的一列。
是4284×780阶的，其中，780是场景数，4284=51×84，51是转子角的采样数（为了简化处理将转子角再采样）而84是发电机数。用Matlab计算各个场景的相关系数，得到一个780×780的相关矩阵。在SAS/STAT
[6]中，采用类平均法对动态场景进行聚类分析。
以基本负荷水平下两条500kV线路和一条220kV线路发生短路故障为例，说明聚类的过程。图2是上述动态场景的聚类图。图2中的OB代表动态场景，总计有45个：OB1至OB15、OB16至OB30和OB31至OB45分别对应着两条500 kV线路和一条220kV线路。对于每一条线路，每三个场景依次表示发生在线路两端及中间的单相接地、两相相间、两相接地、三相接地以及永久性单相接地短路故障。注意图中的4个阈值：
lth1、
lth2、
lth3和
lth4。
lth4处聚类间的平均距离是0.8862，即平均相关系数是0.1138，45个动态场景分为一类。在
lth3（平均距离为0.7428）下，动态场景分为两类：所有对应500 kV线路的（OB1至OB30）是一类，对应220 kV线路的（OB31至OB45）是另一类。以
lth2（平均距离为0.2203）为阈值，动态场景分为3类：对应500 kV线路的场景进一步地分成两类，OB1至OB3和
OB16至OB18是一类，另外的24个场景为一类。在
lth1（平均距离为0.15）下，45个动态场景分为6类，每一类中各个场景的相关系数超过0.85，是强相关的，以平均距离0.15作为阈值是比较恰当的。
同理，780个稳定的动态场景分为35类，每一类各取一个场景作为代表，加上4个不稳定的动态场景，共有39个代表场景。
4.3 配置结果
采用式(12)所定义的同调性准则并取
e=5º和
t=1.5s，对应于各个代表场景，系统的发电机集合分别划分成4到31个同调机群。设转子角测量装置的数目
nT等于3、5和7，分别求出对应于各个代表场景的配置地点。因为实际问题的规模不大，所以在采用Tabu搜索算法的同时进行了穷尽式搜索作为比较。比较的结果是：① 采用Tabu搜索算法的求解结果与穷尽式搜索的一致，表明Tabu搜索算法求得了最优解；② Tabu搜索算法的耗时比穷尽式搜索的少得多。以31取7为例，前者的Gramian行列式值计算次数7×（31-7）×500（500是Tabu搜索的最大迭代次数）仅是后者(31!)/[7!(31-7)!]的1/32。
设每个代表场景以相等的概率参与配置，即pi=1/39（i=1,2,…,39），转子角测量装置的最终配置地点如表1及图1所示。图1中，'*'、'**'和'***'
分别是nT等于3、5 和7时各配置地点的被选概率。
配置结果具有以下的特点：
（1）各配置地点在电气及地理上分得开；
（2）配置地点所对应的发电机具有较大的额定有功功率，都大于或等于300 MW；
（3）配置地点随nT顺序增加，有利于日后的配置扩展。
5 结论
结合同调分群与信息含量，提出的转子角测量装置的优化配置方法对多动态场景的适应性强。实际系统的仿真结果显示：各配置地点在电气、地理上分得开，具有代表性；具有顺序配置的特点，易于在已有的配置基础上进行扩展；Tabu搜索技术的采用保证了在有限时间内获得最优或次最优解，可用于实际。
上一页 [1] [2] [3]
本文关键字：测量 电工技术，电工技术 - 电工技术
