CN104332984A - 一种基于类噪声的节点电压相互影响因子的在线辨识方法 - Google Patents
一种基于类噪声的节点电压相互影响因子的在线辨识方法 Download PDFInfo
- Publication number
- CN104332984A CN104332984A CN201410589038.7A CN201410589038A CN104332984A CN 104332984 A CN104332984 A CN 104332984A CN 201410589038 A CN201410589038 A CN 201410589038A CN 104332984 A CN104332984 A CN 104332984A
- Authority
- CN
- China
- Prior art keywords
- node
- voltage
- factor
- identified
- noise
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/08—Three-wire systems; Systems having more than three wires
- H02J1/082—Plural DC voltage, e.g. DC supply voltage with at least two different DC voltage levels
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于电力系统电压类噪声信号的节点电压相互影响因子辨识方法,属于电力系统稳定分析评估领域。首先明确电压相互影响因子的应用条件和适用对象:电压相互影响因子主要用于衡量多直流系统中各直流系统之间的相互影响作用,基于系统稳态或暂稳态过程;对系统进行线性简化,建立多送出直流系统节点电压灵敏度辨识模型;采集电力系统中各节点电压信号,进行信号滤波、限幅、去趋势等处理,得到节点电压类噪声信号;采用多元线性化逐步回归的方法辨识得到直流线路换流母线电压间的相互影响因子。本发明方法可以用于监测系统间的相互作用强度,为系统局部稳定程度提供判据,有效提高电力系统稳定风险预测效率,降低实地试验的成本。
Description
技术领域
本发明涉及一种基于类噪声的节点电压相互影响因子的在线辨识方法,属于电力系统稳定分析评估领域。
背景技术
随着我国高压直流工程的不断建设,已经出现了多了交直流互联大电网,对于多直流系统而言,其落点紧密、电气距离近,各直流系统间具有强耦合特征。与纯交流系统或者单直流系统相比,多直流系统的稳定程度不仅与本直流系统电网结构、控制方式等有关,也受到与相邻其它直流系统影响,因此多直流系统间的相互作用特性对整个交直流系统的安全稳定有很大的影响,合理有效的评价多直流系统间的相互作用对于今后交直流大电网前期规划和稳定运行意义重大
目前,用来衡量多直流系统中各直流之间相互影响作用的指标主要有直流线路之间的等值耦合阻抗、节点电压相互作用系数、多馈入交互作用因子(MIIF)三种,第一种指标根据已知系统的网络结构和参数进行离线计算得到;第二种指标基于潮流模型推导得出节点电压之间的相对变化关系;第三种指标则基于系统实际运行方式进行扰动实验,或换流母线实地投切电抗或仿真实验设置节点电压跌落,获得各直流系统之间的交互作用因子。
上述三种方法,在一定的条件下得到的系统电压交互作用评价指标具有一致性,但同时也存在很多差异:第一种方法对系统模型数据依赖性强,对于规模巨大的实际系统,进行拓扑分析任务量巨大,多用于规划中系统稳定性的初步评估,应用性不强。此外,该方法主要考虑系统间的电气距离和联接关系,欠缺考虑系统中的控制方式和调节设备的影响;第二种方法基于实际系统和运行方式,扰动实验求得的评价指标包含了系统中复杂的电气关系,贴近实际,但扰动过程需要慎重,可能会对系统的正常运行产生干扰。第三种方法,克服了第二种方法的缺点,但是这种方法需要先得到该时段系统的网架结构和运行数据,再建立交直流潮流计算模型,该方法对电网的结构依赖度较强。同时,上述三种方法均难以做到系统相互影响程度的实时评估和监测,因此需要一种对系统模型依赖度较小,分析过程相对较简单且可以实现在线评估目的电压相互影响因子在线辨识方法。
发明内容
本发明的目的是提出一种基于电力系统类噪声的电压相互作用因子在线辨识方法,以评估多直流线路换流母线之间相互的相互影响作用的同时,克服现有方法操作繁琐难以实现在线实时监测的问题。
本发明提出的基于类噪声的节点电压相互影响因子的在线辨识方法,包括以下步骤:
(1)以电力系统的直流换流母线作为测试节点,以与该测试节点的连接阻抗值标幺值在0到0.1之间的母线作为待辨识节点,利用以下方法,分别得到测试节点和待辨识节点的电压类噪声信号:
