李文鑫，蔡國偉，楊德友

（東北電力大學電氣工程學院，吉林吉林132012）

0 引 言

隨著特高壓電網(wǎng)的建設，跨區(qū)輸送功率大、送電距離遠，形成大區(qū)互聯(lián)結構，由此帶來的小干擾穩(wěn)定問題嚴重影響電網(wǎng)的安全穩(wěn)定運行，小干擾穩(wěn)定約束下的聯(lián)絡線輸送極限已成為保證電網(wǎng)安全運行的重要依據(jù)［1-2］。

在負荷高峰期，系統(tǒng)間聯(lián)絡線傳輸功率容易達到其極值，弱化系統(tǒng)小干擾穩(wěn)定性，引起弱阻尼模式，有必要在線估測出電力系統(tǒng)小干擾穩(wěn)定下聯(lián)絡線功率極值，預防電力系統(tǒng)出現(xiàn)弱阻尼模式，以提高電力系統(tǒng)運行的安全穩(wěn)定性［3-5］。

目前國內(nèi)外有關區(qū)間聯(lián)絡線功率的研究主要集中在聯(lián)絡線功率振蕩研究、聯(lián)絡線功率波動理論分析、聯(lián)絡線隨機功率波動機制。文獻［6］對聯(lián)絡線功率波動最大值進行了理論推導，分析了影響聯(lián)絡線功率波動峰值的相關因素。文獻［7］基于沖擊功率的分配理論，推導了互聯(lián)系統(tǒng)在發(fā)生功率擾動后聯(lián)絡線功率的變化。文獻［8］提出由于功率缺額引起的聯(lián)絡線功率波動的機制，給出影響功率波動峰值大小的關鍵因素，為互聯(lián)電力系統(tǒng)的運行方式安排提供理論基礎和技術依據(jù)。

研究表明Hopf分岔指數(shù)在電力系統(tǒng)穩(wěn)定性分析領域具有很強的適應性。文獻［9-10］在深入分析系統(tǒng)重要特征值和Hopf分岔點之間關系的基礎上，提出了用于分析電力系統(tǒng)小干擾穩(wěn)定分析的Hopf分岔指數(shù)。現(xiàn)有Hopf分岔指數(shù)計算速率較慢，嚴重影響Hopf分岔指數(shù)在系統(tǒng)在線安全評估方面的應用。

為了進一步提高Hopf分岔指數(shù)的計算速率，在深入分析系統(tǒng)重要特征值和Hopf分岔點之間的特性關系的基礎上，本文提出了基于改進的Hopf分岔指數(shù)的電力系統(tǒng)區(qū)間聯(lián)絡線極限值評估方法。本文提出的方法在降低了計算矩陣維度的同時，極大提高了計算速率。IEEE4機2區(qū)域系統(tǒng)仿真計算結果驗證了本文所提方法在聯(lián)絡線功率極值在線估計中的有效性和準確性。

1 Hopf分岔與阻尼水平

1.1 Hopf分岔指數(shù)

電力系統(tǒng)的線性化狀態(tài)方程可以表示為：

式中A為系統(tǒng)狀態(tài)矩陣。

目前，電力系統(tǒng)中應用最為廣泛的為文獻［9］和文獻［10］提出的Hopf分岔指數(shù)。

文獻［9］提出的Hopf分岔指數(shù)形式如下：

λc＝αc＋jβc為系統(tǒng) A陣的特征值。

此指數(shù)為特征值實部絕對值，可以預測任何一種不穩(wěn)定現(xiàn)象。

文獻［10］提出的Hopf分岔指數(shù)形式為：

式中 In為n維單位陣；βc為特征值虛部；σmin為矩陣最小奇異值計算。

1.2 改進的Hopf分岔指數(shù)

λc＝αc＋jβc為系統(tǒng) A的特征值，［vR±j vI］是特征值相應特征向量。

將上式解耦，得到如下等式：

由等式（4）可得出等式（5）：

當系統(tǒng)到達臨界狀態(tài)時，因為特征值實部ac＝0，由于特征向量［vRvI］≠0，因此：

由于矩陣行列式值并不是一個連續(xù)值，矩陣行列式值不能作為指數(shù)。矩陣的最小奇異值等于其行列式值，用矩陣的最小奇異值［11］代替其行列式值：

可以利用HBI在線監(jiān)測Hopf分岔。Hopf分岔指數(shù)在Hopf分岔點處為零。

由于現(xiàn)代大型電力系統(tǒng)維數(shù)n很大，AM矩陣是2n維矩陣，因此HBI的計算量較大，且計算速率較慢。

當A、B、C和D矩陣為可交換矩陣時，以下等式成立：

由于A陣和βcIn矩陣為可交換矩陣，因此等式成立：

定義改進的Hopf分岔指數(shù)為Improved Hopf Bifurcation Index（IHBI），則：

文獻［10］證明Hopf分岔指數(shù)與狀態(tài)變量之間存在良好的線性關系，因此改進Hopf分岔指數(shù)與聯(lián)絡線功率存在良好線性關系。

