基于相量量測的中小型水電集群動態(tài)等值方法研究

胡柏瑋，丁理杰，劉新宇，孫景濤，王曉茹，李 旻

(1.西南交通大學(xué)電氣工程學(xué)院，四川 成都 610031；2.四川電力科學(xué)研究院，四川 成都 610072；3.國網(wǎng)四川省電力公司，四川 成都 610041)

基于相量量測的中小型水電集群動態(tài)等值方法研究

胡柏瑋1，丁理杰2，劉新宇1，孫景濤1，王曉茹1，李 旻3

(1.西南交通大學(xué)電氣工程學(xué)院，四川 成都 610031；2.四川電力科學(xué)研究院，四川 成都 610072；3.國網(wǎng)四川省電力公司，四川 成都 610041)

為了準(zhǔn)確分析含中小型水電集群系統(tǒng)，針對中小型水電集群，提出了一種基于相量量測的動態(tài)等值建模方法。該方法以估計等值為基礎(chǔ)，將擾動后互聯(lián)區(qū)域間聯(lián)絡(luò)線上相量量測信息作為輸入量，利用四階龍格庫塔法求解發(fā)電機動態(tài)方程，借助改進PSO算法實現(xiàn)參數(shù)的尋優(yōu)更新，最終得到等值模型的各個參數(shù)。基于該方法對四川電網(wǎng)某地區(qū)中小型水電集群上進行動態(tài)等值建模，仿真結(jié)果證明了該方法的有效性與精確性。同時，基于仿真與負負荷表示的中小型水電集群對比分析，仿真結(jié)果證明了該方法的優(yōu)越性與實用性。

中小型水電集群；動態(tài)等值；估計等值法；相量量測信息；改進PSO算法

0 引言

中小型水力發(fā)電作為一種靈活，便捷的綠色能源，在水力資源豐富的地區(qū)會大量并網(wǎng)。當(dāng)該地區(qū)含有大量的中小型水電站，其形成的中小型水電集群將會影響系統(tǒng)的動態(tài)特性。在對含集中上網(wǎng)的中小型水電集群的系統(tǒng)進行分析時，建立包含每臺水電機組的詳細模型十分困難，不僅是因為中小型水電集群的實際參數(shù)獲取困難，而且即使用典型參數(shù)表示，還是會出現(xiàn)潮流不收斂以及“維數(shù)災(zāi)”等情況。目前，建模時一般將其以負負荷形式表示。但該方法在仿真計算分析時會導(dǎo)致結(jié)果的不準(zhǔn)確。而對中小型水電集群進行動態(tài)等值[1]，再對等值后的電網(wǎng)進行分析研究是精確分析的良好手段。文獻[2-3]以同調(diào)等值法為基礎(chǔ)，將小水電集群等值為 3階發(fā)電機模型并聯(lián)負荷的形式，并分析了其對主網(wǎng)穩(wěn)定性影響。文獻[4]將4階發(fā)電機模型并聯(lián)負荷模型作為等值模型，利用同調(diào)等值對小水電集群進行動態(tài)等值。但是，傳統(tǒng)的同調(diào)等值法在對水電集群進行等值時需知該集群的結(jié)構(gòu)與參數(shù)，具有很大的局限性[5-6]。文獻[7]利用估計等值法僅將河北電網(wǎng)某一電廠等值為一臺3階發(fā)電機，但并未對某區(qū)域進行等值；文獻[8-9]把 IEEE39節(jié)點某一區(qū)域以及天津電網(wǎng)外網(wǎng)均等值為一臺6階發(fā)電機，但并未對參數(shù)可辨識性進行分析，且未提出針對水電集群的等值模型與方法。文獻[10-11]通過調(diào)用PSASP暫態(tài)穩(wěn)定計算模塊獲得某組等值參數(shù)下變電站出口的功率響應(yīng)，分別將3臺水電機與8臺水電機均等值為一臺3階發(fā)電機，但該方法須結(jié)合研究系統(tǒng)模型，且等值系統(tǒng)太小，不具有實際意義。因此，針對中小型水電集群結(jié)構(gòu)與參數(shù)未知的情況下，僅僅依靠相量量測信息的估計等值方法研究具有十分重要的意義。

本文針對結(jié)構(gòu)與參數(shù)未知的中小型水電集群，結(jié)合其特點，提出一種以估計等值為基礎(chǔ)的動態(tài)等值模型與方法。該方法僅須將擾動后互聯(lián)區(qū)域間聯(lián)絡(luò)線上相量量測信息作為輸入，利用四階龍格庫塔法求解發(fā)電機動態(tài)方程，借助改進PSO算法實現(xiàn)等值模型參數(shù)的尋優(yōu)更新，即可得到把集中上網(wǎng)的中小型水電集群等值為單一發(fā)電機并聯(lián)恒功率負荷模型的各參數(shù)。應(yīng)用該方法對含中小型水電集群的實際電力系統(tǒng)進行等值建模，仿真結(jié)果表明采用該方法建立的等值模型精度可滿足系統(tǒng)暫態(tài)穩(wěn)定分析的要求；與負負荷表示的水電集群對比分析，結(jié)果表明本文所提方法能精確含中小型水電集群電網(wǎng)的分析結(jié)果。

1 水電集群動態(tài)等值模型

中小型水電集群一般通過220 kV及以下電壓等級的變電站上網(wǎng)，再通過500 kV變電站接入主網(wǎng)。所要等值的水電集群通過聯(lián)絡(luò)線與內(nèi)部系統(tǒng)連接，而等值區(qū)域中各水電機組電氣距離較近，在內(nèi)部系統(tǒng)發(fā)生擾動時，外部系統(tǒng)中所包含的水電集群可以認(rèn)為全部同調(diào)[12]?；谏鲜鎏攸c，本文采用的中小型水電集群動態(tài)等值模型如圖1所示，為單一發(fā)電機并聯(lián)單一負荷的形式。

圖1 動態(tài)等值模型結(jié)構(gòu)圖Fig. 1 Dynamic equivalent model structure

1.1 等值發(fā)電機模型

進行機電暫態(tài)計算時，由于二階發(fā)電機模型不計阻尼繞組與勵磁繞組的動態(tài)過程，因此只能反映原系統(tǒng)的穩(wěn)定趨勢，與原系統(tǒng)的動態(tài)特性差異較大；文獻[13]基于仿真對比分析了發(fā)電機動態(tài)等值模型對動態(tài)等值性能的影響，結(jié)果表明五階以上發(fā)電機模型相對于三階模型尋優(yōu)耗時大大增加但等值精度并未明顯提高。本文等值發(fā)電機采用計及勵磁繞組與阻尼繞組動態(tài)過程的常用三階機電暫態(tài)模型[14]，勵磁系統(tǒng)采用比例反饋模型，調(diào)速系統(tǒng)采用轉(zhuǎn)矩恒定模型，其模型方程如式(1)所示。

式中：Tj為慣性時間常數(shù)；Pm為機械功率；E￠為dx￠后的電動勢，代替了q軸暫態(tài)電動勢qE￠；V為機端電壓；dx￠為d軸暫態(tài)電抗，其值與q軸同步電抗xq相等(忽略暫態(tài)凸極效應(yīng))；d為Eq與端電壓的夾角；D為阻尼系數(shù)；t為時間；w為轉(zhuǎn)子轉(zhuǎn)速；wf為參考軸轉(zhuǎn)速；0dT￠為d軸暫態(tài)開路時間常數(shù)；Ef0為初始勵磁電壓；Kv為勵磁電壓反饋系數(shù)；V0為初始機端電壓；xd為d軸同步電抗。

1.2 等值負荷模型

由于等值負荷對于系統(tǒng)動態(tài)特性影響較小[4]，因此等值負荷模型采用恒功率模型，即負荷有功功率與無功功率均為一個定值。文獻[12]已對等值模型為3階發(fā)電機并聯(lián)靜態(tài)負荷模型進行了可辨識性分析，理論證明了模型參數(shù)的可辨識性。由前述分析，可得到聯(lián)絡(luò)線功率方程為

式中：Pl、Ql分別為聯(lián)絡(luò)線功率；Pe、Qe分別為發(fā)電機輸出功率；Ps、Qs分別為負荷有功與無功功率。

2 水電集群等值方法

2.1 水電集群等值框架

同步相量測量技術(shù)已廣泛應(yīng)用于電力系統(tǒng)動態(tài)監(jiān)控中。基于參數(shù)辨識的估計等值法利用系統(tǒng)擾動后互聯(lián)區(qū)域間聯(lián)絡(luò)線上的動態(tài)信息通過辨識算法來獲取等值模型參數(shù)[15-18]。本文通過提取擾動時實際系統(tǒng)聯(lián)絡(luò)線上量測信息作為輸入，辨識出等值模型參數(shù)，即a=[Tj、xd、dx￠、0dT￠、Kv、D、Ps、Qs]。其總體框架如圖2所示。

圖2 水電集群等值框架圖Fig. 2 Equivalent schematic diagram of hydropower generator group

該過程首先須初始化一套待辨識參數(shù)a，將擾動時聯(lián)絡(luò)線上電壓與頻率響應(yīng)作為輸入，求解等值模型方程，獲得該套辨識參數(shù)下聯(lián)絡(luò)線上有功和無功功率lP￠和lQ￠。對比有功與無功功率的計算值與量測值，產(chǎn)生誤差 e，若誤差大于設(shè)定閾值，則利用優(yōu)化算法更新待辨識參數(shù)a，重復(fù)上述過程；否則輸出a作為等值模型參數(shù)。誤差根據(jù)歐式距離求得，計算公式如(3)所示。

其中，N為采樣點總數(shù)。

本文采用四階龍格庫塔法求解發(fā)電機動態(tài)方程，獲取等值模型下聯(lián)絡(luò)線上的有功與無功功率。該框架如圖3所示。

圖3 聯(lián)絡(luò)線功率獲取框架圖Fig. 3 Schematic diagram of power on interconnection line

該過程以發(fā)電機內(nèi)部變量w、d、E’作為狀態(tài)變量，由發(fā)電機動態(tài)方程，結(jié)合4階龍格庫塔法，就可根據(jù)k時刻的狀態(tài)變量求得k+1時刻的狀態(tài)變量，進而根據(jù)發(fā)電機功率方程獲得輸出功率，最終得到該套等值模型參數(shù)下聯(lián)絡(luò)線功率。其狀態(tài)變量的初值可以根據(jù)穩(wěn)態(tài)相量圖求得。各時刻狀態(tài)變量迭代如式(4)所示。

其中，k1p-k4ppp為各時刻迭代系數(shù)，由發(fā)電機動態(tài)方程變換獲得。由于篇幅原因，這里不給出其計算公式。

發(fā)電機在機端電壓和頻率信號激勵下各個時刻的電功率輸出響應(yīng)為

2.2 改進PSO算法在估計等值中的應(yīng)用

粒子群優(yōu)化(PSO)算法設(shè)置參數(shù)少、易于操作、全局收斂性好、搜索效率高等特點在電力系統(tǒng)優(yōu)化問題上得到廣泛應(yīng)用[19-25]。本文結(jié)合前人對基本PSO算法進行的改進，進一步優(yōu)化改進的 PSO算法。利用該方法對等值模型進行參數(shù)辨識。

基本PSO算法須初始化一群隨機粒子，然后通過迭代尋找最優(yōu)解。在每一次的迭代過程中，粒子通過跟蹤兩個“極值”來更新自己：一個是粒子本身所找到的最優(yōu)解(個體極值pbest)，另一個是整個種群目前找到的最優(yōu)解(群體極值gbest)。每個粒子按下式分別更新自己的速度和位置。

式中：vk為粒子的速度向量；w是慣性權(quán)重因子，一般取0.5~0.8的某一常數(shù)；c1和c2為學(xué)習(xí)因子，一般取2；rand為0至1之間的隨機數(shù)，xk為粒子的位置向量。種群規(guī)模一般取30-50。

為平衡全局搜索和局部搜索能力，提高陷入局部最優(yōu)后的自救能力，增強全局最優(yōu)解的搜索能力，對基本PSO算法進行如下兩條改進：

(1) 已有學(xué)者對慣性權(quán)重因子按線性遞減的方式進行調(diào)整，公式如下：

式中：wmax和wmin分別為慣性權(quán)重的上下限，分別設(shè)為0.9和0.4；k為當(dāng)前迭代次數(shù)；kmax為最大迭代次數(shù)。在搜索前期w較大，有利于全局搜索；在搜索后期w較小，有利于局部開發(fā)。