(1~1)利用电力系统中直流换流站的相位测量系统,分别实时采集电力系统中测试节点和待辨识节点的电压,设定一个宽度为Δt的矩形采样窗,从采样的0时刻到Δt时刻,完成第一时段的采样后,对在线采样长度为Δt的信号序列进行灵敏度辨识,从采样Δt时刻到3Δt/2时刻,完成第二时段的采样后,对在线采样长度为Δt/2的信号序列与第一采样时段的后Δt/2长度的信号序列组成新的信号序列,进行灵敏度辨识,重复上述过程,得到电力系统测试节点和待辨识节点的电压信号序列。
(1~2)采用去趋势方法,去除上述步骤(1~1)的电压信号序列中的基频分量,分别得到测试节点和待辨识节点的电压的类噪声信号;
(2)计算上述(1~2)得到的待辨识节点的类噪声信号与测试节点的类噪声信号之间的相关系数,根据该相关系数,对待辨识节点与测试节点的相关度进行判断,若相关系数值在0.00至±0.30之间,则判定测试节点与待辨识节点为微相关,若相关系数值在±0.30至±0.50之间,则判定测试节点与待辨识节点为实相关,若相关系数值在±0.50至±0.80之间,则判定测试节点与待辨识节点之间为显著相关,若相关系数计算在±0.80至±1.00之间,则判定测试节点与待辨识节点为高度相关;
(3)采用多元线性回归的方法,根据上述步骤(2)中测量节点与待辨识节点的相关度,建立一个节点电压相互影响因子的在线辨识模型如下:
ΔUm=β1ΔU1+β2ΔU2+L+βiΔUi+L+βNΔUN
其中,i为待辨识节点序号,i=1,2,3LN,ΔUm为测量节点的电压类噪声信号,ΔU1、ΔU2、ΔUi和ΔUN分别为电力系统中各待辨识节点电压类噪声信号,βi为第i个待辨识节点与测量节点之间的电压相互作用因子,βi的取值方法为:根据上述步骤(2)得到的相关度,若第i个待辨识节点与测量节点为微相关或实相关,则βi为0,若第i个待辨识节点与测量节点为显著相关或高相关,则采用逐步回归的方法,计算得到βi;
(4)采用自动检测的方法,对步骤(3)得到的待辨识节点与测量节点之间的电压相互作用因子进行可靠性检测,检测方法如下:
首先将可靠电压相互影响因子记为QM,在Δtn-1时刻到Δtn时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN,在Δtn时刻到Δtn+1时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN+1,将QN与QN+1进行判断,若|QN-QN+1|<10%×QN成立,则判定在Δtn时刻到Δtn+1时刻的电压相互影响因子QN+1为不可靠,并使该时段内的QN作为可靠电压相互影响因子QM;若|QN+1-QN|≥10%×QN,则判定在Δtn到Δtn+1时段内的电压相互影响因子QN+1为可靠,并使该时段内的QN+1为可靠电压相互影响因子QM;
(5)在Δtn+1时刻到Δtn+2时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN+2,将QN+2与上一时段的QM进行判断,若|QN+2-QM|<10%×QM,或|QN+2-QM|≥10%×QM,且|QN+1-QN|≥10%×QN,则判定该时间段的QN+2为可靠电压相互影响因子QM,若|QN+2-QM|≥10%×QM,且|QN+1-QN|<10%×QN,则判定该时间段的QN+2为不可靠,使该时间段的QN+2等于上述QN+1,并将QN+1作为Δtn+1到Δtn+2时段的可靠电压相互影响因子QM;
(6)以步骤(4)、步骤(5)中得到的QM分别作为第一阶段内三个时段的节点电压相互影响因子的在线辨识结果;
(7)重复步骤(6),依次得到各辨识阶段的节点电压相互影响因子的在线辨识结果,形成节点电压相互影响因子曲线。
本发明提出的基于类噪声的节点电压相互影响因子的在线辨识方法,其优点是:
本发明方法可以根据电力系统中本来就存在的类噪声信号,不需要干扰试验,就可以方便快捷的辨识得到电力系统多直流换流母线之间的相互影响因子。本发明方法可以用于监测系统间的相互作用强度,为系统局部稳定程度提供判据,有效提高电力系统稳定风险预测效率,降低实地试验的成本。
附图说明
图1是本发明方法中涉及的线性逐步回归方法流程图。
图2是本发明方法中涉及的节点电压相互影响因子可靠性检测流程图。
图3是本发明方法得到的节点电压相互影响因子在线辨识结果示意图。
具体实施方式
本发明提出的基于类噪声的节点电压相互影响因子的在线辨识方法,包括以下步骤:
(1)以电力系统的直流换流母线作为测试节点,以与该测试节点的连接阻抗值标幺值在0.1到0.5之间的母线作为待辨识节点,利用以下方法,分别得到测试节点和待辨识节点的电压类噪声信号:
