趙晉泉，鄧 暉，吳小辰，徐光虎，金小明，張 勇

?

基于廣域響應的電力系統(tǒng)暫態(tài)穩(wěn)定控制技術評述

趙晉泉1，鄧 暉1，吳小辰2，徐光虎2，金小明2，張 勇2

(1.河海大學可再生能源發(fā)電技術教育部工程研究中心，江蘇 南京 210098；2.中國南方電網(wǎng)公司，廣東 廣州 510623)

電力系統(tǒng)暫態(tài)穩(wěn)定控制技術是維持電網(wǎng)安全穩(wěn)定運行的核心問題之一。隨著PMU/WAMS的廣泛應用，基于廣域響應的暫態(tài)穩(wěn)定控制技術已成為重要發(fā)展方向。從受擾軌跡快速預測、暫態(tài)失穩(wěn)實時判別、暫態(tài)穩(wěn)定緊急控制三個方面，以理論和應用相結(jié)合的觀點，對廣域量測在電力系統(tǒng)暫態(tài)穩(wěn)定控制研究中的應用進行了評述。最后，進一步探討了現(xiàn)有控制技術所亟待解決的問題。

相量測量單元；廣域量測系統(tǒng)；受擾軌跡預測；暫態(tài)失穩(wěn)判別；暫態(tài)穩(wěn)定控制

0 引言

維持電力系統(tǒng)的安全運行一直以來是保障社會安定和經(jīng)濟發(fā)展的重要因素之一。為保障電網(wǎng)穩(wěn)定運行，我國大型互聯(lián)電網(wǎng)通常配置了特定的繼電保護及安全穩(wěn)定控制系統(tǒng)，構(gòu)成了電網(wǎng)安全穩(wěn)定運行的三道防線[1]。其中，常規(guī)二道防線具有針對性強、速度快、可靠性高等特點，但若實際擾動超出了它所涵蓋的事件范圍，則無法做出有效應對。此外，二道防線的失穩(wěn)判據(jù)和控制策略都是基于離線仿真計算得到，其可靠性嚴重依賴于仿真模型和參數(shù)的準確性。因此，我國現(xiàn)有的暫態(tài)穩(wěn)定控制技術在適應性、控制效率、可靠性等方面仍存在諸多不足[2-3]。

隨著相量測量單元(PMU)的不斷發(fā)展和完善[4]，廣域量測系統(tǒng)(WAMS)已可同步監(jiān)測能量管理系統(tǒng)(EMS)觀測量以外的功角、相角、發(fā)電機電勢等派生量，可作為描述系統(tǒng)機電動態(tài)行為的重要途徑[5]。至今，我國電網(wǎng)公司已在單機容量300?MW及以上的電廠、總裝機容量500?MW及以上的電廠，直流換流站、500?kV變電站配置大量PMU裝置。當前PMU的基本配置已能夠滿足電網(wǎng)穩(wěn)定監(jiān)視、分析、預警和決策的需求[6]。

PMU/WAMS具有廣域高精度同步測量、高速信息通信和快速反饋處理等技術特點，現(xiàn)已在美國、法國等國家的電網(wǎng)協(xié)調(diào)防御系統(tǒng)中發(fā)揮重要作用[7-9]。我國在該領域所挖掘的功能主要面向數(shù)據(jù)監(jiān)測方面，包含：全網(wǎng)電壓和功角監(jiān)視、線路溫度監(jiān)測、故障錄波等。而在基于廣域響應的電力系統(tǒng)穩(wěn)定控制技術方面鮮有涉及，是值得深入研究和拓展的重要方向[10]。

基于上述原因，本文針對基于廣域響應的電力系統(tǒng)暫態(tài)穩(wěn)定控制技術，將現(xiàn)有研究成果劃分為受擾軌跡快速預測、暫態(tài)失穩(wěn)實時判別、暫態(tài)穩(wěn)定緊急控制三個子問題。從理論和應用相結(jié)合的觀點，對上述子問題的研究方法進行評述。在此基礎上，進一步指出現(xiàn)有研究所存在的問題及可能的解決途徑。

1 ?基于廣域響應的受擾軌跡快速預測

發(fā)電機功角等系統(tǒng)特征受擾軌跡的快速預測是辨識暫態(tài)穩(wěn)定性的重要途徑之一。通過研究系統(tǒng)特征量測的歷史數(shù)據(jù)，建立特定的數(shù)學模型，可計算未來時刻的受擾軌跡，并為失穩(wěn)判別提供依據(jù)。根據(jù)預測算法所建立的數(shù)學模型類型不同，可分為基于網(wǎng)絡降階化簡的超實時數(shù)值仿真和基于曲線擬合的受擾軌跡外推方法兩大類。

1.1 基于網(wǎng)絡降階化簡的超實時數(shù)值仿真

基于網(wǎng)絡降階化簡的超實時數(shù)值仿真技術主要基于電力系統(tǒng)經(jīng)典模型。通過PMU/WAMS獲取廣域受擾量測，估計系統(tǒng)模型參數(shù)并計算該模型方程，利用數(shù)值仿真技術得到系統(tǒng)未來受擾軌跡。

J.?Thorp等人率先開展了基于網(wǎng)絡降階化簡的功角軌跡超實時仿真方法研究：對觀測窗內(nèi)的實測軌跡進行同調(diào)聚合，得到全網(wǎng)簡化模型，利用實時量測值作為該動態(tài)方程初值，通過高速計算機和并行計算技術進行受擾軌跡的超實時計算，從而預測系統(tǒng)未來軌跡[11-12]。在此基礎上，文獻[13]提出了導納參數(shù)整體在線辨識的受擾軌跡預測方法。該方法利用實測系統(tǒng)內(nèi)發(fā)電機變量，通過參數(shù)辨識重構(gòu)能夠正確反映系統(tǒng)當前拓撲和元件參數(shù)的導納矩陣，避免了對系統(tǒng)拓撲狀態(tài)和元件參數(shù)的依賴性。但是，該方法未對發(fā)電機進行聚合等值，導致隨著系統(tǒng)中發(fā)電機數(shù)目的增大，需辨識的參數(shù)數(shù)量增大，難以滿足工程實際需求。為彌補上述缺點，文獻[14-16]提出基于PMU測點的降階等值方法，避免了離線或者在線同調(diào)等值過程。

基于網(wǎng)絡降階化簡的超實時數(shù)值仿真方法建立在系統(tǒng)模型的基礎上，可以實現(xiàn)未來軌跡長時間仿真分析。然而該類方法一般計算量較大，且依賴于系統(tǒng)的模型和參數(shù)。由于電力系統(tǒng)的時變性、非線性等因素，往往難以建立準確的模型及參數(shù)，對結(jié)果的準確性將造成較大影響。

