CN106980044B - 一种适应风电接入的电力***谐波电流估计方法 - Google Patents
一种适应风电接入的电力***谐波电流估计方法 Download PDFInfo
- Publication number
- CN106980044B CN106980044B CN201710173339.5A CN201710173339A CN106980044B CN 106980044 B CN106980044 B CN 106980044B CN 201710173339 A CN201710173339 A CN 201710173339A CN 106980044 B CN106980044 B CN 106980044B
- Authority
- CN
- China
- Prior art keywords
- harmonic current
- harmonic
- moment
- bus
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000010354 integration Effects 0.000 title abstract description 3
- 238000005259 measurement Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 230000007704 transition Effects 0.000 claims abstract description 19
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 44
- 238000005070 sampling Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
Landscapes
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Current Or Voltage (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种适应风电接入的电力***谐波电流估计方法,首先对采集到的各母线历史谐波电流数据进行小波分解,滤波得到其高频分量和低频分量,接着建立谐波电流估计的测量模型和状态转移模型,最后采用变参数卡尔曼滤波法估计谐波电流。本发明将体现谐波波动规律的低频分量作为下一时刻谐波状态的初步估计,同时利用低频分量估计状态转移矩阵,充分考虑了普通谐波源负荷和风电谐波源负荷注入谐波电流每日波动的规律性,提高谐波电流估计精度;将体现谐波电流随机性的高频分量作为***噪声,用于估计***噪声协方差矩阵,避免了卡尔曼滤波方法复杂的噪声参数调节过程,降低工作量,并提高了在不同网络结构的适应性。
Description
技术领域
本发明涉及电网谐波技术领域,具体为一种适应风电接入的电力***谐波电流估计方法。
背景技术
随着电力电子设备等非线性负荷的大量应用,电网谐波污染加剧,严重影响了电网的安全稳定运行。为向用户提供优质的电能,需要以谐波电流估计技术为依据对谐波污染进行监管和治理。
近年来,风电以其清洁无污染、资源丰富、可再生等特点在电力***得到快速发展。大规模风电场通过远距离高压直流输电汇入输电网,小型风电场则以分布式电源形式并入输配电网,风电采用逆变装置并入电网,逆变设备工作时引起谐波的注入,并网风电场成为了新型谐波源。风电出力受地理气象因素影响,具有随机性和间歇性,并网逆变器工作在变化状态下,因此注入电网谐波也具有随机性和间歇性。风电并网注入谐波的随机与间歇特性引起整个区域电网中谐波波动特性的改变和波动幅度的加剧,使现有谐波电流估计方法难以准确追踪谐波电流的波动,给谐波电流估计带来很大挑战。
因此,在风电并网条件下,提供准确的谐波注入电流估计结果,是目前谐波检测与辨识领域亟待解决的一个重要课题,对谐波的综合治理具有重要意义。
发明内容
针对上述问题,本发明的目的在于提供一种能在风电并网条件下进行电力***谐波电流估计的方法,适应风电谐波的随机特性与间歇特性,提供准确谐波电流估计结果。技术方案如下:
一种适应风电接入的电力***谐波电流估计方法,其特征在于,包括以下步骤:
步骤A:采集各母线历史谐波电流数据进行小波分解,滤波得到其高频分量和低频分量;
步骤B:采集母线谐波电压和支路谐波电流作为测量数据;
