CN102170126B - 一种电力系统低频振荡在线分析及预警方法 - Google Patents

一种电力系统低频振荡在线分析及预警方法 Download PDF

Info

Publication number
CN102170126B
CN102170126B CN 201110084330 CN201110084330A CN102170126B CN 102170126 B CN102170126 B CN 102170126B CN 201110084330 CN201110084330 CN 201110084330 CN 201110084330 A CN201110084330 A CN 201110084330A CN 102170126 B CN102170126 B CN 102170126B
Authority
CN
China
Prior art keywords
oscillation
frequency
merit angle
relative merit
low
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
CN 201110084330
Other languages
English (en)
Other versions
CN102170126A (zh
Inventor
徐友平
党杰
刘涤尘
廖清芬
李勇
刘天斌
王娜娜
董飞飞
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.)
Wuhan University WHU
Central China Grid Co Ltd
Original Assignee
Wuhan University WHU
Central China 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 Wuhan University WHU, Central China Grid Co Ltd filed Critical Wuhan University WHU
Priority to CN 201110084330 priority Critical patent/CN102170126B/zh
Publication of CN102170126A publication Critical patent/CN102170126A/zh
Application granted granted Critical
Publication of CN102170126B publication Critical patent/CN102170126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Measuring Frequencies, Analyzing Spectra (AREA)

Abstract

本发明公开了一种电力系统低频振荡在线分析及预警方法，涉及电力系统的安全运行。该方法通过对电网广域测量系统中采集到的相对功角进行k点中值滤波，通过Teagar能量算子得到振荡频率，当电网中存在振荡频率在0.1~2.5Hz之间的功率振荡时，通过基于经典模态分解EMD的信号能量分析法计算出主导振荡模式的阻尼比，实现低频振荡的在线分析及预警。本发明的优点是：Teagar能量算子可快速计算出电网中相对功角的频率，阻尼比的算法得到了简化，避免大量的积分运算，计算更加简便快捷，实现了在电网出现低频振荡时的在线分析及预警。