1.2 基于曲線擬合的受擾軌跡外推

基于曲線擬合的受擾軌跡外推技術不依賴于電力系統(tǒng)的模型。主要根據(jù)離散采樣點的變化特征，建立符合其變化趨勢的時間序列模型，并利用觀測窗內(nèi)的歷史數(shù)據(jù)進行參數(shù)的最小二乘估計，進而外推未來一段時間內(nèi)的數(shù)據(jù)。根據(jù)預測模型的不同，基于曲線擬合的受擾軌跡外推方法主要有以下幾類。

(1)?基于多項式模型

Haque等人首先提出發(fā)電機功角和角速度的受擾軌跡可以采用時間序列展開式表達，并利用多項式模型進行首擺軌跡的快速預測[17]。文獻[18]在此基礎上采取二次多項式進行角速度曲線擬合。此后，文獻[19]提出數(shù)據(jù)窗滾動預測方式，根據(jù)最新量測數(shù)據(jù)實時計算模型參數(shù)，以提高軌跡預測精度。文獻[20]在滾動預測的基礎上，通過模糊控制器進行參數(shù)的在線智能修正，進一步提高預測效果。此外，文獻[21]將“機器人抓球算法”運用于發(fā)電機功角軌跡預測，其本質(zhì)是首先對角速度軌跡進行多項式插值計算，然后將所得多項式進行積分得到功角表達式，實現(xiàn)未來時刻功角軌跡外推。

(2)?基于自回歸模型

文獻[22]首先提出基于自回歸模型的功角軌跡預測方法，將單臺發(fā)電機的功角軌跡表示為基于歷史功角數(shù)據(jù)的線性組合。此后，文獻[23]提出以誤差的方差最小為整定原則來確定自回歸預測模型的參數(shù)。文獻[24]提出自記憶功角預測方法，它將現(xiàn)有的自回歸模型統(tǒng)一在自記憶方程的框架內(nèi), 提高了模型參數(shù)辨識的準確性。文獻[25]根據(jù)二階自回歸模型的參數(shù)變化特征，在一定區(qū)段內(nèi)實現(xiàn)參數(shù)方案的自動調(diào)整，提高預測的準確度。文獻[26]在前人的基礎上，以預測誤差為整定目標，實現(xiàn)預測模型參數(shù)動態(tài)調(diào)整，以適應軌跡非線性度的變化，進一步提高預測性能。

(3)?基于三角函數(shù)模型

文獻[27]從簡單電力系統(tǒng)調(diào)速控制模型出發(fā)，推導功角-時間的函數(shù)關系，得到功角軌跡隨時間呈現(xiàn)正弦衰減變化關系，從而提出了基于三角函數(shù)的功角受擾軌跡擬合預測方法。

(4)?基于灰色模型

文獻[28]根據(jù)發(fā)電機功角軌跡的受擾特征，選擇具有相似變化規(guī)律的灰色時間序列模型，提出了一種基于灰色模型的功角軌跡預測方法。

基于曲線擬合的軌跡外推方法不依賴于系統(tǒng)模型，具備方法簡單、計算快速的特點。但是該類方法通過挖掘歷史數(shù)據(jù)的內(nèi)在變化規(guī)律建立數(shù)學模型并進行參數(shù)辨識，難以準確表征電力系統(tǒng)的真實動態(tài)特征。因此，該類方法僅可用于短時間曲線擬合外推，無法實現(xiàn)受擾軌跡的長時間預測。

2 ?基于廣域響應的暫態(tài)失穩(wěn)實時判別

對于大型電網(wǎng)，任一時間斷面下的可獲取信息量都十分龐大。從海量的數(shù)據(jù)中選取特定的測量信息，以客觀反映全網(wǎng)的暫態(tài)穩(wěn)定特征，是基于PMU/WAMS的暫態(tài)失穩(wěn)判別的關鍵。根據(jù)所提取的系統(tǒng)關鍵特征量不同，可將現(xiàn)有的失穩(wěn)判別方法分為基于發(fā)電機量測信息、基于支路量測信息和基于節(jié)點電壓量測信息三大類。

2.1 基于發(fā)電機量測的失穩(wěn)判別方法

發(fā)電機受擾軌跡是直觀表征機組是否同步運行的重要信息?，F(xiàn)有的暫態(tài)失穩(wěn)判別方法大多都建立在機組功角、角速度量測的基礎上，需要電網(wǎng)中發(fā)電機的受擾響應，并計算系統(tǒng)的慣量中心。該類方法的分析機理一般由發(fā)電機轉(zhuǎn)子角運動方程入手，主要涉及以下幾個重要研究方向。

(1)?傳統(tǒng)門檻值類判據(jù)

早期的系統(tǒng)暫態(tài)失穩(wěn)判別主要通過實時采集發(fā)電機狀態(tài)量信息，并與預設門檻值比較，若某時刻量測數(shù)值越過門檻值則判定系統(tǒng)失穩(wěn)。1995年J.?Thorp等人首先提出：當電網(wǎng)中任意一臺發(fā)電機的功角數(shù)值大于限定值，則認為該機組將失去同步，判定系統(tǒng)暫態(tài)失穩(wěn)[29]。文獻[30]提出各發(fā)電機均存在特定的暫態(tài)能量約束限值，若其轉(zhuǎn)子角轉(zhuǎn)速在某一時刻超過同步運行所能承受的極限，將會脫離系統(tǒng)的約束而失穩(wěn)。

該類方法為電力系統(tǒng)傳統(tǒng)的功角失穩(wěn)判別方法，僅依靠當前時刻單一機組的量測信息，具備方法簡單、可實施性強的優(yōu)點。但是在電網(wǎng)實際運行中，單臺機組的失穩(wěn)門檻值選取存在較大困難，容易造成誤判情況的發(fā)生。

(2)?擴展等面積法則判據(jù)(EEAC)

薛禹勝等人首先提出基于EEAC的穩(wěn)定性量化分析理論，根據(jù)離線故障仿真得到機組受擾軌跡，將全網(wǎng)發(fā)電機分為臨界機群和剩余機群，對兩群分別進行等值聚合，然后映射為單機無窮大母線，評估在預想故障下的電網(wǎng)暫態(tài)穩(wěn)定性指標[31]。此后，文獻[32]根據(jù)發(fā)電機同調(diào)運動機理，提出了基于實測功角軌跡的臨界機群辨識方法，為EEAC的在線應用開辟了道路。在此基礎上，文獻[33]提出緊急EEAC方法：根據(jù)實測軌跡的間隙角實現(xiàn)機組快速分群，并實時計算等值系統(tǒng)參數(shù)，預測系統(tǒng)完整減速面積，實現(xiàn)系統(tǒng)穩(wěn)定性在線量化評估。在后續(xù)的研究中，文獻[34-36]放棄了等值單機系統(tǒng)加減速面積的計算與比較，轉(zhuǎn)而從功角-不平衡功率相平面中搜尋軌跡特征點，以動態(tài)鞍點(DSP)作為判定系統(tǒng)暫態(tài)失穩(wěn)的標準，并進一步探討系統(tǒng)時變性對DSP辨識的影響。

EEAC方法經(jīng)過長年的發(fā)展和演變，夠克服系統(tǒng)時變性等因素的影響，具有良好的適用性。但是其在線應用時，需要對全網(wǎng)發(fā)電機的受擾信息進行等值計算，交互的數(shù)據(jù)量較大，對量測及通訊要求較高。此外，等值系統(tǒng)能否準確映射全網(wǎng)的動態(tài)特征，很大程度上依賴于機組快速分群的準確性。

(3)?相平面軌跡幾何特征判據(jù)

該類方法通過建立可表征系統(tǒng)動態(tài)運行特征的特定相平面，由相平面軌跡的實時變化指標進行暫態(tài)失穩(wěn)特征辨識。L.?Wang首先提出了基于功角-角速度相平面的失穩(wěn)判別方法，對于系統(tǒng)中若任一發(fā)電機，若該機相平面內(nèi)的運行軌跡在某一時刻表征為凸性，則判定系統(tǒng)暫態(tài)失穩(wěn)[37]。在此基礎上，文獻[38]提出根據(jù)功角-角速度相平面的斜率增量正負值進行暫態(tài)穩(wěn)定性判別，可提高失穩(wěn)判別的準確度。文獻[39]還進一步研究了系統(tǒng)時變參數(shù)對軌跡特征的影響，從而提出基于不平衡功率的失穩(wěn)增補判據(jù)。文獻[40]指出：單機受擾軌跡具有極強的非自治性，難以準確表征全網(wǎng)的穩(wěn)定性特征，判別方法應建立在等值單機系統(tǒng)的基礎上，需進行發(fā)電機分群及聚合，以提高方法對大系統(tǒng)的適應性。此外，文獻[41]提出機組功角-暫態(tài)動能相平面可表征發(fā)電機的暫態(tài)穩(wěn)定性，文獻[42]則通過功角-暫態(tài)動能相平面的軌跡曲率矢量計算實現(xiàn)暫態(tài)失穩(wěn)的實時判別。另外，文獻[43]推導了轉(zhuǎn)速差-功角差相平面與系統(tǒng)穩(wěn)定性的關系，并采用二次多項式擬合技術進行軌跡參數(shù)估計，在一定程度上減小了相平面軌跡不平滑對失穩(wěn)判別造成的影響。

基于軌跡幾何特征的判別方法，僅通過1~2個時間斷面量測即可進行系統(tǒng)穩(wěn)定性判別，判別快速、計算效率高。然而該類方法一般采用差分運算評估相平面軌跡的微變化特征，容易放大誤差，造成失穩(wěn)誤判。因此，該類方法的可靠性嚴重依賴于量測數(shù)據(jù)的精度，抗干擾能力較差。

(4)?單機能量函數(shù)判據(jù)(IMEF)

A. N. Michel等人首先提出了IMEF暫態(tài)穩(wěn)定性分析理論，認為系統(tǒng)的分離并不依賴于全網(wǎng)的暫態(tài)能量，而是趨向于從系統(tǒng)分離出來機組的暫態(tài)能量[44]。在此基礎上，文獻[45-46]根據(jù)發(fā)電機在暫態(tài)過程中動能與勢能的變化關系，建立能量轉(zhuǎn)化指標以量化評估系統(tǒng)的暫態(tài)穩(wěn)定及不穩(wěn)定程度。文獻[47]提出受擾嚴重機組的辨識方法，并通過計算受擾嚴重機組的實時能量變化率來判別全網(wǎng)的暫態(tài)穩(wěn)定性，可應用于系統(tǒng)多擺穩(wěn)定性的判別。

IMEF方法僅依靠電網(wǎng)中受擾嚴重機組信息，所需量測較少。但是在復雜電網(wǎng)中，單機的動態(tài)特征往往具有極強的時變性。而該類方法通過分析單機的能量變化特征進行失穩(wěn)辨識，可能會造成誤判。因此，基于單機量測的全網(wǎng)穩(wěn)定性判別方法，在實際應用中可能難以取得較好的效果。

(5)?人工智能算法判據(jù)

該類方法是利用特定智能算法構(gòu)造系統(tǒng)暫態(tài)穩(wěn)定分類器，通過對大量離線仿真或歷史錄波數(shù)據(jù)的學習，建立輸入量機組功角、角速度與輸出量系統(tǒng)穩(wěn)定性之間的映射關系。在線應用時，根據(jù)發(fā)電機量測預測系統(tǒng)的穩(wěn)定性。涉及的算法主要包括人工神經(jīng)網(wǎng)絡(ANN)[48-49]，支持向量機(SVM)[50-51]及混合智能算法[52-53]。

基于人工智能算法的穩(wěn)定性判別方法，通常需要通過大量離線仿真進行樣本學習，以此建立非線性規(guī)則參數(shù)。其在線穩(wěn)定性判別的準確度依賴于離線樣本的特征范圍，若發(fā)生的擾動超出樣本涵蓋的特征范圍則可能無法做出正確判別。

2.2 基于關鍵支路量測的失穩(wěn)判別方法

發(fā)電機和網(wǎng)絡是緊密相聯(lián)的，網(wǎng)絡的結(jié)構(gòu)變量以及運行變量也可反映系統(tǒng)的穩(wěn)定性特征。因而，可通過系統(tǒng)受擾后網(wǎng)絡中關鍵支路的量測信息進行暫態(tài)穩(wěn)定性判別。該類方法的分析機理一般基于機組與網(wǎng)絡的暫態(tài)能量轉(zhuǎn)換過程，可分為下述兩個主要研究方向。

(1)?支路勢能法判據(jù)

蔡國偉等人通過研究故障后支路能量的分布以及變化特征[54]，首先提出了基于支路勢能法的系統(tǒng)暫態(tài)穩(wěn)定性定量評估方法：利用系統(tǒng)的支路量測計算暫態(tài)勢能變化指標，量化評估該支路的結(jié)構(gòu)脆弱性及全系統(tǒng)的暫態(tài)失穩(wěn)程度[55]。方法不依賴于機組量測信息，能夠有效拓展至多群、多擺的失穩(wěn)判別中。在上述研究的基礎上，文獻[56]結(jié)合了支路勢能函數(shù)和勢能脊方法的特點，提出支路勢能脊判據(jù)，在一定程度上簡化了原有方法的復雜計算流程。

基于支路勢能的失穩(wěn)判別方法，僅基于電網(wǎng)的薄弱結(jié)構(gòu)特征，無需健全廣域量測。該方法不依賴于機組量測，無需進行發(fā)電機分群聚合，具備一定的工程可實施性。但是所述算法相對復雜，失穩(wěn)判別時間一般也較長。

(2)?振蕩中心支路判據(jù)

文獻[57]通過分析振蕩中心所在聯(lián)絡線的動態(tài)響應特征，提出一種基于振蕩中心所在支路量測的互聯(lián)電網(wǎng)區(qū)間暫態(tài)失穩(wěn)判別方法：根據(jù)區(qū)間聯(lián)絡線的有功功率、相角差及頻率變化信息判斷互聯(lián)電網(wǎng)的區(qū)間暫態(tài)穩(wěn)定性。該方法的本質(zhì)是以聯(lián)絡線受擾響應建立角度-不平衡功率相平面，實時分析系統(tǒng)的暫態(tài)能量轉(zhuǎn)化過程，DSP的軌跡特征辨識方法達到失穩(wěn)判別的目的。

基于振蕩中心支路的失穩(wěn)判據(jù)，僅通過互聯(lián)電網(wǎng)的區(qū)間聯(lián)絡線量測，實時判別全網(wǎng)的暫態(tài)穩(wěn)定性。該方法所需量測少，方法簡單。然而由于分析模型的限制，本方法僅能應用于互聯(lián)電網(wǎng)的區(qū)間暫態(tài)失穩(wěn)案例，無法有效應對其他失穩(wěn)模式。

2.3 基于節(jié)點電壓量測的失穩(wěn)判別方法

發(fā)電機功角的搖擺是暫態(tài)穩(wěn)定性的表象，節(jié)點電壓的跌落與回升也是系統(tǒng)穩(wěn)定特征的另一種表現(xiàn)形式。因而，可通過節(jié)點受擾電壓特征進行系統(tǒng)暫態(tài)失穩(wěn)辨識。該類方法的分析機理主要基于暫態(tài)電壓與系統(tǒng)穩(wěn)定性的聯(lián)系，主要研究成果如下。

(1)?母線電壓積分判據(jù)

C. W. Taylor等人提出一種基于電壓軌跡-時間積分的工程化方法進行區(qū)間暫態(tài)失穩(wěn)判別：針對美國西部電網(wǎng)北電南送的基本特征，利用重要傳輸走廊的關鍵變電站母線電壓進行加權(quán)平均，以綜合軌跡對于時間的積分面積大于某一門檻值，作為南部-北部區(qū)間暫態(tài)失穩(wěn)判據(jù)[58]。在此基礎上，文獻[59-60]提出計及電壓下墜速率的復合積分算法，并通過辨識系統(tǒng)故障時域來規(guī)避電壓突變引起的誤判，進一步提高了失穩(wěn)判別的快速性和準確性。

基于母線電壓積分的失穩(wěn)判據(jù)，只需對系統(tǒng)中重要送電通道的母線電壓幅值進行監(jiān)測，所需量測少。該方法采用積分計算方式可降低單一數(shù)據(jù)誤差對判別產(chǎn)生的影響，容錯性較好。然而，其所能監(jiān)測的系統(tǒng)失穩(wěn)模式極大程度上依賴于廣域量測方案，無法有效應對所有故障情形。

(2)?人工智能算法判據(jù)

A. D. Rajapakse等人首先將節(jié)點電壓量測作為人工智能算法的輸入量，進行系統(tǒng)暫態(tài)功角穩(wěn)定性分類，并且取得了極高的預測準確度[61]。在此基礎上，文獻[62]通過大量算例校核，并與基于發(fā)電機量測的同類方法進行對比，結(jié)果表明：節(jié)點電壓量測作為系統(tǒng)特征輸入值時，能夠更好地反映系統(tǒng)的暫態(tài)穩(wěn)定特征，失穩(wěn)判別的準確率更高，所需量測數(shù)也相對更少。

該方法僅需擾動后少量節(jié)點電壓量測，即可作出系統(tǒng)穩(wěn)定性的快速預測，判別準確率較高。但和基于發(fā)電機量測的同類方法存在相同問題：其預測準確度很大程度上依賴于訓練樣本所涵蓋的系統(tǒng)失穩(wěn)特征范圍。

3 ?基于廣域響應的暫態(tài)穩(wěn)定緊急控制

由于系統(tǒng)的廣域響應已包含了電網(wǎng)的所有特征信息，包括運行工況、事故信息等，基于廣域響應確定最優(yōu)的緊急控制地點并計算相應控制量已成為可能。該類控制技術無需制定針對性的策略表，省去了繁瑣的計算過程，且基于當前系統(tǒng)的真實性狀進行計算，達到“全局分析，實時決策”的目的。此外，通過PMU/WAMS開展數(shù)據(jù)集中分析，可根據(jù)全局信息實現(xiàn)各地區(qū)控制裝置間的協(xié)調(diào)、經(jīng)濟運行，是最理想的穩(wěn)定控制模式。

目前，基于廣域響應的緊急控制方法研究大多建立在EEAC基礎上。文獻[63]提出了一種基于量測數(shù)據(jù)的閉環(huán)暫態(tài)穩(wěn)定緊急控制方法：基于等值單機軌跡，應用廣義Hamilton理論定量估計所需的緊急控制量，從而實現(xiàn)在線緊急切機決策。文獻[33]根據(jù)等值功角-不平衡功率相平面軌跡，利用曲線擬合外推方法預測系統(tǒng)的完整減速面積。文獻[64]基于單機能量函數(shù)，以判別失穩(wěn)時刻等值單機系統(tǒng)的動能作為剩余減速面積，計算系統(tǒng)到達不穩(wěn)定平衡點前需降低的等值機械功率，并在計算過程中進一步考慮了失穩(wěn)判別與緊急控制間的時延所帶來的影響。在此基礎上，文獻[65]根據(jù)等值單機面積積分公式，通過迭代求解方法計算需降低的等值機械功率，提高了切機量的計算精度。

該類緊急控制方法基于等值單機受擾軌跡進行切機量計算。對系統(tǒng)模型參數(shù)依賴性小，可應對復雜故障場景，具有良好的適應性。但是，該類方法依賴于全網(wǎng)發(fā)電機量測，計算量大、通訊要求高。由于當前廣域信息尚存在不確定性時滯，可能會嚴重影響緊急控制的時效性。

4 ?展望

基于廣域響應的電力系統(tǒng)暫態(tài)穩(wěn)定控制技術，擺脫了傳統(tǒng)事件驅(qū)動型穩(wěn)控技術對系統(tǒng)元件模型和參數(shù)的依賴，可應對各種復雜運行工況與故障情形，具有極大的在線應用前景，是未來電網(wǎng)安全穩(wěn)定控制技術的重要發(fā)展方向[66-71]。但 WAMS技術尚處于發(fā)展初期，雖然在廣域動態(tài)數(shù)據(jù)的同步采集和通訊方面已經(jīng)取得了長足的進展，但在如何高效利用PMU數(shù)據(jù)，挖掘可靠的系統(tǒng)穩(wěn)定性特征方面還需進行大量工作，應涉及以下幾個方面內(nèi)容：

(1)?相關研究中尚未涉及時滯問題和壞數(shù)據(jù)問題。實際電網(wǎng)在采樣和通訊過程中，存在不確定性時延和噪聲干擾，將對暫態(tài)穩(wěn)定控制技術的時效性產(chǎn)生重大影響。因此，需建立合理的數(shù)學模型研究廣域通信時滯的機理，分析所帶來的影響并制定有效的應對方法。同時，可研究針對性的濾波方法，從而提高暫態(tài)穩(wěn)定控制技術的抗干擾能力。

(2)?需進行基于多種控制措施的緊急控制策略研究。實際電網(wǎng)中可用于改善系統(tǒng)暫態(tài)性能的控制措施包括：切機/切負荷、HVDC功率調(diào)節(jié)等。因此，可綜合各類控制措施的特點，根據(jù)系統(tǒng)實際需求啟動最佳的緊急控制策略，以最小代價維持電網(wǎng)暫態(tài)穩(wěn)定。

(3)?基于實際響應的暫態(tài)穩(wěn)定控制技術，無法準確獲知系統(tǒng)未來的真實軌跡，不能對控制后系統(tǒng)的特征進行先驗評估。為防止緊急控制過控或欠控所造成的損失，可結(jié)合一定的系統(tǒng)快速仿真手段，實現(xiàn)失穩(wěn)判別的防誤和控制策略的校核，進一步提高暫態(tài)穩(wěn)定控制技術的可靠性。

此外，基于廣域響應的暫態(tài)穩(wěn)定控制技術尚屬前瞻性研究，建議對相關裝置與設備的設計原則、協(xié)調(diào)配合原則進行研究和規(guī)范，以利于該類控制技術的進一步推廣和應用。

[1] 袁季修. 防御大停電的廣域保護和緊急控制[M]. 北京: 中國電力出版社, 2007.

[2] 薛禹勝. 時空協(xié)調(diào)的大停電防御框架(一)從孤立防線到綜合防御[J]. 電力系統(tǒng)自動化, 2006, 30(1): 1-9.

XUE Yusheng. Space-time cooperative framework for defending blackouts part I from isolated defense lines to coordinated defending[J]. Automation of Electric Power Systems, 2006, 30(1): 1-9.

[3] 張保會. 加強繼電保護與緊急控制系統(tǒng)的研究提高互聯(lián)電網(wǎng)安全防御能力[J]. 中國電機工程學報, 2004, 24(7): 1-6.

ZHANG Baohui. Strengthen the protection relay and urgency control systems to improve the capability of security in the interconnected power network[J]. Proceedings of the CSEE, 2004, 24(7): 1-6.

[4] BURNETT R O, BUTTS M M, CEASE T W, et al. Synchronized phasor measurements of a power system event[J]. IEEE Transactions on Power Systems, 1994, 9(3): 1643-1650.

[5] DE LAREE J, CENTENO V, THORP J, et al. Synchronized phasor measurement applications in power systems[J]. IEEE Transactions on Smart Grid, 2010, 1(1): 20-27.

[6] 薛禹勝. 時空協(xié)調(diào)的大停電防御框架(二)廣域信息、在線量化分析和自適應優(yōu)化控制[J]. 電力系統(tǒng)自動化, 2006, 30(2): 1-10.

XUE Yusheng. Space-time cooperative framework for defending blackouts part II reliable information, quantitative analyses and adaptive controls[J]. Automation of Electric Power Systems, 2006, 30(2): 1-10.

[7] ?TRUDEL G, GINGRAS J, PIERRE J. Designing a reliable power system hydro-Québec’s integrated approach[J]. Proceedings of the IEEE, 2005, 93(5): 907-917.

[8] MAKAROV Y V, RESHETOV V I, STROEV A, et al. Blackout prevention in the United States, Europe, and Russia[J]. Proceedings of the IEEE, 2005, 93(11): 1942-1954.

[9] LACHS W R. Area-wide system protection scheme against extreme contingencies[J]. Proceedings of the IEEE, 2005, 93(5): 1004-1027.

[10]薛禹勝, 雷興, 薛峰, 等. 關于電力系統(tǒng)廣域保護的評述[J]. 高電壓技術, 2012, 38(3): 1-8.

XUE Yusheng, LEI Xing, XUE Feng, et al. Review on wide area protection of electric power systems[J]. High Voltage Engineering, 2012, 38(3): 1-8.

[11] LIU C W, THORP J. Application of synchronized phasor measurements to real-time transient stability prediction[J]. IEE Proc Gener, Transm, and Distrib, 1995, 142(4): 355-360.

[12] LIU C W, THORP J S. New methods for computing power system dynamic response for real-time transient stability prediction[J]. IEEE Transactions on Circuits and Systems, 2000, 47(3): 324-337.

[13]彭疆南, 孫元章, 王海風. 基于廣域量測數(shù)據(jù)和導納參數(shù)在線辨識的受擾軌跡預測[J]. 電力系統(tǒng)自動化, 2003, 27(22): 6-11.

PENG Jiangnan, SUN Yuanzhang, WANG Haifeng. Research on the perturbed trajectories prediction based on wide-area measurement and on-line admittance matrix identification[J]. Automation of Electric Power Systems, 2003, 27(22): 6-11.

[14]韓英鐸, 嚴劍峰, 謝小榮, 等. 電力系統(tǒng)機電暫態(tài)過程主導動態(tài)參數(shù)的在線辨識[J]. 中國電機工程學報, 2006, 26(1): 1-6.

HAN Yingduo, YAN Jianfeng, XIE Xiaorong, et al. Research on the identification of dominant dynamic parameters of power system[J]. Proceedings of the CSEE, 2006, 26(2): 1-6.

[15]李琰, 周孝信, 周京陽. 基于廣域測量測點降階的系統(tǒng)受擾軌跡預測[J]. 中國電機工程學報, 2008, 28(10): 9-13.

LI Yan, ZHOU Xiaoxin, ZHOU Jingyang. Perturbed trajectories prediction for multi-machine power systems based on WAMS measurement placement of reduced order[J]. Proceedings of the CSEE, 2008, 28(10): 9-13.

[16]李琰, 周孝信, 周京陽. 基于引入虛擬負荷的發(fā)電機暫態(tài)穩(wěn)定預測[J]. 電工技術學報, 2008, 23(3): 103-107.

LI Yan, ZHOU Xiaoxin, ZHOU Jingyang. The perturbed trajectories prediction based on an additional virtual node[J]. Transactions of China Electrotechnical Society, 2008, 23(3): 103-107.

[17] HAQUE M H, RAHIM A H M A. Determination of first swing stability limit of multi-machine power systems through Taylor series expansions[J]. IEE Proceeding C, 1989, 136(6): 373-379.

[18]孫建華. 一種電力系統(tǒng)暫態(tài)穩(wěn)定性快速實時預測方法[J]. 中國電機工程學報, 1993, 13(6): 60-66.

SUN Jianhua. Transient stability real-time prediction for multi-machine power systems by using observation[J]. Proceedings of the CSEE, 1993, 13(6): 60-66.

[19]林飛, 張文, 劉玉田. 基于同步相量測量技術的暫態(tài)穩(wěn)定性實時預測[J]. 繼電器, 2000, 28(11): 33-35.

LIN Fei, ZHANG Wen, LIU Yutian. PMU based transient stability predication in power system[J]. Relay, 2000, 28(11): 33-35.