步骤C:根据测量数据建立谐波电流估计模型,根据测量装置的误差参数确定测量噪声协方差矩阵,将体现谐波电流波动随机性的高频分量作为***噪声,估计***噪声协方差矩阵;
步骤D:将体现谐波电流波动规律性的低频分量作为下一时刻谐波电流状态的预估,同时利用低频分量估计状态转移矩阵,进而采用变参数卡尔曼滤波算法估计谐波电流。
进一步的,所述步骤A的具体过程为:
步骤A1:收集电力***各母线的h次历史谐波电流数据,第d日谐波电流数据记作Id=[Id1,Id2,…,Idi…,IdN]T,其中,Idi(1≤i≤N)为第d日母线i上的谐波电流向量,1×L阶,L为每日采样点总数,N为母线总数;
步骤A2:对收集到的D日的各母线的历史谐波电流数据Idi(1≤d≤D,1≤i≤N)进行5 次小波分解,获得体现谐波电流规律性的低频数据和体现谐波电流随机性的高频数据且对母线i上的D日的历史谐波电流数据均做上述滤波分解,母线i上谐波电流低频数据的均值为所有母线的谐波电流低频数据均值为即低频分量,其中 为母线i上k时刻的谐波电流低频分量均值,将Is展开写作其列向量记作则为低频分量Is的k时刻向量;母线i上谐波电流高频数据的均值为所有母线的谐波电流高频数据均值为即高频分量,其中 为母线i上k时刻的谐波电流高频数据均值,将Ir展开作其列向量记作则Ik r为高频分量Ir的k时刻向量。
更进一步的,所述步骤B的具体过程为:采集待估计日的电力***所有母线的h次谐波电压测量数据U=[U1U2…Uk…UL]和所有支路谐波电流测量数据 B=[B1B2…Bk…BL],其中,Uk(1≤k≤L)为k时刻的谐波电压测量向量, Uk=[Uk1,Uk2,...,Uki...,UkN]T,Uki为k时刻母线i的谐波电压测量值,Bk(1≤k≤L)为 k时刻的支路谐波电流测量向量,Bk=[Bk1,Bk2,...Bkm...,BkM]T,Bkm为k时刻第m条支路谐波电流测量值,M为支路总数。
更进一步的,所述步骤C的具体过程为:
步骤C1:建立谐波电流估计模型:
C11:建立k时刻测量方程:其中,Zk为母线谐波电压与母线注入电流间关系矩阵,Tk为支路谐波电流与母线谐波电压关系矩阵;令k时刻的测量向量k时刻的测量矩阵则测量方程为Yk=CkIk+wk,其中,wk为 k时刻测量误差向量;
C12:建立k时刻状态转移方程:Ik+1=FkIk+vk,其中,Fk为k时刻状态转移矩阵, vk为k时刻***噪声向量,Ik+1为k+1时刻注入谐波电流向量;
步骤C2:获取噪声参数:
C21:根据谐波测量装置的误差水平确定测量噪声协方差矩阵
C22:***噪声协方差矩阵的定义为将步骤A中高频分量Ir的k时刻向量作为对***噪声vk的估计,根据公式计算***噪声协方差矩阵。更进一步的,所述步骤D的具体过程为:
步骤D1:根据步骤A滤波得到的谐波电流低频分量Is预估谐波电流状态,
步骤D2:计算k时刻状态转移矩阵其中Fk为状态转移矩阵,为谐波电流低频分量Is的k时刻向量;
步骤D3:更新k时刻卡尔曼增益:其中,为k-1时刻对k时刻误差协方差的预估;
步骤D4:更新k时刻谐波电流估计结果:其中,为k-1时刻对k时刻谐波电流状态的预估,ak为k时刻谐波测量中包含的新息Yk为k时刻的测量向量;
步骤D5:更新k时刻误差协方差:
步骤D6:预估k+1时刻误差协方差:
步骤D7:令k=k+1,重复步骤D1-D6,直到得到所有时刻的谐波电流估计结果。
本发明的有益效果是:本发明对收集到的历史谐波电流数据进行小波变换滤波,将得到的低频分量作为谐波电流的规律波动部分,用于对下一时刻谐波电流状态的预估和状态转移矩阵的估计,充分利用了历史信息,考虑了普通谐波源负荷与风电谐波源负荷的波动规律;将得到的高频分量作为***噪声,用于估计***噪声协方差矩阵这一重要噪声参数,有效解决了卡尔曼滤波法需要大量工作调试噪声参数的问题,降低了工作量,并提高了谐波电流估计的精度;且减小了风电随机特性和间歇特性引起的谐波电流估计误差,适用于风电接入条件下的谐波电流估计。
附图说明
图1为本发明适应风电接入的电力***谐波电流估计方法的流程图。
图2为本发明的仿真电路示意图。
图3为本发明对历史谐波电流滤波仿真结果图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的详细说明。首先采集各母线历史谐波电流数据进行小波分解,滤波得到其高频分量和低频分量;然后采集谐波电压测量数据和谐波电流测量数据;再建立谐波电流估计模型,将体现谐波电流波动规律性的低频分量作为下一时刻谐波电流状态的预估,同时利用低频分量估计状态转移矩阵;根据上述测量数据,将体现谐波电流波动随机性的高频分量作为***噪声,估计***噪声协方差矩阵;最后采用变参数卡尔曼滤波算法准确估计谐波电流。流程如图1所示,具体步骤如下:
步骤A、历史谐波电流数据的收集与滤波
步骤A1、历史谐波电流数据的收集:
收集电力***各母线的h次历史谐波电流数据,第d日谐波电流数据记作 Id=[Id1,Id2,…,Idi…,IdN]T,其中,Idi(1≤i≤N)为第d日母线i上的谐波电流向量,1×L 阶,L为每日采样点总数,N为母线总数。
步骤A2、历史谐波电流数据的滤波:
对收集到的各日各母线的历史谐波电流数据Idi(1≤d≤D,1≤i≤N)进行5次小波分解 (小波基函数选为dmeyer函数),获得体现谐波电流规律性的低频数据和体现谐波电流随机性的高频数据且
对母线i上的D天历史谐波电流数据均做上述滤波分解,母线i上谐波电流低频数据的均值为所有母线的谐波电流低频数据均值为简称低频分量,其中 为母线i上k时刻的谐波电流低频分量均值,将Is展开写作其列向量记作则为低频分量Is的k时刻向量。谐波电流高频数据的均值为所有母线的谐波电流高频数据均值为简称高频分量,其中 为母线i上k时刻的谐波电流高频数据均值,将Ir展开作其列向量记作则为高频分量Ir的k时刻向量。
步骤B、测量数据的采集
采集待估计日的电力***所有母线的h次谐波电压测量数据U=[U1U2…Uk…UL]和所有支路谐波电流测量数据B=[B1B2…Bk…BL],其中,Uk(1≤k≤L)为k时刻的谐波电压测量向量,Uk=[Uk1,Uk2,...,Uki...,UkN]T,Uki为k时刻母线i的谐波电压测量值, Bk(1≤k≤L)为k时刻的支路谐波电流测量向量,Bk=[Bk1,Bk2,...Bkm...,BkM]T,Bkm为k时刻第m条支路谐波电流测量值,M为支路总数。
步骤C、谐波电流的估计
步骤C1、建立谐波电流估计模型:
C11、建立k时刻测量方程:其中,Uk为k时刻谐波电压测量向量,Bk为k时刻支路谐波电流测量向量,Zk为母线谐波电压与母线注入电流关系矩阵,Tk为支路谐波电流与母线谐波电压关系矩阵,Ik为k时刻注入谐波电流向量。令测量向量测量矩阵设wk为测量误差向量,则测量方程写作 Yk=CkIk+wk。
C12、建立k时刻状态转移方程:Ik+1=FkIk+vk,其中Fk为k时刻状态转移矩阵,vk为***噪声。
步骤C2、获取噪声参数:
C21、测量噪声协方差矩阵:根据谐波测量装置的误差水平确定。
C22、***噪声协方差矩阵的定义为:在实际应用中***噪声vk未知,将步骤A中滤波得到历史谐波电流数据高频分量的k时刻向量作为对***噪声vk的估计,根据公式计算***噪声协方差矩阵。
步骤D、变参数卡尔曼滤波法估计谐波电流:
步骤D1、在k时刻预估k+1时刻的谐波电流:根据步骤A滤波得到的谐波电流低频分量 Is预估谐波电流状态,其中为根据历史数据对k+1时刻谐波电流状态的预估,为滤波得到低频分量Is的k+1时刻向量。
步骤D2、改变k时刻状态转移矩阵参数:计算k时刻状态转移矩阵参数其中Fk为状态转移矩阵,为滤波得到低频分量Is的k时刻向量。
步骤D3、更新k时刻卡尔曼增益:其中,为k-1时刻对k时刻误差协方差的预估。
步骤D4、更新k时刻谐波电流估计结果:其中为k-1时刻对k时刻谐波电流状态的预估,ak为k时刻谐波测量中包含的新息新息是模型输出实测值和预测值之差。Yk为k时刻的测量向量。
步骤D5、更新k时刻误差协方差:
步骤D6、预估k+1时刻误差协方差:
步骤D7、令k=k+1,重复步骤C31-C36,至得到所有时刻的谐波电流估计结果。
步骤D中状态转移矩阵参数随计算时刻改变,本发明称其为变参数卡尔曼滤波法。
为验证本发明一种适应风电接入的电力***谐波电流估计方法在风电接入条件下的准确性,图2示出本实施例的一种仿真电路,在图示IEEE13节点***上进行仿真验证,***的额定电压为13.8kV,额定功率为10000kVA。2个普通谐波源负荷分别注入母线7和10,风电接入母线13,以5次谐波为例进行仿真。
设定采样间隔为5min,采集一天的测量数据,样本点数N=288,采用本发明方法,对收集的历史谐波电流数据进行小波滤波得到高频分量与低频分量如图3所示,比较本发明方法与卡尔曼滤波法,两种方法估计谐波电流与实际谐波电流I间均方误差如表1所示。
表1谐波电流估计结果的均方误差
