[发明专利]一种基于数据聚类的小干扰稳定机组分群方法及其系统

说明书

技术领域

本发明涉及一种基于数据聚类算法，具体涉及基于数据聚类的小干扰稳定机组分群方法及其系统。

背景技术

电力系统联网初期，同步发电机之间联系紧密，阻尼绕组可以产生足够的阻尼，低频振荡少有发生。但是，随着东北—华北、川渝—华中、福建—华东等联网工程的建设，“西电东送，南北互供，全国联网”的局面已初步形成。如此规模庞大的电网形成之后，弱阻尼甚至负阻尼低频振荡问题更加突出。在振荡过程中，参与振荡的机组转子会进行相对摆动，输电线路功率来回传输，影响了系统的正常运行，严重时系统将失去同步。这给大电网的安全、稳定、高效运行提出了更高的要求，因此研究大区域电网互联产生的低频振荡问题显得更加迫切。

电力系统小干扰稳定分析，是研究电力系统发生小干扰后稳定性的重要分析方法。如果系统振荡能够被抑制——即在一定时间内，系统状态偏移足够小——则系统是稳定的；反之，如果振荡的幅值不断增大或无限地维持下去，则系统是不稳定的。在大型电力系统中，小扰动稳定性问题分为局部振荡模式和全局振荡模式：局部振荡模式的频率范围一般在0.7～2.5Hz之间；全局振荡模式或区域振荡模式频率范围一般在0.1～0.7Hz，地区局部振荡模式又可有单机对系统的振荡和少数几台机组(或机群)间的振荡。遭受小干扰后的系统是否稳定与很多因素有关，主要包括：初始运行状态，输电系统中各元件联系的紧密程度，以及各种控制装置的特性等等。由于电力系统运行过程中难以避免小干扰的存在，所以正常运行的电力系统首先必须是小干扰稳定的。因此，进行电力系统的小干扰稳定分析，判断系统在指定运行方式下是否稳定，也是电力系统分析中的一个基本任务。

电力系统小扰动稳定性相当于一般动力学系统在李雅普诺夫意义下的渐进稳定性。通过计算线性化系统状态矩阵的特征值、特征向量以及阻尼比、机电回路相关比、相关因子和特征值对参数的灵敏度等，从而分析判断系统在小扰动下的行为特征。相关因子反映了系统中各机组对同一振荡模式的参与程度。相关因子大，相关程度就强。在系统小干扰稳定研究中，相关因子常常用来确定PSS（电力系统稳定器）的配置地点，在相关因子大的电厂的发电机组配置PSS，一般可以得到良好的效果。如果把特征值对应的特征向量在复平面内表示出来就是该特征值对应的模态图。特征向量的模值反映了系统中各机组对同一振荡模式的影响程度，表现为振荡的强弱程度。特征向量的相位反映了系统中各机组对同一振荡模式的同调程度。

综上，对电网开展小干扰安全稳定分析，找出与之相关的振荡模式，并合理选择配置PSS装置的发电机组，对提高电网的安全稳定运行水平具有重要意义。

发明内容

针对现有技术的不足，本发明提供一种基于数据聚类的小干扰稳定机组分群方法及其系统，本发明采用数据聚类方法中的融合算法作为分群的方法，算法以特征向量分量的复角为主要判断依据，辅之以特征向量幅值比较作为挑选代表发电机的方法。本发明可快速辨别出某一振荡模式下的主要参与发电机，以及发电机分群情况，为抑制该模式振荡的发生提供依据。

本发明的目的是采用下述技术方案实现的：

一种基于数据聚类的小干扰稳定机组分群方法，其改进之处在于，所述方法包括下述步骤：

A、筛选掉等值机不参与振荡的机组；

B、在振荡模式下将机组按照相关因子大小进行排序，并筛除相关因子小于0.0001的机组；

C、初始认为每个机组独自形成一个机群，记录机群的数量N；

D、计算所述机组的特征向量分量之间的复角；

E、循环迭代合并相似度高的机群，直至机群数量降至5个或以下；

F、在余下机群中，按照所含机组数量的多少从多到少进行排序；

G、把余下机群中包含机组数量最多的一群作为第一机群；把与第一机群间距离最大的机群作为第二机群；

H、分群结束并输出结果信息。

其中，所述步骤A中，分振荡模式读取机组特征根和特征向量，通过筛选模块筛选掉等值机不参与振荡的机组。

其中，所述振荡模式分为局部振荡模式和全局振荡模式；所述局部振荡模式的频率范围在0.7～2.5Hz之间；所述全局振荡模式或区域振荡模式频率范围在0.1～0.7Hz，所述局部振荡模式分为单机对系统的振荡和少数几台机组或机群间的振荡。

其中，所述步骤B中，在局部振荡模式或全局振荡模式下将所有机组按照相关因子大小进行排序，并筛除相关因子小于0.0001的机组。