CN103809020A - 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 - Google Patents
互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 Download PDFInfo
- Publication number
- CN103809020A CN103809020A CN201410021104.0A CN201410021104A CN103809020A CN 103809020 A CN103809020 A CN 103809020A CN 201410021104 A CN201410021104 A CN 201410021104A CN 103809020 A CN103809020 A CN 103809020A
- Authority
- CN
- China
- Prior art keywords
- frequency
- estimated value
- frequency oscillation
- damping
- oscillation mode
- 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.)
- Granted
Links
Images
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法。该方法采集能观性最强的母线的电压相角信号,并对该信号进行预处理以预处理后电压相角信号对ARMA模型进行辨识,得到ARMA模型的参数以及参数的协方差,然后利用ARMA模型参数以特征方程的对应关系求解特征方程的特征值,然后计算得到该低频振荡模式的频率与阻尼估计值的联合置信区间。本发明的确定方法减少了计算量,且通过预处理能有效提升了估计出了各个低频振荡模式的频率和阻尼估计值的置信区间的较准确性,从而为评价辨识结果的准确性提供重要指标。
Description
技术领域
本发明涉及智能电网领域,特别涉及一种互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法。
背景技术
大电网之间的互联是世界各国电网发展的共同经验。为了实现如大范围的资源优化配置以减少备用容量等效益,区域电网互联形成大规模的互联电力系统已成为世界电力工业的发展趋势。然而,大电网的互联使得低频振荡事故频发,限制了互联电网间的能量传输。传统的对于电力系统中低频振荡的分析方法基于电力系统模型,通过计算对应于系统中低频振荡模式的特征根来得到各个低频振荡模式的频率、阻尼等信息。
这类分析方法随着非线性电力系统规模的不断扩大日益显示出其局限性:
①电力系统的实质是非线性,它具有许多非线性环节;
②电力系统中存在多种扰动;
③低频振荡涉及多台发电机,因此分析低频振荡所涉及的系统模型需要考虑许多环节(诸如励磁系统等),这使得模型十分复杂。因此迫切需要能符合大电网实际运行条件的新方法。
近年来,基于WAMS的辨识方法在估计低频振荡频率和阻尼方面取得了较大的成功。根据实测数据可以利用辨识方法辨识出系统在稳态运行点处的线性模型并利用特征值分析(eigen-analysis)估计出系统中某个或多个低频振荡模式。美国的一些学者已经将基于暂态数据(ring-down data)的Prony方法发展成能够处理类噪声数据(ambient data)的预测误差方法(PredictionError Method,PEM)。然而,电力系统中存在的噪声会影响到低频振荡模式估计的准确性。在如文献(M.G.Anderson,N.Zhou,J.W.Pierre,R.W.Wies,Bootstrap-based confidence interval estimates for electromechanical modes frommultiple output analysis of measured ambient data,IEEE Transactions on PowerSystems,vol.20,no.2,pp.943-950,2005)等诸多文献中,学者们利用bootstrap等Monte-Carlo方法可以确定估计结果的不确定性,但计算量较大。本专利中描述的新方法采用特征方程灵敏度分析和多元统计理论,直接根据辨识的结果估计出辨识结果的误差边界。新方法的优点不仅在于减少了计算量更在于较准确的估计出了低频振荡模式的频率和阻尼估计值的联合置信区间,从而为评价辨识结果的准确性提供重要指标。
发明内容
针对现有技术的不足,本发明提供了一种互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法。
一种互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,包括如下步骤:
(1)确定需要估计的低频振荡模式,计算该低频振荡模式在每条母线电压相角上的能观性,并确定能观性最强的母线;