由图3可见,本发明方法能够对历史谐波电流数据进行有效滤波,低频分量包含了谐波电流波动的规律性信息,高频分量则是谐波电流的随机成分,不同日期数据的低频分量具有相似波形和幅值,高频分量则表现为一定范围的随机波动。由表1数据可见,与卡尔曼滤波法相比,本发明方法在风电接入的电力***中能够得到更为精确的谐波电流估计结果,说明本发明方法对风电接入的电力***具有更好的适应性。
Claims (5)
1.一种适应风电接入的电力***谐波电流估计方法,其特征在于,包括以下步骤:
步骤A:采集各母线历史谐波电流数据进行小波分解,滤波得到其高频分量和低频分量;
步骤B:采集母线谐波电压和支路谐波电流作为测量数据;
步骤C:根据测量数据建立谐波电流估计模型,根据测量装置的误差参数确定测量噪声协方差矩阵,将体现谐波电流波动随机性的高频分量作为***噪声,估计***噪声协方差矩阵;
步骤D:将体现谐波电流波动规律性的低频分量作为下一时刻谐波电流状态的预估,同时利用低频分量估计状态转移矩阵,进而采用变参数卡尔曼滤波算法估计谐波电流。
2.根据权利要求1所述的适应风电接入的电力***谐波电流估计方法,其特征在于,所述步骤A的具体过程为:
步骤A1:收集电力***各母线的h次历史谐波电流数据,第d日谐波电流数据记作Id=[Id1,Id2,…,Idi…,IdN]T,其中,Idi,1≤i≤N,为第d日母线i上的谐波电流向量,1×L阶,L为每日采样点总数,N为母线总数;
步骤A2:对收集到的D日的各母线的历史谐波电流数据Idi,1≤d≤D,1≤i≤N,进行5次小波分解,获得体现谐波电流规律性的低频数据和体现谐波电流随机性的高频数据且对母线i上的D日的历史谐波电流数据均做上述滤波分解,母线i上谐波电流低频数据的均值为所有母线的谐波电流低频数据均值为即低频分量,其中 为母线i上k时刻的谐波电流低频分量均值,将Is展开写作其列向量记作则为低频分量Is的k时刻向量;母线i上谐波电流高频数据的均值为所有母线的谐波电流高频数据均值为即高频分量,其中 为母线i上k时刻的谐波电流高频数据均值,将Ir展开作其列向量记作则为高频分量Ir的k时刻向量。
3.根据权利要求2所述的适应风电接入的电力***谐波电流估计方法,其特征在于,所述步骤B的具体过程为:采集待估计日的电力***所有母线的h次谐波电压测量数据U=[U1U2…Uk…UL]和所有支路谐波电流测量数据B=[B1 B2…Bk…BL],其中,Uk,1≤k≤L,为k时刻的谐波电压测量向量,Uk=[Uk1,Uk2,…,Uki…,UkN]T,Uki为k时刻母线i的谐波电压测量值,Bk,1≤k≤L,为k时刻的支路谐波电流测量向量,Bk=[Bk1,Bk2,...Bkm...,BkM]T,Bkm为k时刻第m条支路谐波电流测量值,M为支路总数。
4.根据权利要求3所述的适应风电接入的电力***谐波电流估计方法,其特征在于,所述步骤C的具体过程为:
步骤C1:建立谐波电流估计模型:
C11:建立k时刻测量方程:其中,Zk为母线谐波电压与母线注入谐波电流关系矩阵,Tk为支路谐波电流与母线谐波电压关系矩阵;令k时刻的测量向量k时刻的测量矩阵则测量方程为Yk=CkIk+wk,其中,wk为k时刻测量误差向量;
C12:建立k时刻状态转移方程:Ik+1=FkIk+vk,其中,Fk为k时刻状态转移矩阵,vk为k时刻***噪声向量,Ik+1为k+1时刻注入谐波电流向量;
步骤C2:获取噪声参数:
C21:根据谐波测量装置的误差水平确定测量噪声协方差矩阵
C22:***噪声协方差矩阵的定义为将步骤A中高频分量Ir的k时刻向量作为对***噪声vk的估计,根据公式计算***噪声协方差矩阵。
5.根据权利要求4所述的适应风电接入的电力***谐波电流估计方法,其特征在于,所述步骤D的具体过程为:
步骤D1:根据步骤A滤波得到的谐波电流低频分量Is预估谐波电流状态,
步骤D2:计算k时刻状态转移矩阵其中Fk为状态转移矩阵,为谐波电流低频分量Is的k时刻向量;
步骤D3:更新k时刻卡尔曼增益:其中,为k-1时刻对k时刻误差协方差的预估;
步骤D4:更新k时刻谐波电流估计结果:其中,为k-1时刻对k时刻谐波电流状态的预估,ak为k时刻谐波测量中包含的新息Yk为k时刻的测量向量;
步骤D5:更新k时刻误差协方差:
步骤D6:预估k+1时刻误差协方差:
步骤D7:令k=k+1,重复步骤D1-D6,直到得到所有时刻的谐波电流估计结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710173339.5A CN106980044B (zh) | 2017-03-22 | 2017-03-22 | 一种适应风电接入的电力***谐波电流估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710173339.5A CN106980044B (zh) | 2017-03-22 | 2017-03-22 | 一种适应风电接入的电力***谐波电流估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106980044A CN106980044A (zh) | 2017-07-25 |
CN106980044B true CN106980044B (zh) | 2019-08-20 |
Family
ID=59339760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710173339.5A Expired - Fee Related CN106980044B (zh) | 2017-03-22 | 2017-03-22 | 一种适应风电接入的电力***谐波电流估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106980044B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576866B (zh) * | 2017-08-22 | 2019-08-20 | 西南交通大学 | 一种基于光滑逼近稀疏重构与内点法的多谐波源辨识方法 |
CN108334822B (zh) * | 2018-01-19 | 2021-07-27 | 东南大学 | 基于电动汽车充电非线性负荷特征的卡尔曼和修正小波变换滤波方法 |
CN112748276B (zh) * | 2020-12-28 | 2023-01-10 | 国网冀北电力有限公司秦皇岛供电公司 | 一种谐波发射水平的预估方法以及装置 |
CN113450572B (zh) * | 2021-09-02 | 2021-11-12 | 西南交通大学 | 一种交通状态估计方法、装置、设备及可读存储介质 |
CN114167133B (zh) * | 2021-12-09 | 2023-06-16 | 广东电网有限责任公司 | 一种输电网内新建站点的谐波电压评估方法和装置 |
CN116865269B (zh) * | 2023-09-01 | 2023-11-21 | 山东泰开电力电子有限公司 | 一种风电机组高谐波补偿方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833851A (zh) * | 2015-04-24 | 2015-08-12 | 合肥工业大学 | 基于分布式相关卡尔曼滤波的电力***谐波估计方法 |
CN105911334A (zh) * | 2016-04-19 | 2016-08-31 | 国网上海市电力公司 | 一种谐波阻抗未知条件下的谐波电流估计方法 |
CN106208041A (zh) * | 2016-07-18 | 2016-12-07 | 西南交通大学 | 一种基于分段常数独立分量分析的配电网谐波电流估计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6491424B2 (ja) * | 2014-05-20 | 2019-03-27 | 一般財団法人電力中央研究所 | 高調波推定装置、高調波推定方法及び高調波推定プログラム |
-
2017
- 2017-03-22 CN CN201710173339.5A patent/CN106980044B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104833851A (zh) * | 2015-04-24 | 2015-08-12 | 合肥工业大学 | 基于分布式相关卡尔曼滤波的电力***谐波估计方法 |
CN105911334A (zh) * | 2016-04-19 | 2016-08-31 | 国网上海市电力公司 | 一种谐波阻抗未知条件下的谐波电流估计方法 |
CN106208041A (zh) * | 2016-07-18 | 2016-12-07 | 西南交通大学 | 一种基于分段常数独立分量分析的配电网谐波电流估计方法 |