(2) 本文提出粒子變異策略。當(dāng)群體極值 gbest的目標(biāo)函數(shù)值穩(wěn)定次數(shù)達到某一閾值且離最大迭代次數(shù)還有一定距離時，隨機產(chǎn)生當(dāng)前粒子的速度和位置，使其盡可能跳出局部最優(yōu)，更好的搜尋全局。

基于改進 PSO算法求解上述動態(tài)等值模型參數(shù)的流程如圖4所示。

圖4 基于改進PSO算法的參數(shù)辨識流程圖Fig. 4 Flow chart of parameter identification based on modified PSO algorithm

具體步驟為：

(1) 輸入原型系統(tǒng)擾動時互聯(lián)區(qū)域間聯(lián)絡(luò)線上的有功功率Pl和無功功率Ql。

(2) 初始化各個粒子的待辨識參數(shù)a及迭代次數(shù)。

(3) 計算各粒子對應(yīng)的目標(biāo)函數(shù)值，確定初始的pbest和gbest。

(4) 更新當(dāng)前粒子速度與位置。

(5) 更新迭代次數(shù)。

(6) 求解發(fā)電機動態(tài)方程，獲得該等值模型參數(shù)下的聯(lián)絡(luò)線上的有功功率和無功功率。

(7) 計算各粒子的目標(biāo)函數(shù)值，并更新pbest與gbest。

(8) 判斷是否滿足終止條件，若滿足則終止，輸出gbest；否則判斷是否需要變異，若需要則隨機產(chǎn)生當(dāng)前粒子速度和位置并返回(6)；否則返回(5)更新各個粒子的速度和位置，繼續(xù)循環(huán)計算。

3 仿真驗證

3.1 可辨識性驗證

在四川電網(wǎng)設(shè)置某500 kV線路N-1故障，將聯(lián)絡(luò)線響應(yīng)作為量測數(shù)據(jù)，采用本文所述的方法對發(fā)電機及負荷進行參數(shù)辨識，得到的結(jié)果和實際模型參數(shù)比較如表1所示，辨識得到的響應(yīng)曲線與實際響應(yīng)曲線如圖5、圖6所示。

表1 模型辨識參數(shù)和實際參數(shù)比較(標(biāo)幺值)Table 1 Comparison of the identified parameters and the real parameters of the model (p.u.)

圖5 辨識值與實際值有功功率響應(yīng)曲線Fig. 5 Active power curves based on identified parameters and real parameters

圖6 辨識值與實際值無功功率響應(yīng)曲線Fig. 6 Reactive power curves based on identified parameters and real parameters

由表1可知，辨識得到的參數(shù)與實際模型參數(shù)十分接近，說明這些參數(shù)是可辨識的。由于該方法側(cè)重于全局尋優(yōu)，且引入了Kv表示的簡化勵磁系統(tǒng)模型，使得某些參數(shù)偏離實際值，但并不影響整個動態(tài)過程的精度。從圖5、圖6可見，辨識得到的響應(yīng)曲線與實際響應(yīng)曲線具有很高的擬合度，誤差很小，說明本文提出的改進粒子群算法魯棒性好，尋優(yōu)能力強。

3.2 水電集群動態(tài)等值

四川作為水電能源豐富地區(qū)，其水電裝機容量占總裝機容量的60%以上。四川某地區(qū)分布了近10座水電站，水電機組共計23臺，總?cè)萘窟_1 548 MW。以該地區(qū)500 kV水電送出通道為例，對比分析以負負荷表示的水電集群與實際水電集群的動態(tài)響應(yīng)特性，其中，負負荷分別采用40%電動機+60%恒阻抗負荷與考慮壓變與頻變的靜態(tài)負荷模型。圖7、圖8為擾動后上述三種不同模型的功率響應(yīng)曲線對比圖。擾動為某500 kV線路發(fā)生N-1故障。

圖7 不同模型有功功率響應(yīng)曲線Fig. 7 Active power curves based on different models

圖8 不同模型無功功率響應(yīng)曲線Fig. 8 Reactive power curves based on different models

由圖7、圖8可見，以負負荷表示的水電集群并不能準(zhǔn)確描述實際水電集群的動態(tài)響應(yīng)特性，這是由發(fā)電機與負荷模型的本質(zhì)差別所決定的。因此，對中小型水電集群進行動態(tài)等值是精確分析的良好手段。

為分析該區(qū)域的中小型水電集群對四川主網(wǎng)動態(tài)特性的影響，采用本文提出的估計等值方法對該區(qū)域中小型水電集群進行動態(tài)等值建模，擾動為相同500 kV線路發(fā)生N-1故障。等值模型參數(shù)如表2所示。系統(tǒng)等值前后的功率響應(yīng)曲線如圖9、圖10所示。

表2 等值模型參數(shù)(標(biāo)幺值)Table 2 Parameters of equivalent model (p.u.)

