电力论文哪里有？本文中考虑风电场出力不确定性对系统的影响，对电力系统的机组同调辨识和主动解列断面搜索进行研究。
1 绪论
1.2 国内外研究现状
1.2.1 同调机组辨识的研究现状
在电力系统受到扰动后，系统中的发电机会表现出不同的动态特性，其中某些发电机会出现相似的动态特性的现象称为机组同调现象。对系统扰动后的发电机组进行同调辨识可以为电力系统的动态等值提供依据，减少系统规模，提高计算效率；同时机组同调辨识结果还是求解解列断面的前提条件。总结当前的机组同调辨识方法，大致可以分为以下三种方法：
（1）基于系统状态矩阵的分群法
此类方法将系统进行线性化后求解状态方程的特征根和特征向量，以此来进行机组同调辨识。文献[10]首先将系统进行线性化，采用慢同调算法对机组进行离线分群，然后提取功角数据信息利用希尔伯特-黄变换（Hilbert-Huang Transform）对机组进行分群，但是采用慢同调的离线分群未考虑系统实时状态，希尔伯特-黄变换应用时存在特征参数难以选取的问题。文献[11]先利用非负矩阵对发电机角速度数据进行降维，再利用K均值聚类算法对发电机进行分群，提高计算速度，但降维的过程中可能会丢失有效信息。文献[12]采用慢同调算法对网络中的元件进行简化处理后得到发电机的分群结果，进行简化后减少了计算量，但是未考虑系统的实时状态。
（2）利用系统特征量的分群法
此类方法对同调发电机进行分群的依据是能表征系统特征的物理量，按照选取的特征参数进行同调机辨识。文献[13]先对扰动数据进行模糊处理建立模糊相似矩阵，然后采用模糊聚类法对发电机组进行辨识，但是要通过人工进一步选取最优分群。文献[14]利用发电机间的电气和机械距离作为指标，对发电机进行分群，通过简化系统提高计算速度，但是仅考虑了系统静态数据，未考虑实时动态数据，分群结果可能存在误差。
3 风电场接入下的电力系统机组同调辨识
3.1 含风电场的发电机同调性分析
在电力系统中，多台同步发电机共同并联运行，保持着一致的电气角速度，以确保系统的稳定运行状态。然而，电力系统遭遇发生故障时，各同步发电机所输出的电磁功率会骤然下降，进而引发电磁功率与原动机供给的机械功率之间的失衡状况，这种失衡将导致同步发电机的转子运动状态发生变化，功角出现相对摆动，影响同步发电机之间的功角互同步性，某些发电机会出现相似的功角动态特性的现象称为机组同调现象。在分析大规模风电集中接入系统时，一般将双馈风机组成的风电场等效为一台双馈风机，双馈风机的发电机转子机械量参数不会对同步发电机的功角摆动造成影响，也没有参与系统内同步发电机组的暂态功角互同步行为，可以认为双馈风机和系统之间的机械量没有直接交互[65]。在暂态运行阶段，双馈风力发电机与电力系统间进行着电气量的动态交互，系统提供给双馈风机的电气量为机端电压和电流的相量值，而双馈风力发电机依据接收到的电压和电流信息，通过自身控制系统进行功率控制，按照指令值向电网送出有功功率和无功功率，从而改变系统潮流，间接地对同步发电机的功角特性施加了影响[67]，进而发电机间的同调性受到影响。
4 计及风电不确定性及负荷需求响应的主动解列断面搜索
4.1 负荷需求响应分析
负荷需求响应（Demand Response，简称DR）是一种促进电力供需平衡、保障电网稳定运行、抑制电价上升短期策略，在电力市场价格显著升高（降低）或者电力系统安全稳定性受到威胁之时，电力用户会依据价格信号或激励政策，临时调整自身的用电模式，以达到减少（或增加）负荷的目的[68]。另外我国电力系统面临大规模波动性、间歇性可变新能源并网，例如风电大规模并网产生的出力波动等问题，负荷需求响应机制可以通过电价调控或激励措施，引导终端用户的用电行为进行削峰填谷，增强整个系统的灵活性，在助力系统更好地接纳更高比例的间歇性新能源的同时，还能够帮助用户节约能源成本，最终实现系统运行效率与环保效益的双重提升。负荷需求响应的分类如图4-1所示。
4.3 算例验证
采用修改后的新英格兰39节点系统来验证本章提出的解列断面搜索模型的有效性，其中模型为混合整数线性规划问题，在Matlab2020b平台调用Gurobi求解器进行求解，解列及解列后孤岛动态仿真验证采用PSASP软件。
4.3.1 不同风电出力场景下的机组同调辨识结果
在主动解列断面求解之前，首要任务对扰动后系统的发电机进行同调辨识，得到发电机分群结果，由于同调发电机群表现的动态特性相似，在解列时应该将其分在一个孤岛内，而不同调的发电机要分在不同的孤岛内，保证解列后孤岛各自保持相对的稳定。因此采用第三章的机组同调辨识方法对受扰的发电机进行分群，可以得到在不同风电场典型出力场景下的机组分群结果。本章采用青海某风电场的典型出力场景，并考虑考虑风电场满发的极端情况作为场景7，形成4个出力场景如表4-1所示。
5 总结与展望
5.1 总结
现阶段，新型电力系统正朝向开发可再生能源、建立智能电网和区域电网互联互通等趋势发展，使得电力系统逐渐演变成一个巨大而复杂的系统。目前结合双碳目标推进电网节能减排，风电等可再生能源发电在系统中的占比逐渐增加，给电力系统的安全稳定运行带来更大的挑战；另一方面，电网向着互联互通的方向发展，但各地区之间的电网结构和联系尚显薄弱，导致系统的运行控制难度提升。基于此，电力系统中可能发生的事件和事故更加多变和不可预测，存在局部扰动可能导致各区域电网连锁故障甚至大停电的风险，为了防止系统发生连锁故障甚至大停电事故。本文中考虑风电场出力不确定性对系统的影响，对电力系统的机组同调辨识和主动解列断面搜索进行研究，主要完成工作及结论如下：
（1）根据风电场出力的历史数据，采用SG滤波进行数据预处理，消除噪声干扰，再用核密度估计计算出风电场出力概率密度函数，通过拉丁超立方采样生成大量风电出力样本数据，再利用K-Means算法进行消减，得到风电场出力的场景和概率，为风电场接入下的机组同调辨识及主动解列断面搜索提供数据基础。
（2）提出一种适用于风电场接入下的机组同调辨识方法。首先，将风电场对机组同调性的影响转化为对同步机之间电气联系强弱的改变，形成收缩导纳矩阵作为静态电气距离指标；其次选取度量发电机功角增量曲线相似性的4种动态指标；然后利用组合赋权法对上述5个指标赋予权重，形成综合权重矩阵；最后利用模糊聚类对发电机进行同调识别，采用F统计值选取最优分群数。通过在EPRI-9节点系统、EPRI-36节点和IEEE68节点系统进行测试，结果表明该方法在不同风电场出力场景下都有准确的机组辨识结果，适用于风电场接入下的电力系统机组同调辨识。为下一步风电场接入下的主动解列断面搜索模型中机组同调性约束所需的同调机组分群结果提供辨识方法。
参考文献（略）
