一种功率耦合的虚拟电力系统稳定器优化方法及系统

本发明属于电力系统稳定性分析与控制，具体涉及一种功率耦合的虚拟电力系统稳定器优化方法及系统。

背景技术：

1、随着电力系统规模的不断扩大，新型电力系统稳定性问题逐渐成为学术界和工程界聚焦的重点。由于其输出功率的波动性和不可预测性，电力系统面临着更多的扰动和不确定性，这给系统的稳定性和鲁棒性带来了前所未有的挑战。

2、传统的电力系统稳定器（pss）主要通过单一功率输入输出进行调节，以维持系统的稳定性。然而，随着电力系统运行环境的复杂化和系统组件的多样化，传统pss方法无法充分考虑有功和无功功率之间的双输入输出耦合关系，导致其在面对复杂扰动时容易失稳。尤其在高比例新能源占比高的新型电力系统中，传统稳定器常常受到信号滞后、实时性差、全局搜索能力弱等因素的影响，从而进一步削弱了系统的稳定性。

3、目前，现有pss优化方法包括：公开号为cn113452029a的专利申请提供了多运行方式电力系统稳定器参数协调优化方法，通过模拟退火算法改进quatre算法，将参数整定问题转换为基于系统振荡模态特征值及阻尼系数的问题；公开号为cn115800320a的专利申请公开了一种虚拟电力系统稳定器参数整定方法，通过将虚拟pss结构引入vsg的无功环路，用ddpg算法优化含虚拟pss接入的vsg并网系统参数，使虚拟pss在多种运行方式下均能达到有效抑制振荡的能力；而公开号为cn120691458a的专利申请则提供了一种双输入信号虚拟电力系统稳定器优化方法，将一维时序信号转换为二维图像矩阵，结合近端策略优化算法并引入在线学习机制和异常切换策略，实时调整稳定器参数平衡系统稳定性。

4、综上，现有技术虽然分别从算法优化、控制结构以及信号处理等角度，对电力系统低频振荡问题进行有效抑制，但未充分考虑在交互系统场景下多时间尺度层面由功率耦合引发的低频振荡，也无法精准捕捉交互系统振荡特征，在负荷波动、新能源出力不稳等复杂工况下，无法实现系统动态性能与鲁棒性的最优平衡。

技术实现思路

1、为解决现有技术存在的gfvsg与sg交互运行过程中因有功-无功功率耦合引发的低频振荡问题，本发明提出一种功率耦合的虚拟电力系统稳定器优化方法及系统。该方法在同步发电机励磁控制侧配置pss2b电力系统稳定器，在gfvsg有功控制环节配置vpss2b电力系统稳定器，分别对同步发电机慢动态振荡及gfvsg快速功率振荡进行阻尼调节，以提高gfvsg-sg交互系统的低频振荡衰减能力;采集gfvsg与sg的频率、有功功率及无功功率信号作为多时间尺度小波分解输入信号进而提取低频振荡特征，并利用扩展卡尔曼滤波（ekf）进行低频振荡状态估计，为pss2b与vpss2b阻尼参数调节提供状态反馈信息；进一步地，采用雪消融优化算法（sao）对pss2b与vpss2b的阻尼参数进行在线整定，使两类稳定器在不同时间尺度振荡频段下实现协调阻尼控制，降低跨时间尺度振荡耦合影响，提高gfvsg-sg系统的低频振荡阻尼能力。

2、本发明采用如下的技术方案：

3、本发明的第一方面提供了一种功率耦合的虚拟电力系统稳定器优化方法，包括：

4、s1、构建构网型虚拟同步发电机gfvsg与同步发电机sg交互系统的非线性快慢动态方程组，并进行快慢动态解耦，得到慢变和快变状态空间方程；在稳态工作点附近进行线性化，生成小信号状态空间方程，确定慢变状态空间矩阵；对慢变状态空间矩阵进行特征值分解，得到特征值并进行筛选，确定sg主导振荡模态对应的特征值；基于对应特征值，计算低频振荡主导频段；

5、s2、实时采集公共连接点处的频率偏差信号、有功功率波动信号及无功功率波动信号；基于低频振荡主导频段和采样频率，确定离散小波分解的层数，并对采集的信号进行离散小波分解，确定低频振荡特征分量，生成低频振荡观测向量；

6、s3、将小信号状态空间方程离散化，得到状态递推方程；以提取的低频振荡观测向量为观测向量以状态向量为变量，构建非线性观测方程；基于上一优化窗口下状态向量，通过状态递推方程确定当前优化窗口下的理论预测状态向量；基于当前优化窗口下预定义的测量噪声协方差矩阵、理论预测状态向量，计算对应的卡尔曼增益矩阵，结合低频振荡观测向量，更新状态向量；

7、s4、将电力系统稳定器的控制参数作为优化变量，并基于变量更新s3中的状态递推方程和非线性观测方程，确定低频振荡观测向量，并构建低频振荡阻尼性能指标作为适应度；以适应度最小化为目标，优化控制参数生成最优控制参数。