圖9 等值前后聯(lián)絡(luò)線有功功率響應(yīng)曲線Fig. 9 Active power curves of original and equivalent model

圖10 等值前后聯(lián)絡(luò)線無功功率響應(yīng)曲線Fig. 10 Reactive power curves of original and equivalent model

由上圖可知，等值前后聯(lián)絡(luò)線上有功與無功響應(yīng)曲線不僅總體動態(tài)響應(yīng)趨勢一致，還具有較高的擬合度，滿足等值要求。

綜上所述，本文所提出的基于改進PSO算法的中小型水電集群估計等值方法不僅快速簡單，還準(zhǔn)確實用，僅僅依賴量測信息就可對中小型水電集群進行動態(tài)等值，改善了目前由負負荷表示的水電集群的仿真計算精度低的不足，具備一定的工程實用價值。

4 結(jié)論

在對含中小型水電集群的電網(wǎng)進行動態(tài)特性分析時，負負荷表示的水電集群無法滿足計算精度要求，而傳統(tǒng)的同調(diào)等值法具有很大的局限性。針對上述實際問題，本文以估計等值法為基礎(chǔ)，提出了一種基于相量量測的水電集群等值及參數(shù)辨識的方法。該方法利用四階龍格庫塔法求解發(fā)電機動態(tài)方程，借助改進 PSO算法實現(xiàn)各個參數(shù)的更新尋優(yōu)，最終辨識出等值模型中的各個參數(shù)。采用所提出的方法對四川電網(wǎng)某區(qū)域的中小型水電集群進行等值建模，仿真結(jié)果驗證了該方法的有效性與優(yōu)越性，為計及中小型水電集群的電網(wǎng)分析奠定了基礎(chǔ)。

[1] 倪以信, 陳壽孫, 張寶霖. 動態(tài)電力系統(tǒng)的理論和分析[M]. 北京: 清華大學(xué)出版社, 2002.

[2] LIU Y, LI X, WANG Y, et al. Research on small signal stability of power system with distributed small hydropower[C] // Innovative Smart Grid Technologies-Asia, IEEE. IEEE, 2012: 1-6.

[3] 張元勝. 分布式小水電對電力系統(tǒng)運行穩(wěn)定性影響的研究[D]. 長沙: 湖南大學(xué), 2012. ZHANG Yuansheng. The effects on stable running of power grid of the distributed network with small hydropower[D]. Changsha: Hunan University, 2012.

[4] 王敏, 文勁宇, 胡文博, 等. 區(qū)域小水電機群動態(tài)等值建模方法研究[J]. 電力系統(tǒng)保護與控制, 2013, 41(17): 1-9. WANG Min, WEN Jinyu, HU Wenbo, et al. A dynamic equivalent modeling for regional small hydropower generator group[J]. Power System Protection and Control, 2013, 41(17): 1-9.

[5] 鞠平, 王衛(wèi)華, 謝宏杰, 等. 3區(qū)域互聯(lián)電力系統(tǒng)動態(tài)等值的辨識方法[J]. 中國電機工程學(xué)報, 2007, 27(13): 29-34. JU Ping, WANG Weihua, XIE Hongjie, et al. Identification approach to dynamic equivalents of the power system interconnected with three areas[J]. Proceedings of the CSEE, 2007, 27(13): 29-34.

[6] 劉峰. 電力系統(tǒng)外部等值理論及實用化探討[J]. 繼電器, 2007, 35(15): 67-71. LIU Feng. Elementary analysis of external network equivalence[J]. Relay, 2007, 35(15): 67-71.

[7] 張寧. 基于相量測量的同步發(fā)電機參數(shù)辨識研究[D].北京: 華北電力大學(xué), 2007. ZHANG Ning. Research on the identification of synchronous generator parameters based on phasor measurement[D]. Beijing: North China Electric Power University, 2007.

