稳态遥测技术及参数辨识技术简介.ppt

2002.12 三川电气 1. 课题背景 电力调度的目标 实时监视： 实时监视电力系统的运行状况； 保证供电质量： 维持频率和电压在规定范围内运行； 安全调度： 正常条件下，提高电力系统运行的安全水平，保障电网安全、稳定运行； 经济调度： 提高电力系统运行的经济性，降低发电成本，减少网络传输损失； 事故预想： 为调度员提供处理事故预案； 事故后首要保证电力系统的稳定运行，其次，尽量减少切机、甩负荷总量。 为调度员提供事故后的恢复措施。 EMS现状 原因分析 AVC、无功优化等尚差的原因： 下文中将介绍线路参数实测不准、线路参数不准对无功分配影响远大于有功的分配 EMS的经济性差、最优潮流上不了的原因：参数不准和下文介绍的遥测数据仍有坏数据是主因，参数不准造成结果有偏、坏数据造成计算收敛难 电压稳定性分析难的原因在于负荷模型，而负荷模型的难处在于历史遥测数据。 状态估计、潮流计算、安全分析耗时很长，在于遥测数据中存在坏数据，状态估计需要不断迭代检验、辨识和剔除坏数据，剔除不干净、造成潮流计算和安全分析收敛困难。 问题——遥测问题及现状 1970年， F.C.Schweppe和R.E.Larson几乎同时发现电网调度SCADA遥测数据中有坏数据，并提出用状态估计加以剔除。经过40多年的发展，状态估计获得了长足进步，尤其是我国已处于世界领先水平。然而，该技术并不能完全剔除坏数据，还存在以下问题。 线路遥测数据仍有问题 母线数据同样有问题 状态估计后仍有问题 危害——调度系统 坏数据严重时导致状态估计不可用或不可信； 在线网损统计困难，网损淹没在误差之中： 发电功率总加和负荷总加的误差大于5％，网损约5％；误差淹没了网损！于是，将动摇基于网损最小化的优化潮流、优化无功等调度自动化的根基。 潮流方程难成立： 潮流方程变形后即是（节点）线损方程，因遥测坏数据造成线损负数错误，将导致潮流方程难成立；较复杂的最优潮流难度更大。 优化潮流缺乏根基： 坏数据造成线损负数错误，优化成立使网损最小的命题遭到破坏； 经济调度： 要网损最小，由于真实网损被误差淹没，优化后的可信度下降，很可能不准，还有可能错了；网损不能实时统计造成实时优化潮流不能实现。 AGC、AVC等动态响应慢，需要大时间常数的滤波器或积分器。 安全调度： 状态估计最快一分钟，而大停电只有几秒钟，状态估计来不急。 2. 坏数据机理 查因——简单实验 为查找原因，设计一简单实验 简单实验 可看成是无损线路或简单母线 结果 每次试验前对时 两块表的遥测数据应当一致，即δP=0 δP≠0 有负数：-10%，复现了现场结果 为什么？ 不是终端精度问题 精度0.5% ，误差大一个数量级 与认证不同 认证试验只是试验恒定结果 这里，信号源输出有变化 电流变化率是2A/分钟 查因——SCADA遥测 重新检查SCADA遥测数据的过程： 遥测过程 终端不间断地测量数据 主站按T轮询获得遥测数据 加上时标存数据库 美国T=2s，国内T≈5s 可见 终端测量未管稳态以否 主站也未管稳态以否 而实际的物理量是变化的 结果会怎样呢？ 查因——遥测数据混入暂态数据 由于终端和主站都没管稳态以否，结果： 分析简单实验结果 出问题的点恰好发生在暂态过程 说明问题由暂态数据引起 遥测数据中混入了暂态数据 遥测数据既包括稳态状态下测量的数据 也包括暂态情况下遥测的数据 简言之，遥测数据既有稳态值也有暂态值 稳态数据混入了暂态数据 混入后的结果 暂态数据代入稳态方程 结果肯定有问题 至少误差大 查因——稳态模型需要稳态数据 稳态模型 线损公式 是稳态模型 潮流方程是稳态模型 众多的EMS程序是稳态模型 稳态模型需要输入稳态数据 即遥测数据应当是稳态数据 SCADA的遥测数据是稳态值数据吗？ 查因——其它原因 时钟不同步 要求 潮流方程还是线损公式，输入都要求是同一时刻的稳态值 现状 由SCADA遥测可知 将不同时刻的数据被当成同一时刻数据的问题 混频问题 数字测量中，有著名的加农采样定理 采样频率应该大于信号截止频率的2倍 否则，必定产生混频错误 重抽样也如此 由SCADA遥测可知 T轮询属于重抽样 电力系统Ta=0.1s，截止频率10Hz 重抽样频率应大于20Hz 然而，现行的SCADA，美国2s，国内5s左右 重抽样频率0.2Hz 不满足采样定理，结果肯定有混频错误 查因——原因小结 针对调度遥测问题进行因素分析，以及10kV遥测数据的处理经验，得出： 原因小结，坏数据产生的机理 遥测数据中混入暂态数据 时钟不同步 混叠错误 影响比重约是： 遥测数据中混入暂态数据占60% 时钟不同步占35% 混叠错误占5% 3. 解决办法——稳态技术应用 办法——