(2)采集能观性最强的母线的电压相角信号,并对所述的电压相角信号进行预处理,得到预处理后的电压相角信号;
(3)利用预处理后的电压相角信号对ARMA模型进行极大似然估计,得到模型参数以及模型参数的协方差;
(4)根据所述的模型参数以及模型参数的协方差,确定所述ARMA模型的特征方程系数的估计值的均值和特征方程系数的协方差;
(6)根据步骤(5)的结果,分别对所述低频振荡频率与离散特征值的实部与虚部的函数和阻尼与离散特征值的实部与虚部的函数进行线性化处理得到Jacob矩阵,再根据Jacob矩阵确定所述低频振荡模式的频率和阻尼的估计值的二元正态分布;
(7)根据步骤(6)的结果,确定该低频振荡模式的频率和阻尼的估计值的置信椭圆,并根据得到的置信椭圆确定该低频振荡模式的频率和阻尼的估计值的联合置信区间。
所述步骤(6)中根据步骤(5)中得到的低频振荡模式的离散特征值的实部的估计值与虚部的估计值的二元正态分布分别确定低频振荡模式的频率和阻尼估计值的均值和协方差矩阵,进而得到所述低频振荡模式的频率和阻尼的估计值的二元正态分布。
所述步骤(7)中根据置信椭圆分别找出椭圆上该低频振荡模式的频率和阻尼的最大值和最小值,从而确定该低频振荡模式的频率和阻尼的估计值的联合置信区间。
本发明的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法中以能观性最强的母线的电压相角信号作为系统输出,利用该电压相角信号对ARMA模型进行极大似然估计,得到ARMA模型的参数以及参数的协方差,利用极大似然估计结果得到该低频振荡模式的频率和阻尼的估计值的二元正态分布,进一步确定该低频振荡模式频率与阻尼估计值的联合置信区间。
为提高ARMA模型的估计精度,使得到的联合置信区间的准确性更高,本发明还对采集到的能观性最强的母线的电压相角信号进行预处理,滤去高频和直流信号的干扰,以预处理后的信号为系统输出。
所述的ARMA模型为:
其中,y*(k)为第k时刻ARMA模型的输出值,a1,a2……an,b1,b2……bn称为ARMA模型的模型参数,ε(k)为第k时刻系统的残差(residual),n为ARMA模型的阶数。
该低频振荡模式对应的特征方程为:
anzn+a(n-1)zn-1+…+a1z+1=0,
其中[a1,a2……an]称为特征方程系数,[a1,a2……an]中的a1,a2……an与ARMA模型的模型参数中的a1,a2……an相同。
其中,中的各项分别为[a1,a2……an]中相应项的估计值。模型参数的协方差的计算方法如文献(L.Dosiek and J.W.Pierre,An Improved Bootstrap Method for Electromechanical Mode Estimation UsingMultivariate Probability Distributions,IEEE Power and Energy Society Generalmeeting,2011.)中记载。 表示 的转置矩阵,本发明中得到模型参数模型为(m+n)×1阶矩阵。
所述步骤(2)利用同步相量测量装置(Phasor Measurement Unit,PMU)采集能观性最强的母线的电压相角信号。
同步相量测量装置(Phasor Measurement Unit,PMU)是用于进行同步相量的测量和输出以及动态记录的装置,其采样频率通常为20~30sample/sec。它的核心特征包括基于标准始终信号的同步相量测量、失去标准时钟信号的守时能力、PMU与主站之间能够实时通信并遵循有关通信协议。本专利中利用PMU采集能观性最强的母线的电压相角信息。
所述步骤(2)中的预处理过程如下:
(2-1)将所述的电压相角信号通过截止频率为2~2.5Hz的低通滤波器,得到滤波后的电压相角信号;
(2-2)将滤波后的信号通过截止频率为0.1Hz的高通滤波器,得到隔直后的电压相角信号;
(2-3)设定目标频率,对隔直后的信号进行分频处理将隔直后的信号的频率降低为目标频率,即得到预处理后的电压相角信号。
低频振荡模式的频率通常集中在0.2~0.7Hz,预处理过程中采用截止频率为2~2.5Hz的低通滤波器的目的在于过滤或降低信号中存在的高频段中噪声以及其他振荡模式成分的振幅;采用频率为0.1Hz的高通滤波器。
所述目标频率为4~6Hz。这主要是出于对估计结果准确性的考虑。一方面,根据香农采样定理,用于估计低频振荡模式频率和阻尼的信号不能过低,须为其中最高信号频率的2倍以上。另一方面,用于低频振荡模式频率和阻尼的信号也不能过高,过高的目标频率会影响到估计的准确性。
所述步骤(5)包括:
(5-1)将特征方程系数的估计值的均值代入特征方程得到方程:
(5-2)根据步骤(5-1)得到的方程,计算得到的低频振荡模式的离散特征根的实部zx和虚部zy;
(5-3)对步骤(5-1)得到的方程进行灵敏度分析,得到低频振荡模式的离散特征值的变化和该方程系数变化量之间的关系,并根据该关系计算得到所述低频振荡模式的离散特征值的实部zx和虚部zy的协方差矩阵:
其中,
步骤(5-1)中方程的特征值有多个,我们可以根据该低频振荡模式频率的参考值在这多个特征值中找出与之频率最接近的特征值作为该低频振荡模式的离散特征值。所选低频振荡模式频率的参考值可以根据文献(RezaJalayer and Boon-TeckOoi,Estimation of Electromechanical Modes of PowerSystems by Transfer Function and Eigen function Analysis,IEEE Transactionson Power Systems,vol.28(1):181-189,2013.)中所述利用已知的电力系统中参数构建线性模型,通过求解系统矩阵的特征值,求得所选低频振荡模式频率的参考值。
Fs为设定的目标频率。
所述低频振荡模式的频率和阻尼的估计值的二元正态分布为:
本发明得到的置信椭圆的表达式如下:
t为置信度,一般为0.98或0.95,根据需要设定。
根据得到的置信椭圆分别找出椭圆上该低频振荡模式的频率和阻尼的最大值和最小值,即确定了该低频振荡模式的频率的置信区间及其阻尼估计值的置信区间。
与现有设定互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法比较,本发明具有以下优点:
不仅减少了计算量更在于较准确的估计出了各个低频振荡模式的频率和阻尼估计值的置信区间,从而为评价辨识结果的准确性提供重要指标。
附图说明
图1为本实施例的四机系统的单线图;
图2为互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法;
图3为采用本发明的方法的得到的置信椭圆。
具体实施方式
下面将结合具体实施方式对本发明进行详细说明。
本实施例的利用该互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法的应用于对四机系统(Four-machine System),如图1所示,该四机系统中有4台发电机和13条母线组成,分别为发电机G1、发电机G2、发电机G3和发电机G4,13条母线分别为母线1、母线2、母线3、母线4、母线10、母线11、母线12、母线13、母线14、母线20、母线101、母线110以及母线120。整个系统可以被划分为两个区域,以发电机G1和发电机G2所在的区域为1区,以发电机G3和发电机G4所在的区域为2区。该四机系统中存在三个低频振荡模式,分别为发电机G1与发电机G2之间的局部振荡模式(Local Mode)、发电机G3与发电机G4之间的局部振荡模式以及G1G2与G3G4之间的区间振荡模式(Inter-area Mode)。其中,G1G2与G3G4之间的区间振荡模式的频率的理论值为0.6486Hz,阻尼理论值为3.08%。该四机系统受到母线4上有功负荷的变化扰动。本实施例的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法基于仿真软件为PSAT和PST实现。
一种互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,如图2所示,包括如下步骤:
(1)选定需要估计的低频振荡模式,计算该低频振荡模式在每条母线电压相角上的能观性,并确定能观性最强的母线。
本实施例中选定G1G2与G3G4之间的区间振荡模式为需要估计的低频振荡模式,并根据G1G2与G3G4之间的区间振荡模式的能观性矩阵,确定得到母线101为能观性最强的母线。
利用设置在母线101处的PMU测得的母线电压相角作为辨识的ARMA模型的单输入。确定的采样频率Fs=5Hz。
(2)利用PMU采集母线101的电压相角信号,并对该电压相角信号进行预处理,得到预处理后的电压相角信号。PMU采集母线101的电压相角信号前需要PMU设置在母线101上,PMU的采样频率为20Hz。经过预处理后的电压相角信号作为辨识的ARMA模型的单输出。
通过以下步骤对采集到的电压相角信号进行预处理:
(2-1)将采集到的电压相角信号通过截止频率为2~2.5Hz的低通滤波器,得到滤波后的电压相角信号;
(2-2)将滤波后的信号通过截止频率为0.1Hz的高通滤波器,得到隔直后的电压相角信号;
(2-3)设定目标频率,对隔直后的信号进行分频处理将隔直后的信号的频率降低为目标频率,即得到预处理后的电压相角信号。
(3)利用预处理后的电压相角信号对ARMA模型进行极大似然估计,得到模型参数以及模型参数的协方差。
ARMA模型为:
其中,y*(k)为第k时刻系统输出值,a1,a2……an,b1,b2……bn称为ARMA模型的模型参数,ε(k)为第k时刻系统的残差(residual)。
G1G2与G3G4之间的区间振荡模式的特征方程为:
anzn+a(n-1)zn-1+…+a1z+1=0,
其中[a1,a2……an]称为特征方程系数,[a1,a2……an]中的a1,a2……an与ARMA模型的模型参数中的a1,a2……an相同。
