简介这份PPT学习教案面向电气工程专业学生与电力系统分析学习者系统讲解暂态能量函数法在暂态稳定分析中的应用帮助读者掌握直接法判别稳定性的核心思路。压缩包内仅含1个pptx文件约1.23MB以图文并茂的幻灯片形式呈现便于课堂讲授与自学翻阅。内容覆盖暂态能量函数基本原理、单机无穷大系统直接法暂态稳定分析、多机系统特殊问题与两种坐标系、多机系统能量函数、最近不稳定平衡点法AUEP与相关不稳定平衡点法RUEP、故障轨迹对稳定的影响以及等位能线与位能边界等模块并穿插李氏定理、临界能量与稳定裕度判据的推导。全篇共105页从力学类比切入逐步过渡到数学描述与工程应用结构完整、层次清晰。目前已有161人学习适合作为电力系统稳定课程的配套讲义或复习提纲也可供考研与科研入门参考。1. 暂态能量函数法到底在算什么从一份 PPT 学习教案说起电力系统暂态稳定分析里时域仿真法几乎是默认答案把微分方程组一步步积分看功角曲线是否发散。但时域仿真有个绕不开的痛点——它只能告诉你「稳还是不稳」很难直接给出稳定裕度更没法在线快速扫描成百上千个预想故障。暂态能量函数法Transient Energy FunctionTEF就是冲着这个痛点来的它构造一个沿故障轨迹单调下降、在稳定平衡点取极小的能量函数用故障清除时刻的能量与临界能量之差来判断稳定性顺带给出裕度指标。这份「电力系统暂态能量函数法暂态稳定分析PPT学习教案.pptx」本质是一套教学材料把能量函数构造、临界能量求取、裕度计算这条链路讲清楚。它适合两类人一是电力系统专业的研究生和授课教师需要一套能讲透原理的课件骨架二是做稳定分析工具或在线预警的工程师想搞明白 TEF 的工程边界在哪。下面我不复述 PPT 页面而是把它背后的技术链路拆成能复现、能调参、能排错的东西。2. 能量函数怎么构造从单机无穷大推到多机系统2.1 单机无穷大系统的能量函数长什么样理解 TEF 最省力的入口是单机无穷大OMIB系统。发电机转子运动方程写成M d²δ/dt² Pm - Pe - D dδ/dt Pe (E U / X) sinδ忽略阻尼时把方程两边对 δ 积分得到能量函数V(δ, ω) (1/2) M ω² - Pm(δ - δs) - (EU/X)(cosδs - cosδ)第一项是动能后两项是势能。δs 是稳定平衡点角度。这个函数在 δδs、ω0 处取极小值物理意义清晰系统偏离平衡点时能量升高能量越高越危险。教学 PPT 里通常先画这个 V 的等值线再叠加故障轨迹直观展示「轨迹穿过临界等值线就失稳」。提示很多初学者卡在「为什么积分能得到能量函数」。关键前提是系统保守——忽略阻尼和时变因素后方程具有哈密顿结构才能构造出这样的标量函数。阻尼一进来严格意义上的能量函数就不存在了工程上只能近似处理。2.2 多机系统的能量函数与结构保持模型多机系统不能简单把 OMIB 叠加。经典做法是基于结构保持模型把网络节点导纳矩阵收缩到发电机内节点得到降阶导纳 Yred。此时能量函数写成V (1/2) Σ Mi ωi² - Σ Pi(δi - δi^s) - Σ Σ Bij [cos(δi-δj) - cos(δi^s-δj^s)] - 与转移电导相关的路径积分项最后一项是麻烦所在转移电导 Gij 不为零时路径积分与积分路径有关能量函数不再唯一。教学教案里一般会强调两种处理一是忽略转移电导把网络当无损二是用线性路径近似积分。前者简单但误差大后者精度好但计算量上升。选哪种取决于你的场景——离线教学演示用忽略法足够在线预警必须用路径相关积分。2.3 用 Python 搭一个最小可跑的 OMIB 能量函数验证光看公式容易飘下面这段代码把 OMIB 的能量函数和临界能量算出来你可以直接改参数观察裕度变化import numpy as np # 系统参数标幺值 M 0.05 # 惯性时间常数 Pm 0.8 # 机械功率 E 1.0 # 内电势 U 1.0 # 无穷大母线电压 X 0.5 # 总电抗 D 0.0 # 阻尼先忽略 # 稳定平衡点Pm (E*U/X) sin(delta_s) Pmax E * U / X delta_s np.arcsin(Pm / Pmax) # 不稳定平衡点delta_u pi - delta_s delta_u np.pi - delta_s def energy(delta, omega): 能量函数 V(delta, omega) kinetic 0.5 * M * omega**2 potential -Pm * (delta - delta_s) - Pmax * (np.cos(delta_s) - np.cos(delta)) return kinetic potential def critical_energy(): 