[20]蘇建設, 陳陳. 基于GPS同步量測量的時間序列法暫態(tài)穩(wěn)定預測[J]. 電力系統(tǒng)自動化, 2001, 21(9): 7-9.

SU Jianshe, CHEN Chen. Transient stability prediction using time-series based on GPS synchronized measurement[J]. Electric Power Automation Equipment, 2001, 21(9): 7-9.

[21]劉兆燕, 江全元, 曹一家. 基于廣域測量系統(tǒng)的快速暫態(tài)穩(wěn)定預測方法[J]. 電力系統(tǒng)自動化, 2007, 31(21): 1-4.

LIU Zhaoyan, JIANG Quanyuan, CAO Yijia. Fast learning algorithm for transient stability prediction based on wide-area measurement system[J]. Automation of Electric Power Systems, 2007, 31(21): 1-4.

[22]李國慶, 余貽鑫, 張崇見. 多機系統(tǒng)暫態(tài)穩(wěn)定性的快速判斷的新方法[J]. 天津大學學報, 1996, 29(1): 12-17.

LI Guoqing, YU Yixin, ZHANG Chongjian. Fast determination for transient stability of multi-machine power system by part dynamic data[J]. Journal of Tianjin University, 1996, 29(1): 12-17.

[23]郭強, 劉曉鵬, 呂世榮, 等. GPS同步時鐘用于電力系統(tǒng)暫態(tài)穩(wěn)定性預測和控制[J]. 電力系統(tǒng)自動化, 1998, 22(6): 11-13.

GUO Qiang, LIU Xiaopeng, Lü Shirong, et al. Application of GPS synchronized clock to power system transient stability predict and control[J]. Automation of Electric Power Systems, 1998, 22(6): 11-13.

[24]謝歡, 張保會, 郝治國, 等. 基于電力系統(tǒng)同步多參量測量的自記憶軌跡預測算法[J]. 電力自動化設備, 2008, 28(5): 1-5.

XIE Huan, ZHANG Baohui, HAO Zhiguo, et al. Self- memory prediction based on synchronous measurement of power system multi-variable[J]. Electric Power Automation Equipment, 2008, 28(5): 1-5.

[25] BRETAS N G, PHADKEA G. Real time instability prediction through adaptive time series coefficients[C] // Power Engineering Society 1999 Winter Meeting, USA, 1993: 731-736.

[26] 吳為, 湯涌, 孫華東, 等. 暫態(tài)穩(wěn)定受擾軌跡預測的模型參數(shù)自適應研究[J]. 電網(wǎng)技術, 2013, 37(3): 827-834.

WU Wei, TANG Yong, SUN Huadong, et al. Research on self-adaption of model parameters for prediction of disturbed trajectories in transient stability analysis[J]. Power System Technology, 2013, 37(3): 827-834.

[27] 宋方方, 畢天姝, 楊奇遜. 基于WAMS的電力系統(tǒng)受擾軌跡預測[J]. 電力系統(tǒng)自動化, 2006, 30(23): 27-31.

SONG Fangfang, BI Tianshu, YANG Qixun. Perturbed trajectory prediction method based on wide area measurement systems[J]. Automation of Electric Power Systems, 2006, 30(23): 27-31.

[28] 鄧暉, 趙晉泉, 吳小辰, 等. 基于改進灰色灰色Verhulst模型的受擾軌跡實時預測方法[J]. 電力系統(tǒng)保護與控制, 2012, 40(9): 18-23.

DENG Hui, ZHAO Jinquan, WU Xiaochen, et al. A novel post-fault rotor-angle trajectory prediction method based on modified gray Verhulst model[J]. Power System Protection and Control, 2012, 40(9): 18-23.

[29] LIU C W, THORP J. Application of synchronized phasor measurements to real-time transient stability prediction[J]. IEE Proc Gener, Transm, and Distrib, 1995, 142(4): 355- 360.

[30] STANTON S E. Application of phasor measurements and partial energy analysis in stabilizing large disturbances[J]. IEEE Transactions on Power Systems, 1995, 10(1): 297-306.

[31] XUE Y, CUSTEM T V, PAVELLA M R. Extended equal area criterion justifications, generalizations, applications[J]. IEEE Transactions on Power Systems, 1989, 4(1): 44-52.

[32] OTA Y, UKAI H, NAKAMURA K, et al. Evaluation of stability and electric power quality in power system by using phasor measurements[C] // Proceedings of International Conference on Power System Technology, Australia, 2000: 1135-1140.

[33] 滕林, 劉萬順, 貟志皓, 等. 電力系統(tǒng)暫態(tài)穩(wěn)定實時緊急控制的研究[J]. 中國電機工程學報, 2003, 23(1): 64-69.

TENG Lin, LIU Wanshun, YUAN Zhihao, et al. Study of real-time power system transient stability emergency control[J]. Proceedings of the CSEE, 2003, 23(1): 64-69.

[34] 邵振國, 薛禹勝, 陳關榮. 一種并不導致失步的滑步現(xiàn)象[J]. 電力系統(tǒng)自動化, 2003, 27(24): 6-9.

SHAO Zhenguo, XUE Yusheng, CHEN Guanrong. Slip phenomenon without loss of synchronization[J]. Automation of Electric Power Systems, 2003, 27(24): 6-9.

[35] 秦曉輝, 畢天姝, 楊奇遜, 等. 基于 WAMS 動態(tài)軌跡的電力系統(tǒng)功角失穩(wěn)判據(jù)[J]. 電力系統(tǒng)自動化, 2008, 32(23): 18-22.

QIN Xiaohui, BI Tianshu, YANG Qixun, et al. Power system transient stability assessment based on WAMS dynamic trajectories[J]. Automation of Electric Power Systems, 2008, 32(23): 18-22.

[36] 殷明慧, 薛禹勝, 鄒云. 受擾軌跡上的動態(tài)鞍點的病態(tài)及其識別[J]. 電力系統(tǒng)自動化, 2009, 33(1): 6-9.

YIN Minghui, XUE Yusheng, ZOU Yun. Trajectory characteristic based identification of ill-conditioned DSP in EEAC[J]. Automation of Electric Power Systems, 2009, 33(1): 6-9.

[37] WANG L, GIRGIS A A. A new method for power system transient stability detection[J]. IEEE Transactions on Power Delivery, 1997, 12(3): 1082-1089.

[38] 謝歡, 張保會, 于廣亮, 等. 基于相軌跡凹凸性的電力系統(tǒng)暫態(tài)穩(wěn)定性識別理論[J]. 中國電機工程學報, 2006, 26(5): 38-42.

XIE Huan, ZHANG Baohui, YU Guangliang, et al. Power system transient stability detection theory based on characteristic concave or convex of trajectory[J]. Proceedings of the CSEE, 2006, 26(5): 38-42.

[39] 謝歡, 張保會, 于廣亮, 等. 基于軌跡幾何特征的暫態(tài)不穩(wěn)定識別[J]. 中國電機工程學報, 2008, 28(4): 16-22.

XIE Huan, ZHANG Baohui, YU Guangliang, et al. Transient instability detection based on trajectory geometrical characteristic[J]. Proceedings of the CSEE, 2008, 28(4): 16-22.

[40] 謝歡, 張保會, 李鋼, 等. 基于廣域發(fā)電機狀態(tài)信息的電力系統(tǒng)暫態(tài)不穩(wěn)定性實時預測[J]. 電力自動化設備, 2009, 29(7): 28-32.

XIE Huan, ZHANG Baohui, LI Gang, et al. Real-time prediction of transient instability based on wide-area information of generator state[J]. Electric Power Automation Equipment, 2009, 29(7): 28-32.

[41] 趙磊, 單淵達. 基于軌跡信息的發(fā)電機暫態(tài)穩(wěn)定指標分析方法[J]. 電網(wǎng)技術, 2002, 26(8): 25-28.

ZHAO Lei, SHAN Yuanda. An approach to generator transient stability index analysis based on trajectory information[J]. Power System Technology, 2002, 26(8): 25-28.

[42] 宋方方, 畢天姝, 楊奇遜. 基于廣域測量系統(tǒng)的電力系統(tǒng)多擺穩(wěn)定性評估方法[J]. 中國電機工程學報, 2006, 26(16): 38-45.

SONG Fangfang, BI Tianshu, YANG Qixun. Study on WAMS based multi-swing stability assessment for power systems[J]. Proceedings of the CSEE, 2006, 26(16): 38-45.

[43] 顧卓遠, 湯涌, 孫華東, 等. 一種基于轉(zhuǎn)速差-功角差變化趨勢的暫態(tài)功角穩(wěn)定辨識方法[J]. 中國電機工程學報, 2013, 33(31): 65-72.

GU Zhuoyuan, TANG Yong, SUN Huadong, et al. An identification method for power system transient angle stability based on trend of rotative speed difference-angle difference[J]. Proceedings of the CSEE, 2013, 33(31): 65-72.

[44] MICHEL A N, FOUAD A A, VITTAL V. Power system transient stability using individual machine energy functions[J]. IEEE Transactions on Circuits and Systems, 1983, 30(5): 266-276.

[45] 穆鋼, 王仲鴻, 韓英鐸, 等. 暫態(tài)穩(wěn)定性的定量分析: 軌跡分析法[J]. 中國電機工程學報, 1993, 13(3): 23-30.

MU Gang, WANG Zhonghong, HAN Yingduo, et al. A new method for quantitative assessment of the transient stability of power systems: trajectory analysis method[J]. Proceedings of the CSEE, 1993, 13(3): 23-30.

[46] 穆鋼, 黎平, 蔡國偉. 描述發(fā)電機暫態(tài)不穩(wěn)定性的一種新指標[J]. 電力系統(tǒng)自動化, 1995, 19(9): 16-20.

MU Gang, LI Ping, CAI Guowei. A new index for indicating transient unstable degree of generators in power systems[J]. Automation of Electric Power Systems, 1995, 19(9): 16-20.

[47] 宋方方, 畢天姝, 楊奇遜. 基于暫態(tài)能量變化率的電力系統(tǒng)多擺穩(wěn)定性判別新方法[J]. 中國電機工程學報, 2007, 27(16): 13-18.

SONG Fangfang, BI Tianshu, YANG Qixun. Multi-swing stability assessment approach based on variation rate of transient energy for power system[J]. Proceedings of the CSEE, 2007, 27(16): 13-18.

[48] 劉艷, 顧雪平, 李軍. 用于暫態(tài)穩(wěn)定評估的人工神經(jīng)網(wǎng)絡輸入特征離散化方法[J]. 中國電機工程學報, 2005, 25(15): 56-61.

LIU Yan, GU Xueping, LI Jun. Discretization in artificial neural networks used for transient stability assessment[J]. Proceedings of the CSEE, 2005, 25(15): 56-61.

[49] SAWHNEY H, JEYASURYA B. A feed-forward artificial neural network with enhanced feature selection for power system transient stability assessment[J]. Electrical Power System Research, 2006, 76(12): 1047-1054.

[50] 葉圣永, 王曉茹, 劉志剛, 等. 基于支持向量機的暫態(tài)穩(wěn)定評估雙階段特征選擇[J]. 中國電機工程學報, 2010, 30(31): 28-34.

YE Shengyong, WANG Xiaoru, LIU Zhigang, et al. Dual-stage feature selection for transient stability assessment based on support vector machine[J]. Proceedings of the CSEE, 2010, 30(31): 28-34.

[51] MOULIN L S, SILVA A P A, SHARKAWI M A, et al. Support vector machines for transient stability analysis of large-scale power systems[J]. IEEE Transactions on Power Systems, 2004, 19(4): 818-825.

[52] 葉圣永, 王曉茹, 劉志剛, 等. 基于Stacking元學習策略的電力系統(tǒng)暫態(tài)穩(wěn)定評估[J]. 電力系統(tǒng)保護與控制, 2011, 39(6): 12-16.

YE Shengyong, WANG Xiaoru, LIU Zhigang, et al. Power system transient stability assessment based on Stacking meta-learning strategy[J]. Power System Protection and Control, 2011, 39(6): 12-16.

[53] AMJADY N, MAJED S F. Transient stability prediction by hybrid intelligent system[J]. IEEE Transactions on Power Systems, 2007, 22(3): 1275-1283.

[54] 蔡國偉, 孟祥霞, 劉濤. 電力系統(tǒng)振蕩中心的暫態(tài)能量解析[J]. 電網(wǎng)技術, 2005, 29(8): 30-34.

CAI Guowei, MENG Xiangxia, LIU Tao. Study on transient energy around power system oscillation center[J]. Power System Technology, 2005, 29(8): 30-34.

[55] 蔡國偉, 穆鋼, CHAN K W, 等. 基于網(wǎng)絡信息的暫態(tài)穩(wěn)定性定量分析——支路勢能法[J]. 中國電機工程學報, 2004, 24(5): 1-6.

CAI Guowei, MU Gang, CHAN K W, et al. Branch potential energy method for power system transient stability assessment based on network dynamic variables[J]. Proceedings of the CSEE, 2004, 24(5): 1-6.

[56] 王科, 游大海, 尹項根, 等. 基于支路勢能脊的電力系統(tǒng)暫態(tài)穩(wěn)定分析和臨界割集識別[J]. 電工技術學報, 2013, 28(11): 262-269.

WANG Ke, YOU Dahai, YIN Xianggen, et al. Power system transient stability analysis and critical cutset detection based on branch ridge[J]. Transactions of China Electrotechnical Society, 2013, 28(11): 262-269.

[57] 吳為, 湯涌, 孫華東, 等. 利用實測響應信息的暫態(tài)功角失穩(wěn)實時判別方法[J]. 中國電機工程學報, 2013, 33(34): 171-178.

