[發明專利]一種電力系統隨機動態模型線性化閾值條件及穩定性分析方法

有效

• 申請號: 202011006762.4
• 申請日: 2020-09-22
• 公開（公告）號: CN112366681B
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 李利娟;曾亦惟;陳永東;李沅格
• 申請（專利權）人: 湘潭大學
• 主分類號: H02J3/00
• 分類號: H02J3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種電力系統隨機動態模型線性化閾值條件及穩定性分析方法，包括以下步驟：

步驟1：建立非線性隨機動態模型：

dX(t)＝F(X(t))dt+G(t)dB(t) (1)

式中，為漂移項系數，為擴散項系數，

與線性隨機動態模型：

dX(t)＝AX(t)dt+Q(t)dB(t) (2)

式中，為漂移項系數，為擴散項系數，

步驟2：構造所述隨機動態模型的Milstein-Euler預估校正算法并分析其穩定性；

步驟3：根據所述隨機動態模型及其算法提出非線性隨機動態模型可線性化處理的隨機激勵強度最優閾值模型，將目標函數與約束條件表示為下面的約束最優化問題，即：

X_not(t)為非線性隨機動態模型關于狀態變量δ、ω的輸出，X(t)為線性隨機動態模型關于狀態變量δ、ω的輸出， Δδ_error為非線性隨機動態模型狀態變量輸出X_not(t)與線性隨機動態模型狀態變量輸出X(t)之間的功角誤差，誤差不能超過Δδ_c，Δω_error為非線性隨機動態模型狀態變量輸出X_not(t)與線性隨機動態模型狀態變量輸出X(t)之間的轉速誤差，誤差不能超過Δω_c；得到線性化閾值條件；

步驟4：所述閾值條件下，定量分析所述算法和閾值條件的正確性與合理性。

2.根據權利要求1所述的電力系統隨機動態模型線性化閾值條件及穩定性分析方法，其特征在于：所述步驟2具體包括：

2.1：非線性隨機動態模型的預估校正算法的構造；

針對電力系統非線性隨機動態模型，先利用顯式Milstein算法計算預估值，得到預估格式，再利用隱式Euler算法進行校正，得到校正格式；

2.2：線性隨機動態模型的預估校正算法的構造；

針對電力系統線性隨機動態模型，先利用顯式Milstein算法計算預估值，得到預估格式，再利用隱式Euler算法進行校正，得到校正格式；

2.3：算法穩定性分析；

計算建立的電力系統隨機動態模型是否滿足計算條件，滿足則構造的適用于電力系統的預估校正算法是均方零穩定的。

3.根據權利要求1所述的電力系統隨機動態模型線性化閾值條件及穩定性分析方法，其特征在于：所述步驟3具體包括：

3.1：電力系統隨機激勵強度最優閾值模型具體求解；

1)輸入一組隨機激勵強度σ的值，求解約束條件所對應的狀態變量δ的輸出；

2)在上述隨機激勵強度σ下，計算對應的狀態變量δ的誤差大小，即Δδ_error；

3)在約束條件下，利用網格搜索方法得到此時應的隨機激勵強度σ；

4)重復上述3步，直到得到誤差范圍內的最大隨機激勵強度，即為隨機激勵強度閾值σ_c；

3.2：考慮激勵閾值的穩定性分析；

1)考慮電力系統外部不同強度的隨機激勵因素，建立電力系統非線性隨機動態模型及其線性化模型；

2)利用電力系統隨機動態模型的Milstein-Euler預估校正算法對非線性隨機動態模型和線性隨機動態模型進行數值離散；

3)建立電力系統隨機動態模型可線性化處理的隨機激勵強度最優閾值模型，利用網格搜索方法得到隨機激勵強度閾值σ_c；

4)判斷系統隨機激勵強度與可線性化處理的激勵強度閾值σ_c的關系：當σ≤σ_c時，對非線性隨機動態模型進行線性化處理，利用線性模型定量分析不同隨機激勵強度下系統的穩定性；當σσ_c時，利用非線性隨機動態模型定量分析不同隨機激勵強度下系統的穩定性；

5)通過對OMIB系統進行算例仿真，對功角δ的變化進行分析，從而得出結論。

4.根據權利要求1所述的電力系統隨機動態模型線性化閾值條件及穩定性分析方法，其特征在于：所述步驟4具體包括：

4.1：閾值的確定及對比分析；

閾值的確定及對比分析是通過利用所構造的電力系統隨機動態模型的Milstein-Euler預估校正算法進行數值離散，然后求解隨機激勵強度最優閾值模型，得到可以對非線性隨機動態模型進行線性化處理的隨機激勵強度閾值σ_c，得到激勵強度閾值σ_c后，對不同算法的閾值范圍對比，如果算法允許模型在更大激勵范圍內進行有效線性化，則說明算法具有更強的適應性；

4.2：隨機激勵強度小于閾值的穩定性分析和隨機激勵強度大于閾值的穩定性分析；

隨機激勵強度小于閾值的穩定性分析和隨機激勵強度大于閾值的穩定性分析是在得到激勵強度閾值σ_c后，針對低于和高于隨機激勵強度閾值的不同隨機激勵強度分別在線性隨機動態模型和非線性隨機動態模型下進行仿真分析，比較線性隨機動態模型和非線性隨機動態模型下功角曲線的差異，并分析不同隨機激勵強度對電力系統穩定性的影響，驗證所提隨機動態模型選擇方法的正確性與合理性。