8、优选地，s1中得到特征值并进行筛选的过程为：

9、对慢变状态空间矩阵进行特征值分解，得到全部特征值，生成特征值集合；

10、若慢变子集中状态变量总数为偶数，则将特征值集合中的所有特征值作为振荡模态特征值，生成振荡模态特征值集合；若慢变子集中状态变量总数为奇数，则筛选出虚部不为0的特征值作为振荡模态特征值，生成振荡模态特征值集合；

11、对于振荡模态特征值集合中的每个特征值，分别求对应特征值的左、右特征向量并分别进行归一化处理；

12、对于慢变子集中的每个状态变量，将每个特征值归一化后的右特征向量和左特征向量在对应状态变量位置处的元素相乘，作为对应状态变量对每个特征值对应的振荡模态的参与因子；将同步发电机的转子功角小信号偏差与转子角频率小信号偏差对每个振荡模态的参与因子相加，作为同步发电机转子机械摆动对每个振荡模态的综合参与度；

13、对于任意振荡模态，若同步发电机转子机械摆动对对应振荡模态的综合参与度不小于预定义的参与度阈值，表示对应振荡模态为同步发电机主导的机电振荡模态，构成机电模态集合。

14、优选地，s1中计算低频振荡主导频段的过程为：

15、对于机电模态集合中的每个模态，将对应模态特征值的虚部的绝对值除以2，作为对应模态的实际振荡频率；将对应模态特征值的实部的相反数作为分子，计算实部与虚部的平方和后开根号作为分母，作为对应模态的阻尼比；

16、筛选出机电模态集合中阻尼比最小的模态作为主导模态，将主导模态的实际振荡频率减去预定义的频率裕度作为低频振荡主导频段的下限，将主导模态的实际振荡频率加上预定义的频率裕度作为低频振荡主导频段的上限，得到低频振荡主导频段。

17、优选地，s2中确定低频振荡特征分量的过程为：

18、将采样频率除以2倍的低频振荡主导频段的上限后取对数并向下取整，得到小波分解的总层数；

19、基于总层数，采用小波基函数分别对频率偏差信号、有功功率波动信号及无功功率波动信号进行多层离散小波分解，得到对应信号的低频近似分量和高频细节分量。

20、优选地，s2中生成低频振荡观测向量的过程为：

21、仅保留频率偏差信号、有功功率波动信号及无功功率波动信号的低频近似分量，作为对应信号的低频振荡特征分量；对于频率、有功功率及无功功率，将对应信号低频振荡特征分量在所有尺度下的低频近似系数的绝对值的平方累加，作为对应信号的低频振荡能量指标；

22、将频率低频振荡能量指标、有功功率低频振荡能量指标及无功功率低频振荡能量指标拼接，构成低频振荡观测向量。

23、优选地，在s3中，以sg的转子功角小信号偏差、转子角频率小信号偏差、gfvsg的虚拟功角小信号偏差以及虚拟角频率小信号偏差作为状态递推方程的状态变量并拼接，生成状态向量；以gfvsg的有功控制参考量变化量、同步发电机励磁电压变化量作为状态递推方程的控制变量并拼接，生成控制输入向量；状态递推方程通过离散状态转移函数，建模当前优化窗口和下一优化窗口的状态向量之间的非线性映射关系；

24、非线性观测方程通过非线性离散观测函数建模当前优化窗口下状态向量与观测向量之间的非线性映射关系。

25、优选地，s3中更新状态向量的过程为：

26、基于上一优化窗口下状态向量的最优估计值以及当前优化窗口下的控制输入向量，通过离散状态转移函数，对当前优化窗口下的状态向量进行预测，生成理论预测状态向量；将上一优化窗口下的离散状态转移函数对状态向量中的每个状态变量求偏导数，生成对应的状态雅可比矩阵；

27、获取上一优化窗口下的后验估计误差协方差矩阵，将上一优化窗口下的状态雅可比矩阵乘后验估计误差协方差矩阵后乘以状态雅可比矩阵的转置并加上预定义的过程噪声协方差矩阵，得到当前优化窗口下的先验估计误差协方差矩阵；

28、将当前优化窗口下的非线性离散观测函数对理论预测状态向量中的每个状态变量求偏导数，生成对应的观测雅可比矩阵；基于当前优化窗口下的观测雅可比矩阵、先验估计误差协方差矩阵和预定义的测量噪声协方差矩阵，计算对应的卡尔曼增益矩阵；

29、将当前优化窗口下的低频振荡观测向量减去理论预测状态向量代入非线性离散观测函数后的取值后乘以卡尔曼增益矩阵并加上理论预测状态向量，得到状态向量的最优估计值。

30、优选地，在s4中，vpss2b配置于gfvsg有功控制外环，pss2b配置于sg励磁控制环，随机初始化多组vpss2b与pss2b的控制参数，生成待优化控制参数，包括：vpss2b和pss2b的增益参数、超前滞后时间常数；计算初始的适应度，将适应度最小值作为初始的最优适应度，将最优适应度对应的控制参数作为初始的最优控制参数；

