分布式新能源配电网输出线路负载诊断模型分析

吴 健, 吴奎华, 崔 灿, 李 昭, 王延朔, 张博颐

(国网山东省电力公司 经济技术研究院, 济南 250000)

分布式发电主要以投资少、安装方便等优点得以迅速发展.但是随着分布式电源接入量不断增加,导致原始的配电网络发生了改变[1].现阶段含有风能、太阳能等新能源的配电网正在被广泛应用,它能够有效代替部分火力发电[2],减少能源的消耗与环境污染,同时也能够实现可持续发展.如何在一个大型的配电网络中,完成分布式新能源配电网输出线路负载诊断成为当前关注的热点问题,并且其对于配电网操作以及规划等都具有十分重要的意义,相关学者对此展开了研究.

顾雪平等[3]提出基于结构平衡理论的电网自组织临界态辨识方法,该文将电网输电线路虚拟为节点,综合考虑线路初始负载率、负载率增量的平均值,在此基础上分析了电力系统运行状态平衡结构,但该方法在不同线路状态下的估计误差不稳定;徐帅[4]提出了计及多种分布式能源的交直流混合电网建模方法,在PSCAD中构建交直流混合电网的仿真模型,经实验获得了电网的稳态特性和故障特性,但该方法获取电网特性的运行时间较长.

为进一步完善新能源背景下对配电网线路负载的研究,本文提出了一种分布式新能源配电网输出线路负载诊断模型,分析输电网线路运行参数,组建分布式电源的电力网络等值电路,用以消除电网耦合.考虑输电线路的直流分量与谐波分量,利用傅里叶变换提取基波正序分量.基于上述过程,利用和声搜索算法构建输出线路负载诊断模型,并且利用该模型展开相关的研究工作.

1 负载诊断模型分析

1.1 线路运行参数分析

电力系统主要是由多个不同的基本元件组成,包括发电机、变压器等,其中确定电力系统不同元件的数学模型是电力系统分析的基础,而这些元件及应用场合需根据国家电网规定的连接形式利用输电线进行连接[5].

在输电线正常连通情况下,线路产生负载,为优化输电线路运行状态,需预测并诊断其负载情况[6].通过分析先验信息可知,总体测试建模方法是目前组建分布式新能源配电网输出线路负载诊断最为有效的方法,但在建模过程中需要采集大量的数据样本进行测试[7].目前,分布式发电仍然处于发展初期,有关新能源数据的采集变得十分困难.

若获取相关测试样本,需要组建分布式电源的电力网络等值电路,以实现模型的组建.通过配电网等值替换,可消除电网输电线工作状态中存在的耦合现象[8].在此基础上,构建等值电路耦合现象的数据消除函数,则有

(1)

式中:Un、In为耦合状态下输电线路的电压及电流;Eopenn为耦合电能.

其中励磁系统选用可控硅励磁,而电网的发动原理以及调度系统采用了非线性模型表示[9],主要是为了提升系统的准确性.硅励磁系统的非线性控制模型为

(2)

式中:Ut为实时电压数值;At为实时电流数值;γ为非线性影响系数.一般情况下,分布式新能源配电网输出线路负载选用三相基波正序数据,针对电力系统而言,能够实时调整系统的采样频率[10].但由于分布式发电系统选用电力电子装置,在计算过程中会引入谐波,所以,在采集建模过程所需要的样本时,需进行基波正序分量的提取.在提取分量时,需考虑输电线路中的直流分量以及谐波分量,直流分量I(x)以及谐波分量B(x)分别表示为

(3)

B(x)=I(x)ε

(4)

式中:nt为t时刻的实时直流电阻值;ε为基波有效值.

结合式(3)与式(4),利用傅里叶变换的相关原理[11]能够获取总电路基波分量的幅值为

(5)

式中:θ为直流分量衰减时间常数;ω为余弦电流相位.

通过对总电路基波分量幅值的分析计算,能够获取电压及电流基波分量.由于输电线路中电流SA和电压的基波信号SU是以复数形式存在的,则有

SA=biXi-At+αiAt

(6)

SU=biXi-Ut+αiUt

(7)

式中:Xi为输电线路基波分量的有效值;αi为输电线路基波分量的初始相位.

上述完成了分布式新能源配电网输出线路运行参数的获取,为负载诊断提供可靠数据.

1.2 线路负载参数的提取

首先计算线路的正序分量[12],然后利用计算结果识别负载数据的动态参数辨识函数,最后通过实测数据与响应数据的辨识完成负载参数信息的提取.分布式新能源配电网输出线路的正序分量计算式为

(8)

动态参数模型的辨识主要由规则以及算法两部分所组成[13].本文在进行建模过程中,将实测数据和响应数据之间的残差平方作为目标函数,即

(9)

式中,yk为实测数据样本k的拟合值.

组建分布式新能源配电网输出线路负载参数信息提取模型,其表达式为

(10)

式中:L为线路电感值;uq为最终谐波分量幅值;ug为最初谐波分量幅值.

1.3 基于HSA算法的输出线路负载诊断模型

现阶段遇到的优化问题大部分都十分复杂,为了更好地完成优化,相关专家提出了一种和声搜索算法(harmony search algorithm,HSA).HSA算法相比其它算法优势较为明显的[14-16],具体如下:1)能够处理离散变量以及连续变量;2)不需要设定各个变量的初始值;3)能够忽略局部最优解;4)能够通过数据库的相关经验进行搜索校正.

算法的具体流程如下:

1) 将相关问题公式化.本文以负载参数信息提取模型作为负载诊断问题公式化函数.

2) 对参数进行初始化处理.

3) 对初始化参数进行更新处理,形成最新解,即

G(x)=δ(x)βη

(11)

式中:β为更新时间;η为更新系数.

4) 利用最新解更新参数库;

5) 算法迭代,直至迭代至最新负载参数.

利用HSA算法实现分布式新能源配电网输出线路负载诊断模型的构建过程中,需考虑定子侧以及转子侧的电压、磁链对电线负载的影响[17],故需先求解其数值.定子侧电压计算表达式为

Uds=rsids+λqs+biλds

(12)

式中:rs为定子绕组频率;ids为定子d轴转速;λds、λqs为定子d、q轴频率.

转子侧电压计算表达式为

Udr=rridr+λqr+λdr

(13)

式中:rr为转子电流频率;idr为转子d轴转速;λdr、λqr为转子d、q轴频率.

定子侧以及转子侧磁链计算表达式[18]为

Ts=Te(λdsiqs-λqsids)

(14)

Tr=Ts(Udridr-Udsiqr)

(15)

式中,Te为电磁转矩.所组建的分布式新能源配电网输出线路负载诊断模型[19-20]可表示为

(16)

基于上述过程,完成分布式新能源配电网输出线路的负载诊断.

2 实例分析

以某电网公司监测平台为例进行实验,分析分布式新能源配电网输出线路负载状态,设置所有线路运行数据的检测周期为1 h.在电力系统电磁机电暂态混合仿真软件DIgSILENT中搭建了电网系统,并详细模拟了电网运行时输出线路上的电压、电流及负载等情况,具体电网结构如图1所示.

图1 电网结构图

图1中电网内部馈线A与馈线B接入重要负荷,馈线C接入普通负荷,每个电源出口均配备功率与电压控制器,当电网出现故障时启动隔离装置,以保证重要负荷的持续供电.

设计仿真对比实验,对比方法为基于结构平衡理论的电网自组织临界态辨识(文献[3])与计及多种分布式能源的交直流混合电网建模(文献[4])两种方法.

2.1 瞬时状态响应的有效性

实验初始电压为308 V,设置并网运行工况,在区域5线路运行6 s时突然降低线路电压,使其发生电压跳变,检验诊断模型是否能有效检验线路的异常情况.电压跳变实际情况如图2所示.利用两种对比方法及本文方法检测电压跳变情况,得到的电压检测结果如图3所示.

图2 电压跳变实际情况

图3 不同方法检测电压跳变结果

对比图2、3可知,本文设计的负载诊断模型能够在6 s处检测到输出电路异常变化情况,且在较短时间内使电压恢复到接近原电压值;文献[3]测得电压跳变的时间点滞后;文献[4]测得电压跳变的时间点超前,且恢复电压值与原电压值相差较大.由于本文在检测输电线工作状态时,构建了等值电路耦合现象的数据消除函数E(x),通过电网节点与负荷节点间的对应关系,消除电网耦合状态的影响,从而提高诊断检测的及时性.

2.2 模型估计误差分析

利用本文设计模型、文献[3]及文献[4]方法对电网并网运行状态下区域3的有功功率进行检测,并以监测平台在2019年8月12日监测的电网数据作为对照输出参数,3种方法估计结果与实际结果的对比如图4所示.分析图4可知,所设计模型的有功功率预测值与真实值最为接近,说明所组建模型是有效的.

图4 诊断模型有功功率真实值和估计值

2.3 运行时间对比

为了进一步验证本文所提诊断方法在检测速度上的优势,基于上述实验环境,利用不同方法检测图1所示电网结构中区域1～5的所有线路的电流、电压、负载等情况,具体实验耗时结果如表1所示.

表1 不同方法检测电网区域1～5的运行时间对比

由表1实验数据可知,所设计模型的运行时间在3种模型中最低,平均运行时间为10.68 s,充分验证了所设计模型的检测有效性,同时也能够有效提升模型的故障诊断效率.

3 结 论

针对现有配电网输出线路负载诊断模型存在的估计误差不理想的问题,研究并设计了一种分布式新能源配电网输出线路负载诊断模型,基于电网等效电路,结合耦合消除函数调节机制,构建了分布式新能源配电网输出线路负荷参数提取方法.利用HSA搜索算法建立了输出线负荷诊断模型,保证了其在网络故障和瞬态情况下的有效性.通过相关的实验数据验证了所组建模型的综合有效性,检测不同区域的运行时间平均值为10.68 s,优于对比的两种方法,说明该研究在分布式新能源配电网输出线路负载诊断方面具有一定的优势.