新能源电力系统振荡薄弱点定位方法研究

马骏超，高 磊，陈晓刚，吕 敬，彭 琰，王晨旭，刘佳宁

（1. 国网浙江省电力有限公司电力科学研究院，杭州 310014；2. 电力传输与功率变换控制教育部重点实验室（上海交通大学），上海 200240；3. 国网浙江省电力有限公司，杭州 310007）

0 引言

近年来，以风电、光伏为主的新能源电力系统快速发展，同时也引发了一系列宽频振荡问题［1-5］，成为构建新型电力系统的关键挑战之一。国内外新能源并网振荡问题时有发生，如2009 年10 月美国德州某双馈风电场与串补电网间发生频率约20 Hz的次同步振荡事故［6］，造成大量风机的crowbar电路损坏和脱网；2011年以来我国河北沽源地区风电场发生了上百次由风电机群与串补电网相互作用而引发的频率在3～10 Hz 的次同步振荡，造成变压器异常振动和大量风机脱网［7］；2013 年德国北海BorWin1 海上风电柔直送出系统发生了250 Hz 左右的中频振荡现象［8］；2020 年张北新能源柔直电网工程投运以来，相继出现了数十Hz 至数千Hz 的宽频振荡现象［9］；2021 年底，如东海上风电柔直送出工程相继出现了2 kHz 和320 Hz左右的中高频振荡现象［10］。

屡屡发生的振荡事件逐渐引起了学术界和工业界的广泛关注。宽频振荡不同频率分量之间的相互作用可能会激发新的振荡形态，导致多种形态的振荡在电网中共存，从而造成振荡能量在电网中大范围传播。为了有针对性地抑制振荡现象，快速定位振荡源是保障系统安全稳定的重要手段，目前国内外在振荡源定位方面已开展了一些研究［11-15］。文献［11］针对低频振荡提出一种基于WAMS（广域测量系统）信息构建电网割集计算振荡能量的方法，通过振荡能量流出的割集定位低频振荡。能量法或其衍生的方法在低频振荡扰动源定位方面得到广泛应用［12］，但能否将其应用于宽频振荡的扰动源定位还有待进一步研究。文献［13］针对次同步振荡提出基于数据的能量流方法，通过量测数据计算系统的总能量与振幅，从而判断消耗能量的元件对振荡衰减的贡献，不再依赖能量函数，但其能否应用于更复杂的工况还有待进一步验证。随着人工智能技术的快速发展，基于人工智能的振荡源定位方法在电力系统中有一定的应用前景。文献［14］提出了一种基于深度迁移学习的风电场次同步振荡源定位方法，该方法运用CNN（卷积神经网络）进行振荡源特征提取并训练定位模型，初步验证了人工智能在风电并网振荡源定位中应用的可行性。文献［15］提出了基于对抗式迁移学习的风电场次同步振荡源定位方法，该方法使得仿真系统离线建立的定位模型能够迁移到实际系统中，进而对风电场次同步振荡源进行在线定位。基于人工智能算法的振荡源定位研究尚处于起步阶段，在复杂新型电力系统中的表现有待进一步研究。上述研究主要是针对传统电力系统或新能源电力系统发生低频或次/超同步振荡后所采取的振荡溯源方法，而鲜有文献对振荡发生前进行系统的稳定性在线评估和薄弱点定位，尤其在以新能源为主的电力系统宽频振荡薄弱点定位方面尚缺乏相关研究。

为了减轻振荡对新能源电力系统的冲击，迫切需要研究宽频振荡在线风险评估方法，在线评估系统稳定状态并定位系统振荡薄弱点，在发生振荡前采取预防措施提升系统稳定性［16］。为此，本文分别从端口频域特性和时域响应角度提出两种新能源电力系统振荡薄弱点定位方法。基于频域方法的基本思路是：首先采用数据-模型融合驱动方法在线辨识新能源场站和交流电网的宽频阻抗，然后利用阻抗稳定性判据评估系统稳定状态，最后基于在线辨识的宽频阻抗计算潜在振荡频率处各新能源场站阻抗的实部大小，根据无源性理论［17-18］，将实部小的若干个场站确定为振荡薄弱点。基于时域方法的基本思路是：新能源电力系统中的储能装置或新能源场站配置的SVG（静止无功发生器）向系统注入宽频小扰动信号，然后利用HHT（希尔伯特-黄变换）对各新能源场站端口处的电流时间序列进行分析，计算各新能源场站在弱阻尼模态频率下的阻尼比，阻尼比小的若干个场站被确定为振荡薄弱点。最后，以三个风电场构成的小型新能源系统为例，对上述两种振荡薄弱点定位方法的有效性进行验证。

1 新能源电力系统结构简介

新能源电力系统主要由风电场、光伏电站、同步发电机、负荷、交流电网、传输线路、变电站等组成，如图1所示。其中风电场主要由全功率风电机组、双馈风电机组构成，本地电网由戴维南等值电源、同步发电机和负荷中心构成。

图1 新能源电力系统结构示意图Fig.1 Structure of the new energy power system

2 基于端口频域特性的振荡薄弱点定位方法

基于端口频域特性的振荡薄弱点定位方法以新能源场站的宽频阻抗在线辨识结果为基础［19］，方案的具体流程如图2所示，主要步骤如下：

图2 基于端口频域特性的振荡薄弱点定位流程Fig.2 Flowchart of the weak point location based on terminal frequency-domain characteristics

1）在线辨识新能源场站的宽频阻抗。针对输入随机不确定的新能源机组，采用数据驱动方法建立覆盖整个稳态运行工况的宽频阻抗辨识模型；结合新能源场站的物理结构模型，构建数据-模型融合驱动的新能源场站宽频阻抗在线辨识模型；在此基础上，根据新能源场站间的网络拓扑，通过阻抗网络计算进一步得到新能源集群的宽频阻抗在线辨识模型；基于新能源场站的宽频阻抗在线辨识模型，根据各新能源机组运行状态及电压电流量测信号辨识［19］，得到各个新能源场站的宽频阻抗ZREx以及新能源集群的宽频阻抗ZRE，并在线获取交流电网的宽频阻抗Zg。

2）在线评估新能源并网系统的稳定裕度和潜在振荡频率。基于辨识得到的新能源集群的宽频阻抗，利用阻抗稳定性分析方法［20］或广义奈奎斯特稳定性判据［21］，在线评估新能源电力系统的稳定性，获取系统稳定裕度和潜在振荡频率。

3）在线获取潜在振荡频率处新能源场站的阻抗实部，进行振荡薄弱点定位。利用辨识得到的新能源场站宽频阻抗，提取各场站在潜在振荡频率处阻抗的实部，根据阻抗实部的大小进行排序，最小的一个或几个新能源场站即为系统的振荡薄弱点。

3 基于端口时域响应的振荡薄弱点定位方法

基于端口时域特性的振荡薄弱点定位方法流程如图3所示，主要步骤如下：

图3 基于端口时域特性的振荡薄弱点定位流程Fig.3 Flowchart of the weak points location based on terminal time-domain characteristics

1）宽频小扰动信号注入。通过新能源电力系统中的储能装置或新能源场站配置的SVG向系统注入宽频小扰动信号，测量系统中各新能源场站施加扰动后的端口电流时间序列I1～n（t）。

2）新能源场站端口电流信号分析。利用HHT各新能源场站的端口电流信号，得到不同频率下电流分量的瞬时幅值，确定弱阻尼模态分量及其对应的潜在振荡频率f。

3）系统振荡薄弱点定位。计算各新能源场站端口电流在弱阻尼模态频率下的阻尼比，根据阻尼比大小进行排序，阻尼比最小的一个或多个新能源场站即为系统潜在的振荡薄弱点。

本文选择MLBS（最大长度二进制序列）作为宽频小扰动信号，叠加到储能逆变器/SVG的电压前馈中，如图4所示。

图4 扰动注入位置示意图Fig.4 Schematic diagram of the disturbance injection locations

MLBS 属于伪随机二进制信号，通过反馈式移位寄存器输出状态为0、1 或者±1 电平信号，MLBS 的结构如图5（a）所示。获取MLBS 信号的流程如图5（b）所示，首先设定移位寄存器的初始状态，之后将移位寄存器的第i个和第n个输出经过“异或”处理作为移位寄存器新的一级输出，在一个采样频率内向右移位一次，最后在一个采样周期Δt内获取MLBS 信号，以此类推，即可得到整个周期的MLBS 信号［22］。其信号及频谱分布如图6 所示，为了保证MLBS 信号在一定频率范围内有更合理的频率间隔分布以及幅值分布，可以通过调整信号长度N以及采样频率fgen实现。

图5 MLBS结构及流程Fig.5 Structure and flowchart of the MLBS

图6 MLBS信号时频谱图Fig.6 Time and frequency spectrum of MLBS

注入宽频小扰动信号后，测量获取各个新能源场站端口处的电流时间序列Ix（x=1，2，…，n），然后利用HHT分析该电流时间序列［23］。该方法与传统基于Prony的低频振荡在线辨识方法相比，具有抗噪声性能好、分析频率宽、计算速度快、适用于非平稳信号分析等优势［24］。

HHT 方法首先利用EMD（经验模态分解）得到电流时间序列Ix在不同频率处的本征模态分量Ixi（i=1，2，…，n）；之后对每个本征模态分量Ixi进行HT（希尔伯特变换），结果记为Hxi；然后利用欧拉公式对HHT 后得到的解析信号IHHT进行重构，如式（1）和式（2）所示，其中Ai（t）为电流信号的瞬时幅值，相应的瞬时频率fi（t）如式（3）所示。

针对新能源场站i，在某一瞬时频率f处将该电流分量进行拟合，如式（4）所示，从而提取电流分量的衰减系数σxi和阻尼比，同时得到其他新能源场站j在该瞬时频率处的阻尼比。通过比较阻尼比的大小，定义阻尼比最小的新能源场站为系统的振荡薄弱点。

4 算例分析

为了验证本文所提两种振荡薄弱点定位方法的有效性，以三个新能源场站接入戴维南等值电网构成的小型新能源系统为例，将50 MW储能电站接入220 kV 交流电网中，系统结构示意图如图7所示。

图7 简化的新能源电力系统结构示意图Fig.7 The simplified structure of the new energy power system

4.1 基于端口频域特性的振荡薄弱点定位

假设如图7 所示新能源场站的其他参数都相同，仅设定新能源场站3的机组台数为其他新能源场站的2倍。首先利用数据-模型融合驱动的方法辨识各新能源场站的宽频阻抗ZRE（1-3）（f），考虑交流输电线路的影响，获取新能源集群在并网点处的宽频阻抗ZRE（f）和交流电网的宽频阻抗Zg（f），频率f设定为1～1 000 Hz。由此可得阻抗比Zg（f）/ZRE（f）的奈奎斯特曲线如图8所示，与单位圆的交点频率为293 Hz，相位裕度为9.5°。设定相位裕度的阈值为15°，因此系统的相位裕度不足，处于弱阻尼状态，系统的潜在振荡频率为293 Hz。然后，计算各新能源场站在潜在振荡频率处端口阻抗的实部，如表1所示，可以看出新能源场站3的阻抗实部最小，因而新能源场站3为系统的薄弱场站。

表1 基于端口频域特性的振荡薄弱点定位结果Table 1 Results of the weak points location based on frequency-domain characteristics

图8 基于频域的稳定性在线评估示意图Fig.8 Online assessment of stability based on frequency domain

4.2 基于端口时域特性的振荡薄弱点定位

设定采样频率为2 000 Hz，移位寄存器的个数设置为10，将MLBS信号施加到储能PCS（电能转换系统）控制器的电压前馈中，利用储能设备产生扰动信号注入到新能源电力系统中，本文关注的频率范围为1～1 000 Hz，因此选取扰动注入后1 s 的数据进行分析。在2.0 s 注入宽频小扰动信号，在2～3 s 提取新能源场站1和3端口处的三相交流电流，如图9 所示，由于0.1 s 后系统稳定，本节仅给出2.0 s到2.07 s之内有扰动的波形。

图9 新能源场站端口电流响应波形Fig.9 Waveforms of port current responses of the new energy stations

利用HHT 分别提取新能源场站1 和3 端口电流信号在不同频率处的电流分量，仅保留潜在振荡频率处的电流信号，如图10（a）和10（b）所示。对潜在振荡频率处的电流分量进行最小二乘拟合，得到各新能源场站在潜在振荡频率处的端口交流电流波形，如图10（c）所示，计算潜在振荡频率处各新能源场站的阻尼比（ξ1=0.192，ξ3=0.139），可知新能源场站3的阻尼比较小，即新能源场站3为系统的薄弱场站。

图10 新能源场站交流电流信号分量Fig.10 AC current signal components of the new energy station

5 结语

以新能源为主的局部电网易产生宽频振荡风险，为保障系统安全稳定、减轻振荡对系统的冲击，本文提出了两种适用于新能源电力系统的振荡薄弱点定位方法，即频域法和时域法。两种方法分别基于新能源场站端口的频域特性和时域响应，能够实现系统宽频振荡稳定性的在线评估和潜在振荡薄弱点的准确定位。仿真算例验证了两种方法的有效性。