本实施例中根据文献(L.Dosiek and J.W.Pierre,An Improved BootstrapMethod for Electromechanical Mode Estimation Using Multivariate ProbabilityDistributions,IEEE Power and Energy Society General meeting,2013.)中记载的方法计算模型参数的协方差
(5-1)将特征方程系数的估计值的均值代入特征方程得到方程:
(5-2)根据步骤(5-1)得到的方程,计算得到的低频振荡模式的离散特征根的实部zx和虚部zy;
(5-3)对步骤(5-1)得到的方程进行灵敏度分析,得到低频振荡模式的离散特征值的变化和该方程系数变化量之间的关系,并根据该关系计算得到所述低频振荡模式的离散特征值的实部zx和虚部zy的协方差矩阵:
其中,
(6)根据步骤(5)的结果,分别对低频振荡频率与离散特征值的实部与虚部的函数和阻尼与离散特征值的实部与虚部的函数进行线性化处理得到Jacob矩阵,再根据Jacob矩阵确定所述低频振荡模式的频率和阻尼的估计值的二元正态分布;
本实施例中:
低频振荡模式的频率与离散特征值的实部与虚部的函数如下:
Fs为设定的目标频率(本实施例中Fs=5Hz);
低频振荡模式的阻尼与离散特征值的实部与虚部的函数如下:
低频振荡模式的频率和阻尼的估计值的二元正态分布为:
本实施例中得到的该低频振荡模式的频率估计值的均值f0=0.6562Hz,该低频振荡模式的阻尼估计值的均值ζ0=3.02%。
(7)根据步骤(6)的结果,确定该低频振荡模式的频率和阻尼的估计值的置信椭圆,并根据得到的置信椭圆确定该低频振荡模式的频率和阻尼的估计值的联合置信区间。
该低频振荡模式的频率和阻尼的估计值的置信椭圆,如图3所示,该置信椭圆的表达式如下:
t为置信度,本实施例中t=0.95。
根据该置信椭圆得到该低频振荡模式的频率的估计值的置信区间的上限为0.6588Hz,下限为0.6534Hz;阻尼的估计值的置信区间的上限为3.48%,下限为2.85%,即该低频振荡模式的频率的估计值的置信区间为[0.6534Hz,0.6588Hz],该低频振荡模式的阻尼的估计值的置信区间为[2.45%,3.58%]。
利用传统的自助法(Bootstrap)得到的该低频振荡模式的频率和阻尼估计值的置信椭圆,进一步得到该低频振荡模式的频率和阻尼估计值的置信区间分别为[0.6554Hz,0.6576Hz]和[2.51%,3.47%]。可见,利用本专利中的新方法得到的低频振荡模式的频率的估计值的联合置信区间与传统方法得到的结论一致。
Claims (8)
1.一种互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,包括如下步骤:
(1)确定需要估计的低频振荡模式,计算该低频振荡模式在每条母线电压相角上的能观性,并确定能观性最强的母线;
(2)采集能观性最强的母线的电压相角信号,并对所述的电压相角信号进行预处理,得到预处理后的电压相角信号;
(3)利用预处理后的电压相角信号对ARMA模型进行极大似然估计,得到模型参数以及模型参数的协方差;
(4)根据所述的模型参数以及模型参数的协方差,确定所述ARMA模型的特征方程系数的估计值的均值和特征方程系数的协方差;
(6)根据步骤(5)的结果,分别对所述低频振荡频率与离散特征值的实部与虚部的函数和阻尼与离散特征值的实部与虚部的函数进行线性化处理得到Jacob矩阵,再根据Jacob矩阵确定所述低频振荡模式的频率和阻尼的估计值的二元正态分布;
(7)根据步骤(6)的结果,确定该低频振荡模式的频率和阻尼的估计值的置信椭圆,并根据得到的置信椭圆确定该低频振荡模式的频率和阻尼的估计值的联合置信区间。
2.如权利要求1所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述步骤(2)利用同步相量测量装置采集能观性最强的母线的电压相角信号。
3.如权利要求2所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述步骤(2)中的预处理过程如下:
(2-1)将所述的电压相角信号通过截止频率为2~2.5Hz的低通滤波器,得到滤波后的电压相角信号;
(2-2)将滤波后的信号通过截止频率为0.1Hz的高通滤波器,得到隔直后的电压相角信号;
(2-3)设定目标频率,对隔直后的信号进行分频处理将隔直后的信号的频率降低为目标频率,即得到预处理后的电压相角信号。
4.如权利要求3所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述目标频率为4~6Hz。
5.如权利要求4所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述步骤(5)包括:
(5-1)将特征方程系数的估计值的均值代入特征方程得到方程:
(5-2)根据步骤(5-1)得到的方程,计算得到的低频振荡模式的离散特征根的实部zx和虚部zy;
(5-3)对步骤(5-1)得到的方程进行灵敏度分析,得到低频振荡模式的离散特征值的变化与该方程系数变化量之间的关系,并根据该关系计算得到所述低频振荡模式的离散特征值的实部zx和虚部zy的协方差矩阵:
其中,
6.如权利要求5所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述低频振荡模式的频率与离散特征值的实部与虚部的函数如下:
Fs为设定的目标频率。
7.如权利要求6所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述低频振荡模式的阻尼与离散特征值的实部与虚部的函数如下:
8.如权利要求7所述的互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法,其特征在于,所述低频振荡模式的频率和阻尼的估计值的二元正态分布为:
其中,J为Jacob矩阵,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410021104.0A CN103809020B (zh) | 2014-01-17 | 2014-01-17 | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410021104.0A CN103809020B (zh) | 2014-01-17 | 2014-01-17 | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103809020A true CN103809020A (zh) | 2014-05-21 |
CN103809020B CN103809020B (zh) | 2016-04-27 |
Family
ID=50706087
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410021104.0A Expired - Fee Related CN103809020B (zh) | 2014-01-17 | 2014-01-17 | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103809020B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635109A (zh) * | 2015-01-23 | 2015-05-20 | 云南电网有限责任公司电力科学研究院 | 一种从故障录波数据中直接计算提取电网暂态非周期分量幅值和时间常数的高精度方法 |
CN109324266A (zh) * | 2018-11-21 | 2019-02-12 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于深度学习的配网接地故障分析方法 |
CN109787250A (zh) * | 2018-12-30 | 2019-05-21 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于多元经验模态分解的电力系统低频振荡模式辨识方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587154A (zh) * | 2009-06-17 | 2009-11-25 | 华北电力大学 | 适用于复杂节点及大规模量测数据的快速状态估计方法 |
CN101872337A (zh) * | 2009-04-24 | 2010-10-27 | 中芯国际集成电路制造(上海)有限公司 | 相似性检测方法及系统 |
JP4818188B2 (ja) * | 2007-04-18 | 2011-11-16 | 三菱電機株式会社 | 周波数変化分測定装置、周波数変化率測定装置および電力系統制御保護装置 |
-
2014
- 2014-01-17 CN CN201410021104.0A patent/CN103809020B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4818188B2 (ja) * | 2007-04-18 | 2011-11-16 | 三菱電機株式会社 | 周波数変化分測定装置、周波数変化率測定装置および電力系統制御保護装置 |
CN101872337A (zh) * | 2009-04-24 | 2010-10-27 | 中芯国际集成电路制造(上海)有限公司 | 相似性检测方法及系统 |
CN101587154A (zh) * | 2009-06-17 | 2009-11-25 | 华北电力大学 | 适用于复杂节点及大规模量测数据的快速状态估计方法 |