Description

一种电力系统低频振荡在线分析及预警方法
技术领域
本发明涉及电力系统的安全运行，更具体地涉及电网广域测量系统（WAMS）中电网中低频振荡的测量与分析。
背景技术
电力系统中发生的低频振荡来源于发电机或发电机群转子之间的相对摇摆。它是当系统中出现局部的有功剩余或缺乏，相关的发电机或发电机群因此而加减速以求达到有功平衡时，由于阻尼缺乏而引起系统中发生的有功功率的持续振荡。振荡频率在0.1~2.5Hz之间的功率振荡，称为低频振荡或机电振荡。低频振荡常发生在长距离、重负荷输电线路上，特别是采用快速放大倍数的励磁系统中，弱阻尼下的低频振荡对系统稳定性带来更大的危害，甚至引起解列。互联电网在空间上的广域分布给电力系统的安全、稳定与可靠运行均带来了新的挑战，快速而准确地对低频振荡事件进行在线分析并预警是提高大型电网稳定性的关键技术之一。
广域测量系统（WAMS）的相角测量单元（PMU）装置以GPS为采样基准，能全网同步采集机组和线路的电压、电流以及重要的开关保护信号，在电力系统稳态分析、全网动态过程记录和暂态稳定预测及控制、电压和频率稳定监视及控制、低频振荡分析及抑制、全局反馈控制等方面起着重要作用，随着基于相角测量单元（PMU）的广域测量系统（WAMS）在电网中全面应用，大大提高了对电网低频振荡问题的分析能力。
  Teagar能量算子由Teagar进行语音信号的非线性建模时首次提出，广泛应用于语音信号处理。黄文清等在电工技术学报2007，22(6)：154-157发表的《基于Teager能量算子的电能质量扰动实时检测方法》将能量算子应用到电能质量检测，能够简洁、有效地检测到频率突变，对扰动发生的起始时刻进行准确定位。
  穆钢等在中国电机工程学报2007，27(19)：7-11发表的《根据受扰轨迹识别电力系统主要振荡模式的信号能量法》和2008,28(9)：36-41发表的《结合经验模态分解的信号能量法及其在低频振荡研究中的应用》利用信号能量分析法，从阻尼耗散原理出发，实现对阻尼比的辨识。该方法的不足之处在于，对阻尼比的求解过程包含大量的积分，计算复杂。
田立峰等在电力系统自动化设备2010，30(5)：28-33发表的《电网低频振荡在线可视化监视的理论和实现》提出一种低频振荡在线监视方法，该方法包括二层算法，第一层算法用fifter滤波滤除工频分量，再用过零点检测法对低频振荡频率进行辨识，判断电网广域测量系统（WAMS）中是否存在低频振荡嫌疑；第二层算法采用Prony算法提取低频振荡经典指标阻尼比，再根据阈值进行低频振荡在线监测。该方法在低频振荡预警中具有借鉴意义，但其不足之处在于，频率检测采用过零点检测法，只计及采样点处数值正负的变化次数，对于符号翻转处载波信号幅度衰减到零的信号，在量化精度有限情况下，很难分辨符号翻转点载波信号的变化规律，频率辨识精度受限；另外，Prony算法是一种适用于线性系统的频谱分析法，对非平稳的复合模式WAMS数据的处理误差较大。
赵礼杰等在电力系统保护与控制2009，37（23）：9-14发表的《基于EMD的Prony算法在低频振荡模态参数辨识中的应用》采用经典模态分解（EMD）方法，可提取实际信号中的高频噪声，同时完成对低频振荡的各种振荡模式进行分离，经典模态分解（EMD）对非线性、非平稳变化、含非周期成分的实际复杂波形具有很强的适应能力，克服了Prony法和傅里叶分解（FFT）在分析这类复杂波形上遇到的困难。
发明内容
本发明的目的是提供一种电力系统低频振荡在线分析及预警方法。该方法通过对电网广域测量系统中采集到的相对功角进行k点中值滤波，通过Teagar能量算子得到振荡频率，当电网中存在振荡频率在0.1~2.5Hz之间的功率振荡时，通过基于经典模态分解EMD的信号能量分析法计算出主导振荡模式的阻尼比，实现低频振荡的在线分析及预警。
一种电力系统低频振荡在线分析及预警方法，该方法包含下列步骤：
a、从特高压同步电网广域测量系统的相角测量单元（PMU）中采集相对功角，将相对功角和采集该相对功角的时间作为一个样点数据，以                                                
Figure 201110084330X100002DEST_PATH_IMAGE001
为采样频率采集样点数据；
b、按照样点数据的时间顺序，连续取N个样点数据，N个样点数据构成一个WAMS数据组；
c、对WAMS数据组进行k点中值滤波或k点均值滤波，滤波后的相对功角信号记为
Figure 933468DEST_PATH_IMAGE002
；
d、用Teagar能量算子处理相对功角信号
Figure 201110084330X100002DEST_PATH_IMAGE003
：
 d1、计算相对功角信号
Figure 725975DEST_PATH_IMAGE003
的Teagar能量算子：
                            (1)
Figure 201110084330X100002DEST_PATH_IMAGE005
      (2)
式(1)、(2)中j=3,4，…，N-3；
d2、计算相对功角信号
Figure 150189DEST_PATH_IMAGE003
的振荡频率
Figure 338462DEST_PATH_IMAGE006
：
      
Figure 201110084330X100002DEST_PATH_IMAGE007
                     (3)
其中
Figure 973974DEST_PATH_IMAGE001
为采样频率；
e、当相对功角信号
Figure 241007DEST_PATH_IMAGE003
的振荡频率
Figure 876126DEST_PATH_IMAGE006
均大于2.5Hz时，实施步骤i；否则，实施步骤f；
f、对相对功角信号
Figure 482688DEST_PATH_IMAGE003
进行经典模态分解（EMD），得到m个轴对称的内蕴模式函数分量(IMF)和1个直流分量r，通过下列式子筛选主导振荡模式分量：
  
Figure 413735DEST_PATH_IMAGE008
                                  (4) 
     （i=1,2，…，m）            (5)
Figure 417332DEST_PATH_IMAGE010
   （i=1,2，…，m）          (6)
式(4)中的
Figure 201110084330X100002DEST_PATH_IMAGE011
为相对功角信号
Figure 341294DEST_PATH_IMAGE003
在时间段t1~t2的能量；式(5) 中的
Figure 300898DEST_PATH_IMAGE012
为第i个内蕴模式函数分量的能量；式(6) 中的为第i个内蕴模式函数分量
Figure 252715DEST_PATH_IMAGE014
的能量权重；能量权重
Figure 743608DEST_PATH_IMAGE013
最大的内蕴模式函数分量即为主导振荡模式分量，记为
Figure 201110084330X100002DEST_PATH_IMAGE015
；
g、对步骤f中的主导振荡模式分量
Figure 831780DEST_PATH_IMAGE015
按下式（7）计算阻尼比
Figure 911470DEST_PATH_IMAGE016
；
                  