WU Wei, TANG Yong, SUN Huadong, et al. Real-time transient instability criterion based on post-disturbance response data[J]. Proceedings of the CSEE, 2013, 33(34): 171-178.

[58] TAYLOR C W, ERICKSON D C, MARTIN K E, et al. WACS — wide-area stability and voltage control system: R&D and online demonstration[J]. Proceedings of the IEEE, 2005, 93(5): 892-906.

[59] 鄧暉, 趙晉泉, 吳小辰, 等. 基于受擾電壓軌跡的電力系統(tǒng)暫態(tài)失穩(wěn)判別: 機理與方法[J]. 電力系統(tǒng)自動化, 2013, 37(16): 27-32.

DENG Hui, ZHAO Jinquan, WU Xiaochen, et al. Transient instability detection of power system based on perturbed voltage trajectories part one theory and method[J]. Automation of Electric Power Systems, 2013, 37(16): 27-32.

[60] 鄧暉, 趙晉泉, 吳小辰, 等. 基于受擾電壓軌跡的電力系統(tǒng)暫態(tài)失穩(wěn)判別: 算例分析[J]. 電力系統(tǒng)自動化, 2013, 37(17): 58-63.

DENG Hui, ZHAO Jinquan, WU Xiaochen, et al. Transient instability detection of power system based on perturbed voltage trajectories part two case analysis[J]. Automation of Electric Power Systems, 2013, 37(17): 58-63.

[61] RAJAPAKSE A D, GOMEZ F R, NANAYAKKARA K. Rotor angle instability prediction using post disturbance voltage trajectories[J]. IEEE Transactions on Power Systems, 2010, 25(2): 947-956.

[62] GOMEZ F R, RAJAPAKSE A D. Support vector machine-based algorithm for post-fault transient stability status prediction using synchronized measurements[J]. IEEE Transactions on Power Systems, 2011, 26(3): 1474-1483.

[63] 彭疆南, 孫元章, 程林. 基于受擾軌跡的緊急控制新方法[J]. 電力系統(tǒng)自動化, 2002, 26(21): 17-22.

PENG Jiangnan, SUN Yuanzhang, CHENG Lin. A novel approach for transient stability emergency control based on perturbed trajectory[J]. Automation of Electric Power Systems, 2002, 26(21): 17-22.

[64] 顧卓遠, 湯涌, 張健, 等. 基于相對動能的電力系統(tǒng)暫態(tài)穩(wěn)定實時緊急控制方案[J]. 中國電機工程學報, 2014, 34(7): 95-102.

GU Zhuoyuan, TANG Yong, ZHANG Jian, et al. Real-time power system transient stability emergency control scheme based on the relative kinetic energy[J]. Proceedings of the CSEE, 2014, 34(7): 95-102.

[65] 吳為, 湯涌, 孫華東. 基于系統(tǒng)加速度能量的切機控制措施量化研究[J]. 中國電機工程學報, 2014, 34(34): 6134-6140.

WU Wei, TANG Yong, SUN Huadong. Quantitative research of generation capacity tripped based on acceleration energy of power system[J]. Proceedings of the CSEE, 2014, 34(34): 6134-6140.

[66] TERZIJA V, VALVERDE G, CAI D, et al. Wide-area monitoring, protection, and control of future electric power networks[J]. Proceedings of the IEEE, 2011, 99(1): 80-93.

[67] 程云峰, 張欣然, 陸超. 廣域測量技術在電力系統(tǒng)中的應用研究進展[J]. 電力系統(tǒng)保護與控制, 2014, 42(4): 145-153.

CHENG Yunfeng, ZHANG Xinran, LU Chao. Research progress of the application of wide area measurement technology in power system[J]. Power System Protection and Control, 2014, 42(4): 145-153.

[68] 余文輝, 王少榮, 柳斐, 等. 基于在線自組織同步MAS 的電網(wǎng)廣域保護系統(tǒng)[J]. 電力系統(tǒng)保護與控制, 2015, 43(3): 69-76.

YU Wenhui, WANG Shaorong, LIU Fei, et al. A wide- area protection system based on synchronized MAS self- organizing online for power grid[J]. Power System Protection and Control, 2015, 43(3): 69-76.

[69]劉育權(quán), 華煌圣, 李力, 等. 多層次的廣域保護控制體系架構(gòu)研究與實踐[J]. 電力系統(tǒng)保護與控制, 2015, 43(5): 112-122.

LIU Yuquan, HUA Huangsheng, LI Li, et al. Research and application of multi-level wide-area protection system[J]. Power System Protection and Control, 2015, 43(5): 112-122.

[70] 谷松林. 基于廣域保護系統(tǒng)的距離后備保護整定方案[J]. 電力系統(tǒng)保護與控制, 2016, 44(1): 40-47.

GU Songlin. A distance backup protection setting scheme based on wide area protection system[J]. Power System Protection and Control, 2016, 44(1): 40-47.

[71] 李生福, 張愛玲, 李少華, 等.?“風火打捆”交直流外送系統(tǒng)的暫態(tài)穩(wěn)定控制研究[J]. 電力系統(tǒng)保護與控制, 2015, 43(1): 108-114.

LI Shengfu, ZHANG Ailing, LI Shaohua, et al. Study on transient stability control for wind-thermal-bundled power transmitted by AC/DC system[J]. Power System Protection and Control, 2015, 43(1): 108-114.

(編輯 姜新麗)

Review on power system transient stability control technologies based on PMU/WAMS

ZHAO Jinquan1, DENG Hui1, WU Xiaochen2, XU Guanghu2, JIN Xiaoming2, ZHANG Yong2

(1. Research Center for Renewable Energy Generation Engineering, Ministry of Education, Hohai University, Nanjing 210098, China; 2. China Southern Power Grid Co., Ltd., Guangzhou 510623, China)

Transient stability control technology is one of the core problems of power system for maintaining security and preventing blackouts. With the development of wide-areameasurement system (WAMS) based on phasor measuringunits (PMU), the response-based transient stability control technology has become an important development direction. From a viewpoint of combining both theory and application, researchesof wide-area protectionare reviewed on three important subproblems. They are perturbed trajectory prediction, transient instability detection and transient emergency control. Moreover, potential deficiencies and solutions are also discussed based on the analysis. This work is supported by National Natural Science Foundation of China (No. 51577049) and Open Foundation of State Key Lab of Alternate Electrical Power System with Renewable Energy Sources (Grant No. LAPS14005).

WAMS; PMU; perturbed trajectory prediction; transient instability detection; transient emergency control

10.7667/PSPC152200

國家自然科學基金項目(51577049);華北電力大學新能源電力系統(tǒng)國家重點實驗室開放課題(LAPS14005)

2015-12-20；

2016-02-05

趙晉泉(1972-)，男，博士，教授，主要從事電力系統(tǒng)優(yōu)化、穩(wěn)定分析與控制和主動配電網(wǎng)等方面的研究工作；鄧 暉(1986-)，男，博士研究生，主要從事電力系統(tǒng)暫態(tài)穩(wěn)定分析與控制方面的研究工作。