本發(fā)明涉及一種基于趨勢預測的高壓直流輸電系統(tǒng)(high?voltage?directcurrent,?hvdc)換相電壓幅值相角快速提取方法,屬于高壓直流輸電系統(tǒng)換相失敗防御。
背景技術:
1、基于電網換相的高壓直流輸電技術(line-commutated?converter?hvdc,?lcc-hvdc)憑借其輸送容量大、損耗小、造價低等特點,有效地解決了能源中心與負荷中心分布不均的問題,保證了電能的可靠供應。換相失?。╟ommutation?failure,?cf)是lcc-hvdc最常見的故障之一,它會導致系統(tǒng)直流電流迅速上升,給直流系統(tǒng)帶來有功和無功功率的沖擊,嚴重時會造成直流輸電閉鎖,引發(fā)有功潮流轉移,換相失敗防御技術是當前研究熱點。換相失敗防御中,換相電壓是最受關注的特征量之一,換相電壓的幅值直接影響換相過程所需的時間,而換相電壓的相角直接影響待關斷閥承受電壓的過零點時刻。因此,提取換相電壓的幅值和相角信息能夠為換相失敗的預測提供支撐。同時,若能在系統(tǒng)故障后在更短的時間內提取出換相電壓的幅值與相角,就能夠提高換相失敗預測的快速性,從而更早地對系統(tǒng)運行參數進行調整,降低換相失敗的風險。綜上所述,快速提取hvdc換相電壓幅值和相角至關重要。
2、對于上述問題,目前國內外研究多采用三角函數最小二乘擬合的方法進行換相電壓幅值與相角的提取,如以下文獻記載:王增平,?劉席洋,?鄭博文,等.?基于電壓波形擬合的換相失敗快速預測與抑制措施[j].電工技術學報,?2020,?35(7):?1454-1463。
3、現有的三角函數最小二乘擬合的方法中,在lcc-hvdc系統(tǒng)運行過程中,不論系統(tǒng)故障后換相電壓幅值和相角如何變化,其表達式都能寫成以下的形式:
4、(1);
5、式(1)是一個非線性函數, u為擬合的換相電壓瞬時值, t為時間, ω0為系統(tǒng)角頻率, um0表示換相電壓擬合函數的幅值, θ0表示換相電壓擬合函數的相角。利用三角函數的和差角公式,可以將上述公式(1)改寫成以下的線性形式:
6、(2);
7、其中, um1表示正弦部分的幅值大小, um2表示余弦部分的幅值大小;且 um0、 um1、 um2、 θ0滿足如下關系:
8、(3);
9、根據最小二乘法線性擬合公式, um1和 um2的擬合結果如下:
10、(4);
11、式中,, u1、 u2、…、 um為 m個電壓的瞬時值, t1、 t2、…、 tm為 m個電壓瞬時值的時間信號。然后將 um1和 um2代入到式(3)中,即得到換相電壓擬合函數的幅值 um0和換相電壓擬合函數的相角 θ0,得到擬合結果。
12、然而,現有的三角函數擬合方法在故障后換相電壓幅值與相位的提取速度上存在不足,導致換相失敗預測和抑制的滯后,使得換相失敗故障的發(fā)生已無法避免。該問題已成為高壓直流輸電換相失敗防御領域中限制換相失敗預測快速性的瓶頸。
技術實現思路
1、為了解決上述問題,本發(fā)明提供了一種基于趨勢預測的hvdc換相電壓幅值相角快速提取方法,可以快速地提取出系統(tǒng)故障后換相電壓的幅值與相角。
2、本發(fā)明的技術方案如下:
3、一種基于趨勢預測的hvdc換相電壓幅值相角快速提取方法,包括如下步驟:
4、s1:設置采樣間隔 t和擬合數據個數 m,并將采集到的換相電壓瞬時值 u隨時間的變化實時輸入到電壓擬合模塊,計數器 i的初始值為1( i≥1);