31、在每次迭代过程中，将当前迭代次数占预定义的最大迭代次数的比值乘以预定义的衰减速率系数并取相反数作为指数，计算预定义的指数函数的取值作为搜索步长自适应调节因子；对于每组控制参数，将当前迭代次数下的最优控制参数与对应控制参数的差依次乘以预定义的随机搜索因子和搜索步长自适应调节因子后加上对应控制参数，作为下一迭代次数下的控制参数；

32、基于更新后的控制参数，重新计算对应的适应度，并根据目标函数变化结果判断当前参数组合的阻尼优化效果，更新最优适应度和最优控制参数；计算相邻迭代次数下的最优适应度的差异，当最优适应度的差异小于预设收敛阈值或达到最大迭代次数时，停止参数迭代过程，输出最优控制参数。

33、优选地，s4中构建低频振荡阻尼性能指标的过程为：

34、将vpss2b控制参数更新至gfvsg有功控制外环，pss2b控制参数更新至sg励磁控制环，更新状态递推方程中的离散状态转移函数以及非线性观测方程中的非线性离散观测函数，确定更新后的状态向量的最优估计值；将更新后的状态向量的最优估计值代入更新后的非线性观测方程，确定低频振荡观测向量；通过预定义的权重系数，将低频振荡观测向量中的所有元素值进行加权，构建低频振荡阻尼性能指标。

35、本发明的第二方面提供了一种功率耦合的虚拟电力系统稳定器优化系统，使用一种功率耦合的虚拟电力系统稳定器优化方法，包括：

36、低频振荡筛选模块，构建构网型虚拟同步发电机gfvsg与同步发电机sg交互系统的非线性快慢动态方程组，并进行快慢动态解耦，得到慢变和快变状态空间方程；在稳态工作点附近进行线性化，生成小信号状态空间方程，确定慢变状态空间矩阵；对慢变状态空间矩阵进行特征值分解，得到特征值并进行筛选，确定sg主导振荡模态对应的特征值；基于对应特征值，计算低频振荡主导频段；

37、低频振荡特征提取模块，实时采集公共连接点处的频率偏差信号、有功功率波动信号及无功功率波动信号；基于低频振荡主导频段和采样频率，确定离散小波分解的层数，并对采集的信号进行离散小波分解，确定低频振荡特征分量，生成低频振荡观测向量；

38、状态向量估算模块，将小信号状态空间方程离散化，得到状态递推方程；以提取的低频振荡观测向量为观测向量以状态向量为变量，构建非线性观测方程；基于上一优化窗口下状态向量，通过状态递推方程确定当前优化窗口下的理论预测状态向量；基于当前优化窗口下预定义的测量噪声协方差矩阵、理论预测状态向量，计算对应的卡尔曼增益矩阵，结合低频振荡观测向量，更新状态向量；

39、稳定器控制参数优化模块，将电力系统稳定器的控制参数作为优化变量，并基于变量更新状态向量估算模块中的状态递推方程和非线性观测方程，确定低频振荡观测向量，并构建低频振荡阻尼性能指标作为适应度；以适应度最小化为目标，优化控制参数生成最优控制参数。

40、与现有技术相比，本发明的有益效果至少包括：

41、1、本发明通过构建gfvsg与同步发电机sg之间的功率耦合非线性快慢动态模型，并在此基础上进行快慢动态解耦、小信号线性化及状态空间特征值分析，实现了对复杂多机系统振荡机理的分层解析与定量刻画。进一步通过慢变状态矩阵的特征值筛选及参与因子分析，能够准确识别由同步发电机主导的机电振荡模态，从而在物理机理层面剥离虚拟同步机与传统同步机之间的动态交互影响，避免传统基于单一频域或经验阈值方法导致的模态误判问题。

42、2、本发明基于主导振荡频段自适应确定离散小波分解层数，并对频率偏差信号、有功功率波动信号及无功功率波动信号进行多尺度分解处理，实现了振荡信息在时域与频域的联合表征与分层提取。通过保留低频近似分量并构建基于能量累积的低频振荡观测向量，使弱振荡信号在噪声背景下得到有效增强，提高了振荡特征的可分性与稳定性。同时，将该观测向量与非线性状态空间模型相结合，并引入卡尔曼滤波递推估计机制，实现了对系统振荡状态的在线动态跟踪与噪声抑制，有效解决了电力系统实际运行中测量噪声强、扰动复杂导致的状态不可观问题，从而显著提升低频振荡识别的实时性与鲁棒性。

43、3、本发明将vpss2b与pss2b控制参数作为优化变量，在考虑gfvsg与同步发电机双侧控制作用耦合关系的基础上，以低频振荡阻尼性能指标作为全局优化目标，实现控制器参数的联合寻优设计。通过引入基于迭代收敛特性的自适应搜索步长调节机制，使优化过程能够在全局搜索与局部精细搜索之间动态平衡，提高参数寻优效率并降低陷入局部最优的概率。同时，结合状态估计反馈不断更新振荡观测量，使优化过程具备闭环自适应特性，显著增强了在扰动工况下的阻尼调节能力，提高低频振荡抑制效果，并提升虚拟同步机与传统同步机协同运行下的整体系统稳定裕度与工程鲁棒性。