2 隨機子空間辨識算法

在實際應用中，量測數(shù)據(jù)在時間上都是離散的，經(jīng)離散采樣后，可得如下隨機狀態(tài)空間系統(tǒng)［12］：

其中，xk∈Rn為系統(tǒng)狀態(tài)量；yk∈Rl為量測到的輸出量；wk∈Rn和 vk∈Rl均為假定白噪聲；且 E（wk）＝E（vk）＝0分別代表系統(tǒng)狀態(tài)矩陣和系統(tǒng)輸出矩陣；A∈Rn×n和 C∈Rl×n為連續(xù)系統(tǒng)矩陣的最重要特征值；Δt為采樣時間間隔。

對式（11）所示的隨機系統(tǒng)，由采樣時序數(shù)據(jù)組成Hankle矩陣為：

式中i＝2n；n為系統(tǒng)階數(shù)；j為量測量系統(tǒng)采樣數(shù)。令正交投影所得矩陣為：

計算Oi奇異值分解（SVD）值：

則延伸可觀察矩陣Γi和Γi－1可表示為：

利用式（13）、式（14）、式（16）和式（17）可得Kalman濾波狀態(tài)序列：

式中∴表示相應矩陣的偽逆。

將式（12）、式（18）和式（19）代入式（20）即可計算得到狀態(tài)矩陣和輸出矩陣：

SSI辨識系統(tǒng)算法辨識得到離散狀態(tài)下系統(tǒng)矩陣Ad。由式（21），從而得到連續(xù)狀態(tài)下系統(tǒng)矩陣A。

在確定離散系統(tǒng)狀態(tài)矩陣Ad后，對其進行特征值分解［13］：

式中 Λ＝diag（λi）∈Rn×n；λi為離散系統(tǒng)特征值；i＝1，2，…，n；ψ為系統(tǒng)特征向量。

根據(jù)離散系統(tǒng)與連續(xù)系統(tǒng)的特征值關系，可得連續(xù)時間系統(tǒng)特征值：

3 聯(lián)絡線輸送極限在線估計

基于SSI理論的小擾動穩(wěn)定下聯(lián)絡線功率極值在線估計步驟如下所示。首先利用SSI算法對從PDC（Phasor Data Concentrator）中獲取的聯(lián)絡線隨機波動信號進行計算，得到離散狀態(tài)矩陣Ad及觀測矩陣C。將系統(tǒng)離散狀態(tài)轉(zhuǎn)變?yōu)檫B續(xù)狀態(tài)，從而得出連續(xù)狀態(tài)下系統(tǒng)矩陣A，并辨識得出A陣的重要特征值。計算得出改進Hopf分岔指數(shù)。

在線估計步驟如下所示：

（1）從 PDC（Phasor Data Concentrator）中獲取區(qū)間聯(lián)絡線隨機波動信號；

（2）利用SSI算法對區(qū)間聯(lián)絡線隨機波動信號進行辨識以得到系統(tǒng)模態(tài)參數(shù)。SSI辨識得到模態(tài)參數(shù)中包括離散狀態(tài)下的系統(tǒng)矩陣和重要特征值；

（3）將SSI辨識得到的離散狀態(tài)下的系統(tǒng)矩陣和重要特征值轉(zhuǎn)換成連續(xù)狀態(tài)下系統(tǒng)矩陣和重要特征值；

（4）計算得出改進Hopf分岔指數(shù)，即為小干擾穩(wěn)定下聯(lián)絡線功率極值的估計指數(shù)；

（5）從PMU相量測量裝置中獲取聯(lián)絡線功率值，由于改進Hopf分岔指數(shù)與聯(lián)絡線功率之間具有良好線性關系，從而估計得出小干擾穩(wěn)定下聯(lián)絡線功率極值。

聯(lián)絡線輸送極限在線估計流程圖如圖1所示。

圖1 聯(lián)絡線功率在線估計流程圖Fig.1 Online estimation flow chart of the tie line

4 數(shù)字仿真分析

4.1 IEEE4機2區(qū)域系統(tǒng)

以IEEE4機2區(qū)域系統(tǒng)為例，對本文提出的預測聯(lián)絡線功率極限值的改進Hopf分岔指數(shù)法進行仿真分析。IEEE4機2區(qū)域系統(tǒng)結構如圖2所示，詳細系統(tǒng)數(shù)據(jù)見文獻［14］。

圖2 4機2區(qū)域系統(tǒng)模型圖Fig.2 Simulation model of 2-area 4-machine system

利用電力系統(tǒng)綜合分析程序（power system analysis software package，PSASP）計算系統(tǒng)基礎運行方式下的機電振蕩模式，分析結果如表1所示。

表1 4機2區(qū)域系統(tǒng)特征值分析結果Tab.1 Characteristic analysis results of four-generator two-area

假設系統(tǒng)節(jié)點1和節(jié)點2處的發(fā)電機有功功率輸出每5 s按其基礎值的5%增加，直至系統(tǒng)聯(lián)絡線功率達到其極限功率。利用PSAT仿真軟件獲取系統(tǒng)某一穩(wěn)定運行狀態(tài)下，時長為1 min的聯(lián)絡線有功功率時域響應，如圖3所示。各時刻聯(lián)絡線有功功率大小及系統(tǒng)區(qū)間振蕩的特征值分析結果如表2所示。

圖3 聯(lián)絡線有功功率時域響應Fig.3 Active power time domain response of tie line

表2 4機2區(qū)域系統(tǒng)特征值計算結果Tab.2 Calculation results of characteristic value of 2-area 4-machine system

分析表2可知，隨著系統(tǒng)中發(fā)電機1和2的有功功率輸出不斷增加，系統(tǒng)區(qū)間聯(lián)絡線有功功率隨之不斷增加。同時，特征值分析結果表明隨著區(qū)間聯(lián)絡線有功功率的增加，區(qū)間振蕩頻率基本保持不變，但特征值實部逐漸向虛軸靠近，系統(tǒng)阻尼比不斷減小，直至阻尼比減小為零，此時系統(tǒng)聯(lián)絡線有功功率達到其極限值，即IEEE4機2區(qū)系統(tǒng)處于Hopf分岔點，此時得到系統(tǒng)聯(lián)絡線功率極值為245 MW。

利用本文提出的方法計算IEEE4機2區(qū)域系統(tǒng)改進Hopf分岔指數(shù)。首先，以系統(tǒng)聯(lián)絡線率隨機響應信號為基礎，利用SSI算法辨識系統(tǒng)模態(tài)參數(shù)，進而利用SSI辨識參數(shù)計算得到改進Hopf分岔指數(shù)。辨識結果如表3所示，改進Hopf分岔指數(shù)計算結果如表4所示。

分析表3可知，SSI辨識得到的系統(tǒng)模態(tài)參數(shù)與基礎運行方式下的值十分接近。進而利用SSI辨識結果計算得到改進Hopf分岔指數(shù)，如表4所示。由表4可知，隨著區(qū)間聯(lián)絡線有功功率的不斷增大，IHBI值不斷減小，即系統(tǒng)穩(wěn)定程度不斷下降。當IHBI減小為0時，聯(lián)絡線有功功率達到其極限值，此時系統(tǒng)處于Hopf分岔點。系統(tǒng)聯(lián)絡線有功功率極值和特征值實部絕對值、IHBI之間的關系如圖4所示。

結合表2和表4分析可知，利用IHBI估算得到的聯(lián)絡線功率極值約為248 MW，與系統(tǒng)特征值計算分析結果得到一致結論，表明本文提出的用于聯(lián)絡線功率極值估算的改進Hopf分岔指數(shù)法具有良好的評估效果。

表3 SSI算法辨識結果Tab.3 Identification results using SSI

表4 IHBI計算結果及聯(lián)絡線有功功率極值估計Tab.4 Calculation results of IHBI and the estimation of the active power of the tie line

圖4 聯(lián)絡線有功功率-特征值實部-IHBI關系圖Fig.4 Online application of eigenvalue real part and IHBI

5 結束語

本文在深入研究Hopf分岔理論基礎上提出了改進Hopf分岔指數(shù)，用于電力系統(tǒng)聯(lián)絡線功率極值的在線評估。仿真計算與分析表明：

（1）與傳統(tǒng)Hopf分岔指數(shù)相比，本文提出的改進Hopf分岔指數(shù)計算矩陣維數(shù)更少，有效提高了計算速率；

（2）本文提出的改進Hopf分岔指數(shù)與系統(tǒng)聯(lián)絡線有功功率之間具有良好線性關系，利用IHBI估算系統(tǒng)聯(lián)絡線有功功率極值具有良好的評估效果。

本文提出方法能夠準確估計出聯(lián)絡線輸送極限，且具有計算過程簡單、計算速度快的優(yōu)點，適于在線應用。