5、s2:將采集到的換相電壓瞬時值實時輸入到電壓擬合模塊,每次輸入換相電壓瞬時值,計數器 i+1;對實時輸入的 m個換相電壓瞬時值進行三角函數最小二乘擬合,計算得到擬合曲線的幅值和相角;
6、本步驟的擬合過程是實時進行的,每輸入換相電壓瞬時值( m個)數據都進行一次幅值相位的擬合提取。
7、s3:步驟s2得到的幅值和相角輸入至趨勢預測模型中,并設置趨勢預測模型的參數;
8、s4:當計數器 i≤ p+1時, p為振蕩周期長度,根據前 p+1個擬合曲線的幅值和相角對趨勢預測模型的記憶分量、趨勢分量和振蕩分量進行初始化,并將原始擬合曲線的幅值和相角數據作為預測結果分別作為趨勢預測后的幅值和相角;
9、s5:當計數器 i> p+1時,更新趨勢預測模型的記憶分量、趨勢分量和振蕩分量,并基于更新后的記憶分量、趨勢分量和振蕩分量對幅值和相角進行趨勢預測;
10、s6:實時輸出趨勢預測后的幅值和相角。
11、步驟s1中,采樣間隔 t和擬合數據個數 m影響擬合結果,優(yōu)選的,采樣間隔 t=0.2ms,擬合數據個數 m=5。
12、優(yōu)選的,步驟s2中,按照式(5)、(6)對輸入的 m個換相電壓瞬時值進行三角函數最小二乘擬合,得到第 i次的換相電壓幅值和相角擬合結果 um0( i)和 θ0( i);
13、(5);
14、(6);
15、其中,, ω0為系統(tǒng)角頻率; um( i)表示第 i次輸入的 m個換相電壓瞬時值; tm( i)表示第 i次輸入的 m個換相電壓瞬時值對應的時間信號; um1( i)和 um2( i)為計算過程中的中間變量,無實際物理意義。
16、優(yōu)選的,步驟s3中,趨勢預測模型的參數包括幅值記憶因子 α u、相角記憶因子 α θ、幅值趨勢因子 β u、相角趨勢因子 β θ、幅值振蕩因子 γ u、相角振蕩因子 γ θ和振蕩周期長度 p。
17、參數的選擇影響預測結果,優(yōu)選的,幅值記憶因子 α u=0.5,相角記憶因子 α θ=0.2,幅值趨勢因子 β u=0.5,相角趨勢因子 β θ=0.7,幅值振蕩因子 γ u=0.3,相角振蕩因子 γ θ=0.5,振蕩周期長度 p=6。
18、優(yōu)選的,步驟s4中,記憶分量包括幅值記憶分量 l u和相角記憶分量 l θ,趨勢分量包括幅值趨勢分量 b u和相角趨勢分量 b θ,振蕩分量包括幅值振蕩分量 s u和相角振蕩分量 s θ,其中 l u、 b u、 s u、 α u、 β u、 γ u用于幅值的趨勢預測,而 l θ、 b θ、 s θ、 α θ、 β θ、 γ θ用于相角的趨勢預測。
19、首先根據前 p+1個擬合曲線的幅值和相角對趨勢預測模型的記憶分量、趨勢分量和振蕩分量進行初始化,如式(7)、(8)所示:
20、(7);
21、(8);
22、其中, um0(1)表示第1次的換相電壓幅值擬合結果; um0( p+1)表示第 p+1次的換相電壓幅值擬合結果; um0(1: p)表示第1次到第 p次的換相電壓幅值擬合結果組成的數組;
23、 θ0(1)表示第1次的換相電壓相角擬合結果; θ0( p+1)表示第 p+1的換相電壓相角擬合結果; θ0(1: p)表示第1次到第 p次的換相電壓相角擬合結果組成的數組;
24、然后,對幅值和相角進行趨勢預測,在計數器 i≤ p+1時,將原始擬合曲線的幅值和相角數據作為預測結果分別存入 um( i)和 θ( i),如式(9)和式(10)所示:
25、(9);