Figure 201110084330X100002DEST_PATH_IMAGE017
                      (7)
其中：
Figure 745171DEST_PATH_IMAGE018
，
Figure 201110084330X100002DEST_PATH_IMAGE019
，
Figure 536410DEST_PATH_IMAGE020
，…分别为主导振荡模式分量
Figure 864492DEST_PATH_IMAGE015
在过零点时刻
Figure 201110084330X100002DEST_PATH_IMAGE021
、
Figure 736371DEST_PATH_IMAGE022
、
Figure 201110084330X100002DEST_PATH_IMAGE023
…所对应的半周期内的幅值，M为数据组对应时间段内相对功角信号
Figure 757285DEST_PATH_IMAGE003
的最大周期数；
h、根据阻尼比
Figure 645607DEST_PATH_IMAGE024
的值，进行低频振荡预警；
当
Figure 201110084330X100002DEST_PATH_IMAGE025
时，系统处于正常状态，安全等级为绿色；
当
Figure 839696DEST_PATH_IMAGE026
时，系统处于警戒状态，安全等级为黄色；
当
Figure 201110084330X100002DEST_PATH_IMAGE027
时，系统处于紧急状态，安全等级为红色；
i、去除WAMS数据组中相对功角采样时间较早的H个样点数据，增加紧靠WAMS数据组相对功角采样时间之后的H个样点数据，这N个样点数据构成一个新的WAMS数据组，返回步骤c。
本发明具有以下优点：
1、应用Teagar能量算子的方法，可快速计算出电网中相对功角的频率，具有快速响应能力及健壮性； 
2、阻尼比的简化算法，与传统信号能量法阻尼比计算相比，避免大量的积分运算，在计算精度满足实际需求的同时，简便快捷，在电网出现低频振荡时，能及时给予预警。
附图说明
图1为一种电力系统低频振荡在线分析及预警方法的流程示意图；
图2为G7-G1相对功角信号的EMD分解结果。
具体实施方式
下面结合附图对本发明作进一步的说明。
实施例一
一种电力系统低频振荡在线分析及预警方法，该方法包含下列步骤：
a、从特高压同步电网广域测量系统的相角测量单元（PMU）中采集相对功角，将相对功角和采集该相对功角的时间作为一个样点数据，以
Figure 628399DEST_PATH_IMAGE001
为采样频率采集样点数据，其中8 Hz≤
Figure 508630DEST_PATH_IMAGE001
≤15Hz；
b、按照样点数据的时间顺序，连续取N个样点数据，N个样点数据构成一个WAMS数据组，其中150≤N≤2000；
c、对WAMS数据组进行k点中值滤波或k点均值滤波，其中3≤k≤9，滤波后的相对功角信号记为；
d、用Teagar能量算子处理相对功角信号：
 d1、计算相对功角信号
Figure 525237DEST_PATH_IMAGE003
的Teagar能量算子：
                            (1)
Figure 439283DEST_PATH_IMAGE005
      (2)
式(1)、(2)中j=3,4，…，N-3；
d2、计算相对功角信号
Figure 601274DEST_PATH_IMAGE003
的振荡频率
Figure 974356DEST_PATH_IMAGE006
：
      
Figure 258707DEST_PATH_IMAGE007
                     (3)
其中
Figure 608917DEST_PATH_IMAGE001
为采样频率；
e、当相对功角信号的振荡频率
Figure 192399DEST_PATH_IMAGE006
均大于2.5Hz时，实施步骤i；否则，实施步骤f；
f、对相对功角信号
Figure 319755DEST_PATH_IMAGE003
进行经典模态分解（EMD），得到m个轴对称的内蕴模式函数分量(IMF)和1个直流分量r，通过下列式子筛选主导振荡模式分量：
  
