Верификация цифровых динамических моделей крупных энергообъединений по данным СМПР

• Автор: Смирнов, Андрей Николаевич
• Шифр специальности: 05.14.02
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Санкт-Петербург
• Количество страниц: 202 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

ГЛАВА 1 ОСНОВНЫЕ ПОЛОЖЕНИЯ

1Л Моделирование как метод исследования объектов

1.1.1 Модель объекта

1.1.2 Качество моделей

1.1.3 Динамическая модель энергосистемы как объект верификации

1.2 Оценка адекватности моделей

1.2.1 Принципы оценки адекватности моделей

1.2.2 Статистические методы оценки степени сходства объектов

1.2.3 Методы анализа временных рядов

ГЛАВА 2 ПРИМЕНЕНИЕ ТЕХНОЛОГИИ WIDE AREA MEASUREMENT SYSTEM ДЛЯ ВЕРИФИКАЦИИ ДИНАМИЧЕСКИХ МОДЕЛЕЙ ЭНЕРГОСИСТЕМ
2.1.1. Общие сведения о технологии Wide Area Measurement System
2.1.2 Система мониторинга переходных режимов ЕЭС России
2.2 Обзор опыта верификации цифровых динамических моделей энергообъединений с использованием данных, получаемых от WAMS
2.2.1 Верификация цифровой модели Западной энергосистемы США для исследования аварии 10.09.1
2.2.2 Верификация цифровых моделей Европейских энергосистем
2.2.3 Отечественный опыт верификация цифровых моделей энергообъединений
2.2.4 Выводы
ГЛАВА 3 ТЕХНОЛОГИЯ ВЕРИФИКАЦИИ ДИНАМИЧЕСКИХ МОДЕЛЕЙ СЛОЖНЫХ ЭНЕРГОСИСТЕМ
3.1 Принципы создания цифровых динамических моделей энергосистем для исследования динамических свойств реальных энергообъединений
3.1.1 Общие положения

3.1.2 Типовые подходы к детализации расчетной схемы и составу оборудования
3.1.3 Типовые подходы к моделированию элементов энергосистемы
3.2 Принципы и критерии верификации динамических моделей
3.2.1 Актуализация базы данных генерирующего оборудования
3.2.2 Актуализация и верификация моделей устройств автоматического регулирования и управления
3.2.3 Верификация динамической модели в целом
3.2.3.1 Тестирование динамической модели
3.2.3.2 Критерии верификации
3.2.3.3 Процедура сравнения параметров, рассчитанных в цифровой модели,
с данными СМПР
3.2.3.4 Количественные показатели качества верификации
3.2.3.5 Методы настройки динамической модели
3.2.4 Исходная информация, необходимая для проведения верификации
3.2.4.1 Требования к составу и объему исходной информации,
необходимой для верификации динамической модели
3.2.4.2 Критерии идентификации технологических нарушений
для верификации динамических моделей
3.2.4.3 Требования к качеству исходной информации и верификация предаварийного режима
ГЛАВА 4 ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ТЕХНОЛОГИИ
ВЕРИФИКАЦИИ
4.1 Базовая динамическая модель ЕЭС России и ее верификация
с использованием количественных показателей качества
4.2 Применение верифицированных цифровых моделей энергосистем
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРА ТУРЫ

ВВЕДЕНИЕ
Одной из основных тенденций развития мировой энергетики является объединение на параллельную работу существующих и вновь сооружаемых электростанций [18]. Это обеспечивает повышение надежности энергоснабжения потребителей за счет взаиморезервирования частей электроэнергетической системы (ЭЭС). С другой стороны, это объединение имеет недостаток, который заключается в возможности довольно быстрого распространения нарушений нормального режима, произошедших в той или иной части энергосистемы, и перерастания их в так называемые «системные аварии» с обесточиванием потребителей на больших территориях.
В последние десятилетия во всех крупных энергосистемах мира участились случаи системных аварий, связанных с нарушением статической и динамической устойчивости, с разделением системы на несинхронно работающие части, с погашением большого числа потребителей электроэнергии, повреждением основного оборудования и, в конечном счете, с большими финансовыми потерями. Существенная особенность таких аварий - каскадный характер их протекания, когда неисправность одного из элементов системы или ошибка персонала приводят к нарушению нормальной работы соседних элементов, и этот процесс, развиваясь лавинообразно, распространяется на все более и более значительной территории и, в конце концов, охватывает все энергетическое объединение. Развитие аварии затрагивает не только электрическое, но и гидромеханическое и тепломеханическое оборудование энергосистемы, турбины и котельные агрегаты с их многочисленными системами автоматического регулирования и управления. При этом каждый этап развития аварии продолжается, как правило, несколько минут, а общая длительность аварии может достигать нескольких десятков минут. Тяжелейшие последствия системных аварий выдвигают в качестве одной из важнейших научно-исследовательских задач энергетики разработку методов анализа этих аварий, изучение процессов их развития, способов их прогнозирования и, в конечном счете, разработку

Методы проверки статистических гипотез
Критерий Колмогорова - Смирнова используется для проверки подчинения двух эмпирических распределений одному закону, либо проверки подчинения полученного распределение предполагаемой модели.
О-критерий Розенбаума - простой непараметрический критерий, используемый для оценки различий между двумя выборками по уровню какого-либо признака, измеренного количественно.
О-критерий Манна - Уитни - статистический критерий, используемый для оценки различий между двумя выборками по уровню какого-либо признака, измеренного количественно. Позволяет выявлять различия в значении параметра между малыми выборками.
Метод максимального правдоподобия оценивает неизвестный параметр путем максимизации функции правдоподобия. Основан на предположении о том, что вся информация о статистической выборке содержится в функции правдоподобия.
Недостатком всех выше перечисленных критериев является сложность расчета и недостаточная доступность таблиц и критических значений [148].
Г-критерий Стьюдента. Распределение Стьюдента - это непрерывное одномерное распределение с одним параметром - количеством степеней свободы. Форма распределения Стьюдента похожа на форму нормального распределения (чем больше число степеней свободы, тем ближе распределение к нормальному). Отличием является то, что хвосты распределения Стьюдента медленнее стремятся к нулю, чем хвосты нормального распределения [98].
К сложным методам оценки сходства и различия можно отнести следующие: метод ^-ближайших соседей, линейный дискриминантный анализ, метод деревьев решений, метод опорных векторов, кросс-проверка, наивнобайесовский подход, метод принципиального компонентного анализа (РСА) и др. [123, 140, 151]. Сложные методы делятся на методы классификации и методы кластеризации. Методы классификации предполагают отнесение данных к тому