26、(10)。
27、優(yōu)選的,步驟s5中,隨著計數器 i增加到大于 p+1時,程序將幅值數據 um0( i)、相角數據 θ0( i)、 l u和 l θ, b u和 b θ, s u和 s θ輸入到趨勢預測模塊進行更新,具體的:將 l u和 l θ分別賦值給 l u _prev和 l θ _prev,即 l u _prev= l u, l θ _prev= l θ,并按照式(11)和式(12)分別對 l u、 b u、 s u、 l θ、 b θ、 s θ進行更新:
28、(11);
29、(12);
30、其中,mod(?)為求余函數; s u按照公(11)的第三行更新,因為 s u是一個長度為 p數組,每次更新是更新數組中 p個量中的一個值; s θ按照式(12)的第三行更新, s θ是一個長度為 p數組,每次更新是更新數組中 p個量中的一個值。
31、然后,基于更新后的 l u和 l θ, b u和 b θ, s u和 s θ,通過式(13)和式(14)分別對幅值和相角進行趨勢預測:
32、(13);
33、(14)。
34、本發(fā)明中, α u、 β u、 γ u分別控制幅值記憶分量 l u、幅值趨勢分量 b u和幅值振蕩分量 s u更新過程中對近期輸入數據的敏感程度; α θ、 β θ、 γ θ分別控制相角記憶分量 l θ、相角趨勢分量 b θ和相角振蕩分量 s θ更新過程中對近期輸入數據的敏感程度。
35、當 i> p+1時,對于一次輸入( m個點),預測分量(記憶分量、趨勢分量和振蕩分量)的更新和趨勢預測的計算各進行一次。在每次預測分量更新完成后,都將它們的當前值返回,參與下一次的分量更新。只要系統(tǒng)一直將采集的換相電壓瞬時值輸入到本發(fā)明的提取系統(tǒng),預測分量就一直更新并返回。也就是說,本發(fā)明提出的提取方法是實時提取換相電壓幅值和相角的。最后,輸出基于趨勢預測提取到的幅值 um( i)和相角 θ( i),隨著輸入到趨勢預測模型中的換相電壓幅值相角的擬合數據不斷變化, um( i)和相角 θ( i)也進行實時更新,作為本發(fā)明所提方法提取出的換相電壓幅值和相角,直至不需要進行換向失敗的預測。
36、本發(fā)明未詳盡之處,均可參見現有技術。
37、與現有擬合提取方法不同的是,本發(fā)明不直接輸出擬合得到的換相電壓幅值和相角,而是將它們輸送到趨勢預測模型中進行處理,最后計算得到本發(fā)明方法提取所得的幅值和相角。
38、在趨勢預測模型中,定義三類預測分量:記憶分量、趨勢分量和振蕩分量,最終的幅值相角提取結果 um( i)和 θ( i)由分別由三個分量相加獲得。趨勢預測模型根據輸入的擬合數據對這些分量進行實時更新,并且可以通過調整加權系數的大小控制本環(huán)節(jié)對歷史擬合數據的敏感度,從而對未來變化進行更精確的預測,保證hvdc換相電壓幅值相角提取的快速性和準確性。
39、本發(fā)明的有益效果為:
40、本發(fā)明的基于趨勢預測的hvdc換相電壓幅值相角快速提取方法,首先通過對換相電壓的實時采集數據進行三角函數最小二乘擬合,初步得到換相電壓幅值相角的擬合數據;然后在不增加其他采集數據的情況下,基于當前擬合所得數據預測幅值和相角的趨勢,并且在預測過程中通過定義記憶分量、趨勢分量和振蕩分量,在更短的時間內得到換相電壓變化后的幅值相角,從而實現hvdc故障后換相電壓幅值和相角的快速提取,為換相失敗的快速預測和抑制提供支撐。