(1~1)利用电力系统中直流换流站的相位测量系统,分别实时采集电力系统中测试节点和待辨识节点的电压,选择采样窗在线移动和实时递归算法来实现分段采样实时监测,设定一个宽度为Δt的矩形采样窗,从采样的0时刻到Δt时刻,完成第一时段的采样后,对在线采样长度为Δt的信号序列进行灵敏度辨识,从采样Δt时刻到3Δt/2时刻,完成第二时段的采样后,对在线采样长度为Δt/2的信号序列与第一采样时段的后Δt/2长度的信号序列组成新的信号序列,进行灵敏度辨识,重复上述过程,得到电力系统测试节点和待辨识节点的电压信号序列;使电力系统的节点电压相互影响因子在线辨识时间间隔缩短为Δt/2,辨识速度加快;
(1~2)采用去趋势方法,去除上述步骤(1~1)的电压信号序列中的基频分量,分别得到测试节点和待辨识节点的电压的类噪声信号;实际电力系统中存在较大惯性,电网高频振荡信号较少,因此类噪声信号主要分量集中于低频段。同时,根据国内外学者研究结果,电力系统动态信息主要由低频信号呈现,与高频分量关系不大。因此,需要对采集到的类噪声信号进行去趋势、滤波和限幅等预处理,以保证采集信号的有效性。
(2)节点电压相互影响因子对象主要是针对直流换流母线之间的相互作用的,在辨识过程中还会涉及到周围邻近的交流母线,实际系统中,直流换流母线可能周围节点众多,均作为对该节点影响的节点参与灵敏度辨识计算量较大,影响在线辨识的速度,有必要对该节点与周围节点进行相关度分析,筛选出对其影响作用较强的节点,参与电压相互作用因子的辨识过程。计算上述(1~2)得到的待辨识节点的类噪声信号与测试节点的类噪声信号之间的相关系数,根据该相关系数,对待辨识节点与测试节点的相关度进行判断,若相关系数值在0.00至±0.30之间,则判定测试节点与待辨识节点为微相关,若相关系数值在±0.30至±0.50之间,则判定测试节点与待辨识节点为实相关,若相关系数值在±0.50至±0.80之间,则判定测试节点与待辨识节点之间为显著相关,若相关系数计算在±0.80至±1.00之间,则判定测试节点与待辨识节点为高度相关;
(3)采用多元线性回归的方法,根据上述步骤(2)中测量节点与待辨识节点的相关度,建立一个节点电压相互影响因子的在线辨识模型如下:
ΔUm=β1ΔU1+β2ΔU2+L+βiΔUi+L+βNΔUN
其中,i为待辨识节点序号,i=1,2,3LN,ΔUm为测量节点的电压类噪声信号,ΔU1、ΔU2、ΔUi和ΔUN分别为电力系统中各待辨识节点电压类噪声信号,βi为第i个待辨识节点与测量节点之间的电压相互作用因子,表示测量节点电压类噪声信号相对于待辨识节点i电压类噪声信号的灵敏程度。βi的取值方法为:根据上述步骤(2)得到的相关度,若第i个待辨识节点与测量节点为微相关或实相关,则βi为0,若第i个待辨识节点与测量节点为显著相关或高相关,则采用逐步回归的方法,计算得到βi,计算过程如图1所示;
(4)在电力系统网架结构未发生突变或暂态故障前提下,假设在每一个电压信号采样周期和电压相互影响因子相关系数计算的时段内,电力系统中各节点电压影响因子不变。
采用自动检测的方法,对步骤(3)得到的待辨识节点与测量节点之间的电压相互作用因子进行可靠性检测,检测方法如图2所示,具体描述如下:
设每个测试节点和待辨识节点的电压类噪声信号和每个电压相互影响因子相关度计算的周期内的待辨识节点与测量节点之间的电压相互作用因子不变,利用步骤(3)的计算方法,首先将可靠电压相互影响因子记为QM,在Δtn-1时刻到Δtn时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN,在Δtn时刻到Δtn+1时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN+1,将QN与QN+1进行判断,若|QN-QN+1|<10%×QN成立,则判定在Δtn时刻到Δtn+1时刻的电压相互影响因子QN+1为不可靠,并使该时段内的QN作为可靠电压相互影响因子QM;若|QN+1-QN|≥10%×QN,则判定在Δtn到Δtn+1时段内的电压相互影响因子QN+1为可靠,并使该时段内的QN+1为可靠电压相互影响因子QM;
(5)在Δtn+1时刻到Δtn+2时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN+2,将QN+2与上一时段的QM进行判断,若|QN+2-QM|<10%×QM,或|QN+2-QM|≥10%×QM,且|QN+1-QN|≥10%×QN,则判定该时间段的QN+2为可靠电压相互影响因子QM,若|QN+2-QM|≥10%×QM,且|QN+1-QN|<10%×QN,则判定该时间段的QN+2为不可靠,使该时间段的QN+2等于上述QN+1,并将QN+1作为Δtn+1到Δtn+2时段的可靠电压相互影响因子QM;
(6)以步骤(4)、步骤(5)中得到的QM分别作为第一阶段内三个时段的节点电压相互影响因子的在线辨识结果;
