电力系统惯量评估新思路：WRLS-ARMAX算法在新能源电网中的应用

原创

于 2026-03-12 10:04:17 发布 · 252 阅读

标签

电力系统惯量评估新思路：WRLS-ARMAX算法在新能源电网中的应用

当风电和光伏电站大规模接入电网，一个过去我们习以为常的物理特性正在悄然改变——系统的惯量。传统电力系统中，同步发电机巨大的旋转质量体为电网提供了天然的“缓冲垫”，当功率出现不平衡时，它们能凭借惯性延缓频率的快速跌落，为一次调频争取宝贵时间。然而，风光等新能源通过电力电子设备并网，本身不具备旋转惯量，这导致现代电网的“韧性”正在被削弱。频率稳定问题，这个曾经更多存在于教科书中的概念，如今已成为调度中心工程师们每天都要面对的现实挑战。

面对这种变化，我们不能再依赖传统的、基于大扰动事件的惯量估算方法。那些方法需要系统经历明显的功率冲击，不仅对电网运行本身构成风险，也无法反映系统在常态运行下的真实惯量水平。我们需要一种更“聪明”、更“温和”的评估手段——它能够利用电网日常运行中微小的、无处不在的功率和频率波动，像一位经验丰富的医生通过“听诊”来诊断系统的健康状况。这正是系统辨识技术，特别是ARMAX模型及其改进算法，在电力系统惯量评估领域大放异彩的舞台。本文将深入探讨一种融合了加权递推最小二乘思想的WRLS-ARMAX算法，它如何从嘈杂的日常运行数据中，精准“听”出系统的惯性脉搏，并辅以Simulink仿真对比，为新能源时代的电网稳定运行提供一种全新的、可操作的洞察工具。

1. 新能源电网的低惯量挑战与评估范式转变

新能源渗透率的不断提升，从根本上重塑了电力系统的动态特性。传统同步发电机组的退出或降额运行，直接导致了系统总转动惯量的下降。这种低惯量特性使得电网的频率变化率变得陡峭，对扰动的响应更为敏感和脆弱。一个微小的功率不平衡，就可能引发远超以往的频率偏差。更复杂的是，风电和光伏出力的间歇性与波动性，本身就成了持续的小扰动源，使得系统始终处于一种动态平衡的边缘。

面对这一挑战，传统的惯量评估方法显得力不从心。经典方法，如阶跃响应法或频率变化率法，通常依赖于计划内或偶然发生的大扰动事件（如大机组脱网）。这类方法存在几个明显缺陷：首先，它无法实现连续在线评估，只能提供扰动发生时刻的“快照”；其次，大扰动本身对系统安全构成威胁，不宜主动制造；最后，它无法捕捉新能源占比动态变化时，系统惯量的时空分布特性。我们需要一种能够利用环境激励——即电网正常运行中固有的小扰动——进行持续、无侵入式评估的新范式。

系统辨识技术为此提供了完美的解决方案。其核心思想是：将电网视为一个“黑箱”或“灰箱”系统，把并网点的有功功率波动作为输入，频率偏差作为输出，通过分析输入输出数据之间的关系，反推出描述系统动态行为的数学模型。这个模型的参数中就蕴含着惯量的信息。在众多辨识模型中，带外部输入的自回归滑动平均模型因其能同时处理确定性输入和随机噪声，成为刻画电力系统功频动态关系的理想选择。

提示：环境激励下的系统辨识，其有效性依赖于数据中是否包含足够丰富的动态信息。幸运的是，新能源的波动性和负荷的自然变化，为这种辨识提供了天然的、持续的激励信号，无需人为施加大扰动。

2. ARMAX模型：从理论到电力系统的桥梁

要理解WRLS-ARMAX的妙处，必须先夯实ARMAX模型的基础。ARMAX是自回归滑动平均模型的扩展，其名称揭示了其结构：AutoRegressive（自回归）、Moving Average（滑动平均）和 eXogenous inputs（外部输入）。对于一个单输入单输出离散系统，其数学表达式为：

A(z⁻¹)y(k) = B(z⁻¹)u(k-nk) + C(z⁻¹)e(k)

其中：

y(k) 是k时刻的系统输出（如频率偏差Δf）。
u(k) 是k时刻的系统输入（如有功功率扰动ΔP）。
e(k) 是零均值白噪声序列，代表测量噪声和未建模动态。
z⁻¹ 是后移算子，即 z⁻¹ y(k) = y(k-1)。
A(z⁻¹), B(z⁻¹), C(z⁻¹) 是关于 z⁻¹ 的多项式：
- A(z⁻¹) = 1 + a₁z⁻¹ + ... + a_na z^{-na}
- B(z⁻¹) = b₀ + b₁z⁻¹ + ... + b_nb z^{-nb} （通常 b₀=0，表示输入对输出有至少一个采样周期的延迟）
- C(z⁻¹) = 1 + c₁z⁻¹ + ... + c_nc z^{-nc}
nk 是输入输出的纯延迟阶数。