临界能量在不稳定平衡点处、omega0 的能量 return energy(delta_u, 0.0) # 故障清除时刻的状态示例 delta_c 1.2 # 清除角 omega_c 0.5 # 清除时角速度 V_c energy(delta_c, omega_c) V_cr critical_energy() margin V_cr - V_c print(fdelta_s {delta_s:.4f} rad) print(fdelta_u {delta_u:.4f} rad) print(fV_c {V_c:.4f}) print(fV_cr {V_cr:.4f}) print(f裕度 {margin:.4f} - {稳定 if margin 0 else 失稳})逻辑说明先由 Pm 和 Pmax 求稳定平衡点 δs再由 δuπ−δs 求不稳定平衡点临界能量就是轨迹在 δu 处动能为零时的势能。参数说明M 越大惯性越强同样清除角下动能项越小裕度越大X 越大 Pmax 越小δs 越靠近 π/2系统越脆弱。你可以把 delta_c 从 1.0 逐步加到 1.5观察裕度由正转负的临界点这就是 TEF 判稳的直观过程。3. 临界能量与主导不稳定平衡点TEF 最玄学的一步3.1 为什么临界能量不能随便取单机系统里不稳定平衡点只有一个临界能量好求。多机系统里不稳定平衡点UEP有一大堆到底哪个决定失稳这就是主导不稳定平衡点CUEP问题。取错了 UEP临界能量要么偏大导致误判稳定要么偏小导致误判失稳。教学 PPT 里通常用「故障轨迹在能量界面上最先逼近哪个 UEP」来解释但实际算法要靠模式识别或迭代搜索。常见做法是先用故障轨迹的功角方向确定候选 UEP再用二次规划或梯度法精化。我一般会先用故障前的潮流解做初值沿故障轨迹末端的方向做投影缩小候选范围再逐个算能量取最小。这个过程计算量不小但比时域仿真扫描快得多。3.2 用表格对比三种 CUEP 搜索策略策略原理计算量适用场景主要风险最近 UEP 法取能量界面上离故障轨迹最近的 UEP低教学演示、简单系统多群失稳时选错模式识别法按功角分群确定失稳模式再定位 UEP中区域间振荡分群阈值敏感梯度迭代法从初值沿能量梯度搜索高在线预警收敛性依赖初值选策略时别只看精度。在线场景下最近 UEP 法虽然粗但配合合理的候选筛选往往够用离线分析才值得上梯度迭代。3.3 临界能量计算的代码骨架下面这段代码演示用梯度法从初值搜索 UEP 并计算临界能量重点看迭代逻辑和收敛判据import numpy as np def uep_power_flow(delta0, Pm, Pmax_matrix, tol1e-6, max_iter200): 简化梯度法搜索不稳定平衡点 delta0: 初值角度向量 Pm: 机械功率向量 Pmax_matrix: 节点间最大传输功率矩阵 delta delta0.copy() for it in range(max_iter): # 不平衡功率 P Pm - Pmax_matrix np.sin(delta) # 雅可比矩阵 J -Pmax_matrix * np.cos(delta)[None, :] # 梯度步 step np.linalg.solve(J 1e-8*np.eye(len(delta)), P) delta delta 0.5 * step # 阻尼因子 0.5 防止振荡 if np.linalg.norm(P) tol: print(f收敛于第 {it} 次迭代) return delta print(未收敛检查初值或阻尼因子) return delta # 示例三机系统 Pm np.array([0.8, 0.6, 0.5]) Pmax np.array([ [0.0, 1.5, 1.2], [1.5, 0.0, 1.0], [1.2, 1.0, 0.0] ]) delta0 np.array([0.3, 0.2, 0.1]) delta_uep uep_power_flow(delta0, Pm, Pmax) print(UEP 角度:, delta_uep)逻辑说明每次迭代算不平衡功率 P解雅可比方程得到修正方向乘阻尼因子 0.5 更新角度直到 P 的范数小于容差。参数说明tol 控制收敛精度太小会迭代不收敛太大结果不准1e-6 是常用折中阻尼因子 0.5 是血泪经验取 1.0 时在接近 UEP 处容易来回振荡不收敛。如果打印「未收敛」先检查初值是否离真实 UEP 太远再考虑把阻尼因子降到 0.3。4. 把 TEF 用到实际算例从数据准备到裕度输出4.1 算例数据从哪来TEF 分析需要三类数据潮流解各节点电压和功角、发电机参数M、E、Xd、网络导纳矩阵。