(7)重复步骤(6),依次得到各辨时段的节点电压相互影响因子的在线辨识结果,形成节点电压相互影响因子曲线,如图3所示,便于在线实时监测节点电压之间的相互作用关系。
在实际电力系统中,由于投切电容、负荷波动等情况时刻存在,因此电力系统测量结果中包含有种类繁多的信号量,这些信号量既有反映系统稳定运行状态的稳态量,也有类似噪声的波动量,称为类噪声信号。类噪声信号包含很多系统的动态信息,可以用来反映系统的某些特性。本发明方法就是利用系统节点电压类噪声信号可以反映系统各母线之间电压相对变化关系这一特性,对采集得到的电压类噪声信号进行处理,保留其中有效频段信息,为下面的辨识过程准备数据。
本发明方法涉及的节点电压相互影响因子,表征的是稳态或暂稳态系统的状态。根据系统动态灵敏度辨识方法,仿照多馈入交互因子的定义,用节点电压间的关系来表征节点间的相互作用关系,选取所研究节点的电压值作为状态变量,选取该节点附近母线的电压值作为该状态量的作用变量,局部网络中其余节点电压对研究节点的电压影响近似用线性关系描述。在系统运行过程中,任取一段时间Δt,由于系统电压在平衡点附近小幅波动,可以近似认为电力系统运行方式不变,因此电压相互影响因子在观测的数据集内保持不变。建立待辨识节点电压与周围测量节点电压之间的关系模型,如下式:
上式中,i表示第i个节点,在第i个节点为待辨识节点的局部网络(包含待辨识节点及其周围测量节点)中包含有k个测量节点,ΔUi表示在待辨识节点采集得到的电压类噪声信号,ΔUj表示在其余各个测量节点采集得到的电压类噪声信号,表示测量节点j的电压变化对待辨识节点i的电压产生的影响,这里定义为节点j对节点i的节点电压相互影响因子,εi表示采用上述线性关系描述带来的误差项。
基于建立的待辨识节点电压与周围测量节点电压之间的关系模型,任取电力系统某一运行方式下,Δt时段内在线采集得到的电压类噪声数据进行多元线性回归分析,回归系数即为研究节点和相关节点之间的电压相互影响因子。
为了更加准确的得到系统待辨识节点相对于周围测量节点的相互影响因子,本发明选择线性逐步回归的方法进行模型系数求解。
附图1是线性逐步回归方法流程图,首先以待辨识节点电压类噪声信号与测量节点电压类噪声信号偏相关系数的大小对测量节点排序,依次引入测量节点并对引入方程中的每个测量节点的偏相关系数进行显著性检验,留下显著的测量节点剔除不显著的测量节点。经过若干次选入测量节点和剔除测量节点之后,直至所有测量节点与待辨识节点之间的偏相关系数满足要求,再没有可入选测量节点或剔除测量节点为止。线性逐步回归法由于剔除了不重要测量节点对待辨识节点的影响作用,因此可以降低回归方程的阶数,显著提高了计算效率;同时该方法忽略了回归方程中非重要测量节点,避免了回归方程中出现系数较小的测量节点而导致的回归方程计算时出现病态。通过更新下一个采样时段Δt内得到的节点电压类噪声信号数据,采用线性逐步回归的方法,可以得到每个Δt时段内的节点电压相互影子因子。
Claims (1)
1.一种基于类噪声的节点电压相互影响因子的在线辨识方法,其特征在于该方法包括以下步骤:
(1)以电力系统的直流换流母线作为测试节点,以与该测试节点的连接阻抗值标幺值在0到0.1之间的母线作为待辨识节点,利用以下方法,分别得到测试节点和待辨识节点的电压类噪声信号:
(1~1)利用电力系统中直流换流站的相位测量系统,分别实时采集电力系统中测试节点和待辨识节点的电压,设定一个宽度为Δt的矩形采样窗,从采样的0时刻到Δt时刻,完成第一时段的采样后,对在线采样长度为Δt的信号序列进行灵敏度辨识,从采样Δt时刻到3Δt/2时刻,完成第二时段的采样后,对在线采样长度为Δt/2的信号序列与第一采样时段的后Δt/2长度的信号序列组成新的信号序列,进行灵敏度辨识,重复上述过程,得到电力系统测试节点和待辨识节点的电压信号序列。
(1~2)采用去趋势方法,去除上述步骤(1~1)的电压信号序列中的基频分量,分别得到测试节点和待辨识节点的电压的类噪声信号;
(2)计算上述(1~2)得到的待辨识节点的类噪声信号与测试节点的类噪声信号之间的相关系数,根据该相关系数,对待辨识节点与测试节点的相关度进行判断,若相关系数值在0.00至±0.30之间,则判定测试节点与待辨识节点为微相关,若相关系数值在±0.30至±0.50之间,则判定测试节点与待辨识节点为实相关,若相关系数值在±0.50至±0.80之间,则判定测试节点与待辨识节点之间为显著相关,若相关系数计算在±0.80至±1.00之间,则判定测试节点与待辨识节点为高度相关;
(3)采用多元线性回归的方法,根据上述步骤(2)中测量节点与待辨识节点的相关度,建立一个节点电压相互影响因子的在线辨识模型如下:
ΔUm=β1ΔU1+β2ΔU2+L+βiΔUi+L+βNΔUN
其中,i为待辨识节点序号,i=1,2,3L N,ΔUm为测量节点的电压类噪声信号,ΔU1、ΔU2、ΔUi和ΔUN分别为电力系统中各待辨识节点电压类噪声信号,βi为第i个待辨识节点与测量节点之间的电压相互作用因子,βi的取值方法为:根据上述步骤(2)得到的相关度,若第i个待辨识节点与测量节点为微相关或实相关,则βi为0,若第i个待辨识节点与测量节点为显著相关或高相关,则采用逐步回归的方法,计算得到βi;
(4)采用自动检测的方法,对步骤(3)得到的待辨识节点与测量节点之间的电压相互作用因子进行可靠性检测,检测方法如下:
首先将可靠电压相互影响因子记为QM,在Δtn-1时刻到Δtn时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN,在Δtn时刻到Δtn+1时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN+1,将QN与QN+1进行判断,若|QN-QN+1|<10%×QN成立,则判定在Δtn时刻到Δtn+1时刻的电压相互影响因子QN+1为不可靠,并使该时段内的QN作为可靠电压相互影响因子QM;若|QN+1-QN|≥10%×QN,则判定在Δtn到Δtn+1时段内的电压相互影响因子QN+1为可靠,并使该时段内的QN+1为可靠电压相互影响因子QM;
(5)在Δtn+1时刻到Δtn+2时刻,重复步骤(1)~步骤(3),得到电压相互影响因子QN+2,将QN+2与上一时段的QM进行判断,若|QN+2-QM|<10%×QM,或|QN+2-QM|≥10%×QM,且|QN+1-QN|≥10%×QN,则判定该时间段的QN+2为可靠电压相互影响因子QM,若|QN+2-QM|≥10%×QM,且|QN+1-QN|<10%×QN,则判定该时间段的QN+2为不可靠,使该时间段的QN+2等于上述QN+1,并将QN+1作为Δtn+1到Δtn+2时段的可靠电压相互影响因子QM;
(6)以步骤(4)、步骤(5)中得到的QM分别作为第一阶段内三个时段的节点电压相互影响因子的在线辨识结果;
(7)重复步骤(6),依次得到各辨识阶段的节点电压相互影响因子的在线辨识结果,形成节点电压相互影响因子曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410589038.7A CN104332984B (zh) | 2014-10-28 | 2014-10-28 | 一种基于类噪声的节点电压相互影响因子的在线辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410589038.7A CN104332984B (zh) | 2014-10-28 | 2014-10-28 | 一种基于类噪声的节点电压相互影响因子的在线辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104332984A true CN104332984A (zh) | 2015-02-04 |
CN104332984B CN104332984B (zh) | 2016-08-17 |
Family
ID=52407661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410589038.7A Expired - Fee Related CN104332984B (zh) | 2014-10-28 | 2014-10-28 | 一种基于类噪声的节点电压相互影响因子的在线辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104332984B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938325A (zh) * | 2016-04-05 | 2016-09-14 | 中国电力科学研究院 | 一种用于交直流协调控制的系统模型辨识方法 |
CN106202932A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种评价杂散电流干扰曲线和干扰源曲线相似度的方法 |
CN108802535A (zh) * | 2018-06-27 | 2018-11-13 | 全球能源互联网研究院有限公司 | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 |
CN115826506A (zh) * | 2022-06-30 | 2023-03-21 | 东莞市金唐水处理设备有限公司 | 水处理控制系统及控制装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100156189A1 (en) * | 2008-12-24 | 2010-06-24 | Fishman Oleg S | Collection of electric power from renewable energy sources via high voltage, direct current systems with conversion and supply to an alternating current transmission network |
WO2012037965A1 (en) * | 2010-09-21 | 2012-03-29 | Abb Technology Ag | An apparatus for controlling the electric power transmission in a hvdc power transmission system |
CN102403720A (zh) * | 2011-11-23 | 2012-04-04 | 昆明理工大学 | 一种基于暂态电压安全裕度的超实时重合时序整定方法 |
CN103116097A (zh) * | 2013-01-25 | 2013-05-22 | 中国电力科学研究院 | 基于多断面混合量测信息的设备参数在线辨识方法 |
CN103474992A (zh) * | 2013-10-08 | 2013-12-25 | 东南大学 | 电力系统节点电压稳定状态的实时在线辨识判据 |
-
2014
- 2014-10-28 CN CN201410589038.7A patent/CN104332984B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100156189A1 (en) * | 2008-12-24 | 2010-06-24 | Fishman Oleg S | Collection of electric power from renewable energy sources via high voltage, direct current systems with conversion and supply to an alternating current transmission network |
WO2012037965A1 (en) * | 2010-09-21 | 2012-03-29 | Abb Technology Ag | An apparatus for controlling the electric power transmission in a hvdc power transmission system |
CN102403720A (zh) * | 2011-11-23 | 2012-04-04 | 昆明理工大学 | 一种基于暂态电压安全裕度的超实时重合时序整定方法 |
CN103116097A (zh) * | 2013-01-25 | 2013-05-22 | 中国电力科学研究院 | 基于多断面混合量测信息的设备参数在线辨识方法 |
CN103474992A (zh) * | 2013-10-08 | 2013-12-25 | 东南大学 | 电力系统节点电压稳定状态的实时在线辨识判据 |
Non-Patent Citations (3)
Title |
---|
孙宏斌 等: "最小信息损失状态估计中潮流和拓扑统一估计的通用理论", 《中国电机工程学报》 * |
孙宏斌 等: "最小信息损失状态估计在拓扑错误辨识中的应用", 《中国电机工程学报》 * |
陆超 等: "多元自回归滑动平均模型辨识与电力系统自适应阻尼控制", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105938325A (zh) * | 2016-04-05 | 2016-09-14 | 中国电力科学研究院 | 一种用于交直流协调控制的系统模型辨识方法 |
CN106202932A (zh) * | 2016-07-12 | 2016-12-07 | 中国石油化工股份有限公司 | 一种评价杂散电流干扰曲线和干扰源曲线相似度的方法 |
CN108802535A (zh) * | 2018-06-27 | 2018-11-13 | 全球能源互联网研究院有限公司 | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 |
CN108802535B (zh) * | 2018-06-27 | 2020-06-26 | 全球能源互联网研究院有限公司 | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 |
CN115826506A (zh) * | 2022-06-30 | 2023-03-21 | 东莞市金唐水处理设备有限公司 | 水处理控制系统及控制装置 |
CN115826506B (zh) * | 2022-06-30 | 2023-08-08 | 东莞市金唐水处理设备有限公司 | 水处理控制系统及控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104332984B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdelsalam et al. | Characterization of power quality disturbances using hybrid technique of linear Kalman filter and fuzzy-expert system | |
CN103645425B (zh) | 一种高压电缆绝缘缺陷局部放电在线监测诊断方法 | |
CN102998545B (zh) | 一种变压器绕组工作状态的在线监测方法 | |
AU2020203291A1 (en) | Method and system for detecting insulation aging degree of PPLP of superconducting cable | |
CN102122823B (zh) | 电力系统振荡扰动源定位的方法 | |
CN106908671A (zh) | 一种非侵入式家用负荷智能检测方法及系统 | |
CN202404166U (zh) | 一种变压器振动特性在线监测系统 | |
CN103198184B (zh) | 一种电力系统低频振荡特征类噪声辨识方法 | |
CN108562821B (zh) | 一种基于Softmax确定配电网单相接地故障选线的方法及系统 | |
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 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
CN104332984A (zh) | 一种基于类噪声的节点电压相互影响因子的在线辨识方法 | |
CN103578050A (zh) | 一种电压暂降原因的识别方法 | |
Iksan et al. | Appliances identification method of non-intrusive load monitoring based on load signature of VI trajectory | |
CN106443307A (zh) | 变电设备绝缘在线监测系统 | |
Rui et al. | Fault location for power grid based on transient travelling wave data fusion via asynchronous voltage measurements | |
CN105004939A (zh) | 一种复合电能质量扰动信号定量分析方法 | |
CN104410360A (zh) | 光伏发电系统安全运行方法及其中对人工神经网络的训练方法和实时检测方法及装置 | |
CN104237703A (zh) | 带并联电抗器线路三相自适应重合闸故障性质识别方法 | |
CN104155573A (zh) | 一种基于形态学的电力系统低频振荡检测方法 | |
CN104764981A (zh) | 基于标准化偏移度的配网线路故障区段定位方法 | |
CN105866576A (zh) | 智能变电站二次侧电能计量误差影响的模拟检测系统及其检测分析方法 | |
Abidullah et al. | Real-time power quality disturbances detection and classification system | |
CN108092272A (zh) | 一种基于渐消卡尔曼滤波的电压稳定在线监测方法 | |
Papadopoulos et al. | Online parameter identification and generic modeling derivation of a dynamic load model in distribution grids |
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: 20160817 Termination date: 20181028 |