CN108089095B - 一种电网低频振荡参数预测方法及装置 - Google Patents

一种电网低频振荡参数预测方法及装置 Download PDF

Info

Publication number
CN108089095B
CN108089095B CN201711267318.6A CN201711267318A CN108089095B CN 108089095 B CN108089095 B CN 108089095B CN 201711267318 A CN201711267318 A CN 201711267318A CN 108089095 B CN108089095 B CN 108089095B
Authority
CN
China
Prior art keywords
power grid
low
frequency oscillation
oscillation mode
frequency
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.)
Active
Application number
CN201711267318.6A
Other languages
English (en)
Other versions
CN108089095A (zh
Inventor
尤毅
顾博川
高雅
李晓枫
孙毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority to CN201711267318.6A priority Critical patent/CN108089095B/zh
Publication of CN108089095A publication Critical patent/CN108089095A/zh
Application granted granted Critical
Publication of CN108089095B publication Critical patent/CN108089095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08Locating faults in cables, transmission lines, or networks
    • G01R31/081Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电网低频振荡参数预测方法及装置,解决了现有技术中,基于调度主站对电网低频振荡的分析与识别应用尚不成熟,缺乏对调度主站的电网低频振荡分析功能有效可靠的检测方法与手段,构建用于分析和比对低频振荡特征参数的案例库是对低频振荡分析功能有效可靠的检测手段,对于电网低频振荡典型案例库的构建依赖于典型振荡参数的分析和预测,因此,需要建立一种电网低频振荡参数的预测方法的技术问题。