Non-Patent Citations (2)
Title |
---|
A Wavelet Based Model for On-line Tracking of Power System Harmonics using Kalman Filtering;Y.Z.Liu等;《2001 IEEE》;20011231;1237-1242 |
改进卡尔曼滤波器作动态谐波估计;刘冀春等;《四川电力技术》;20051231;29-32 |
Also Published As
Publication number | Publication date |
---|---|
CN106980044A (zh) | 2017-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106980044B (zh) | 一种适应风电接入的电力***谐波电流估计方法 | |
CN109713685B (zh) | 一种适用于vsc接入引发次同步振荡的在线定位方法 | |
CN111506869B (zh) | 基于多正弦波信号注入的并网逆变器频率耦合阻抗特性提取方法 | |
KR101219545B1 (ko) | 전력계통에서의 최적화 기법을 적용한 파라미터 추정 방법 | |
CN103969552B (zh) | 一种分布式发电***的谐波源定位分析方法 | |
CN105790261B (zh) | 一种随机谐波潮流计算方法 | |
Yu et al. | The short-term forecasting of wind speed based on EMD and ARMA | |
CN104833852A (zh) | 一种基于人工神经网络的电力***谐波信号估计测量方法 | |
Novanda et al. | Assessment of frequency and harmonic distortions during wind farm rejection test | |
Yang et al. | Oscillation mode analysis for power grids using adaptive local iterative filter decomposition | |
CN112731049B (zh) | 时钟同步异常监测方法、装置及计算机可读存储介质 | |
CN110826498A (zh) | 基于hht的暂态电能质量检测方法 | |
Sun et al. | Short-term power load prediction based on VMD-SG-LSTM | |
Sun et al. | High-refresh-rate robust state estimation based on recursive correction for large-scale power systems | |
WO2024104037A1 (zh) | 基于数学形态学和模式识别的直流电弧检测方法 | |
CN112505391B (zh) | 一种频率自适应的交流信号有效值获取方法 | |
CN113514743A (zh) | 一种基于多维特征的gis局部放电模式识别***构建方法 | |
CN107069710B (zh) | 计及新能源时空相关性的电力***状态估计方法 | |
Zang et al. | Variable parameter Kalman filter based dynamic harmonic state estimation for power systems with wind energy integration | |
CN112733348B (zh) | 基于多项式和最大熵模型的混联电网概率计算方法及装置 | |
CN105572472B (zh) | 分布式电源环境的频率测量方法与*** | |
CN108020736A (zh) | 一种电能质量检测方法 | |
CN107732940A (zh) | 一种基于adpss的电力***稳定器参数优化试验方法 | |
CN113553538A (zh) | 一种递推修正混合线性状态估计方法 | |
CN113343560B (zh) | 一种直流支撑电容的电容值预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190820 |