[8] 楊靖萍. 大規(guī)?；ヂ?lián)電力系統(tǒng)動態(tài)等值方法研究[D].杭州: 浙江大學(xué), 2007. YANG Jingping. Study on dynamic equivalents methods for large-scale power systems[D]. Hangzhou: Zhejiang University, 2007.

[9] 李曉輝, 羅敏, 劉麗霞, 等. 動態(tài)等值新方法及其在天津電網(wǎng)中的應(yīng)用[J]. 電力系統(tǒng)保護與控制, 2010, 38(3): 61-66. LI Xiaohui, LUO Min, LIU Lixia, et al. A new dynamic equivalence method and its application in Tianjin Grid[J]. Power System Protection and Control, 2010, 38(3): 61-66.

[10] 魏巍, 丁理杰, 史華勃, 等. 基于變電站線路出口信息的小水電群等值及參數(shù)辨識研究[J]. 四川電力技術(shù), 2013, 36(5): 20-24. WEI Wei, DING Lijie, SHI Huabo, et al. Equivalence and parameter identification for small hydropower generator groups based on information of substation line[J]. Sichuan Electric Power Technology, 2013, 36(5): 20-24.

[11] SHI H B, HU B W, SUN J T. Research on hydropower generator group equivalence and parameter identification based on PSASP calling and optimization algorithm[C] // 2014 International Conference on Power and Energy, November 29-30, 2014, Shanghai, China.

[12] 鞠平. 電力系統(tǒng)建模理論與方法[M]. 北京: 科學(xué)出版社, 2010.

[13] 楊琴, 管霖, 王同文. 等值機模型的選擇對動態(tài)等值性能的影響研究[C] // 中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集, 北京, 2008. YANG Qin, GUAN Lin, WANG Tongwen. Influence on the performance of dynamic equivalence based on equivalent model[C] // The 24th Annual Conference Proceedings about Power System and Automation in China. Beijing, 2008.

[14] 周楊. 互聯(lián)電力系統(tǒng)區(qū)域動態(tài)等值方法研究[D]. 武漢:華中科技大學(xué), 2012. ZHOU Yang. Research on dynamic equivalent method for interconnected power system areas[D]. Wuhan: Huazhong University of Science and Technology, 2012.

[15] PRICE W W, EWART D N, GULACHENSKI E M, et al. Dynamic equivalents from on-line measurements[J]. IEEE Transactions on Power Apparatus & Systems, 1975, 94(4): 1349-1357.

[16] 周云海, 李咸善, 胡翔勇, 等. 基于聯(lián)絡(luò)線動態(tài)潮流的動態(tài)等值方法[J]. 電工電能新技術(shù), 1999, 11(5): 29-33. ZHOU Yunhai, LI Xianshan, HU Xiangyong, et al. Dynamic equivalents based on the transient power flow of the connecting lines[J]. Advanced Technology of Electrical Engineering and Energy, 1999, 11(5): 29-33.

[17] JU P, NI L Q, WU F. Dynamic equivalents of power systems with online measurements, part 1: theory[J]. IEE Proceedings-Generation, Transmission and Distribution, 2004, 151(2): 175-178.

[18] 張元, 郝麗麗, 戴嘉祺. 風(fēng)電場等值建模研究綜述[J].電力系統(tǒng)保護與控制, 2015, 43(6): 138-146. ZHANG Yuan, HAO Lili, DAI Jiaqi. Overview of the equivalent model research for wind farms[J]. Power System Protection and Control, 2015, 43(6): 138-146.

[19] 韓美玉, 王艷松, 張麗霞. 基于粒子群算法的電力系統(tǒng)非線性諧波狀態(tài)估計[J]. 電力系統(tǒng)保護與控制, 2013, 41(22): 98-102. HAN Meiyu, WANG Yansong, ZHANG Lixia. Research on non-linear harmonic state estimation in power system based on particle swarm optimization algorithm[J]. Power System Protection and Control, 2013, 41(22): 98-102.

[20] 馬建偉, 陳珊珊. 線性遞減權(quán)重粒子群優(yōu)化人工神經(jīng)網(wǎng)絡(luò)算法的光伏系統(tǒng)諧波檢測[J]. 低壓電器, 2014(4): 60-68. MA Jianwei, CHEN Shanshan. Harmonic detection of linear decreasing weight particle swarm optimization artificial neural network algorithm in photovaltaic system[J]. Low Voltage Apparatus, 2014(4): 60-68.

[21] 胡衛(wèi)利, 程亮, 馬倩, 等. 基于改進粒子群組合算法的電網(wǎng)基建年度投資預(yù)測[J]. 電網(wǎng)與清潔能源, 2014, 30(11): 52-64. HU Weili, CHENG Liang, MA Qian, et al. Prediction of annual power grid infrastructure investment based on hybrid algorithm of improved PSO[J]. Power System and Clean Energy, 2014, 30(11): 52-64.

[22] 周暉, 付婭, 韓盟, 等. 基于粒子群算法的含大規(guī)模風(fēng)電互聯(lián)系統(tǒng)的負荷頻率控制[J]. 電力系統(tǒng)保護與控制, 2014, 42(10): 1-7. ZHOU Hui, FU Ya, HAN Meng, et al. Load frequency control of power systems with large scale of wind power integrated based on particle swarm algorithm[J]. Power System Protection and Control, 2014, 42(10): 1-7.

[23] 姜志鵬, 文習(xí)山, 藍磊, 等. 粒子群算法應(yīng)用于避雷器均壓環(huán)配置優(yōu)化[J]. 高壓電器, 2014, 50(1): 102-106. JIANG Zhipeng, WEN Xishan, LAN Lei, et al. Application of particle swarm optimization algorithm to configuration optimization of grading rings for arrester[J]. High Voltage Apparatus, 2014, 50(1): 102-106.

[24] 盧旻, 吳紹武, 謝劍鋒. 基于遷徙型 PSO算法的風(fēng)光儲系統(tǒng)配置優(yōu)化分析[J]. 電器與能效管理技術(shù), 2015(14): 33-46. LU Min, WU Shaowu, XIE Jianfeng. Configuration optimization of wind-solar storage system using MPSO algorithm[J]. Electrical & Energy Management Technology, 2015(14): 33-46.

[25] 劉歡, 劉志剛. 基于改進粒子群算法的牽引變電所維修優(yōu)化研究[J]. 電力系統(tǒng)保護與控制, 2015, 43(11): 87-94. LIU Huan, LIU Zhigang. An improved particle swarm algorithm study on optimization model of maintenance schedules for railway traction substations[J]. Power System Protection and Control, 2015, 43(11): 87-94.

(編輯 張愛琴)

A dynamic equivalent method for centralized small and medium hydropower generator group based on phasor measurement information

HU Bowei1, DING Lijie2, LIU Xinyu1, SUN Jingtao1, WANG Xiaoru1, LI Min3
(1. School of Electrical Engineering, Southwest Jiaotong University, Chengdu 610031, China; 2. Sichuan Electric Power Research Institute, Chengdu 610072, China; 3. Sichuan Power Corporation of State Grid, Chengdu 610041, China)

To analyze power system with centralized small and medium hydropower generator group accurately, this paper proposes a method to build a dynamic equivalent model of small and medium hydropower generator group based on phasor measurement information. Some procedures, such as inputting the phasor measurement information which exists in interconnection line after a disturbance, solving the generator dynamic equations based on 4-order Runge-Kutta method, and using modified PSO algorithm to update each parameter, are used in this method based on estimate equivalent method. For validation purposes, the proposed method is applied to the centralized small and medium hydropower generator group in Sichuan province. Results show that the reduced system retains the dynamic performance of the original system with good accuracy. Further simulations are made to compare with small and medium hydropower generator group which represent as a negative load. Results prove the superiority and practicability of the dynamic equivalent method.

centralized small and medium hydropower generator group; dynamic equivalent; estimate equivalent method; phasor measurement information; modified PSO algorithm

10.7667/PSPC151081

：2015-07-16

胡柏瑋(1990-)，男，碩士研究生，研究方向為電力系統(tǒng)安全穩(wěn)定分析；E-mail: 409134117@qq.com

丁理杰(1981-)，男，博士，高級工程師，研究方向為電力系統(tǒng)規(guī)劃、運行以及穩(wěn)定性研究；

劉新宇(1990-)，男，碩士研究生，研究方向為電力系統(tǒng)動態(tài)監(jiān)測。