教学教案里通常直接给算例但工程上你得自己准备。常见做法是从 PSS/E 或 BPA 的潮流结果文件导出再写脚本转成 TEF 需要的格式。转换时最容易翻车的是标幺值基准不统一——发电机参数用自身容量基准网络用系统基准不换算直接算结果能差出几倍。4.2 故障清除时刻的确定TEF 判稳依赖故障清除时刻的状态δc, ωc。这个状态要么来自时域仿真到清除时刻要么用近似公式估算。教学场景下一般直接给清除角工程上必须仿真到清除时刻再取状态。这里有个坑仿真步长太大清除时刻的状态插值误差会直接传进能量计算导致裕度偏差。我一般把步长压到 0.001 秒以内再用线性插值取清除时刻值。4.3 完整裕度计算流程与参数表把前面几步串起来完整流程是读潮流解 → 构造 Yred → 搜索 CUEP → 算临界能量 → 仿真到清除时刻取状态 → 算清除时刻能量 → 输出裕度。关键参数整理如下参数典型取值影响调整建议仿真步长0.001 s清除时刻状态精度不小于 0.0005 s阻尼因子0.3~0.5UEP 搜索收敛性不收敛时降低收敛容差1e-6UEP 精度精度要求高时用 1e-8转移电导处理路径积分临界能量精度在线用忽略法离线用积分法候选 UEP 数3~5计算量与准确性按失稳模式数确定注意裕度接近零时TEF 的结论最不可靠。此时数值误差、模型误差都可能让符号翻转工程上应把裕度小于 5% 的算例标记为「临界」交给时域仿真复核。5. 避坑与排查TEF 分析里最容易翻车的五件事现象一裕度算出来是正的但时域仿真显示失稳。原因通常是 CUEP 选错临界能量取大了。解决打印候选 UEP 的能量值检查是否取了最小那个如果候选里没有真正的主导 UEP扩大候选范围或改用模式识别法重新分群。现象二UEP 搜索迭代不收敛角度来回跳。原因是初值离真实 UEP 太远或者阻尼因子取 1.0 导致过冲。解决把阻尼因子降到 0.3或者先用最近 UEP 法给一个粗解再拿粗解做梯度法初值。现象三同一算例换台机器跑裕度差很多。原因是标幺值基准没统一或者浮点精度差异被放大。解决在数据转换脚本里显式做基准换算所有参数统一到系统基准关键中间量用双精度别用单精度省内存。现象四转移电导忽略后临界能量明显偏大。原因是网络损耗被丢掉能量函数不再守恒。解决对精度要求高的算例改用路径相关积分沿故障轨迹做数值积分代价是计算量上升约 30%。现象五清除时刻状态插值误差导致裕度抖动。原因是仿真步长太大清除时刻落在两步之间。解决把步长压到 0.001 秒以内或者用事件检测让仿真恰好停在清除时刻避免插值。6. 进阶技巧用能量裕度做参数灵敏度扫描TEF 真正比时域仿真香的地方是它能快速做参数扫描。比如你想知道「故障清除时间每延长 10 毫秒裕度掉多少」时域仿真要跑几十次TEF 只需要在清除时刻状态上做微小扰动重算能量即可。下面这段代码演示对清除角做扫描输出裕度曲线import numpy as np M, Pm, E, U, X 0.05, 0.8, 1.0, 1.0, 0.5 Pmax E * U / X delta_s np.arcsin(Pm / Pmax) delta_u np.pi - delta_s def energy(delta, omega): return 0.5*M*omega**2 - Pm*(delta-delta_s) - Pmax*(np.cos(delta_s)-np.cos(delta)) V_cr energy(delta_u, 0.0) # 扫描清除角假设清除时 omega 与 delta 近似线性关系 omega_c 0.5 results [] for delta_c in np.linspace(0.8, 1.6, 17): V_c energy(delta_c, omega_c) margin (V_cr - V_c) / V_cr * 100 # 百分比裕度 results.append((delta_c, margin)) for d, m in results: flag 稳定 if m 0 else 失稳 print(f清除角 {d:.2f} rad - 裕度 {m:6.2f}% {flag})逻辑说明固定清除时角速度只变清除角算每个点对应的能量和百分比裕度。参数说明omega_c 固定是简化处理实际工程中清除角变大时角速度也会变需要从仿真轨迹里取对应关系百分比裕度用 V_cr 归一化方便跨算例比较。跑完你会看到裕度随清除角单调下降过零点就是临界清除角——这个信息对整定保护动作时间直接有用。我自己的习惯是任何 TEF 算例上线前先拿两三个典型故障和时域仿真对一遍裕度符号一致才敢用。TEF 快是真快但它对模型和参数的假设比时域仿真苛刻别把它当黑匣子直接信。希望帮到你。本文还有配套的精品资源点击获取