CN104865497A - 基于扩展Prony算法的低频振荡就地化在线辨识方法 - Google Patents
基于扩展Prony算法的低频振荡就地化在线辨识方法 Download PDFInfo
- Publication number
- CN104865497A CN104865497A CN201510219373.2A CN201510219373A CN104865497A CN 104865497 A CN104865497 A CN 104865497A CN 201510219373 A CN201510219373 A CN 201510219373A CN 104865497 A CN104865497 A CN 104865497A
- Authority
- CN
- China
- Prior art keywords
- phasor data
- phase
- low
- frequency oscillation
- amplitude
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Stabilization Of Oscillater, Synchronisation, Frequency Synthesizers (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于扩展Prony算法的低频振荡就地化在线辨识方法,首先根据同步相量测量装置计算得到的三相电压电流相量数据计算有功功率、电压和功率因数乘积Ucosφ和电流零序分量;然后使用Mandani模糊逻辑判断是否发生了低频振荡:若发生了低频振荡,则使用Prony算法进行参数辨识,计算得到低频振荡的幅值、频率、衰减因子、阻尼比,实现低频振荡就地化在线辨识,辨识速度快,精确度高。可大大减轻WAMS主站端的软硬件开销,并为全系统电网广域监测、变电站自动化测控、稳定控制、自适应继电保护等功能提供了可靠的原始数据和数据支撑。
Description
技术领域
本发明涉及一种基于扩展Prony算法的低频振荡就地化在线辨识方法,属于技术领域。
背景技术
自20世纪60年代在北美MAPP的西北联合系统和西南联合系统试行互联时观察到低频振荡现象以来,随着电网规模的日益扩大,大容量机组在电网中的不断投运,快速励磁的普遍使用,低频振荡现象在大型互联电网中时有发生。低频振荡引起的振荡范围通常在0.1-2.5HZ之间,它一般可分为局部振荡和区域间振荡。局部振荡是指在区域内某一台电机或几台电机相对于区域内其它机组振荡,由于其电气距离较近,所以频率一般较高,在0.7-2.5Hz之间。区域振荡是指在不同区域的电机群之间发生相互振荡,其距离较大,所以频率一般较低,在0.1-0.7Hz之间。电力系统在振荡过程中,输电线路功率来回传输,影响了电力系统的正常运行,也直接降低了系统的输送容量,是电力生产和传输能力得不到最大利用,更严重时系统将失去同步。因此低频振荡是威胁我国互联电网安全稳定运行的重要问题之一。
低频振荡问题属于小扰动稳定性分析范畴,从不同的角度考虑,低频振荡分析有不同的分类方法,主要有线性分析法、非线性分析法。线性分析法包括特征值分析法、电气转矩解析法;非线性分析法包括数值仿真法、信号分析法、模态级数法、分岔及混沌理论分析法等。其中,Prony算法由于能够根据采样值直接估算出信号频率、衰减、幅值和初相位,因此被广泛用于电力系统低频振荡模式的识别。但目前低频振荡性质辨识通常在WAMS主站端实现,WAMS主站端对接收到的PMU数据使用如Prony算法等方法进行低频振荡参数辨识。随着电网规模的日益增大,使得WAMS主站端的负担日益加重,因此在同步相量测量装置PMU(Phasor Measurment Unit)实现低频震荡参数在线辨识具有重要的意义。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种基于扩展Prony算法的低频振荡就地化在线辨识方法,可在同步相量测量装置上实现电力系统低频振荡在线辨识。
为达到上述目的,本发明所采用的技术方案是:基于扩展Prony算法的低频振荡就地化在线辨识方法,包括以下步骤:
步骤一:采用同步相量测量装置计算得到三相电压电流相量数据,根据三相电压电流相量数据计算有功功率P、电压和功率因数乘积Ucosφ以及电流零序分量I0;
步骤二:根据步骤一计算的有功功率P、电压和功率因数乘积Ucosφ以及电流零序分量I0,采用模糊逻辑推理区分低频振荡和短路;
步骤三:对步骤一计算得出的有功功率数据进行低通滤波,然后使用扩展Prony算法计算低频振荡的幅值、频率和阻尼比,实现低频振荡的就地化在线辨识。
所述有功功率采用公式(1)计算得出:
P=|UA||IA|cos(φua-φia)+|UB||IB|cos(φub-φib)+|UC||IC|cos(φuc-φic); (1)
式中:|UA|为A相电压相量数据的幅值,|IA|为A相电流相量数据的幅值,φua为A相电压相量数据的相位,φia为A相电流相量数据的相位;|UB|为B相电压相量数据的幅值,|IB|为B相电流相量数据的幅值,φub为B相电压相量数据的相位,φib为B相电流相量数据的相位;|UC|为C相电压相量数据的幅值,|IC|为C相电流相量数据的幅值,φuc为C相电压相量数据的相位,φic为C相电流相量数据的相位。
所述电压和功率因数乘积Ucosφ采用公式(2)计算得出:
Ucosφ=|UA|cos(φua-φia)+|UB|cos(φub-φib)+|UC|cos(φuc-φic); (2)
式中:|UA|为A相电压相量数据的幅值,φua为A相电压相量数据的相位,φia为A相电流相量数据的相位;|UB|为B相电压相量数据的幅值,φub为B相电压相量数据的相位,φib为B相电流相量数据的相位;|UC|为C相电压相量数据的幅值,φuc为C相电压相量数据的相位,φic为C相电流相量数据的相位。
步骤二采用的模糊逻辑推理为Mandani推理,具体步骤如下:
步骤02-1:将有功功率P、电压和功率因素乘积Ucosφ、电流零序分量I0作为模糊逻辑推理的输入变量;
步骤02-2:针对上述输入变量,采用如下梯形隶属度函数:
其中,x为输入变量,(a,b,c,d)是梯形隶属度函数的取值范围,有功功率P大的隶属度函数(a,b,c,d)取值为(0.02,0.2,0.6,1);功率因素乘积Ucosφ大的隶属度函数(a,b,c,d)取值为(0.02,0.2,0.6,1);电流零序分量I0大的隶属度函数(a,b,c,d)取值为(0.1,0.4,0.6,1);有功功率P小的隶属度函数(a,b,c,d)取值为(0,0,0.01,0.04);功率因素乘积Ucosφ小的隶属度函数(a,b,c,d)取值为(0,0,0.01,0.04);电流零序分量I0小的隶属度函数(a,b,c,d)取值为(0,0,0.2,0.6);
步骤02-3:采用如下模糊规则:
IF功率波动大AND Ucosφ大AND电流零序分量小
THEN发生振荡;
IF功率波动小OR Ucosφ小OR电流零序分量大
THEN不发生振荡;
步骤02-4:在步骤02-3所述的模糊规则中,“AND”逻辑采用取最小值,“OR”逻辑采用取最大值,采用重心法解模糊逻辑。
所述步骤三包含以下步骤:
步骤03-1:使用等纹波法设计有限冲击响应数字低通滤波器,其通带截止频率3.5Hz,通带增益0.005dB,阻带增益-50dB;
步骤03-2:使用扩展Prony算法计算低频振荡的幅值、频率和阻尼比,其中Prony算法中的阶数设定为20阶,采样点数为80点,采样间隔为80ms。
与现有技术相比,本发明所达到的有益效果是:在同步相量测量装置实现低频振荡在线辨识可充分利用原始数据进行振荡分析,并且Prony算法是一种能够根据采样值直接估算出信号频率、衰减系数、幅值和初相位的分析方法,且能够避免复杂的非线性方程组求解过程,便于在嵌入式装置PMU中实现就地化的低频振荡辨识;利用有功功率、额定电压与功率因数乘积、电流零序分量使用模糊逻辑对功率振荡进行判断,并使用扩展Prony算法进行低频振荡参数在线辨识,与在广域相量测量系统WAMS主站端实现低频振荡辨识相比,本发明公布的方法辨识速度更快,精确度更高,可大大减轻WAMS主站端的软硬件开销,并为全系统电网广域监测、变电站自动化测控、稳定控制、自适应继电保护等功能提供了可靠的原始数据和数据支撑。
附图说明
图1是本发明方法的流程图。
图2是原信号与Prony拟合信号的Matlab仿真图。
具体实施方式
本发明提供的基于扩展Prony算法的低频振荡就地化在线辨识方法:首先根据同步相量测量装置计算得到的三相电压电流相量数据计算有功功率、电压和功率因数乘积Ucosφ和电流零序分量;然后使用Mandani模糊逻辑判断是否发生了低频振荡:若发生了低频振荡,则使用Prony算法进行参数辨识,计算得到低频振荡的幅值、频率、衰减因子、阻尼比,实现低频振荡就地化在线辨识,辨识速度快,精确度高。
下面结合附图对本发明作进一步描述。
如图1所示,是本发明方法的流程图。基于扩展Prony算法的低频振荡就地化在线辨识方法,包括以下步骤:
步骤一:采用同步相量测量装置计算得到三相电压电流相量数据,根据三相电压电流相量数据计算有功功率P、电压和功率因数乘积Ucosφ以及电流零序分量I0;
有功功率采用公式(1)计算得出:
P=|UA||IA|cos(φua-φia)+|UB||IB|cos(φub-φib)+|UC||IC|cos(φuc-φic); (1)
电压和功率因数乘积Ucosφ采用公式(2)计算得出:
Ucosφ=|UA|cos(φua-φia)+|UB|cos(φub-φib)+|UC|cos(φuc-φic); (2)
式中:|UA|为A相电压相量数据的幅值,|IA|为A相电流相量数据的幅值,φua为A相电压相量数据的相位,φia为A相电流相量数据的相位;|UB|为B相电压相量数据的幅值,|IB|为B相电流相量数据的幅值,φub为B相电压相量数据的相位,φib为B相电流相量数据的相位;|UC|为C相电压相量数据的幅值,|IC|为C相电流相量数据的幅值,φuc为C相电压相量数据的相位,φic为C相电流相量数据的相位。
步骤二:根据步骤一计算的有功功率P、电压和功率因数乘积Ucosφ以及电流零序分量I0,采用模糊逻辑推理区分低频振荡和短路;
本发明采用的模糊逻辑推理为Mandani推理,具体步骤如下:
步骤02-1:将有功功率P、电压和功率因素乘积Ucosφ、电流零序分量I0作为模糊逻辑推理的输入变量;
步骤02-2:采用如下梯形隶属度函数:
其中,x为输入变量,(a,b,c,d)是梯形隶属度函数的取值范围,有功功率P大的隶属度函数(a,b,c,d)取值为(0.02,0.2,0.6,1);功率因素乘积Ucosφ大的隶属度函数(a,b,c,d)取值为(0.02,0.2,0.6,1);电流零序分量I0大的隶属度函数(a,b,c,d)取值为(0.1,0.4,0.6,1);有功功率P小的隶属度函数(a,b,c,d)取值为(0,0,0.01,0.04);功率因素乘积Ucosφ小的隶属度函数(a,b,c,d)取值为(0,0,0.01,0.04);电流零序分量I0小的隶属度函数(a,b,c,d)取值为(0,0,0.2,0.6);
步骤02-3:采用如下模糊规则:
IF功率波动大AND Ucosφ大A ND电流零序分量小
THEN发生振荡;
IF功率波动小OR Ucosφ小OR电流零序分量大
THEN不发生振荡;
步骤02-4:在步骤02-3的模糊规则中,“AND”逻辑采用取最小值,“OR”逻辑采用取最大值,采用重心法解模糊逻辑。
步骤三:对步骤一计算得出的有功功率数据进行低通滤波,然后使用扩展Prony算法计算低频振荡的幅值、频率和阻尼比,实现低频振荡的就地化在线辨识。具体步骤如下:
步骤03-1:使用等纹波法设计有限冲击响应数字低通滤波器,其通带截止频率3.5Hz,通带增益0.005dB,阻带增益-50dB;
步骤03-2:使用扩展Prony算法计算低频振荡的幅值、频率和阻尼比,其中Prony算法中的阶数设定为20阶,采样点数为80点,采样间隔为80ms,所提取的振荡分量各参数如表1所示:
表1—在同步相量测量装置上计算得到的低频振荡各分量参数表:
序号 | 幅值 | 频率/Hz | 衰减因子 | 阻尼比 |
1 | 0.3288 | 0.1042 | -1.0378 | -0.8458 |
2 | 0.5005 | 1.2000 | -0.1002 | -0.0133 |
3 | 1.0946 | 0.0000 | 9.8358e-5 | 1 |
下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
仿真信号x(t)为含有-60dB高斯白噪声的直流加上衰减振荡分量,如下式所示:
X(t)=1.1+0.5e-0.1tcos(2.4πt+π/3)+0.3e-tcos(0.22πt+π/4);
在MATLAB中采用扩展Prony算法进行仿真计算,如图2所示,是原信号与Prony拟合信号的Matlab仿真图,由于噪声干扰,辨识的参数有一定误差,但是Prony算法仍然有效的提取出了振荡分量。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.基于扩展Prony算法的低频振荡就地化在线辨识方法,其特征在于:包括以下步骤:
步骤一:采用同步相量测量装置计算得到三相电压电流相量数据,根据三相电压电流相量数据计算有功功率P、电压和功率因数乘积Ucosφ以及电流零序分量I0;
步骤二:根据步骤一计算的有功功率P、电压和功率因数乘积Ucosφ以及电流零序分量I0,采用模糊逻辑推理区分低频振荡和短路;
步骤三:对步骤一计算得出的有功功率数据进行低通滤波,然后使用扩展Prony算法计算低频振荡的幅值、频率和阻尼比,实现低频振荡的就地化在线辨识。
2.根据权利要求1所述的基于扩展Prony算法的低频振荡就地化在线辨识方法,其特征在于,所述有功功率采用公式(1)计算得出:
P=|UA||IA|cos(φua-φia)+|UB||IB|cos(φub-φib)+|UC||IC|cos(φuc-φic); (1)
式中:|UA|为A相电压相量数据的幅值,|IA|为A相电流相量数据的幅值,φua为A相电压相量数据的相位,φia为A相电流相量数据的相位;|UB|为B相电压相量数据的幅值,|IB|为B相电流相量数据的幅值,φub为B相电压相量数据的相位,φib为B相电流相量数据的相位;|UC|为C相电压相量数据的幅值,|IC|为C相电流相量数据的幅值,φuc为C相电压相量数据的相位,φic为C相电流相量数据的相位。
3.根据权利要求1所述的基于扩展Prony算法的低频振荡就地化在线辨识方法,其特征在于,所述电压和功率因数乘积Ucosφ采用公式(2)计算得出:
Ucosφ=|UA|cos(φua-φia)+|UB|cos(φub-φib)+|UC|cos(φuc-φic); (2)
式中:|UA|为A相电压相量数据的幅值,φua为A相电压相量数据的相位,φia为A相电流相量数据的相位;|UB|为B相电压相量数据的幅值,φub为B相电压相量数据的相位,φib为B相电流相量数据的相位;|UC|为C相电压相量数据的幅值,φuc为C相电压相量数据的相位,φic为C相电流相量数据的相位。
4.根据权利要求1所述的基于扩展Prony算法的低频振荡就地化在线辨识方法,其特征在于,步骤二采用的模糊逻辑推理为Mandani推理,具体步骤如下:
步骤02-1:将有功功率P、电压和功率因素乘积Ucosφ、电流零序分量I0作为模糊逻辑推理的输入变量;
步骤02-2:针对上述输入变量,采用如下梯形隶属度函数:
其中,x为输入变量,(a,b,c,d)是梯形隶属度函数的取值范围,有功功率P大的隶属度函数(a,b,c,d)取值为(0.02,0.2,0.6,1);功率因素乘积Ucosφ大的隶属度函数(a,b,c,d)取值为(0.02,0.2,0.6,1);电流零序分量I0大的隶属度函数(a,b,c,d)取值为(0.1,0.4,0.6,1);有功功率P小的隶属度函数(a,b,c,d)取值为(0,0,0.01,0.04);功率因素乘积Ucosφ小的隶属度函数(a,b,c,d)取值为(0,0,0.01,0.04);电流零序分量I0小的隶属度函数(a,b,c,d)取值为(0,0,0.2,0.6);
步骤02-3:采用如下模糊规则:
IF功率波动大AND Ucosφ大AND电流零序分量I0小
THEN发生振荡;
IF功率波动小OR Ucosφ小OR电流零序分量I0大
THEN不发生振荡;
步骤02-4:在步骤02-3所述的模糊规则中,“AND”逻辑采用取最小值,“OR”逻辑采用取最大值,采用重心法解模糊逻辑。
5.根据权利要求1所述的基于扩展Prony算法的低频振荡就地化在线辨识方法,其特征在于,所述步骤三包含以下步骤:
步骤03-1:使用等纹波法设计有限冲击响应数字低通滤波器,其通带截止频率3.5Hz,通带增益0.005dB,阻带增益-50dB;
步骤03-2:使用扩展Prony算法计算低频振荡的幅值、频率和阻尼比,其中Prony算法中的阶数设定为20阶,采样点数为80点,采样间隔为80ms。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510219373.2A CN104865497B (zh) | 2015-04-30 | 2015-04-30 | 基于扩展Prony算法的低频振荡就地化在线辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510219373.2A CN104865497B (zh) | 2015-04-30 | 2015-04-30 | 基于扩展Prony算法的低频振荡就地化在线辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104865497A true CN104865497A (zh) | 2015-08-26 |
CN104865497B CN104865497B (zh) | 2017-08-29 |
Family
ID=53911465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510219373.2A Active CN104865497B (zh) | 2015-04-30 | 2015-04-30 | 基于扩展Prony算法的低频振荡就地化在线辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104865497B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676018A (zh) * | 2015-11-23 | 2016-06-15 | 江苏省电力公司 | 一种基于稳态学习机制的电网低频振荡模糊综合预警方法 |
CN105740209A (zh) * | 2016-01-28 | 2016-07-06 | 大连海事大学 | 一种Givens迭代的Prony低频振荡分析方法 |
CN106526359A (zh) * | 2016-10-21 | 2017-03-22 | 国网新疆电力公司电力科学研究院 | 基于Prony算法和病态数据分析的电网低频振荡在线检测算法 |
CN108490254A (zh) * | 2018-01-29 | 2018-09-04 | 国电南瑞科技股份有限公司 | 一种基于多算法融合的宽带多频信号测量方法 |
CN110829463A (zh) * | 2019-11-19 | 2020-02-21 | 国网湖南省电力有限公司 | 基于频率分解和相关系数法的电网弱阻尼辨识方法、系统及介质 |
CN113156200A (zh) * | 2020-12-14 | 2021-07-23 | 北京信息科技大学 | 一种电网低频振荡实时监测装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101557110A (zh) * | 2009-06-26 | 2009-10-14 | 国网电力科学研究院 | 电力系统低频振荡在线分析及辅助决策方法 |
WO2011089421A1 (en) * | 2010-01-22 | 2011-07-28 | The University Of Liverpool | Apparatus and method for measuring a phasor of an electrical power system signal |
US20130197705A1 (en) * | 2012-01-31 | 2013-08-01 | General Electric Company | Power system stabilization |
CN103248071A (zh) * | 2013-05-15 | 2013-08-14 | 国家电网公司 | 基于pmu量测数据的发电机组低频振荡监测方法 |
CN104217112A (zh) * | 2014-09-02 | 2014-12-17 | 南京工程学院 | 一种基于多类型信号的电力系统低频振荡分析方法 |
CN104504257A (zh) * | 2014-12-12 | 2015-04-08 | 国家电网公司 | 一种基于双重并行计算的在线Prony分析方法 |
-
2015
- 2015-04-30 CN CN201510219373.2A patent/CN104865497B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101557110A (zh) * | 2009-06-26 | 2009-10-14 | 国网电力科学研究院 | 电力系统低频振荡在线分析及辅助决策方法 |
WO2011089421A1 (en) * | 2010-01-22 | 2011-07-28 | The University Of Liverpool | Apparatus and method for measuring a phasor of an electrical power system signal |
US20130197705A1 (en) * | 2012-01-31 | 2013-08-01 | General Electric Company | Power system stabilization |
CN103248071A (zh) * | 2013-05-15 | 2013-08-14 | 国家电网公司 | 基于pmu量测数据的发电机组低频振荡监测方法 |
CN104217112A (zh) * | 2014-09-02 | 2014-12-17 | 南京工程学院 | 一种基于多类型信号的电力系统低频振荡分析方法 |
CN104504257A (zh) * | 2014-12-12 | 2015-04-08 | 国家电网公司 | 一种基于双重并行计算的在线Prony分析方法 |
Non-Patent Citations (4)
Title |
---|
张亮: "电力系统在振荡情况下基于Prony算法的故障识别", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
李丽: "《电工与电子技术》", 31 March 2007 * |
焦邵华等: "用模糊集合理论识别电力系统振荡中的短路的研究", 《中国电机工程学报》 * |
郁惟镛等: "基于模糊集合理论的电力系统振荡与短路的识别", 《继电器》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105676018A (zh) * | 2015-11-23 | 2016-06-15 | 江苏省电力公司 | 一种基于稳态学习机制的电网低频振荡模糊综合预警方法 |
CN105676018B (zh) * | 2015-11-23 | 2018-07-31 | 江苏省电力公司 | 一种基于稳态学习机制的电网低频振荡模糊综合预警方法 |
CN105740209A (zh) * | 2016-01-28 | 2016-07-06 | 大连海事大学 | 一种Givens迭代的Prony低频振荡分析方法 |
CN105740209B (zh) * | 2016-01-28 | 2018-06-29 | 大连海事大学 | 一种Givens迭代的Prony低频振荡分析方法 |
CN106526359A (zh) * | 2016-10-21 | 2017-03-22 | 国网新疆电力公司电力科学研究院 | 基于Prony算法和病态数据分析的电网低频振荡在线检测算法 |
CN106526359B (zh) * | 2016-10-21 | 2019-08-06 | 国网新疆电力有限公司电力科学研究院 | 基于Prony算法和病态数据分析的电网低频振荡检测方法 |
CN108490254A (zh) * | 2018-01-29 | 2018-09-04 | 国电南瑞科技股份有限公司 | 一种基于多算法融合的宽带多频信号测量方法 |
CN110829463A (zh) * | 2019-11-19 | 2020-02-21 | 国网湖南省电力有限公司 | 基于频率分解和相关系数法的电网弱阻尼辨识方法、系统及介质 |
CN113156200A (zh) * | 2020-12-14 | 2021-07-23 | 北京信息科技大学 | 一种电网低频振荡实时监测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104865497B (zh) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104865497A (zh) | 基于扩展Prony算法的低频振荡就地化在线辨识方法 | |
CN106841778B (zh) | 基于pmu实现的次同步和超同步谐波参数的处理方法 | |
CN104865474B (zh) | 一种基于pmu数据实时监测低频振荡源的方法 | |
CN103401238B (zh) | 一种基于总体测辨法的电力负荷建模方法 | |
CN102545245B (zh) | 基于端口供给能量的电力系统振荡源定位方法 | |
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 | |
CN103872678A (zh) | 一种基于变电站量测的负荷模型辨识方法 | |
CN105226679A (zh) | 一种在线动态抑制电网低频振荡和次同步振荡的控制方法 | |
CN106645974A (zh) | 用于确定风机与电网谐振的方法及系统 | |
CN106300345A (zh) | 基于改进Prony算法的低频振荡参数辨识方法 | |
CN113156337B (zh) | 用于vienna整流器单管开路故障在线辨识方法、装置及存储介质 | |
CN103094901A (zh) | 一种基于实测响应信息的暂态功角失稳实时判别的方法 | |
CN105738772A (zh) | 基于功率及频率波动相位的强迫扰动源定位方法 | |
CN104316768A (zh) | 一种三相不平衡扰动源定位的负序阻抗参数估算方法 | |
CN110927442A (zh) | 一种基于边缘计算的多模态振荡在线监测预警系统 | |
CN104362628A (zh) | 一种避免大型风电场谐振的控制方法及其装置 | |
CN103927597A (zh) | 基于自回归滑动平均模型的风电功率超短期预测方法 | |
CN103207312B (zh) | 基于动态数据窗的电压电流相量测量方法 | |
CN104092201B (zh) | 远距离特高压交流输电线路故障判别方法 | |
CN103762566B (zh) | 利用双曲正切函数幅值特性实现线路相间故障继电保护方法 | |
CN104659767A (zh) | 一种利用序列重叠差分的三角形环网线路单元保护方法 | |
CN103178521B (zh) | 基于scada历史数据搜索分析电力系统功率振荡扰动源的方法 | |
CN106501666A (zh) | 一种考虑稳态点时变的低频振荡扰动源定位方法 | |
CN103163427A (zh) | 利用沿线电压降实部分布特性实现线路单相接地故障单端测距方法 | |
CN103178519B (zh) | 基于scada数据实时定位电力系统功率振荡扰动源的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |