CN104732095A - 对电力系统综合负荷模型进行简化和模型参数辨识的方法 - Google Patents
对电力系统综合负荷模型进行简化和模型参数辨识的方法 Download PDFInfo
- Publication number
- CN104732095A CN104732095A CN201510145676.4A CN201510145676A CN104732095A CN 104732095 A CN104732095 A CN 104732095A CN 201510145676 A CN201510145676 A CN 201510145676A CN 104732095 A CN104732095 A CN 104732095A
- Authority
- CN
- China
- Prior art keywords
- induction motor
- power
- motor part
- model
- simplified model
- 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
Landscapes
- Control Of Ac Motors In General (AREA)
- Tests Of Circuit Breakers, Generators, And Electric Motors (AREA)
Abstract
本发明涉及一种对电力系统综合负荷模型进行简化和模型参数辨识的方法,属于电力系统负荷稳定监控技术领域。该方法深入分析感应电动机参数间内部关系,并在此基础上通过变换模型输入输出关系,提出了电力系统综合负荷简化模型。针对电力系统综合负荷简化模型,本方法预设若干组电力系统综合负荷简化模型可能的稳态运行状态,并以电力系统综合负荷简化模型中感应电动机部分的状态方程为基础通过最小二乘法进行参数辨识,提出相应指标反映辨识精度并在所有预设稳态条件中选取精度最高的一组,将其对应的辨识结果作为最终的辨识结果。本方法所提出的方法具有较强的推广性和可行性,能够较为准确和快速的辨识电力系统综合负荷模型参数。
Description
技术领域
本发明涉及一种对电力系统综合负荷模型进行简化和模型参数辨识的方法,属于电力系统负荷稳定监控技术领域。
背景技术
负荷是电力系统的重要组成部分,合理、精确的负荷建模是负荷稳定分析的重要基础。目前,负荷建模通常使用综合负荷模型。综合负荷由静态负荷和动负荷两部分组成,其中静态负荷采用恒定阻抗,动负荷使用感应电动机。已有的研究普遍使用感应电动机机电暂态模型,并使用遗传算法、优化粒子群算法等全局搜索算法,也有部分研究使用Volterra级数辨识等算法。然而,目前的辨识方法对综合负荷模型并没有进行充分简化,采用的算法效率低下,无法满足在线安全稳定监控的要求。这大大限制了电力系统负荷参数辨识及在线安全稳定分析技术的发展。
现有的综合负荷模型辨识算法主要针对三阶模型,辨识算法效率也存在较大提升空间。因此,有必要通过合理的方法对综合负荷模型进行简化,并据此开发辨识算法,从而为电力系统在线安全稳定监控提供必要的技术支持。
对于负荷参数辨识问题,目前的辨识方法通常采用离线分析,以拟合故障录波曲线为主,常用的算法包括遗传算法、蚁群算法等优化算法。也有研究对综合负荷模型进行了一定的简化,但目前尚没有针对综合负荷模型的合理的降阶方法,辨识算法也主要针对三阶模型。由于三阶非线性模型在线参数辨识方法尚不成熟,因而在线负荷参数辨识很难实现。感应电动机模型以机端电压为输入量,量测量包括有功功率和无功功率,同时在辨识中通常重点分析有功功率。如果认为无功功率是一个约束条件,则可将电动机模型降阶为一个二阶模型,进而实现高效的参数辨识。
发明内容
本发明的目的是提出一种对电力系统综合负荷模型进行简化和模型参数辨识的方法,分析感应电动机的状态方程,结合电力系统量测特性,提出了二阶感应电动机简化模型,并针对简化模型开发出综合负荷模型参数辨识方法。
本发明提出的对电力系统综合负荷模型进行简化和模型参数辨识的方法,包括以下步骤:
