位置:立项数据库 > 立项详情页
基于类噪声信号的大电网主导动态系统辨识与广域鲁棒自适应控制
  • 项目名称:基于类噪声信号的大电网主导动态系统辨识与广域鲁棒自适应控制
  • 项目类别:重点项目
  • 批准号:51037002
  • 申请代码:E0704
  • 项目来源:国家自然科学基金
  • 研究期限:2011-01-01-2014-12-31
  • 项目负责人:韩英铎
  • 负责人职称:教授
  • 依托单位:清华大学
  • 批准年度:2010
中文摘要:

目前电力系统分析与控制器设计几乎完全依靠离线模型与数据,而国内外多次试验和严重事故均表明其存在较大误差,威胁电网安全运行;另一方面,低频振荡已成为限制互联电网输电能力的瓶颈,传统的阻尼控制,由于无法获取系统级的动态信息而存在适应性、协调性方面困难。近几年广域测量技术的迅速发展和应用,为前述问题的解决提供了良好的数据基础,本项目利用电力系统日常运行过程中的多点测量类噪声信号,进行系统主导动态模型的辨识。通过实时闭环辨识,保持降阶模型与当前系统的一致性;基于辨识模型进行系统稳定性分析、考虑辨识误差建模进行广域阻尼控制器的在线鲁棒自适应设计,避免了单纯依赖离线模型参数和仿真的问题,也解决了控制器的适应性问题。同时,基于辨识信息、可改善系统阻尼的电网潮流优化技术将有效预防低频振荡事件的发生。本项目所研究的基本理论和关键技术,涉及系统辨识、信号处理、控制理论、模式识别等多个学科,具有原创性。

结论摘要:

本项目的研究目标和主要内容为借助广域信息平台,研究基于实测的电力系统辨识、分析与控制理论和关键技术,解决目前完全依靠离线模型与参数的大误差问题,通过改善区间低频振荡的阻尼提高电网的输送能力和效率。针对上述主要工作,项目研究顺利完成,其中的主要研究成果包括分析了反馈信号可观性、控制点可控性与系统可降阶的本质联系,研究电力系统可降阶的原理以及降阶的误差分析,提出了电力系统的开环降阶辨识方法,验证了模型和方法的有效性;研究了类噪声情况下的系统闭环辨识问题进行理论性研究,从一致性、收敛性两个角度出发,评估闭环辨识的准确性,分析影响辨识效果的主要因素;提出了电力系统多输入多输出模型和系统方程的辨识的方法,综合对比分析了不同子空间算法,提出应用基于信号空间正交分解的ORT子空间方法;提出基于预报误差模型下的激励信号优化设计方法,和基于预报误差模型的迭代控制器设计方法及整个设计过程的算法步骤,并进行了仿真验证;研究了随机网络延时对系统稳定性的影响,提出基于期望模型可以把传统控制系统的各种控制器设计方法用于含有随机延时系统的控制器设计流程中,可以取得更好的效果;设计了“在线闭环降阶辨识+在线控制器设计”的自校正结构,提出了幅频整形时滞稳定裕度的设计方法,实现了在线的时滞鲁棒阻尼控制设计方法;实现了不依赖于扰动、紧随电网结构和方式变化的自适应,可实现多个广域PSS逐台协调投运;提出了一种基于无模型自适应算法的发电机广域阻尼控制器设计方法,并通过RTDS仿真平台在南方电网交直流互联系统仿真验证了上述无模型自适应广域阻尼控制器的自适应控制效果;建立了电力网络全PMU数据的量测方程,将加权最小二乘法改进后引入到复数领域形成复加权最小二乘法来求解上述方程,得到了状态量的无需迭代的、线性的估计算法,由此得到系统的动态实时潮流;实现了基于实测数据分析给出不同区域潮流优化的策略,在不改变总体出力的前提下,增强系统动态稳定性,并提高区域传输功率;最后,通过搭建一个闭环的大电网实时仿真实验平台,对基于广域测量类噪声的广域控制信号分析、系统辨识、控制器结构设计、参数优化、在线自适应理论体系和方法进行测试和验证,同时为后续研究工作提供一个试验、测试和验证平台。


成果综合统计
成果类型
数量
  • 期刊论文
  • 会议论文
  • 专利
  • 获奖
  • 著作
  • 28
  • 13
  • 2
  • 0
  • 1
期刊论文
相关项目
韩英铎的项目