Non-Patent Citations (1)
Title |
---|
王舶仲: "超短期母线负荷预测的研究与应用", 《华北电力大学硕士学位论文》, 21 September 2012 (2012-09-21) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635109A (zh) * | 2015-01-23 | 2015-05-20 | 云南电网有限责任公司电力科学研究院 | 一种从故障录波数据中直接计算提取电网暂态非周期分量幅值和时间常数的高精度方法 |
CN109324266A (zh) * | 2018-11-21 | 2019-02-12 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种基于深度学习的配网接地故障分析方法 |
CN109787250A (zh) * | 2018-12-30 | 2019-05-21 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于多元经验模态分解的电力系统低频振荡模式辨识方法 |
CN109787250B (zh) * | 2018-12-30 | 2022-08-30 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于多元经验模态分解的电力系统低频振荡模式辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103809020B (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103324847B (zh) | 电力系统动态不良数据检测与辨识方法 | |
CN102305891B (zh) | 一种电力系统低频振荡在线监测方法 | |
CN103838959A (zh) | 偏最小二乘回归应用于配电网谐波源定位与检测中的方法 | |
CN106353623B (zh) | 基于随机响应信号的电力系统低频振荡模式在线辨识方法 | |
CN102122823B (zh) | 电力系统振荡扰动源定位的方法 | |
CN102377180B (zh) | 基于电能质量监测系统的电力系统负荷建模方法 | |
Khoshkhoo et al. | On-line dynamic voltage instability prediction based on decision tree supported by a wide-area measurement system | |
CN103198235B (zh) | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 | |
CN103177188B (zh) | 一种基于特征映射的电力系统负荷动特性分类方法 | |
CN103927695A (zh) | 基于自学习复合数据源的风电功率超短期预测方法 | |
CN104777426A (zh) | 一种基于无迹变换强跟踪的发电机动态状态估计方法 | |
CN102163844B (zh) | 基于相量测量装置的电力系统状态检测方法 | |
CN103198184B (zh) | 一种电力系统低频振荡特征类噪声辨识方法 | |
CN102590685B (zh) | 一种配电网电流匹配状态估计方法 | |
CN103995162A (zh) | 基于高级量测体系的配电网大用户实时防窃电方法 | |
CN108074198B (zh) | 一种电力系统pmu不良数据识别方法 | |
CN105738772A (zh) | 基于功率及频率波动相位的强迫扰动源定位方法 | |
CN104217112A (zh) | 一种基于多类型信号的电力系统低频振荡分析方法 | |
CN104795811A (zh) | 一种电力系统区间状态估计方法 | |
CN103324841A (zh) | 基于故障录波器数据的在线动态负荷建模方法 | |
CN104899435A (zh) | 计及零注入约束的电力系统动态状态估计方法 | |
CN103809020B (zh) | 互联电网低频振荡频率和阻尼估计值联合置信区间的确定方法 | |
CN106443253A (zh) | 一种基于pmu数据的输电线路参数辨识方法 | |
CN102280877B (zh) | 一种多量测断面的电力系统不良支路参数辨识方法 | |
CN103065049B (zh) | 一种基于coif5小波实时分解的风电功率实时预测计算方法 |
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 | ||
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: 20160427 Termination date: 20200117 |