简介

如果要创建逼近现实的大规模电网仿真，则通常必须标定该电网具有代表性的各个模型。电厂模型验证 (PPMV) 这一过程可通过对电网事件进行离线阶跃测试和在线性能监控来执行。此外，随着风能、太阳能和储能在现代电网中的占比日益增加，除了传统发电系统外，这些可再生能源系统的精确模型也变得愈加重要。PPMV 的主要用途如下：

• 查明模型中的潜在错误和/或寻找相关修复方案
• 了解参数对潜在模型改进的敏感度

这项任务可能充满挑战，特别是要满足 NERC 标准 MOD-026 或 MOD-027 等技术法规要求时更是如此。本白皮书介绍了使用 MATLAB^® 和 Simulink^® 进行 PPMV 的工作流，并重点讨论了针对可再生能源和传统发电系统，使用相量测量单元 (PMU) 数据对电网事件进行的离线阶跃测试和在线性能监控。其中还探讨了同时包括手动调整和自动方法的工作流。通过太阳能电厂案例研究，您将了解如何完成以下任务：

1. 通过仿真重播测量的数据
2. 通过现场数据重播了解响应差异
3. 运用工程判断和自动参数敏感度，评估系统参数对系统响应的影响并对其进行排序
4. 通过手动调整和自动参数估计微调系统响应

此外，还讨论了用于传统发电测试的其他模板：

1. 零功率因数抛载测试
2. 开路电压阶跃测试
3. 在线阶跃测试

通过仿真重播测量的数据

利用真实数据标定标准化电力系统模型时，需要叠加和比较仿真响应和现场测量数据。其中一种响应比较方法是，通过仿真模型和观察响应来重播现场测量数据。随着可再生能源大规模接入电网，电厂性能的标准化模型已开发而成，它们类似于传统发电系统的 IEEE 标准模型。下面的图 1 形象地说明了一个大型地面太阳能电厂的高层次表示形式。

PPMV 的核心属性在于可通过仿真模型重播测量的数据。对于离线阶跃测试，数据重播涉及通过控制信号测量来激励电厂模型。而对于在线性能监控，数据重播涉及通过对电网接入点处的电压或电流进行物理测量来激励电厂模型。大家普遍认为，电压 (V)、频率 (F)、有功功率 (P) 和无功功率 (Q) 是执行 PPMV 所需的四个测量值。但对传统发电而言，还可以使用在测试过程中记录的励磁电压或励磁电流。

在下面的图 2 中，太阳能电厂模型（使用 REEC_A、REPC_A 和 REGC_A）包含一个 VF 重播模块，可用于重播现场数据，以确认电厂性能。

通过现场数据重播了解响应差异

在 PPMV 过程中，第一个阶段是通过手动调整参数来了解响应差异。您可能拥有一组凭以往经验即可调整的“首选”参数，但也可以通过观察响应差异的属性来更深入地了解需要调整的某些参数。图 3 显示了可再生能源电厂示例的 VF 重播结果。由于仿真的 PQ 响应与测量的 PQ 响应不一致，因此模型参数不准确，需要加以调整。鉴于 PQ 响应具有动态响应差异，电压反馈回路参数可能是造成响应差异的根源，但它们可以进行手动调整。

运用工程判断和自动参数敏感度，评估系统参数对系统响应的影响并对其进行排序

虽然参数可以手动调整，但是，太阳能电厂模型中包含 50 多个可调整参数。为了找到需要在此电压阶跃测试中关注的参数，我们可以利用自动参数敏感度，评估其他系统参数对系统响应的影响并对其进行排序。如图 4 所示，敏感度分析将在这些参数发生细微变化的情况下运行多个仿真，以确定哪些参数对结果的改进影响最大。这种方法有助于确定需要关注的最重要参数。

敏感度分析结果如图 5 所示。下图显示了在此例中测试的四个参数，并说明了 repc_Ki 增益参数对提高电压阶跃响应性能的影响最大。

通过手动调整和自动参数估计微调系统响应

在手动调整和自动参数敏感度分析之后，您可以利用自动参数估计来微调响应。参数值范围可以在执行自动参数估计任务时加以限制。您可以添加多项测试，以确保确定的参数对于太阳能电厂的各种操作来说都是准确无误的。如图 6 所示，参数估计采用优化方法，通过自动调整电厂参数，最大限度减少仿真数据与现场数据之间的差异。

值得一提的是，PPMV 任务不应在自动微调后终止。您应该评估结果，确定是否可以进行进一步的手动调整。例如，您可以将没有发生显著变化的参数设回其原始值并比较响应。如果结果具有可比性，则更合适的做法是尽量减少参数更改数量。

传统发电设施数据重播示例

除了可再生能源模型验证以外，还可以对典型的传统发电设施进行现场数据重播。当 PMU 数据可用时，您可以为电厂设备的特定离线测试配置重播。进行多项独立测试和验证研究的好处在于，每个组件都可以单独测试，这就最大限度减少了需要调整的参数数量。在下面的配置示例中，可以按上述太阳能设施示例所示的方式进行敏感度分析和参数估计。

对于零功率因数抛载测试，可以使用 PQ 重播单独仿真发电机（请见图 7）。除了重播 PQ 以外，我们还可以重播其他测量值，例如频率和测量的励磁电压 (Efd)。在此例中，执行数据匹配时，可以重点匹配发电机的端电压。

在发电机模型经过验证后，可以通过其他离线测试包括其他组件，如励磁系统的电压阶跃测试。图 8 中显示包括了一个 ST1A 励磁系统。在重播基准电压后，可以确认匹配发电机的端电压。由于该模型基于离线测试，因此不重播电网的有功功率和无功功率。

最后，还可以添加电力系统稳定器等其他组件。在图 9 中，已将一个 PSS2C 添加到模型中，并且正在利用 PQ 重播验证使用电网连接数据的所有组件。即使调速器模型未直接添加在这些示例中，也可以包含在内，以用于频率重播。在电厂测试模板创建后，便可将该模板用于进行类似测试的多个电厂。如果有不同的发电机或励磁系统，则只需根据不同的工厂配置交换这些模块即可。

小结

在本白皮书中，我们探讨了如何通过一个同时包括手动调整和自动方法的工作流，将 PPMV 应用于使用 PMU 数据对电网事件进行的在线性能监控。通过大型地面太阳能电厂案例研究，您将了解以下工作流步骤：

1. 通过仿真重播测量的数据
2. 通过现场数据重播了解响应差异
3. 运用工程判断和自动参数敏感度，评估系统参数对系统响应的影响并对其进行排序
4. 通过手动调整和自动参数估计微调系统响应

借助 MATLAB 和 Simulink，您可以采用自动方法高效地执行电厂模型验证。该工作流提供了相关见解和灵活性，有助于满足 NERC 标准 MOD-26 等技术法规要求。