Description

一种电网低频振荡参数预测方法及装置
技术领域
本发明涉及电网分析测试技术领域,尤其涉及一种电网低频振荡参数预测方法及装置。
背景技术
低频振荡是电力***在遭受扰动后联络线上的功率摇摆,***动态失稳是扰动后由于阻尼不足甚至是负阻尼引起的发散振荡导致的。目前,基于调度主站对电网低频振荡的分析与识别应用尚不成熟,缺乏对调度主站的电网低频振荡分析功能有效可靠的检测方法与手段,构建用于分析和比对低频振荡特征参数的案例库是对低频振荡分析功能有效可靠的检测手段,对于电网低频振荡典型案例库的构建依赖于典型振荡参数的分析和预测,因此,建立一种电网低频振荡参数的预测方法是本领域技术人员需要解决的技术问题。
发明内容
本发明提供了一种电网低频振荡参数预测方法及装置,用于解决现有技术中,基于调度主站对电网低频振荡的分析与识别应用尚不成熟,缺乏对调度主站的电网低频振荡分析功能有效可靠的检测方法与手段,构建用于分析和比对低频振荡特征参数的案例库是对低频振荡分析功能有效可靠的检测手段,对于电网低频振荡典型案例库的构建依赖于典型振荡参数的分析和预测,因此,需要建立一种电网低频振荡参数的预测方法的技术问题。
本发明提供的一种电网低频振荡参数预测方法,包括:
根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,所述电网模型具体为:2区4机***模型和10机39节点***模型;
分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态;
获取到所述电网模型中的电网低频振荡模态数据;
根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式;
对所述电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据所述采样结果得到对应的线性矩阵方程以及求取所述线性矩阵方程的特征根;
根据所述特征根,求出低频振荡模态参数的估计值,其中,所述低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值。
优选地,根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式具体包括:
根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述电网低频振荡模态数据为:
其中,m为所述电网低频振荡模态的数量,Ai为振荡振幅,σi为振荡相位,fi为振荡频率,
Figure BDA0001494780130000022
为阻尼系数;
所述预测参数表达式为:
Figure BDA0001494780130000023
其中,
Figure BDA0001494780130000024
其中,*表示复共轭。
优选地,所述低频振荡模态具体为:局部振荡模态、区间振荡模态和不衰减恒定幅值振荡模态。
优选地,所述电网低频振荡模态数据包括:分别与所述局部振荡模态、所述区间振荡模态和所述不衰减恒定幅值振荡模态对应的发电机转子位置角、发电机有功功率、发电机正序电压、线路有功功率、负荷有功功率、节点电压幅值和节点电压相角。
本发明提供的一种电网低频振荡参数预测装置,包括:
第一构建模块,用于根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,所述电网模型具体为:2区4机***模型和10机39节点***模型;
第一添加模块,用于分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态;
第一获取模块,获取到所述电网模型中的电网低频振荡模态数据;
第一确定模块,用于根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式;
第一计算模块,用于对所述电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据所述采样结果得到对应的线性矩阵方程以及求取所述线性矩阵方程的特征根;
第二计算模块,用于根据所述特征根,求出低频振荡模态参数的估计值,其中,所述低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值。
优选地,所述第一确定模块具体用于:
根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述电网低频振荡模态数据为:
Figure BDA0001494780130000031
其中,m为所述电网低频振荡模态的数量,Ai为振荡振幅,σi为振荡相位,fi为振荡频率,
Figure BDA0001494780130000032
为阻尼系数;
所述预测参数表达式为:
其中,
其中,*表示复共轭。
优选地,所述第一添加模块具体用于:
分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态,所述低频振荡模态具体为:局部振荡模态、区间振荡模态和不衰减恒定幅值振荡模态。
优选地,所述第一获取模块具体用于:
获取到所述电网模型中的电网低频振荡模态数据,所述电网低频振荡模态数据包括:分别与所述局部振荡模态、所述区间振荡模态和所述不衰减恒定幅值振荡模态对应的发电机转子位置角、发电机有功功率、发电机正序电压、线路有功功率、负荷有功功率、节点电压幅值和节点电压相角。
从以上技术方案可以看出,本发明具有以下优点:
本发明提供的一种含分布式电源的配电网的运行约束设定方法,包括:根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,所述电网模型具体为:2区4机***模型和10机39节点***模型;分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态;获取到所述电网模型中的电网低频振荡模态数据;根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式;对所述电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据所述采样结果得到对应的线性矩阵方程以及求取所述线性矩阵方程的特征根;根据所述特征根,求出低频振荡模态参数的估计值,其中,所述低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值。
本发明中,通过向电网模型添加扰动使得产生低频振荡模态,并对电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,通过求解应的线性矩阵方程求解得到估计值,解决了现有技术中,基于调度主站对电网低频振荡的分析与识别应用尚不成熟,缺乏对调度主站的电网低频振荡分析功能有效可靠的检测方法与手段,构建用于分析和比对低频振荡特征参数的案例库是对低频振荡分析功能有效可靠的检测手段,对于电网低频振荡典型案例库的构建依赖于典型振荡参数的分析和预测,因此,需要建立一种电网低频振荡参数的预测方法的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明提供的一种电网低频振荡参数预测方法的一个实施例的流程示意图;
图2为本发明提供的一种电网低频振荡参数预测装置的一个实施例的结构示意图。
具体实施方式
本发明实施例提供了一种电网低频振荡参数预测方法及装置,解决了现有技术中,基于调度主站对电网低频振荡的分析与识别应用尚不成熟,缺乏对调度主站的电网低频振荡分析功能有效可靠的检测方法与手段,构建用于分析和比对低频振荡特征参数的案例库是对低频振荡分析功能有效可靠的检测手段,对于电网低频振荡典型案例库的构建依赖于典型振荡参数的分析和预测,因此,需要建立一种电网低频振荡参数的预测方法的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供了一种电网低频振荡参数预测方法的一个实施例,包括:
101:根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,电网模型具体为:2区4机***模型和10机39节点***模型;
102:分别在电网模型中的发电机、线路和负荷上添加扰动,使得电网模型产生低频振荡模态;
103:获取到电网模型中的电网低频振荡模态数据;
需要说明的是,基于选定的电网模型,在分别在源端(发电机)、线路、负荷上添加扰动,激发出低频振荡模态,按照仿真时序采集对应的运行数据,包括:
1)发电机的相应参数数据:相对于参考电机角度的转子位置角,有功功率,正序电压;
2)线路的相应参数数据:有功功率;
3)负荷的相应参数数据:有功功率;
4)节点的相应参数数据:电压幅值,电压相角;
104:根据电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,预测参数表达式为实部和虚部之和的形式;
105:对电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据采样结果得到对应的线性矩阵方程以及求取线性矩阵方程的特征根;
需要说明的是,可以按如下步骤求取线性矩阵方程的特征根:
对输出y(t)做N次等间隔采样,采样间隔为Δt,在t=k时刻,输出信号的Prony估计值为:
Figure BDA0001494780130000061
定义zi=exp(λiΔt),有
Figure BDA0001494780130000062
写成矩阵形式,具体如下式所示:
可将矩阵方程第一个等式两边同乘-αp,第二个等式乘以-αp-1,以此类推,第p个等式乘以-α1,第p+1个等式乘以1,再将这些等式相加,得到式(1):
Figure BDA0001494780130000064
令zi(i=1,2,…,p)为p阶多项式的根,p阶多项式具体如式(2)所示:
π(z)=(z-z1)(z-z2)…(z-zp)=zp1zp-1-…-αp-1z-αp=0;(2)
式(2)可以化简为y(p)=α1y(p-1)+α2y(p-2)+…+αpy(0),重复上述过程得到p阶线性方程组,写成矩阵形式如式(3)所示:
Figure BDA0001494780130000071
如果N=2p+1,可以直接求解矩阵方程,如果N>2p+1,可通过最小二乘法进行求解,得到π(z)的特征根;
106:根据特征根,求出低频振荡模态参数的估计值,其中,低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值;
通过π(z)可求得zi的值,进而可求出bi的值。
在此基础上,分别计算振幅Ai、相位
Figure BDA0001494780130000072
阻尼系数σi和频率fi的估计值:
Ai=|bi|
Figure BDA0001494780130000073
σi=ln|zi|/Δt
fi=arctan(Im(zi)/Re(zi))/2πΔt。
本发明实施例中,通过向电网模型添加扰动使得产生低频振荡模态,并对电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,通过求解应的线性矩阵方程求解得到估计值,解决了现有技术中,基于调度主站对电网低频振荡的分析与识别应用尚不成熟,缺乏对调度主站的电网低频振荡分析功能有效可靠的检测方法与手段,构建用于分析和比对低频振荡特征参数的案例库是对低频振荡分析功能有效可靠的检测手段,对于电网低频振荡典型案例库的构建依赖于典型振荡参数的分析和预测,因此,需要建立一种电网低频振荡参数的预测方法的技术问题。
以上是对一种电网低频振荡参数预测方法的一个实施例进行的描述,下面将对一种电网低频振荡参数预测装置的一个实施例进行描述。
参照图2,本发明提供的一种电网低频振荡参数预测装置的一个实施例,包括:
第一构建模块201,用于根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,电网模型具体为:2区4机***模型和10机39节点***模型;
第一添加模块202,用于分别在电网模型中的发电机、线路和负荷上添加扰动,使得电网模型产生低频振荡模态,低频振荡模态具体为:局部振荡模态、区间振荡模态和不衰减恒定幅值振荡模态;
第一获取模块203,用于获取到电网模型中的电网低频振荡模态数据,电网低频振荡模态数据包括:分别与局部振荡模态、区间振荡模态和不衰减恒定幅值振荡模态对应的发电机转子位置角、发电机有功功率、发电机正序电压、线路有功功率、负荷有功功率、节点电压幅值和节点电压相角;
第一确定模块204,用于根据电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,电网低频振荡模态数据为:
Figure BDA0001494780130000081
其中,m为电网低频振荡模态的数量,Ai为振荡振幅,σi为振荡相位,fi为振荡频率,
Figure BDA0001494780130000082
为阻尼系数;
预测参数表达式为:
Figure BDA0001494780130000083
其中,
Figure BDA0001494780130000084
其中,*表示复共轭;
第一计算模块205,用于对电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据采样结果得到对应的线性矩阵方程以及求取线性矩阵方程的特征根;
第二计算模块206,用于根据特征根,求出低频振荡模态参数的估计值,其中,低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值。
本实施例中的具体实施方式已在上述实施例中说明,这里不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,***和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的模块和方法,可以通过其它的方式实现。例如,以上所描述的模块实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (2)

1.一种电网低频振荡参数预测方法,其特点在于,包括:
根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,所述电网模型具体为:2区4机***模型和10机39节点***模型;
分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态;
获取到所述电网模型中的电网低频振荡模态数据;
根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式;
对所述电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据所述采样结果得到对应的线性矩阵方程以及求取所述线性矩阵方程的特征根;
根据所述特征根,求出低频振荡模态参数的估计值,其中,所述低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值;
其中,根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式具体包括:
根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述电网低频振荡模态数据为:
Figure FDA0002244399680000011
其中,m为所述电网低频振荡模态的数量,Ai为振荡振幅,σi为振荡相位,fi为振荡频率,
Figure FDA0002244399680000012
为阻尼系数;
所述预测参数表达式为:
Figure FDA0002244399680000013
其中,
其中,*表示复共轭;
其中,所述低频振荡模态具体为:局部振荡模态、区间振荡模态和不衰减恒定幅值振荡模态;
其中,所述电网低频振荡模态数据包括:分别与所述局部振荡模态、所述区间振荡模态和所述不衰减恒定幅值振荡模态对应的发电机转子位置角、发电机有功功率、发电机正序电压、线路有功功率、负荷有功功率、节点电压幅值和节点电压相角。
2.一种电网低频振荡参数预测装置,其特点在于,包括:
第一构建模块,用于根据预设的拓扑结构信息、网络参数信息、元件信息和量测配置信息构建电网模型,所述电网模型具体为:2区4机***模型和10机39节点***模型;
第一添加模块,用于分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态;
第一获取模块,获取到所述电网模型中的电网低频振荡模态数据;
第一确定模块,用于根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述预测参数表达式为实部和虚部之和的形式;
第一计算模块,用于对所述电网低频振荡模态数据进行等间隔采样,获得采样结果,并根据所述采样结果得到对应的线性矩阵方程以及求取所述线性矩阵方程的特征根;
第二计算模块,用于根据所述特征根,求出低频振荡模态参数的估计值,其中,所述低频振荡模态参数的估计值包括幅值估计值、初始相位估计值、阻尼系数估计值和频率估计值;
其中,所述第一确定模块具体用于:
根据所述电网低频振荡模态数据采用Prony算法确定合适的预测参数表达式,所述电网低频振荡模态数据为:
Figure FDA0002244399680000021
其中,m为所述电网低频振荡模态的数量,Ai为振荡振幅,σi为振荡相位,fi为振荡频率,
Figure FDA0002244399680000022
为阻尼系数;
所述预测参数表达式为:
其中,
Figure FDA0002244399680000031
其中,*表示复共轭;
其中,所述第一添加模块具体用于:
分别在所述电网模型中的发电机、线路和负荷上添加扰动,使得所述电网模型产生低频振荡模态,所述低频振荡模态具体为:局部振荡模态、区间振荡模态和不衰减恒定幅值振荡模态;
其中,所述第一获取模块具体用于:
获取到所述电网模型中的电网低频振荡模态数据,所述电网低频振荡模态数据包括:分别与所述局部振荡模态、所述区间振荡模态和所述不衰减恒定幅值振荡模态对应的发电机转子位置角、发电机有功功率、发电机正序电压、线路有功功率、负荷有功功率、节点电压幅值和节点电压相角。
CN201711267318.6A 2017-12-05 2017-12-05 一种电网低频振荡参数预测方法及装置 Active CN108089095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711267318.6A CN108089095B (zh) 2017-12-05 2017-12-05 一种电网低频振荡参数预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711267318.6A CN108089095B (zh) 2017-12-05 2017-12-05 一种电网低频振荡参数预测方法及装置

Publications (2)

Publication Number Publication Date
CN108089095A CN108089095A (zh) 2018-05-29
CN108089095B true CN108089095B (zh) 2020-02-04

Family

ID=62173737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711267318.6A Active CN108089095B (zh) 2017-12-05 2017-12-05 一种电网低频振荡参数预测方法及装置

Country Status (1)

Country Link
CN (1) CN108089095B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109524972B (zh) * 2018-10-10 2022-03-29 华南理工大学 基于gso和svm算法的低频振荡参数估计方法
CN110927442B (zh) * 2019-12-06 2021-11-02 云南电网有限责任公司 一种基于边缘计算的多模态振荡在线监测预警***
CN113569464A (zh) * 2021-06-21 2021-10-29 国网山东省电力公司电力科学研究院 一种基于深度学习网络与多任务学习策略的风电机组振荡模态预测方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001352679A (ja) * 2000-06-09 2001-12-21 Hitachi Ltd 電力系統の安定化装置及び監視装置
CN101557110A (zh) * 2009-06-26 2009-10-14 国网电力科学研究院 电力***低频振荡在线分析及辅助决策方法
CN103368175A (zh) * 2013-07-05 2013-10-23 上海交通大学 电力***动态稳定在线评估方法
CN103390899A (zh) * 2013-06-25 2013-11-13 国家电网公司 一种评估互联大电网中强迫振荡影响的方法
CN106505587A (zh) * 2016-10-19 2017-03-15 福州大学 基于广义形态滤波与改进mp算法的低频振荡模态辨识方法
CN106571638A (zh) * 2016-11-10 2017-04-19 南京南瑞集团公司 一种低频振荡类型的判别方法
CN106849131A (zh) * 2017-04-01 2017-06-13 福州大学 一种基于四阶混合平均累积量与改进tls‑esprit算法的低频振荡模态辨识方法
CN107681658A (zh) * 2017-09-30 2018-02-09 广东电网有限责任公司电力科学研究院 一种面向调度主站的电网低频振荡分析测试方法及***

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001352679A (ja) * 2000-06-09 2001-12-21 Hitachi Ltd 電力系統の安定化装置及び監視装置
CN101557110A (zh) * 2009-06-26 2009-10-14 国网电力科学研究院 电力***低频振荡在线分析及辅助决策方法
CN103390899A (zh) * 2013-06-25 2013-11-13 国家电网公司 一种评估互联大电网中强迫振荡影响的方法
CN103368175A (zh) * 2013-07-05 2013-10-23 上海交通大学 电力***动态稳定在线评估方法
CN106505587A (zh) * 2016-10-19 2017-03-15 福州大学 基于广义形态滤波与改进mp算法的低频振荡模态辨识方法
CN106571638A (zh) * 2016-11-10 2017-04-19 南京南瑞集团公司 一种低频振荡类型的判别方法
CN106849131A (zh) * 2017-04-01 2017-06-13 福州大学 一种基于四阶混合平均累积量与改进tls‑esprit算法的低频振荡模态辨识方法
CN107681658A (zh) * 2017-09-30 2018-02-09 广东电网有限责任公司电力科学研究院 一种面向调度主站的电网低频振荡分析测试方法及***

Also Published As

Publication number Publication date
CN108089095A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
Sharma et al. Testing and validation of power system dynamic state estimators using real time digital simulator (RTDS)
JP6725306B2 (ja) 発電機の制動トルクの非侵入的な推定のためのシステムおよび方法
CN106353623B (zh) 基于随机响应信号的电力***低频振荡模式在线辨识方法
Khazaei et al. Distributed Prony analysis for real-world PMU data
CN108089095B (zh) 一种电网低频振荡参数预测方法及装置
CN104111405B (zh) 一种基于阻尼转矩分析法的电力***低频振荡源定位方法
CN107271127B (zh) 基于自迭代主元抽取的工作模态参数识别方法及装置
Ahmad et al. A novel ANN-based distribution network state estimator
Thakallapelli et al. Measurement‐based wide‐area damping of inter‐area oscillations based on MIMO identification
Sharma et al. A multi-agent-based power system hybrid dynamic state estimator
Huang et al. Estimating power system dynamic states using extended Kalman filter
Vahidnia et al. Identification and estimation of equivalent area parameters using synchronised phasor measurements
CN110460069B (zh) 多装备相互作用对电力***稳定性影响的衡量方法及***
Balouji et al. Digital realisation of the IEC flickermeter using root mean square of the voltage waveform
Rinaldi et al. Distributed observers for state estimation in power grids
Betancourt et al. A spatio-temporal processing Padé approach for visualizing harmonic distortion propagation on electrical networks
CN108090846B (zh) 一种电网低频振荡案例库的构建方法及装置
CN111293706A (zh) 一种电力***低频振荡参数辨识方法和装置
CN107681658B (zh) 一种面向调度主站的电网低频振荡分析测试方法及***
Yang et al. Extracting inter-area oscillation modes using local measurements and data-driven stochastic subspace technique
Chitturi et al. Comparing performance of Prony analysis and matrix pencil method for monitoring power system oscillations
CN110098610A (zh) 故障扰动下电力***振荡主导模式的实时辨识方法及***
CN110286275A (zh) 一种确定设备并网时***稳定性的方法及装置
Deshmukh et al. Stochastic state estimation for smart grids in the presence of intermittent measurements
Cvetković et al. Interaction variables for distributed numerical integration of nonlinear power system dynamics

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