CN103995948B - 一种基于多项式模型的振荡中心电压预测方法 - Google Patents
一种基于多项式模型的振荡中心电压预测方法 Download PDFInfo
- Publication number
- CN103995948B CN103995948B CN201310307575.3A CN201310307575A CN103995948B CN 103995948 B CN103995948 B CN 103995948B CN 201310307575 A CN201310307575 A CN 201310307575A CN 103995948 B CN103995948 B CN 103995948B
- Authority
- CN
- China
- Prior art keywords
- voltage
- mtd
- numerical value
- normalized
- prediction
- 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
Links
Abstract
本发明是一种基于多项式模型的振荡中心电压预测方法。包括以下步骤：1）电压数值采样及归一化运算：在电网实际运行过程中，通过PMU采集重要变电站实时电压数值，利用离线仿真记录的振荡最大值与最小值，对电压轨迹进行归一化处理；2）归一化电压轨迹实时预测：采用步骤1）的归一化电压数值，利用一定时长的观测窗进行曲线拟合，根据多项式模型实现轨迹的快速预测，得到未来时刻的归一化电压数值；3）实际预测数值计算：利用步骤2）得到归一化电压数值，进行反归一化处理，得到相应变电站未来时刻的实际电压数值，完成振荡中心电压轨迹快速预测。本发明为基于受扰电压轨迹的暂态失稳方法提供未来时刻的预测数值，指导进行快速有效的电网暂态稳定性判别。
Description
技术领域
本发明涉及电力系统稳定性分析技术领域，具体涉及一种基于多项式模型的振荡中心电压预测方法，适用于已建有广域量测系统（WAMS）的电网。
属于基于多项式模型的振荡中心电压预测方法的创新技术。
背景技术
当今电网规模日益扩大，区域电网互联、大规模交直流混合输电以及可再生能源不断接入，电力系统的动态行为日益复杂，近年来，国内外发生了数起大停电事故，为电力系统的安全与稳定运行敲响了警钟。随着相量测量单元（PMU）在电力系统中的广泛应用，基于实测轨迹的电力系统暂态稳定性分析方法成为了近年来的研究热点。
现有的基于实测轨迹的暂态稳定性分析方法大多建立在惯量中心坐标基础上，需依赖全网所有发电机的运动信息，由于传输量较大、容错率较低等原因，对复杂大型电网而言工程实用性较差。为有效解决上述问题，公开文献一《WACS—Wide-Area Stability andVoltage Control System:R&D and Online Demonstration》（Proceedings of The IEEE，2005年第93卷第5期第892页）提出了以振荡中心电压作为观测信息，分析电力系统暂态稳定性的新方法，所需量测量少，仅涉及系统中重要传输通道的个别变电站母线电压，大大减少了交互通信的过程。但是该方法对于暂态失稳的判别时间相对较晚，为快速有效的紧急控制带来了一定的困难。
在暂态过程中，无故障时刻振荡中心电压不发生突变，其轨迹是连续可微的，可考虑通过曲线拟合技术进行电压轨迹的快速预测，以进一步提高失稳判别的快速性。电力系统暂态分析的现有研究中，曲线拟合技术多运用于功角轨迹快速预测之中。其中，公开文献二《Determination of first swing stability limit of multimachine power systemsthrough Taylor series expansions》（IEE Generation Transmission&Distribution，1989年第136卷第6期第373页）提出了基于多项式模型的功角轨迹快速预测方法，具备计算时间短、预测精度高等一系列优点。而在系统无故障状态，振荡中心电压轨迹与发电机群功角轨迹具有连续函数对应关系，这为电压轨迹的曲线拟合创造了条件。因而，可通过多项式曲线拟合技术，实现电压轨迹的快速预测，为紧急控制争取宝贵时间。
发明内容
本发明所要解决的技术问题在于提供一种算法简单，计算量小，预测精度高的基于多项式模型的振荡中心电压预测方法。本发明用于估计未来时刻振荡中心处变电站的电压数值，能克服基于振荡中心电压的暂态稳定性分析方法所存在判别时间较长的不足。
本发明的技术方案是：本发明的基于多项式模型的振荡中心电压预测方法，包括以下步骤：
1）电压数值采样及归一化运算：在电网实际运行过程中，通过PMU采集重要变电站实时电压数值，并利用离线仿真记录的振荡最大值与最小值，对电压轨迹进行归一化处理；
2）归一化电压轨迹实时预测：采用步骤1）的归一化电压数值，利用一定时长的观测窗进行曲线拟合，根据多项式模型实现轨迹的快速预测，得到未来时刻的归一化电压数值；
3）实际预测数值计算：利用步骤2）得到的归一化电压数值，进行反归一化处理，得到相应变电站未来时刻的实际电压数值，完成振荡中心电压轨迹快速预测。
上述步骤1）电压轨迹归一化运算，具体方法为：
在实际电网运行过程中，通过PMU采样当前时刻的变电站母线电压数值，根据下式作范围为0-1的实时归一化处理，
UO′(t)=[UO(t)-b]/K=[UO(t)-Umin]/[Umax-Umin]
b=Umin,K=Umax-Umin
式中：UO(t)为t时刻采样电压数值，UO′(t)为t时刻归一化电压数值；Umax和Umin分别为离线仿真得到的该节点振荡过程中最低与最高电压数值，b,K为归一化系数。
上述步骤2）归一化电压轨迹实时预测，具体方法为：
21）判别归一化电压数值是否满足预测基本条件，即轨迹连续可微；
归一化后得到的某变电站母线电压时间序列如下：
{UO′(t),UO′(t+T)…UO′(t+nT)}
式中：T为采样时间间隔，实际电网中T为0.02s，n为观测序列总长度，为大于零的正整数，优选地取5-10；
判别序列中相邻时刻电压数值是否均满足下式：
ΔUO′=|UO′(t+kT)-UO′(t+(k+1)T)|<limΔU
式中：k为正整数，取值范围为0-(n-1)；limΔU为连续可微轨迹的极限差值，通过离线仿真获得，优选地取0.1-0.2；
若是，则说明观测窗内轨迹连续可微，则转至步骤22），进行电压轨迹预测；若否，则说明轨迹受到扰动影响，不符合预测基本条件，返回到步骤1），对下一刻电压数值进行采样和归一化处理，直至观测序列均满足判别式；
22）未来时刻归一化电压数值预测，具体方法为：
基于多项式模型的电压轨迹曲线拟合表达式如下：
arcosUO′(t)=a0+a1t+a2t2+…+antn
式中：AN=[a0,a1,a2,…,an]T为多项式拟合参数向量，n为多项式阶数，优选地取为3；
根据步骤21）连续可微的归一化电压序列，计算得到观测向量计为下式：
Y(N)=[arcosUO′(t),arcosUO′(t+T),…arcosUO′(t+nT)]T
根据最小二乘法，求取多项式模型参数：
AN=PNHT(N)·Y(N)
式中：PN=[HT(N)H(N)]-1
拟合出模型参数AN后，按照下式计算得到未来时刻归一化电压预测值：
Upre′(t+NT)=cos[a0+a1(t+NT)+a2(t+NT)2+…+an(t+NT)n]
式中：Upre′(t+NT)为t+NT时刻归一化电压预测数值，数值范围为0-1；N为预测步长，为正整数，一般取1-15，即预测未来0.02-0.3s数值。
上述步骤3）实际预测数值计算是反归一化运算，具体方法为：
对预测的归一化电压数值进行反归一化处理，成为变电站的实际电压数值：
Upre(t+NT)=KUpre′(t+NT)+b
式中：Upre(t+NT)为t+NT时刻实际电压预测数值；
当下一时刻的数据到来时，返回步骤1）进行采样与归一化，采用滚动预测技术，循环步骤1）-3）流程，即可得到指定变电站的母线电压预测轨迹。
本发明提出了一种基于多项式模型的振荡中心电压预测方法，本发明通过对重要变电站电压轨迹进行曲线拟合，快速预测振荡中心未来时刻电压数值。具有以下优点：
1）本发明采取指定变电站就地采集及运算方式，无需站点间的数据交互与通信，所需量测量少，计算量小，预测精度高。
2）本发明采用最小二乘技术，对数据具有较好的容错性，在一定程度上减少了对数据精度的依赖性。
3）本发明计算得到的未来时刻电压数值，可用于暂态失稳预警，能够有效提高原有暂态失稳判别方法的时效性。
本发明基于电网中现有的PMU量测配置以及广域量测系统(WAMS)，当电网发生大的扰动后，根据重要变电站（系统振荡中心附近）的电压量测信息，快速预测未来电压轨迹，为超前判别系统暂态稳定性提供数据基础。本发明旨在进行振荡中心电压轨迹的快速预测，为基于受扰电压轨迹的暂态失稳方法提供未来时刻的预测数值，以指导进行快速有效的电网暂态稳定性判别，继而开展紧急控制，避免停电事故的发生。本发明是在国家863计划项目基金资助下，提出的一种利用受扰电压轨迹预测未来时刻数值的方法，能快速有效判别电网暂态稳定，指导电网实际运行。
附图说明
图1是本发明方法的总体流程框图；
图2实际系统暂态过程两群等值图；
图3暂态过程变量关系图；
图4中国南方电网失稳算例电压预测效果图（滚动预测0.1s）；
图5中国南方电网失稳算例电压预测效果图（滚动预测0.2s）；
图6中国南方电网稳定算例电压预测效果图（滚动预测0.1s）；
图7中国南方电网稳定算例电压预测效果图（滚动预测0.2s）。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步的说明。
多机系统受扰通常呈现为两机失稳模式，忽略机群内部对系统失步影响不大的布朗运动，可化简为两机等值模型，如图2所示，两机等值电势分别为和，C为系统振荡中心。根据图3的相位关系推导可知，在系统非故障态时，两群相对功角δ(t)与振荡中心电压UC(t)存在如下函数关系：
通常情况下等值两机的电势并不相同，需要对角度量及电势量进行补偿，如下式所示：
式中：k1为电势补偿系数，a为角度补偿系数。
由于电压观测节点设置为重要地区的变电站，通常不会恰好位于振荡中心处，但是由于部分节点离振荡中心电气距离较近，能够准确反应振荡中心的电压变化情况，可通过简单的线性补偿进行估计。
式中：k2,b为线性补偿系数。
综上所述，在特定工况及特定观测节点下，重要变电站（系统振荡中心附近）的电压轨迹与发电机群相对功角满足下式：
根据文献二《Determination of first swing stability limit ofmultimachine power systems through Taylor series expansions》（IEE GenerationTransmission&Distribution，1989年第136卷第6期第373页），功角δ(t)可利用三阶多项式进行拟合，因此其线性表达式亦可用三阶多项式表示。
代入上式后，即可得到基于多项式模型的振荡中心电压表达式如下：
UO(t)=Kcos[a0+a1t+a2t2+a3t3]+b
下面根据图1的总体运行结构图，对本发明的具体步骤进行详细的说明。
步骤1：电压数值采样及归一化运算：在电网实际运行过程中，通过PMU采集重要变电站实时电压数值，并利用离线仿真记录的振荡最大值与最小值，对电压轨迹进行归一化处理。
在实际电网运行过程中，通过PMU采样当前时刻的变电站母线电压数值，根据下式作范围为0-1的实时归一化处理。
UO′(t)=[UO(t)-b]/K=[UO(t)-Umin]/[Umax-Umin]
b=Umin,K=Umax-Umin
式中：UO(t)为t时刻采样电压数值，UO′(t)为t时刻归一化电压数值。Umax和Umin分别为离线仿真得到的该节点振荡过程中最低与最高电压数值。b,K为归一化系数。
步骤2：归一化电压轨迹实时预测：采用步骤1归一化电压数值，利用一定时长的观测窗进行曲线拟合，根据多项式模型实现轨迹的快速预测，得到未来时刻的归一化电压数值。
步骤2.1：判别归一化电压数值是否满足预测基本条件（轨迹连续可微）。
归一化后得到的某变电站母线电压时间序列如下：
{UO′(t),UO′(t+T)…UO′(t+nT)}
式中：T为采样时间间隔，实际电网中T为0.02s，n为观测序列总长度，为大于零的正整数，优选地取5-10。
判别序列中相邻时刻电压数值是否均满足下式：
ΔUO′=|UO′(t+kT)-UO′(t+(k+1)T)|<limΔU
式中：k为正整数，取值范围为0-(n-1)。limΔU为连续可微轨迹的极限差值，通过离线仿真获得，优选地取0.1-0.2。
若是，则说明观测窗内轨迹连续可微，则转至步骤2.2，进行电压轨迹预测；若否，则说明轨迹受到扰动影响，不符合预测基本条件，返回到步骤1，对下一刻电压数值进行采样和归一化处理，直至观测序列均满足判别式。
步骤2.2：未来时刻归一化电压数值预测。具体方法为：
基于多项式模型的电压轨迹曲线拟合表达式如下：
arcosUO′(t)=a0+a1t+a2t2+…+antn
式中：AN=[a0,a1,a2,…,an]T为多项式拟合参数向量。n为多项式阶数，优选地取为3。
根据步骤2.1连续可微的归一化电压序列，计算得到观测向量计为下式：
Y(N)=[arcosUO′(t),arcosUO′(t+T),…arcosUO′(t+nT)]T
根据最小二乘法，求取多项式模型参数：
AN=PNHT(N)·Y(N)
式中：PN=[HT(N)H(N)]-1
拟合出模型参数AN后，按照下式计算得到未来时刻归一化电压预测值：
Upre′(t+NT)=cos[a0+a1(t+NT)+a2(t+NT)2+…+an(t+NT)n]
式中：Upre′(t+NT)为t+NT时刻归一化电压预测数值，数值范围为0-1。N为预测步长，为正整数，一般取1-15，即预测未来0.02-0.3s数值。
步骤3：实际预测数值计算（反归一化运算）：利用步骤2得到的归一化电压数值，进行反归一化处理，得到相应变电站未来时刻的实际电压数值，完成振荡中心电压轨迹快速预测。
对预测的归一化电压数值进行反归一化处理，成为变电站的实际电压数值：
Upre(t+NT)=KUpre′(t+NT)+b
式中：Upre(t+NT)为t+NT时刻实际电压预测数值。
当新的采样数据到来时，采用滚动预测技术，重复步骤1-3，形成新的观测向量Y(N+1)，计算出新的参数向量AN+1。由于H(N)与观测值无关，不需重新计算。
结果验证：为了测试本发明所提方法的有效性，应用本发明方法对中国南方电网系统不同故障情况进行了仿真验证。
根据中国南方电网实际存在的“西电东送”运行情况，针对广西-广东主要的八条交流线路，设置传输断面附近重要变电站为电压观测点，如表1所示。
表1中国南方电网电压观测方案
| 名称 | 所属地区 | 电压等级 |
| 桂林 | 广西 | 500 |
| 贤令山 | 广西 | 500 |
| 柳东 | 广西 | 500 |
| 贺州 | 广西 | 500 |
| 罗洞 | 广东 | 500 |
| 梧州 | 广西 | 500 |
在上述布点方案的基础上，利用最新的10个电压数据进行实时滚动预测，得到未来时刻电压数值，并进行暂态稳定性实时预测，采样间隔为0.02s。
算例1：云广直流单极闭锁+新安直流单极闭锁。（失稳算例）
0周波，云广直流发生单极闭锁，5周波，滤波器动作；0周波，新安直流发生单极闭锁，5周波，滤波器动作。其中，贺州变电站为受扰最严重测点，即振荡中心附近。受扰最严重测点电压预测效果如图5、6所示。
图4为滚动预测未来0.1s，预测值平均误差1.17%，最大误差2.34%。图5为滚动预测未来0.2s，预测值平均误差2.91%，最大误差4.66%。
算例2：云广直流单极闭锁+天广直流单极闭锁。（稳定算例）
0周波，云广直流发生单极闭锁，5周波，滤波器动作；0周波，天广直流发生单极闭锁，5周波，滤波器动作。其中，贤令山变电站为受扰最严重测点，即振荡中心附近。受扰最严重测点电压预测如图7、8所示。
图6为滚动预测未来0.1s，预测值平均误差1.29%，最大误差2.43%。图7为滚动预测未来0.2s，预测值平均误差2.86%，最大误差4.87%。
从上述预测结果中可以发现，本发明方法预测精度高，符合工程实际的需求。
本发明可用于各级电网的调度控制中心，基于广域量测系统，实现振荡中心电压的快速预测，为电力系统暂态稳定性的预测提供基本条件。以上对本发明所提供的基于多项式模型的振荡中心电压预测方法进行了详细的说明。对本领域的一般技术人员而言，在不背离本发明实质精神的前提下对它所做的任何显而易见的改动，都将构成对本发明专利权的侵犯，将承担相应的法律责任。
Claims (3)
1.一种基于多项式模型的振荡中心电压预测方法，其特征在于包括以下步骤：
1)电压数值采样及归一化运算：在电网实际运行过程中，通过PMU采集重要变电站实时电压数值，并利用离线仿真记录的振荡最大值与最小值，对电压轨迹进行归一化处理；
2)归一化电压轨迹实时预测：采用步骤1)的归一化电压数值，利用一定时长的观测窗进行曲线拟合，根据多项式模型实现轨迹的快速预测，得到未来时刻的归一化电压数值；
3)实际预测数值计算：利用步骤2)得到的归一化电压数值，进行反归一化处理，得到相应变电站未来时刻的实际电压数值，完成振荡中心电压轨迹快速预测；
上述步骤2)归一化电压轨迹实时预测，具体方法为：
21)判别归一化电压数值是否满足预测基本条件，即轨迹连续可微；
归一化后得到的某变电站母线电压时间序列如下：
{UO′(t)，UO′(t+T)…UO′(t+pT)}
式中：UO′(t)为t时刻归一化电压数值，T为采样时间间隔，实际电网中T为0.02s，p为观测序列总长度，为大于零的正整数，取5-10；
判别序列中相邻时刻电压数值是否均满足下式：
ΔUO′＝|UO′(t+kT)-UO′(t+(k+1)T)|＜limΔU
式中：k为正整数，取值范围为0-(p-1)；limΔU为连续可微轨迹的极限差值，通过离线仿真获得，取0.1-0.2；
若是，则说明观测窗内轨迹连续可微，则转至步骤22)，进行电压轨迹预测；若否，则说明轨迹受到扰动影响，不符合预测基本条件，返回到步骤1)，对下一刻电压数值进行采样和归一化处理，直至观测序列均满足判别式；
22)未来时刻归一化电压数值预测，具体方法为：
基于多项式模型的电压轨迹曲线拟合表达式如下：
arcosUO′(t)＝a0+a1t+a2t2+…+antn
式中：AN＝[a0，a1，a2，…，an]T为多项式拟合参数向量，n为多项式阶数，取为3；
根据步骤21)连续可微的归一化电压序列，计算得到观测向量计为下式：
Y(N)＝[ar cos UO′(t)，ar cos UO′(t+T)，…ar cos UO′(t+pT)]T
根据最小二乘法，求取多项式模型参数：
AN＝PNHT(N)·Y(N)
式中：PN＝[HT(N)H(N)]-1
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
<mtd>
<msup>
<mrow>
<mo>(</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msup>
<mrow>
<mo>(</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>n</mi>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>N</mi>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</mtd>
<mtd>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mi>n</mi>
</msup>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
上式中，Δt为时间变化量，拟合出模型参数AN后，按照下式计算得到未来时刻归一化电压预测值：
Upre′(t+NT)＝cos[a0+a1(t+NT)+a2(t+NT)2+…+an(t+NT)n]
式中：Upre′(t+NT)为t+NT时刻归一化电压预测数值，数值范围为0-1；N为预测步长，为正整数，取1-15，即预测未来0.02-0.3s数值。
2.根据权利要求1所述的基于多项式模型的振荡中心电压预测方法，其特征在于上述步骤1)电压轨迹归一化运算，具体方法为：
在实际电网运行过程中，通过PMU采样当前时刻的变电站母线电压数值，根据下式作范围为0-1的实时归一化处理，
UO′(t)＝[UO(t)-b]/K＝[UO(t)-Umin]/[Umax-Umin]
b＝Umin,K＝Umax-Umin
式中：UO(t)为t时刻采样电压数值，UO′(t)为t时刻归一化电压数值；Umax和Umin分别为离线仿真得到的该振荡过程中最低与最高电压数值，b,K为归一化系数。
3.根据权利要求2所述的基于多项式模型的振荡中心电压预测方法，其特征在于上述步骤3)实际预测数值计算是反归一化运算，具体方法为：
对预测的归一化电压数值进行反归一化处理，成为变电站的实际电压数值：
Upre(t+NT)＝KUpre′(t+NT)+b
式中：Upre(t+NT)为t+NT时刻实际电压数值；
当下一时刻的数据到来时，返回步骤1)进行采样与归一化，采用滚动预测技术，循环步骤1)-3)流程，即可得到指定变电站的母线电压预测轨迹。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310307575.3A CN103995948B (zh) | 2013-07-19 | 2013-07-19 | 一种基于多项式模型的振荡中心电压预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310307575.3A CN103995948B (zh) | 2013-07-19 | 2013-07-19 | 一种基于多项式模型的振荡中心电压预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103995948A CN103995948A (zh) | 2014-08-20 |
| CN103995948B true CN103995948B (zh) | 2017-11-24 |
Family
ID=51310112
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310307575.3A Active CN103995948B (zh) | 2013-07-19 | 2013-07-19 | 一种基于多项式模型的振荡中心电压预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103995948B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105372553B (zh) * | 2015-10-11 | 2018-09-14 | 国电南瑞科技股份有限公司 | 一种基于广域母线信息的电力系统失步判断和失步振荡中心定位方法 |
| CN108830745B (zh) * | 2018-06-29 | 2022-04-12 | 国网上海市电力公司 | 基于监控信息的电网连锁故障诊断、预警、评估系统 |
| CN108964023B (zh) * | 2018-06-29 | 2022-07-29 | 国网上海市电力公司 | 一种用于电网的母线电压态势短期预测方法及系统 |
| CN110188810A (zh) * | 2019-05-23 | 2019-08-30 | 西北工业大学 | 一种基于密度聚类的在线野值检测、识别与修正方法 |
| CN110989403B (zh) * | 2019-12-30 | 2023-10-31 | 上海科梁信息科技股份有限公司 | 综合能源调控系统及其控制方法、服务器 |
| CN111813822A (zh) * | 2020-05-25 | 2020-10-23 | 国网河南省电力公司 | 一种基于wans确定多项式拟合节点电压有效值的方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4094206B2 (ja) * | 2000-06-07 | 2008-06-04 | 株式会社日立製作所 | 電力系統安定化装置 |
| CN102445660A (zh) * | 2011-09-27 | 2012-05-09 | 河海大学 | 基于灰色Verhulst模型的发电机功角预测方法 |
| CN102510072A (zh) * | 2011-11-15 | 2012-06-20 | 河海大学 | 一种电网系统暂态失稳判别方法 |
-
2013
- 2013-07-19 CN CN201310307575.3A patent/CN103995948B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4094206B2 (ja) * | 2000-06-07 | 2008-06-04 | 株式会社日立製作所 | 電力系統安定化装置 |
| CN102445660A (zh) * | 2011-09-27 | 2012-05-09 | 河海大学 | 基于灰色Verhulst模型的发电机功角预测方法 |
| CN102510072A (zh) * | 2011-11-15 | 2012-06-20 | 河海大学 | 一种电网系统暂态失稳判别方法 |
Non-Patent Citations (1)
| Title |
|---|
| Determination of first swing stability limit of multimachine power systems through Taylor series expansions;M.H.Haue.et al.;《IEE PROCEEDINGS》;19891130;第373-379页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103995948A (zh) | 2014-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103995948B (zh) | 一种基于多项式模型的振荡中心电压预测方法 | |
| Zhao et al. | Development of a WAMS based test platform for power system real time transient stability detection and control | |
| CN103279639B (zh) | 基于响应的受端电网电压稳定全过程态势评估及防控方法 | |
| CN106443246B (zh) | 基于pmu量测数据的小干扰稳定参数的在线辨识方法 | |
| CN102169646B (zh) | 一种基于动态数据的在线负荷建模系统 | |
| CN101741086A (zh) | 基于pmu数据的稳定计算模型及参数精度的综合评估方法 | |
| CN103258103A (zh) | 基于偏最小二乘回归的戴维南等值参数辨识方法 | |
| Huang et al. | Wide‐area measurement system‐based model‐free approach of post‐fault rotor angle trajectory prediction for on‐line transient instability detection | |
| CN102445660B (zh) | 基于灰色Verhulst模型的发电机功角预测方法 | |
| CN102521677A (zh) | 基于单pmu量测段面的节点等效输电参数优化辨识方法 | |
| CN103714490A (zh) | 一种大电网在线数据多线程快速整合方法 | |
| CN107919666A (zh) | 一种基于广域响应的地区电网暂态稳定在线综合预判方法 | |
| CN109581103A (zh) | 基于广域监测的电网谐波源定位方法 | |
| CN102510072B (zh) | 一种电网系统暂态失稳判别方法 | |
| CN104749488A (zh) | 一种基于连续数据窗的直流线路时域故障测距方法 | |
| CN109428327A (zh) | 基于响应的电网关键支路与主导稳定模式识别方法及系统 | |
| Su et al. | Novel voltage-to-power sensitivity estimation for phasor measurement unit-unobservable distribution networks based on network equivalent | |
| CN102522759B (zh) | 一种基于扰动后电压轨迹的电力系统暂态失稳实时判别方法 | |
| CN103972889B (zh) | 一种配电线路阻抗在线辨识方法 | |
| CN104574221B9 (zh) | 一种基于损失电量特征参数的光伏电站运行状态辨识方法 | |
| CN103647284B (zh) | 一种解决单时间断面问题的电压稳定预测方法 | |
| CN102946099B (zh) | 一种多机互联电力系统的暂态功角稳定性实时判别的方法 | |
| CN107958120A (zh) | 一种基于幂级数展开的系统戴维南等值参数计算方法 | |
| Zhang et al. | Practical issues of implementation of linear state estimator in WECC | |
| Deng et al. | A real-time generator-angle prediction method based on the modified grey Verhulst model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |