）式变为“，一）（）（）一。（）（）（）所以变（）最小为使芝（。）最小，这就是扩充的。算法。即扩充的方法就是求解下列的矩阵方程：工（）（一）（）工（）工（）工（）（）（¨（）（）（）（）或占为使一华北电力大学博士学位论文第三章基于量测的互联系统振荡分析，（）旷瓠。）：艺隆（）月，最小，求。，并令其等于零，结果为。（）（，）（）（）对应的最小误差能量是一（）（）定义（，）（）研一）则式（一）可以写成（，）（，）（，）（，）占力力（，）（，）一啦慨求解此方程即可得到参数口。，口，和最小误差能量，的估计值。因此在

11、理论上可以证明算法计算出的频率与功率估计值方差最小。下面把实际的计算过程介绍一下令（），一构造离散线形预测模型：（）（女一）。（一）丁）（女）。：，（）与之相联系的特征多项式：（）一（。十一”）“一（口“一）（）华北电力大学博士学位论文第三章基于最测的互联系统振荡分析）（）（一）（一）（）（）（一）（）（）（一、（一，一求出，代入（）得到个根乏。推出五。（），求出后，则根据最小二乘法即可解出口。至此，算法所要辨识的参数五，盘。均已得到。此方法中，线性预测模型的阶数很难确定。现在介绍一种扩展的方法：、定义（，）（）（）利用它计算出的样本函数（，）构造矩阵（，）（，）（，）（，。）（，。）（，）（

12、。）（。，）（。，）（。，。）、用方法确定的有效秩及参数，。、求多项式一一得根，（，），并用式主（）一。王（）（）递推计算出王（），其中王（）（）。计算出，占。利用下面各式计算振幅、相位、频率正和衰减因子：。（，）（，）】工（。）（）则逼近函数（，）变为冤（）（口）（。）华北电力大学博士学位论文第三章基于量测的互联系统振荡分析需要注意的是，最重要的参数是数据点数（），和线性预测模型阶数（），这里。：，数据纪录长度应至少包括已知最低频率模式的两个周期。采样必须是等间距的，和要增加，直到信噪比（）接近分贝（），（）（）（）】其中是模型，是输入信号，（）为均方根。的值低会导致分析的误差并且通常意味着

13、线性预测模型的阶数过低。满阶的仿真并不能决定线性预测模型的阶数，与常规不同的是，对给定输入扰动系统的可控性和系统输出模式的可观测性决定了辨识模型的模式。迭代方法传统的方法是通过所研究系统特征多项式所表示的滤波器对实际信号与预测模型的处理来减少线性预测模型的修正误差，而非选择合适的朋参数来减小误差范数，因此牺牲了部分性能。这就成为本节采用迭代计算提高分析精度的主要动机。迭代方法开始于式（）：十占（）式中：占为方程误差，为数据（这里假定为实际数据），为复系数向量，复根矩阵。尽管，占明显为和共同的函数，但是本方法通过对每一个变量的单独优化，保留了原始方法的简洁性。一旦一个根被选定，参数的优化步骤同传

14、统的一样，只是一个通常的最小二乘问题。所以，下面仅对根的优化进行说明，这是一个非线性优化步骤。定义方差：（，）占舻占（一工）吖（矗）这是关于个复根向量，【以（万）逼近（艿）（）】的函数。此时参数被固定，若，（代表第次迭代时的向量，则通过算法，可得到最优化的，值。日耻（国（，仕）晴丌妄矿村占（）式中似和日分别代表次迭代的的梯度向量和矩阵。本算法通过“，十来计算复根向量。其中占通过式（）的牛顿最小化问题得到：（日）（）似是一个很小的正常数，并且通过（）式度量女步迭代时的准确性，越接近表示准确度越高。肛筹攀筹（，华北电力大学博士学位论文第五章智能化方法应用实例第五章智能化方法应用实例引言我国电力系统

15、已步入全国联网的新阶段，随着对电能供应的安全、稳定、经济性要求的日益提高，对电力系统稳定分析与控制的要求也不断提高，主要体现在以下几个方面：）分析上，日益要求面对多机模型处理问题。）日益要求具有在线分析、预测分析的能力。）控制策略上，日益向最优化、适应化、协调化发展。）理论工具上，越来越多地借助现代控制理论、智能技术。）控制手段上，日益增加微机、实时监控设备。针对互联系统低频振荡分析与控制，本章将对其中一些方面进行研究，为解决实际系统发生的振荡稳定问题进行有益地探讨。智能化分析在低频振荡研究中的应用小信号稳定预测在垄断环境下，整个电力系统的发电、输电、配电是统一管理和统一调度的，运行方式安排相

16、对简单，系统运行的安全可靠容易得到保证。随着电力系统竞争机制的引入，电力交易情况多变，电力调度既要保证公平竞争，又要保证安全运行，这就给电力系统分析提出了新的挑战。例如，在电力市场条件下系统潮流可能与计划的大不一样，从而导致暂态稳定水平下降、电压崩溃和低频振荡等稳定性问题的发生。由于电力系统运行过程中难以避免小干扰的存在，个小干扰不稳定的系统在实际中难以正常运行。因此进行传统的电力系统小干扰稳定分析，判断系统在指定的运行方式下是否稳定，是电力系统分析中基本和重要的任务。由于发电厂、电网、用户的多方参与，使得电力系统的运行方式、动态行为更加复杂，如果仍然用传统的分析方法、控制手段，可能根本达不到

17、效果。这就需要我们研究适应电力市场条件下的小信号稳定分析方法及其相应的智能控制策略。在本节中介绍的一种小信号稳定预测方法，是对这种情况下稳定分析的补充。兰！皇垄查堂堡圭兰堡垒壅蔓至垩塑！些互造窒塑差堕传统的电力系统小信号稳定分析，是建立在全系统模型线性化基础上的因此，存在着以下几个问题：、电力系统是迄今为止人类所建立的最复杂的动态系统，高维数、非线性，因此特征值的计算是非常耗时的，而且随着系统规模的不断增大，计算全部特征值变得非常困难；、传统的线性化分析是建立在详细、准确模型基础上的，但是由于电力系统的特点，要想得到完全准确地模型几乎是不可能的；、由于系统日益接近稳定极限，尽管只是微小的扰动发

18、生，可能也无法线性化，这时，传统的方法就无能为力了：、由于电力市场的进行，使得系统的运行方式会经常变动，如果采用传统的特征值分析技术，需要在新的运行方式下的重新计算，这对于控制来说是难以接受的。本节采用的智能化方法，结合了当今最先进的小信号分析软件、数据挖掘技术是今后电力系统稳定研究的趋势。它的主要步骤是：首先利用先进的软件进行离线的小信号稳定分析，争取对可能存在的运行状态进行遍历，得到大量的信息，在通过统计、回归、预测等数据挖掘技术，寻找其中的规律。同时利用在线运行数据进行修正及增量学习，产生相应的智能控制策略。以下将从数据挖掘、小信号稳定分析和它们之间的联系三方面具体介绍。一、数据挖掘、统

19、计分析当今数据库的容量已经达到上万亿字节的水平，在这些大量数据的背后蕴含了很多具有决策意义的信息。为了满足“从海量信息中及时发现有用的知识、提高信息利用率”的目的，数据挖掘技术应运而生，并且引起了信息产业界的极大关注。数据挖掘（），又称数据库中的知识发现（），是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取出隐含的、先前未知的、并且具有潜在决策价值的信息和知识的过程。这一定义包括以下几层含义：（一）数据源是真实的、大量的、可能含有噪声：（二）发现的知识是用户感兴趣的；（三）发现的知识是相对的，而非普遍意义的真理；（四）发现的知识是可接受的、可理解的、可运用的；机器学习算法，

20、例如神经网络和数据挖掘，在数据的知识和模型的提取方面得到日益关注，它们可以处理极其大量的数据，并可以应用于非线性系统。同时它们可以应用并行计算技术，大大提高了灵活性和计算效率。本论文研究工作中采用的数据挖掘工具是最小二乘支持向量积。该理论是由实验室的在年代中期提出的，是一种专门研究小样本情况下机器学习规律的理论，它为解决有限样本学习问题提供了一个统一的框架，可以较好解决原有的很多难题。一兰！皇垄查堂竖主堂堡堡茎整至垩塑壁些互鲨窒旦薹盟一相比较神经网络而言，支持向量机具有一些突出的优点。首先神经网络参数选择对分析处理的效果影响显著，而且没有深厚的专业领域知识，不易寻找到合适的参数组。支持向量机具

21、有很少的几个可调参数，而且参数对分析效果影响并不十分显著。其次，神经网络容易陷入局部极小点、过拟合，而支持向量机较好的解决了这一问题。另外，支持向量机的增量学习功能是另一个亮点。与人工神经网络求解随机权重初值的做法不同，支持向量机的训练过程包括一个求解二次优化问题，它具有唯一解，相同的参数组与相同的训练数据会得到相同的分析结果。这就大大加速了训练过程。二、训练数据的产生为了生成支持向量机（）的训练数据，需要考虑不同的运行方式、潮流条件，网络中每一种新的运行方式都为提供了一种新的训练模式，同时又都与电力系统的稳定性密切相关。在电力系统小信号稳定分析中的一个优点是，它允许选择较少的输入特征进行分析

22、，这对于实际应用意义重大。因为实际系统中的许多特征无法及时、同时得到，而且由于竞争的加剧，电网中可能无法共享必要的数据，的这一突出特点，才使得小信号稳定预测成为可能。为了达到理想的分析效果，训练数据应尽可能涵盖整个系统的运行空间。这个过程非常耗时，不过对离线运算影响不大。根据不同的运行方式数据和动态数据，就可以进行传统的小信号稳定分析、特征值计算。三、小信号稳定分析在本论文工作中，采用加拿大不列颠哥伦比亚省电力技术实验室公司开发的小信号稳定分析工具（）进行。为了评估每一种训练模式的稳定性，采用阻尼比的概念。玉商专：其中正是第个特征值的实部，以是第个特征值的虚部如果系统中最小的一个阻尼比大于一（

23、各国各电网公司的标准不同），这个系统通常被认为是小信号稳定的。因此本节中的稳定判据集中在每一个训练样本的最小阻尼比。仍然以系统来说明这过程。兰！皇垄盔堂堡主兰堡笙苎笙血主塑！出直鲨堡旦！丛翻垒部特征值放大的图形图给出了这一样本全部特征值在复平面的分布，阻尼比也已经标出，图给出了阻尼比较小的几个特征值分布，由图可以看出这一方式的最小阻尼比在一之间。为了产生足够的训练样本，对此测试系统产生个不同的运行方式（因不同的系统规模、复杂程度而变化），利用前个样本训练，最后的个样本用于测试系统性能。这里，采用了工具箱，由丁二系统相对简单，输入变量选择维，包括每台发电机的有功功率以及区域和区域之问联络线传输的

24、有功。为了使用一个模型（具备内核），还需要确定两个参数：和口。（）是规则化参数，它决定着预测函数的拟合误差最小和平槽之间的平衡；（）则是核函数参数。经过部分调整测试，确定最终参数为；：利用，（，）；来训练。图训练结果圉铡试结果由图可以看出，对于前个样本数据的训练，支持向量机得到非常精确的结果，甲均百分比绝对误差（）仅为。生！皇垄奎兰垦主堂垡笙茎笙至童塑墼垡查鲨鏖！型一由图的测试结果可知，对后个测试数据仍然得到令人满意的结果，仅在第个测试样本误差稍大，平均百分比绝对误差为。图给出了预测值和真实值最小阻尼比的误差。图铡试误差四、实际应用过程相角的概念对于描述电力系统在暂态、静态和动态中的行为至关重

25、要。尽管相角对于表示静态正弦波更容易理解，相角的移动、变化可以用来获得电力系统暂态、动态过程的大量信息。随着电力系统的发展和科学技术水平的不断提高，相角测量技术也经历了许多相应的改变，由开始的初步利用数字电子系统到后来的大系统不同安装地点的同步相角测量。同步相角测量在电力系统中具有极大潜力的应用，大致有以下几个方面”：精确测量频率和电压、电流的幅值电力系统状态预测电力系统失稳预测自适应保护集中控制和检测在本节的工作中，相角测量装置（）用来确定电力网络拓扑结构，并估计潮流分布情况。这就是说，可以通过得到所需信息，包括各发电机的发电功率，线路传输功率等，这一信息作为新样本输入，利用上面介绍的智能算

26、法和离线生成的来预测系统小信号稳定性。这种在线安全分析和评估，对电力调度、操作人员具有重要的意义。仿真有效性验证问题一直是电力系统分析的重点和难点，对于小信号稳定分析也是如此，随着电力系统规模、复杂程度、控制设备的不断增加，使得动态稳定分析和特征值计算的结果往往与实际不符，这就要求不断修正预测网络，所具有的独特的增量学习功能使得小信号稳定预测成为可能。具体说来，测量的频率或实际系统的动态行为与预测结果不同或差别较大时，用实际的数据不断修正离线训练的，随着实际数据的不断收集、分析，此模型处理实际系统的能力也不断增强。兰！皇查奎堂竖主堂堡堡苎传输极限的求取第五章智能化方法应用实例在程序功能的基础上

27、，进一步开发了基于小信号稳定的传输极限的智能求取功能，与上一节相同的是程序的流程，不同的是目标函数或者称为稳定性指标，本小节中采用了中小信号稳定指标计算和小信号稳定传输极限搜索的功能模块。中小信号稳定指标计算功能计算正常条件下和故障后的小信号稳定指标。小信号稳定指标定义为系统的机电模式的最小阻尼比。进行此项计算除了需要潮流和动态数据外，还需要小信号稳定指标的初始值和降阶海森矩阵的维数。解特征值时应用的算法是（）算法，对系统的线形矩阵要进行循环单位元变换。稳定传输极限搜索则是在小扰动稳定范围内计算功率的最大安全传输极限。中小信号安全评估功能是为了解决下面的两个问题：决定一个系统在一个指定的运行点

28、的小信号安全状态，这是用小信号稳定安全指标来衡量的。决定一个系统在小信号安全约束下的运行极限，这是通过分析系统在一个小信号指标门槛值下的传输分析实现的。上面的两个问题都可以考虑故障，考虑故障的小信号安全评估采用的是故障后的稳态潮流。系统的小信号安全指标定义为系统的最不稳定功角模式的阻尼比，这个定义不包含控制系统的动态装置。为了计算小信号安全指标，还需要对系统的状态矩阵进行下面的单位圆转换算法：（）叫（一）这个转换算法可以将复平面中的常数阻尼比线转换成一个单位圆，如下图所示：圈单位园变换示意图于是对于一个有大量特征值的系统，求它的最不稳模式的求取就转化成求它的模式的晟大的模。计算将模最大的几个模

29、式都找出来以确保至少有一个功角模式。一华北电力火学博士学位论文第五章智能化方法应用实例小信号稳定极限搜寻：小信号稳定条件下的功率传输极限的确定如下：（参照下图）系统在不同的传输方式下传输的功率分别为：，并且相应的小信号安全因子如图所示。稳定极限就是当安全指标于门槛值相交的值，通过计算，当第一个安全的功率传输与第一个不安全的功率传输的差值很小时，就可以计算出系统在小信号稳定条件下的传输极限。通过预先定义潮流分配方案，潮流分配极限，小信号稳定指标的初始值，降阶海森矩阵的维数，定义不同的潮流方式和动态数据参数组，生成大量的训练样本，可以进行智能化分析处理，具体步骤与上一节基本相同。；功事位水平功事位

30、水平。气圈小信号传输极限搜索数据挖掘技术在电力系统中小信号稳定分析中的应用是一个崭新的课题，它之所以拥有重要的应用价值，是由小信号稳定分析的特殊性质决定的。暂态稳定分析，是一个全非线性的计算过程，同时它所要关注的状态量、测量量规模巨大，通常无法选取作为数据挖掘模型的输入特征，而且，如前凡章所述，时域仿真很难得到引起系统不稳定的原因，且分析结果与观测地点、故障位置等众多因素强相关。这就是到目前为止，数据挖掘技术无法实际应用的原因。而小信号稳定分析，是基于传统的线性化技术，在动态设备变化不大时，仅与潮流运行方式相关，这大大降低了分析问题的难度，又由于观测量的极大减少，使数据挖掘技术实际的应用成为可

31、能。基于遗传算法的参数协调大型同步发电机励磁控制研究长期以来是一个非常活跃的领域，成为各种控制华北电力火学博士学位论文第五章智能化方法应用实例小信号稳定极限搜寻：小信号稳定条件下的功率传输极限的确定如下：（参照下图）系统在不同的传输方式下传输的功率分别为：，并且相应的小信号安全因子如图所示。稳定极限就是当安全指标于门槛值相交的值，通过计算，当第一个安全的功率传输与第一个不安全的功率传输的差值很小时，就可以计算出系统在小信号稳定条件下的传输极限。通过预先定义潮流分配方案，潮流分配极限，小信号稳定指标的初始值，降阶海森矩阵的维数，定义不同的潮流方式和动态数据参数组，生成大量的训练样本，可以进行智能

32、化分析处理，具体步骤与上一节基本相同。；功事位水平功事位水平。气圈小信号传输极限搜索数据挖掘技术在电力系统中小信号稳定分析中的应用是一个崭新的课题，它之所以拥有重要的应用价值，是由小信号稳定分析的特殊性质决定的。暂态稳定分析，是一个全非线性的计算过程，同时它所要关注的状态量、测量量规模巨大，通常无法选取作为数据挖掘模型的输入特征，而且，如前凡章所述，时域仿真很难得到引起系统不稳定的原因，且分析结果与观测地点、故障位置等众多因素强相关。这就是到目前为止，数据挖掘技术无法实际应用的原因。而小信号稳定分析，是基于传统的线性化技术，在动态设备变化不大时，仅与潮流运行方式相关，这大大降低了分析问题的难度

33、，又由于观测量的极大减少，使数据挖掘技术实际的应用成为可能。基于遗传算法的参数协调大型同步发电机励磁控制研究长期以来是一个非常活跃的领域，成为各种控制兰韭皇垄盔堂堡主兰堡笙奎苎互重塑堕些互堕些旦窒丛理论和方法的“试金石”，经过多年的探索，在理论和实践上，都已取得了丰硕的成果励磁控制的主要目标包括：高精度的电压调节功能：机组无功功率分配功能：提供适当的人工阻尼和提高系统稳定性和传输功率的功能，其中稳定性主要指功角稳定性（包括静态、暂态和动态稳定性）和电压稳定性。电力系统稳定器作为抑制低频振荡的有效手段，得到广泛应用。它的基本功能是通过附加稳定信号控制励磁以对发电机转子振荡提供阻尼。为了提供阻尼，

34、稳定器必须产生一个与转子转速偏差同相的电气转矩分量。下图中的含有四个环节：增益、信号过滤环节、和两个相位补偿环节。增益信号过滤相位补偿相位补偿相位补偿环节提供了适当的相位超前特性以补偿励磁机输入和发电机电气（气隙）转矩之间的相位滞后。一般感兴趣的频率范围是，因而相位超前网络应在整个频带范围内提供补偿。待补偿的相位特性随系统的运行条件而变，因此，折衷的方法是选择适用于不同系统条件的特性。通常略微欠补偿是希望的，因为这时除了增加阻尼转矩外，还对同步转矩有微小增加。信号过滤环节是一种高通滤波器，它用很大的时间常数瓦以使得在处的振荡信号通过时不改变。如果没有它，速度的稳态变化将改变端电压。从隔直功能的

35、观点看，瓦取值并不严格，可以在的范围内。主要考虑为：其值应足够大，以便让与转子速度振荡有关的信号毫无改变的通过。但也不可大到使得系统处于解列运行状况时，由于稳定器的作用而导致发电机电压漂移。对于的就地模式，隔直时间常数选为即可满足。对于区间振荡，需要或以上的时间常数。主要原因是，较低的时间常数在低频时会导致较大的相位超前，可能使区间频率下的同步转矩分量降低，导致扰动后区域间摆动增大。稳定器的增益决定了产生阻尼的大小。理想情况下这个增益应当设定在对应最大阻尼下的值，但实际系统中常常受到其它因素的限制。随着增益的增大，阻尼也相应增加，但超过某一点后，增益的继续增加反而会使阻尼降低。控制目标，通常为

36、：）对就地机组模式提供良好阻尼的同时，对区域互联模式也可提供好的作用，同时不影响其它模式的稳定性。）提高小信号稳定性的同时，增强系统的暂态稳定性。当发生严重的系统扰动而造成大的频率偏移时，应当避免对系统性能产生不利的影响。）使励磁系统因部件失效而导致误动作的后果最小。对于多机系统，通常的作法是先在以上介绍的单机方法下进行设计，然后一华北电力大学博士学位论文第五章智能化方法应用实例再予以协调，或设计后通过计算检验其在多机系统中的适用性，并在现场投入运行前进一步作实际校核。目前多机协调问题和多运行方式下参数鲁棒性问题仍在深入研究中。本节将讨论利用遗传算法进行多运行方式下多机参数协调的方法。遗传算法

37、简称（）是年由美国大学的教授提出的模拟自然界遗传机制和生物进化论而成的一种并行随机搜索最优化方法。它将“优胜劣汰，适者生存”的生物进化原理引入优化参数形成的编码串联群体中，按照所选则的适配值函数并通过遗传中的复制、交叉及变异对个体进行筛选，使适配值高的个体被保留下来，组成新的群体，新的群体既继承了上一代的信息，又优于上一代。这样周而复始，群体中个体适应度不断提高，直到满足一定的条件。其算法简单，可并行处理，能得到全局最优解。遗传算法的主要特点包括：（）遗传算法是对参数的编码进行操作，而非对参数本身；（）遗传算法是从许多点开始并行操作，而非局限于一点（内部），及其固有的并行特性（外部）；（）遗传

38、算法通过目标函数来计算适配值，而不需要其他推导，从而对问题的依赖性较小；（）遗传算法的寻优规则是由概率决定的，而非确定性的；（）遗传算法在解空间进行高效启发式搜索，而非盲目地穷举或完全随机搜索；（）遗传算法对于待寻优的函数基本上无限制，它既不要求函数连续，也不要求函数可微，既可以是数学解析式所表示的显函数，又可以是映射矩阵甚至是神经网络的隐函数，因而应用范围较广；（）遗传算法对给定问题，可以产生许多的潜在解，最终选择可以由使用者确定。本节讨论基于遗传算法的多机参数的优化调整，控制器用提供的控制系统工具箱和（）设计，所有的仿真和线性化模型都通过（小信号分析工具）获得。为了保证参数具有良好的性能和

39、鲁棒性，在分析计算中，将描述多机电力系统阻尼控制器在多种运行方式范围内参数调整的过程。对于每一运行方式，利用可以得到阻尼控制器的线性模型。确保在设定的运行点有最大阻尼性能的阻尼控制器参数选择的问题通过遗传算法优化基于特征值的性能指标的过程来解决。设五，口，±，是闭环系统矩阵屯的第个特征值（模式），仍采用前面的阻尼比（量）定义。设互。是第种运行方式对应的阻尼比善，（卢，门）的向量，是闭环矩阵，模式的总数目。那么基于遗传算的优化方法的目标函数可以写成下面的形式：（。），约束条件是：华北电力大学博士学位论文。，。一第五章智能化方法应用实例五；五瓦。疋一寻优前，可以先大致确定参数的范围，尤其

40、是相位补偿的时间常数范围。确定相位补偿的第一步是计算励磁机输入与发电机电气转矩间的频率响应，为此可采用诸如、之类的程序。需要注意的是，在计算频率响应时，发电机转速和转子角应保持恒定。这是因为当调制发电机励磁时，所产生的电气转矩的变化会引起转子速度和角度的变化，并进而影响电气转矩。由于我们仅对励磁机输入和电气转矩问的相位特性感兴趣，这种由转子角度变化引起的反馈作用应通过保持速度恒定来消除。因此，作为频率的函数的相位特性可以假定研究中的发电机具有大惯性而获得（实际惯性的倍）。由此可保证速度和角度在稳定器设计的重要频率范围内不会变化（）。任何发电机所需的频率响应对其机端的戴维南等值系统阻抗是很敏感的

41、，但对其他发电机的动态行为而言是相对无关的。因而假定将所有其它发电机当作无穷大母线处理是合适的。由此可消除这些发电机的动态对频率响应计算的影响，但仍保持研究中的发电机机端戴维南阻抗正确无误。最终的相位特性具有相对简单的形式而不受外部发电机自然频率的影响。第个控制器的传递函数如下：矿，“一”。（瓦）（一。）（）。（）（，）（）为了计算简化，可以依据的特点将，瓦，疋固定（当然也可同时寻优），设定瓦，。瓦，那么遗传算法决定的参数就是。，正，瓦。，算法流程简述如下：（）确定遗传算法的一系列遗传因子；（）定义目标函数；（）控制器参数赋值，求出所有阻尼比中的最小值作为个体的适应度。（）根据适应度的大小保留

42、个体；（）如果种群中最好个体的阻尼比满足要求或者到达最大迭代次数，计算终止，否则转（）。以新英格兰节点系统为例，考虑两种典型运行方式：运行方式一见附录的详细数据。运行方式一减少其中几个负荷节点的有功负荷。对（方式）进行特征值分析，结果如下：编号实部，虚部频率（）阻尼比（）：主导状态：啵：由小信号稳定分析知，存在多个弱阻尼振荡模式，下面仅以两个模式说明：对于模华北电力人学博士学位论文第五章智能化方法应用实例式，主导状态：，由模态图、参与因子等可知，这一就地模式主要为、与、之问的振荡组成，参与程度最大，较大，由图看出，在、上加装有利于抑制这模式。对于模式，主导状态：，由模态图、参与因子等可知，这一区域模式主要为与其余机组之间的振荡组成，参与程度最大，但是为一等值机，无法加装控制，可以在其它所有机组上加装抑制这一模式。些！皇垄奎兰垫±堂垡丝奎箜至童堡壁堡