(1)设运行状况稳态时,电力系统综合负荷模型中的有功功率和无功功率分别为Pcom和Qcom,感应电动机部分的有功功率和无功功率分别为Pcom_m0和Qcom_m0,静态部分由电阻Rcom和电抗Xcom构成,综合负荷模型的感应电动机部分的定子电抗、转子电抗、励磁电抗分别为XS,XR和XM;电力系统综合负荷简化模型中的有功功率和无功功率分别为P0和Q0,感应电动机部分的有功功率、无功功率分别为Pm0和Qm0,则根据电力系统中感应电动机结构特点,即XM>>XS,XM>>XR,综合负荷模型与综合负荷简化模型的感应电动机部分存在以下关系:
其中,X′定义为上述综合负荷简化模型的暂态电抗;
(2)根据电力系统中感应电动机的运行特性,电力系统综合负荷简化模型的暂态功率Pm为:
其中,Ed和Eq为感应电动机部分的d和q轴内电势,Ud和Uq为电动机部分输入电压端d轴和q轴电压,X′为上述综合负荷简化模型的暂态电抗;
(3)电力系统综合负荷简化模型中感应电动机部分的状态方程为:
其中,s为感应电动机部分的滑差,Rr为感应电动机部分的转子电阻,s0为感应电动机部分的稳态滑差,H为感应电动机部分的转子时间常数,取值范围为0~100秒,f0为电力系统频率基值;
根据上述综合负荷简化模型的感应电动机部分的状态方程,得到综合负荷简化模型的待辨识参数集为:
θ={H,Rr,X′,s0};
(4)以电力系统综合负荷简化模型中感应电动机部分的端电压U、d轴电压Ud、q轴电压Uq和无功功率Qm为输入量,以上述感应电动机部分的有功功率Pm和滑差s为状态量,对上述步骤(3)的状态方程进行改写,得到电力系统综合负荷简化模型的二阶状态方程如下:
其中,k1、k2、k3为二阶状态方程系数:
(5)根据步骤(4)的二阶状态方程,设定在电力系统发生扰动后的1秒内综合负荷简化模型的感应电动机部分的内电势不变,则为:
其中,Ed0、Eq0分别为稳态时d、q轴内电势,Ed0、Eq0表达式如下:
其中,U0为上述综合负荷简化模型中感应电动机部分的稳态机端电压,Pm0和Qm0为上述综合负荷简化模型中感应电动机部分的稳态有功功率、无功功率;
(6)分别将上述电力系统综合负荷简化模型的稳态有功功率P0和稳态无功功率Q0进行N等分,分别得到综合负荷简化模型感应电动机部分的N+1个稳态有功功率和稳态无功功率的可能取值,将N+1个可能取值一一配对,得到(N+1)2种简化模型感应电动机部分稳态有功功率和稳态无功功率的可能组合,并用{Pm0i,Qm0j},i=0,1,2,…,N,j=0,1,2,…,N表示;
(7)对上述{Pm0i,Qm0j}中的每一种组合,根据以下公式计算t时刻电力系统综合负荷简化模型的感应电动机部分有功功率Pmi(t)和无功功率Qmj(t):
根据电力系统感应电动机的运行特性,得到电力系统综合负荷简化模型中感应电动机部分的暂态电抗X′ij与转子电阻Rrij和初始滑差s0ij的比例关系如下:
其中,i=0,1,2,…,N,j=0,1,2,…,N
根据电力系统感应电动机的运行特性,计算得到电力系统综合负荷简化模型中感应电动机部分的稳态时d、q轴内电势Ed0ij、Eq0ij:
(8)建立参数辨识用矩阵yij、Aij、xij如下:
其中,Tk为取样时间序列,设电力系统故障在T0时刻发生,在故障时段内,取样间隔为Ts,则Tk表达式为Tk=T0+k*Ts,k=1,2,3,…,Uk、Pmik和Qmjk为Tk时刻电力系统综合负荷简化模型的感应电动机部分机端电压、有功功率和无功功率,Nk、Mk、和Hk分别为辨识中间变量,表达式如下:
则根据上述步骤(5)中的简化模型中感应电动机部分的状态方程,有yij=Aijxij,使用最小二乘法对xij进行辨识,得到xij,进而根据上述步骤(4)和步骤(7)中的关系式,求解待辨识参数集θij={Hij,Rrij,X′ij,s0ij},其中Hij为转子时间常数的辨识结果,θij为与简化模型感应电动机部分的稳态有功功率、无功功率为{Pm0i,Qm0j}相对应的辨识结果;
(9)根据电力系统综合负荷模型,计算与上述辨识结果θij相对应的电力系统感应电动机的内电势变化曲线,进而根据步骤(2)和步骤(7)中的关系式,求得电力系统综合负荷简化模型的有功功率Pij(t)和无功功率Qij(t),在电力系统故障结束时刻Tfinal录波结束,定义 计算得到多个与每个{Pm0i,Qm0j}相对应的diffij,从多个diffij中得到最小值diffij_min,得到与该最小值diffij_min相对应的i和j,与该i和j相对应的θij即为参数辨识结果。
本发明提出的对电力系统综合负荷模型进行简化和模型参数辨识的方法,其优点是:
本发明提出的综合负荷模型简化及参数辨识方法,不仅能够大大简化辨识模型,降低辨识难度,而且能够准确辨识负荷模型参数,同时还满足在线辨识需求,从而能够为电力系统暂态稳定分析提供重要支持。该方法易于实现,满足辨识精度、速度要求,提高系统的快速性和稳定性,是解决综合负荷模型参数辨识困难的实用方法。同时,该方法计算量相对较小,且算法结构先天并行,实际应用中算法效率提升潜力大。
附图说明
图1是本发明方法涉及的综合负荷简化模型结构示意图。
具体实施方式
本发明提出的对电力系统综合负荷模型进行简化和模型参数辨识的方法,包括以下步骤:
(1)对电力系统中综合负荷模型进行简化。设运行状况稳态时,电力系统综合负荷模型中的有功功率和无功功率分别为Pcom和Qcom,感应电动机部分的有功功率和无功功率分别为Pcom_m0和Qcom_m0,静态部分由电阻Rcom和电抗Xcom构成,综合负荷模型的感应电动机部分的定子电抗、转子电抗、励磁电抗分别为XS,XR和XM;电力系统综合负荷简化模型中的有功功率和无功功率分别为P0和Q0、,感应电动机部分的有功功率、无功功率分别为Pm0和Qm0,则根据电力系统中感应电动机结构特点,即XM>>XS,XM>>XR,忽略XM的影响,上述综合负荷模型与综合负荷简化模型的感应电动机部分存在以下关系:
其中,X′定义为上述综合负荷简化模型的暂态电抗;
由于忽略了XM,有关系Qcom_m0≠Qm0,因而在简化模型中,静态部分Rcom和Xcom将修正为R0和X0使得Pcom_m0=Pm0。除此之外,简化模型与电力系统综合负荷模型的Rr、s0及转子时间常数H等参数相等,其综合负荷简化模型的结构示意图如图1所示。
(2)根据电力系统中感应电动机的运行特性,电力系统综合负荷简化模型的暂态功率Pm为:
其中,Ed和Eq为感应电动机部分的d和q轴内电势,Ud和Uq为电动机部分输入电压端d轴和q轴电压,X′为上述综合负荷简化模型的暂态电抗;
(3)电力系统综合负荷简化模型中感应电动机部分的状态方程为:
其中,s为感应电动机部分的滑差,Rr为感应电动机部分的转子电阻,s0为感应电动机部分的稳态滑差,H为感应电动机部分的转子时间常数,取值范围为0~100秒,f0为电力系统频率基值;
根据上述综合负荷简化模型的感应电动机部分的状态方程,得到综合负荷简化模型的待辨识参数集为:
θ={H,Rr,X′,s0};
(4)以电力系统综合负荷简化模型中感应电动机部分的端电压U、d轴电压Ud、q轴电压Uq和无功功率Qm为输入量,以上述感应电动机部分的有功功率Pm和滑差s为状态量,对上述步骤(3)的状态方程进行改写,得到电力系统综合负荷简化模型的二阶状态方程如下:
其中,k1、k2、k3为二阶状态方程系数:
实际辨识中,本方法将辨识k1、k2、k3和感应电动机稳态滑差s0,进而求解综合负荷模型简化模型的待辨识参数集θ。
(5)根据步骤(4)的二阶状态方程,设定在电力系统发生扰动后的1秒内综合负荷简化模型的感应电动机部分的内电势不变,则为:
其中,Ed0、Eq0分别为稳态时d、q轴内电势,Ed0、Eq0表达式如下:
其中,U0为上述综合负荷简化模型中感应电动机部分的稳态机端电压,Pm0和Qm0为上述综合负荷简化模型中感应电动机部分的稳态有功功率、无功功率;
(6)分别将上述电力系统综合负荷简化模型的稳态有功功率P0和稳态无功功率Q0进行N等分,分别得到综合负荷简化模型感应电动机部分的N+1个稳态有功功率和稳态无功功率的可能取值,将N+1个可能取值一一配对,得到(N+1)2种简化模型感应电动机部分稳态有功功率和稳态无功功率的可能组合,并用{Pm0i,Qm0j},i=0,1,2,…,N,j=0,1,2,…,N表示;
(7)对上述{Pm0i,Qm0j}中的每一种组合,根据以下公式计算t时刻电力系统综合负荷简化模型的感应电动机部分有功功率Pmi(t)和无功功率Qmj(t):
根据电力系统感应电动机的运行特性,得到电力系统综合负荷简化模型中感应电动机部分的暂态电抗X′ij与转子电阻Rrij和初始滑差s0ij的比例关系如下:
其中,i=0,1,2,…,N,j=0,1,2,…,N
根据电力系统感应电动机的运行特性,计算得到电力系统综合负荷简化模型中感应电动机部分的稳态时d、q轴内电势Ed0ij、Eq0ij:
(8)建立参数辨识用矩阵yij、Aij、xij如下:
其中,Tk为取样时间序列,设电力系统故障在T0时刻发生,在故障时段内,取样间隔为Ts,则Tk表达式为Tk=T0+k*Ts,k=1,2,3,…,Uk、Pmik和Qmjk为Tk时刻电力系统综合负荷简化模型的感应电动机部分机端电压、有功功率和无功功率,Nk、Mk、和Hk分别为辨识中间变量,表达式如下:
则根据上述步骤(5)中的简化模型中感应电动机部分的状态方程,有yij=Aijxij,使用最小二乘法对xij进行辨识,得到xij,进而根据上述步骤(4)和步骤(7)中的关系式,求解待辨识参数集θij={Hij,Rrij,X′ij,s0ij},其中Hij为转子时间常数的辨识结果,θij为与简化模型感应电动机部分的稳态有功功率、无功功率为{Pm0i,Qm0j}相对应的辨识结果;
(9)根据电力系统综合负荷模型,计算与上述辨识结果θij相对应的电力系统感应电动机的内电势变化曲线,进而根据步骤(2)和步骤(7)中的关系式,求得电力系统综合负荷简化模型的有功功率Pij(t)和无功功率Qij(t),在电力系统故障结束时刻Tfinal录波结束,定义 计算得到多个与每个{P0mi,Q0mj}相对应的diffij,从多个diffij中得到最小值diffij_min,得到与该最小值diffij_min相对应的i和j,与该i和j相对应的θij即为模型参数辨识结果。
Claims (1)
1.一种对电力系统综合负荷模型进行简化和模型参数辨识的方法,其特征在于该方法包括以下步骤:
(1)设运行状况稳态时,电力系统综合负荷模型中的有功功率和无功功率分别为Pcom和Qcom,感应电动机部分的有功功率和无功功率分别为Pcom_m0和Qcom_m0,静态部分由电阻Rcom和电抗Xcom构成,综合负荷模型的感应电动机部分的定子电抗、转子电抗、励磁电抗分别为XS,XR和XM;电力系统综合负荷简化模型中的有功功率和无功功率分别为P0和Q0,感应电动机部分的有功功率、无功功率分别为Pm0和Qm0,则根据电力系统中感应电动机结构特点,即XM>>XS,XM>>R,综合负荷模型与综合负荷简化模型的感应电动机部分存在以下关系:
其中,X′定义为上述综合负荷简化模型的暂态电抗;
(2)根据电力系统中感应电动机的运行特性,电力系统综合负荷简化模型的暂态功率Pm为:
其中,Ed和Eq为感应电动机部分的d和q轴内电势,Ud和Uq为电动机部分输入电压端d轴和q轴电压,X′为上述综合负荷简化模型的暂态电抗;
(3)电力系统综合负荷简化模型中感应电动机部分的状态方程为:
其中,s为感应电动机部分的滑差,Rr为感应电动机部分的转子电阻,s0为感应电动机部分的稳态滑差,H为感应电动机部分的转子时间常数,取值范围为0~100秒,f0为电力系统频率基值;
根据上述综合负荷简化模型的感应电动机部分的状态方程,得到综合负荷简化模型的待辨识参数集为:
θ={H,Rr,X′,s0};
(4)以电力系统综合负荷简化模型中感应电动机部分的端电压U、d轴电压Ud、q轴电压Uq和无功功率Qm为输入量,以上述感应电动机部分的有功功率Pm和滑差s为状态量,对上述步骤(3)的状态方程进行改写,得到电力系统综合负荷简化模型的二阶状态方程如下:
其中,k1、k2、k3为二阶状态方程系数:
(5)根据步骤(4)的二阶状态方程,设定在电力系统发生扰动后的1秒内综合负荷简化模型的感应电动机部分的内电势不变,则为:
其中,Ed0、Eq0分别为稳态时d、q轴内电势,Ed0、Eq0表达式如下:
其中,U0为上述综合负荷简化模型中感应电动机部分的稳态机端电压,Pm0和Qm0为上述综合负荷简化模型中感应电动机部分的稳态有功功率、无功功率;
(6)分别将上述电力系统综合负荷简化模型的稳态有功功率P0和稳态无功功率Q0进行N等分,分别得到综合负荷简化模型感应电动机部分的N+1个稳态有功功率和稳态无功功率的可能取值,将N+1个可能取值一一配对,得到(N+1)2种简化模型感应电动机部分稳态有功功率和稳态无功功率的可能组合,并用{Pm0i,Qm0j},i=0,1,2,…,N,j=0,1,2,…,N表示;
(7)对上述{Pm0i,Qm0j}中的每一种组合,根据以下公式计算t时刻电力系统综合负荷简化模型的感应电动机部分有功功率Pmi(t)和无功功率Qmj(t):
根据电力系统感应电动机的运行特性,得到电力系统综合负荷简化模型中感应电动机部分的暂态电抗X′ij与转子电阻Rrij和初始滑差s0ij的比例关系如下:
其中,i=0,1,2,…,N,j=0,1,2,…,N
根据电力系统感应电动机的运行特性,计算得到电力系统综合负荷简化模型中感应电动机部分的稳态时d、q轴内电势Ed0ij、Eq0ij:
(8)建立参数辨识用矩阵yij、Aij、xij如下:
其中,Tk为取样时间序列,设电力系统故障在T0时刻发生,在故障时段内,取样间隔为Ts,则Tk表达式为Tk=T0+k*Ts,k=1,2,3,…,Uk、Pmik和Qmjk为Tk时刻电力系统综合负荷简化模型的感应电动机部分机端电压、有功功率和无功功率,Nk、Mk、和Hk分别为辨识中间变量,表达式如下:
则根据上述步骤(5)中的简化模型中感应电动机部分的状态方程,有yij=Aijxij,使用最小二乘法对xij进行辨识,得到xij,进而根据上述步骤(4)和步骤(7)中的关系式,求解待辨识参数集θij={Hij,Rrij,X′ij,s0ij},其中Hij为转子时间常数的辨识结果,θij为与简化模型感应电动机部分的稳态有功功率、无功功率为{Pm0i,Qm0j}相对应的辨识结果;
(9)根据电力系统综合负荷模型,计算与上述辨识结果θij相对应的电力系统感应电动机的内电势变化曲线,进而根据步骤(2)和步骤(7)中的关系式,求得电力系统综合负荷简化模型的有功功率Pij(t)和无功功率Qij(t),在电力系统故障结束时刻Tfinal录波结束,定义 计算得到多个与每个{Pm0i,Qm0j}相对应的diffij,从多个diffij中得到最小值diffij_min,得到与该最小值diffij_min相对应的i和j,与该i和j相对应的θij即为参数辨识结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510145676.4A CN104732095B (zh) | 2015-03-30 | 2015-03-30 | 对电力系统综合负荷模型进行简化和模型参数辨识的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510145676.4A CN104732095B (zh) | 2015-03-30 | 2015-03-30 | 对电力系统综合负荷模型进行简化和模型参数辨识的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104732095A true CN104732095A (zh) | 2015-06-24 |
CN104732095B CN104732095B (zh) | 2017-08-11 |
Family
ID=53455977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510145676.4A Active CN104732095B (zh) | 2015-03-30 | 2015-03-30 | 对电力系统综合负荷模型进行简化和模型参数辨识的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104732095B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529161A (zh) * | 2016-10-28 | 2017-03-22 | 东南大学 | 一种基于火电机组运行数据确定升降负荷速率的方法 |
CN108471121A (zh) * | 2018-03-14 | 2018-08-31 | 国家电网公司华中分部 | 一种感应电动机不稳定平衡点求解的优化方法 |
CN109713662A (zh) * | 2018-12-20 | 2019-05-03 | 清华大学 | 一种电力系统负荷模型辨识参数向低压节点等效的方法 |
CN112907075A (zh) * | 2021-02-20 | 2021-06-04 | 云南电网有限责任公司电力科学研究院 | 一种电力系统综合负荷模型参数辨识方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969198A (zh) * | 2010-09-30 | 2011-02-09 | 河海大学 | 考虑负荷静态特性的电力系统状态估计方法 |
CN102842906A (zh) * | 2012-08-28 | 2012-12-26 | 清华大学 | 一种综合负荷模型中电动机功率比例的计算方法 |
CN103033716A (zh) * | 2012-12-26 | 2013-04-10 | 清华大学 | 一种电网综合负荷模型中各负荷成分所占比例的计算方法 |
CN103258103A (zh) * | 2013-05-29 | 2013-08-21 | 国家电网公司 | 基于偏最小二乘回归的戴维南等值参数辨识方法 |
CN103401238A (zh) * | 2013-08-02 | 2013-11-20 | 深圳市双合电气股份有限公司 | 一种基于总体测辨法的电力负荷建模方法 |
CN103872678A (zh) * | 2014-03-06 | 2014-06-18 | 国家电网公司 | 一种基于变电站量测的负荷模型辨识方法 |
CN104362622A (zh) * | 2014-11-11 | 2015-02-18 | 安顺供电局 | 一种带小水电机组地区电网的负荷模型和建模方法 |
-
2015
- 2015-03-30 CN CN201510145676.4A patent/CN104732095B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101969198A (zh) * | 2010-09-30 | 2011-02-09 | 河海大学 | 考虑负荷静态特性的电力系统状态估计方法 |
CN102842906A (zh) * | 2012-08-28 | 2012-12-26 | 清华大学 | 一种综合负荷模型中电动机功率比例的计算方法 |
CN103033716A (zh) * | 2012-12-26 | 2013-04-10 | 清华大学 | 一种电网综合负荷模型中各负荷成分所占比例的计算方法 |
CN103258103A (zh) * | 2013-05-29 | 2013-08-21 | 国家电网公司 | 基于偏最小二乘回归的戴维南等值参数辨识方法 |
CN103401238A (zh) * | 2013-08-02 | 2013-11-20 | 深圳市双合电气股份有限公司 | 一种基于总体测辨法的电力负荷建模方法 |
CN103872678A (zh) * | 2014-03-06 | 2014-06-18 | 国家电网公司 | 一种基于变电站量测的负荷模型辨识方法 |
CN104362622A (zh) * | 2014-11-11 | 2015-02-18 | 安顺供电局 | 一种带小水电机组地区电网的负荷模型和建模方法 |
Non-Patent Citations (6)
Title |
---|
严剑锋等: "基于Volterra模型的电力系统主导动态参数选择", 《电网技术》 * |
李欣然等: "牵引供电系统综合负荷模型结构", 《电力系统自动化》 * |
李立理等: "综合负荷模型的电动机参数独立性分析和主导参数选取", 《电力系统自动化》 * |
洪志鹏等: "一种新的简化负荷模型结构", 《现代电力》 * |
王成山等: "综合负荷模型动静负荷比例的在线辨识", 《电力系统与自动化学报》 * |
马进等: "综合负荷模型参数的简化辨识策略", 《电网技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529161A (zh) * | 2016-10-28 | 2017-03-22 | 东南大学 | 一种基于火电机组运行数据确定升降负荷速率的方法 |
CN106529161B (zh) * | 2016-10-28 | 2020-08-11 | 东南大学 | 一种基于火电机组运行数据确定升降负荷速率的方法 |
CN108471121A (zh) * | 2018-03-14 | 2018-08-31 | 国家电网公司华中分部 | 一种感应电动机不稳定平衡点求解的优化方法 |
CN109713662A (zh) * | 2018-12-20 | 2019-05-03 | 清华大学 | 一种电力系统负荷模型辨识参数向低压节点等效的方法 |
CN112907075A (zh) * | 2021-02-20 | 2021-06-04 | 云南电网有限责任公司电力科学研究院 | 一种电力系统综合负荷模型参数辨识方法 |
CN112907075B (zh) * | 2021-02-20 | 2023-01-20 | 云南电网有限责任公司电力科学研究院 | 一种电力系统综合负荷模型参数辨识方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104732095B (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guo et al. | SoC estimation of lithium battery based on AEKF algorithm | |
CN101252280B (zh) | 一种城市电网最大供电能力在线评估方法 | |
CN104732095A (zh) | 对电力系统综合负荷模型进行简化和模型参数辨识的方法 | |
CN105186693A (zh) | 一种非侵入式用电负荷辨识系统及方法 | |
CN103278728B (zh) | 发电机转子匝间短路故障诊断方法与系统 | |
CN103872678B (zh) | 一种基于变电站量测的负荷模型辨识方法 | |
CN110120686B (zh) | 一种基于电力系统在线惯量估计的新能源承载力预警方法 | |
CN106130039A (zh) | 电力系统的主导失稳模式识别方法和系统 | |
CN101819259A (zh) | 电池组一致性评价方法 | |
CN104657520B (zh) | 一种基于大容量储能锂离子电池的电池建模方法 | |
CN103944177B (zh) | 混合储能微网系统滤波器截止频率确定方法及输出功率控制方法 | |
CN105356454A (zh) | 一种基于典型负荷群的电力系统负荷建模方法 | |
CN110110907B (zh) | 一种低压台区特征参数的提取方法 | |
CN102904518B (zh) | 一种同步发电机q轴参数在线辨识方法 | |
CN112816809B (zh) | 整车工况试验用动力电池模拟方法及模拟系统 | |
CN106990774B (zh) | 一种电动汽车便携式故障诊断仪及其监测方法 | |
CN103049609B (zh) | 一种风功率多阶段场景模拟方法 | |
CN102426623A (zh) | 一种用于电力负荷建模的自动故障拟合建模法 | |
CN106056305A (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN102338861A (zh) | 评价汽车供电系统性能的方法和系统 | |
Faranda et al. | SCADA system for optimization of energy exchange with the BESS in a residential case | |
CN109546188B (zh) | 液流电池储能多属性综合评估方法 | |
CN103246206B (zh) | 基于pmu的负荷特性电网负荷在线建模方法 | |
CN103779875B (zh) | 分布式系统并网传输线等效阻抗比率获取方法 | |
Arumugam et al. | Comparative Analysis and Validation of Basic Battery Models for Electric Vehicles Applications |
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 |