Figure 157261DEST_PATH_IMAGE008
                                  (4) 
     （i=1,2，…，m）            (5)
Figure 484696DEST_PATH_IMAGE010
   （i=1,2，…，m）          (6)
式(4)中的
Figure 782953DEST_PATH_IMAGE011
为相对功角信号
Figure 107755DEST_PATH_IMAGE003
在时间段t1~t2的能量；式(5) 中的为第i个内蕴模式函数分量的能量；式(6) 中的
Figure 305836DEST_PATH_IMAGE013
为第i个内蕴模式函数分量
Figure 539109DEST_PATH_IMAGE014
的能量权重；能量权重
Figure 23311DEST_PATH_IMAGE013
最大的内蕴模式函数分量即为主导振荡模式分量，记为
Figure 134486DEST_PATH_IMAGE015
；
g、对步骤f中的主导振荡模式分量按下式（7）计算阻尼比
Figure 487025DEST_PATH_IMAGE016
；
                  
Figure 520840DEST_PATH_IMAGE017
                      (7)
其中：
Figure 232444DEST_PATH_IMAGE018
，
Figure 35315DEST_PATH_IMAGE019
，
Figure 548074DEST_PATH_IMAGE020
，…分别为主导振荡模式分量
Figure 131502DEST_PATH_IMAGE015
在过零点时刻
Figure 318901DEST_PATH_IMAGE021
、
Figure 241857DEST_PATH_IMAGE022
、…所对应的半周期内的幅值，M为数据组对应时间段内相对功角信号
Figure 245509DEST_PATH_IMAGE003
的最大周期数；
h、根据阻尼比
Figure 236599DEST_PATH_IMAGE024
的值，进行低频振荡预警；
当
Figure 76379DEST_PATH_IMAGE025
时，系统处于正常状态，安全等级为绿色；
当
Figure 930940DEST_PATH_IMAGE026
时，系统处于警戒状态，安全等级为黄色；
当
Figure 161064DEST_PATH_IMAGE027
时，系统处于紧急状态，安全等级为红色；
i、去除WAMS数据组中相对功角采样时间较早的H个样点数据，30≤H≤90，增加紧靠WAMS数据组相对功角采样时间之后的H个样点数据，这N个样点数据构成一个新的WAMS数据组，返回步骤c。
实施例二
一种电力系统低频振荡在线分析及预警方法，该方法的步骤与实施例一相同，以PSASP中8机系统中的7号机相对1号机的相对功角信号为例，其中步骤a中，取
Figure 142796DEST_PATH_IMAGE001
=15Hz，步骤b中取N=150，步骤c中取k=7，步骤i中取H=75，G7-G1相对功角信号的EMD分解结果见说明书附图2，G7-G1相对功角信号及其EMD分量的能量统计如表1，表1中，E0为原信号的能量，E1、E2、E3、E4、Er分别为分量c1、c2、c3、c4、r的能量，内蕴模式分量c1~ c4中，能量权重最大的IMF分量c1为主导振荡模式。
8机系统的Q-R特征值分析结果如表2，0.77Hz是阻尼最弱、振幅较强的模式，是主导振荡模式。本发明辨识结果如表3，Prony算法分析结果如表4，对比可知，本发明辨识结果与Q-R特征值分析结果相吻合，且与Prony算法相比，本发明对阻尼比和频率的辨识结果均更接近公认的Q-R特征值分析结果。
表1  G7-G1相对功角信号及其EMD分量的能量统计
E0 E1 E2 E3 E4 Er
5167.90 445.04 0.05 0.06 0.10 4699.80
表2  PSASP的Q-R特征值分析结果
Figure 148667DEST_PATH_IMAGE028
表3  本发明辨识结果
表4  PSASP的 Prony算法拟合结果
时间段 阻尼比 频率（HZ）
0~10s 0.0209 0.7965
5~15s 0.0179 0.7913
10~20s 0.0123 0.7779
本发明能够实现低频振荡的在线分析及预警。

Claims (3)

1.一种电力系统低频振荡在线分析及预警方法，其特征在于，该方法包含下列步骤：
a、从特高压同步电网广域测量系统的相角测量单元中采集相对功角，将相对功角和采集该相对功角的时间作为一个样点数据，以                                               
Figure 201110084330X100001DEST_PATH_IMAGE002
为采样频率采集样点数据；
b、按照样点数据的时间顺序，连续取N个样点数据，N个样点数据构成一个WAMS数据组；
c、对WAMS数据组进行k点中值滤波或k点均值滤波，滤波后的相对功角信号记为；
d、用Teagar能量算子处理相对功角信号
Figure DEST_PATH_IMAGE006
：
 d1、计算相对功角信号
Figure 621426DEST_PATH_IMAGE006
的Teagar能量算子：
Figure DEST_PATH_IMAGE008
                            (1)
Figure DEST_PATH_IMAGE010
      (2)
式(1)、(2)中j=3,4，…，N-3；
d2、计算相对功角信号
Figure 912468DEST_PATH_IMAGE006
的振荡频率
Figure DEST_PATH_IMAGE012
：
       
Figure DEST_PATH_IMAGE014
                     (3)
其中
Figure 629888DEST_PATH_IMAGE002
为采样频率；
e、当相对功角信号的振荡频率均大于2.5Hz时，实施步骤i；否则，实施步骤f；
f、对相对功角信号
Figure 35833DEST_PATH_IMAGE006
进行经典模态分解，得到m个轴对称的内蕴模式函数分量和1个直流分量，通过下列式子筛选主导振荡模式分量：
  
Figure DEST_PATH_IMAGE016
                                  (4) 
     （i=1,2，…，m）            (5)
Figure DEST_PATH_IMAGE020
   （i=1,2，…，m）          (6)
式(4)中的
Figure DEST_PATH_IMAGE022
为相对功角信号
Figure 552134DEST_PATH_IMAGE006
在时间段t1~t2的能量；式(5) 中的
Figure DEST_PATH_IMAGE024
为第i个内蕴模式函数分量的能量；式(6) 中的
Figure DEST_PATH_IMAGE026
为第i个内蕴模式函数分量
Figure DEST_PATH_IMAGE028
的能量权重；能量权重
Figure 302DEST_PATH_IMAGE026
最大的内蕴模式函数分量即为主导振荡模式分量，记为
Figure DEST_PATH_IMAGE030
；
g、对步骤f中的主导振荡模式分量按下式（7）计算阻尼比
Figure DEST_PATH_IMAGE032
；
                   
Figure DEST_PATH_IMAGE034
                      (7)
其中：
Figure DEST_PATH_IMAGE036
，
Figure DEST_PATH_IMAGE038
，
Figure DEST_PATH_IMAGE040
，…分别为主导振荡模式分量
Figure 98763DEST_PATH_IMAGE030
在过零点时刻
Figure DEST_PATH_IMAGE042
、
Figure DEST_PATH_IMAGE044
、…所对应的半周期内的幅值，M为数据组对应时间段内相对功角信号
Figure 164676DEST_PATH_IMAGE006
的最大周期数；
h、根据阻尼比
Figure DEST_PATH_IMAGE048
的值，进行低频振荡预警；
当
Figure DEST_PATH_IMAGE050
时，系统处于正常状态，安全等级为绿色；
当时，系统处于警戒状态，安全等级为黄色；
当时，系统处于紧急状态，安全等级为红色；
i、去除WAMS数据组中相对功角采样时间较早的H个样点数据，增加紧靠WAMS数据组相对功角采样时间之后的H个样点数据，这N个样点数据构成一个新的WAMS数据组，返回步骤c。
2.根据权利要求1所述的一种电力系统低频振荡在线分析及预警方法，其特征在于，取步骤a中的值为：8 Hz≤
Figure 884729DEST_PATH_IMAGE002
≤15Hz；取步骤b中的N值为：150≤N≤2000；取步骤c中的k值为：3≤k≤9；取步骤i中的H值为：30≤H≤90。
3.根据权利要求1所述的一种电力系统低频振荡在线分析及预警方法，其特征在于，取步骤a中的
Figure 376891DEST_PATH_IMAGE002
=15Hz，取步骤b中的N=150，取步骤c中的k=7，取步骤i中的H=75。
CN 201110084330 2011-04-06 2011-04-06 一种电力系统低频振荡在线分析及预警方法 Active CN102170126B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110084330 CN102170126B (zh) 2011-04-06 2011-04-06 一种电力系统低频振荡在线分析及预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110084330 CN102170126B (zh) 2011-04-06 2011-04-06 一种电力系统低频振荡在线分析及预警方法

Publications (2)

Publication Number Publication Date
CN102170126A CN102170126A (zh) 2011-08-31
CN102170126B true CN102170126B (zh) 2013-03-27

Family

ID=44491152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110084330 Active CN102170126B (zh) 2011-04-06 2011-04-06 一种电力系统低频振荡在线分析及预警方法

Country Status (1)

Country Link
CN (1) CN102170126B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140350873A1 (en) * 2011-12-16 2014-11-27 Siemens Aktiengesellschaft Method for generating a signal indicating an oscillation in an electrical energy supply network
CN102624012B (zh) * 2012-03-26 2014-10-22 中国电力科学研究院 基于力矩分解的积分算法识别负阻尼低频振荡的方法
CN102694387B (zh) * 2012-03-26 2014-10-22 中国电力科学研究院 基于力矩分解的积分算法识别电力系统功率振荡的方法
CN103901273B (zh) * 2012-12-28 2017-12-22 白晓民 电网谐波检测方法和电网谐波检测装置
CN103368175B (zh) * 2013-07-05 2015-09-09 上海交通大学 电力系统动态稳定在线评估方法
CN104198809B (zh) * 2014-06-30 2015-05-20 中国南方电网有限责任公司 一种电力系统多频率振荡的频率测量方法
CN104184157B (zh) * 2014-08-01 2017-02-01 四川大学 基于波形循迹的在线低频振荡快速判定方法
CN104931772A (zh) * 2015-05-25 2015-09-23 侯新国 一种基于数字形态变换的电压暂降检查方法和系统
CN104865474B (zh) * 2015-06-09 2017-08-18 国家电网公司 一种基于pmu数据实时监测低频振荡源的方法
CN110474365B (zh) * 2019-08-05 2020-10-23 国网湖南省电力有限公司 一种火电机组功率振荡在线预警分析方法和系统
CN110501610B (zh) * 2019-08-26 2021-10-01 国网山东省电力公司莱芜供电公司 一种多逆变器并网振荡特征实时提取方法及装置
CN110727899A (zh) * 2019-09-12 2020-01-24 广西电网有限责任公司电力科学研究院 一种电网振荡阻尼比计算方法
CN114362245B (zh) * 2022-01-12 2023-09-08 全球能源互联网研究院有限公司 一种风电场攻击方法及系统
CN117543627B (zh) * 2024-01-08 2024-04-02 华北电力大学 一种双馈风机振荡扰动源定位方法、系统及电子设备

Also Published As

Publication number Publication date
CN102170126A (zh) 2011-08-31

Similar Documents

Publication Publication Date Title
CN102170126B (zh) 一种电力系统低频振荡在线分析及预警方法
CN101557110B (zh) 电力系统低频振荡在线分析及辅助决策方法
CN102931728B (zh) 基于小波多分辨率分析的电网扰动在线辨识及可视化方法
CN101592695B (zh) 同步相量测量单元pmu的动态性能测试方法
CN101846716B (zh) 一种快速捕捉电网故障启动点的方法
CN104865474A (zh) 一种基于pmu数据实时监测低频振荡源的方法
CN105429304A (zh) 对电网的谐波源进行监测的方法
US20130204557A1 (en) Electric Power Grid Monitoring Methods And Apparatus
CN111308260B (zh) 一种基于小波神经网络的电能质量监测和电器故障分析系统及其工作方法
CN100335912C (zh) 基于模型参数识别的小电流接地选线方法
CN103198184A (zh) 一种电力系统低频振荡特征类噪声辨识方法
CN107728509A (zh) 一种基于多维数据模型的断路器机械特性在线专家诊断系统
CN105896485A (zh) 基于新能源并网的特高压长距离直流线路的保护算法
CN104502691A (zh) 一种配电变压器能效在线监测分析装置
CN101819243B (zh) 基于广域信息的静态电压失稳预测方法
CN102495264B (zh) 基于信息熵的电压跌落持续时间检测方法
CN103033749B (zh) 数字式异步电机转子断条故障检测系统及其检测方法
CN104808112A (zh) 基于区段瞬时功率的配网线路故障区段定位方法
CN103645419B (zh) 风电场电力线路的故障预警系统和方法
CN105203915A (zh) 一种电力变压器绕组松动缺陷诊断系统和诊断方法
CN103913632A (zh) 一种基于振荡分量功率方向的低频同步振荡源识别方法
CN102508114B (zh) 一种基于暂态量特征的超/特高压输电线路故障测距方法
Shetty et al. Low frequency oscillation detection in smart power system using refined prony analysis for optimal allocation of supplementary modulation controller
CN106249146A (zh) 一种卷烟厂电动机工作状态的分析及预警方法
Hossain et al. Online monitoring of inter-area oscillations and damping of power systems employing prony analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant