CN105429157B - 一种基于Prony分析的智能振荡模式识别方法 - Google Patents
一种基于Prony分析的智能振荡模式识别方法 Download PDFInfo
- Publication number
- CN105429157B CN105429157B CN201510916169.6A CN201510916169A CN105429157B CN 105429157 B CN105429157 B CN 105429157B CN 201510916169 A CN201510916169 A CN 201510916169A CN 105429157 B CN105429157 B CN 105429157B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- prony
- oscillation mode
- pattern
- 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
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种基于Prony分析的智能振荡模式识别方法,包括以下步骤:步骤S10,选择需要识别振荡模式的参量曲线,对其进行Prony分析;步骤S20,根据Prony拟合误差,计算振荡模式识别浮动阈值;步骤S30,在Prony分析结果中搜索满足一定频率与阻尼比范围且幅值最大的模式作为第1主振模式;步骤S40,将Prony结果中幅值小于第1主振模式幅值K2倍的振荡模式滤除,在剩余振荡模式中,以试错方式逐一删除各个模式;步骤S50,提取一定频率与阻尼比范围内的主要振荡模式并识别结果。本发明保留了主要振荡模式,实现了振荡模式的智能识别,具有思路清晰,通用性较好,适合推广使用的优点。
Description
技术领域
本发明属于电力系统分析计算领域,尤其涉及电力系统阻尼分析中振荡模式识别技术领域。
背景技术
根据性质的不同,电力系统稳定性可分为功角稳定、电压稳定和频率稳定三类。电力系统功角稳定还可以进一步分为以下三类:静态稳定、暂态稳定和动态稳定,分别定义为:
(1)电力系统静态稳定是指电力系统受到小干扰后,不发生非周期性的失步,自动恢复到起始运行状态的能力。
(2)电力系统暂态稳定指的是电力系统受到大干扰后,各发电机保持同步运行并过渡到新的或恢复到原来稳定运行状态的能力。
(3)电力系统动态稳定是指系统受到干扰后,不发生振幅不断增大的振荡而失步。
对于电力系统动态稳定分析,需要计算相关参量的阻尼比。阻尼比大于0,则因干扰出现振荡的振幅是衰减的,经过一定时间后振荡将平息,电力系统可恢复到稳定运行状态;阻尼比小于0,则因干扰出现振荡的振幅是增加的,经过一定时间后增幅振荡将造成电力系统功角失稳,电力系统将瓦解;阻尼比等于0,则因干扰出现振荡的振幅是不变的,电力系统无法恢复稳定。
在电力系统稳定运行情况下,各同步发电机转子相对“静止”,当出现干扰后,各同步发电机转子之间将出现“振荡”。每个发电机转子间的这种“振荡”是不同的,对于N台发电机的系统,将有N-1个“振荡”的模式。实际电力系统中有万千上万的发电机,对应众多的振荡模式,在干扰情况下,这些振荡模式将在电力系统功率、电压、频率、功角等相关参量中有所体现。对于某一具体参量,在干扰下往往与数个振荡模式强相关而与其它振荡模式相关性较小,即某一参量的变化可以由数个振荡的叠加近似表示。对于电力系统稳定分析来说,需要在所关心的参量中找出前面所述的数个强相关振荡模式(或称为主要振荡模式,简称为主振模式),根据其阻尼比,判断电力系统的稳定性。
目前主要使用Prony分析计算所关注参量的振荡模式,但要得出哪些模式是主要振荡模式则往往靠人工方法判断,存在识别速度慢、识别结果受人为因素影响大的缺点。本专利将基于Prony分析,提出一种智能化的振荡模式识别方法,可解决上述人工判断的不足。
发明内容
综上所述,确有必要提供一种智能化的振荡模式识别方法,提高振荡模式识别的速度与准确度。
一种智能化的振荡模式识别方法,主要包括以下步骤:步骤S10,选择需要识别振荡模式的参量曲线,计为X={Xi,i=1,2,3……N},对其进行Prony分析,得到M个振荡模式,并将各振荡模式以幅值从大到小排序;步骤S20,将Prony拟合误差曲线平均分为三段,根据三段误差曲线能量,计算振荡模式识别浮动阈值,用于主要振荡模式的判断;步骤S30,在Prony分析结果中搜索满足一定频率与阻尼比范围且幅值最大的模式作为第1主振模式;步骤S40,其它主振模式识别。将Prony结果中幅值小于第1主振模式幅值K2倍的振荡模式滤除。在剩余振荡模式中,以试错方式逐一删除各个模式,并计算删除振荡模式后的Prony拟合误差,若误差超过浮动阈值Th则恢复该模式,若误差未超过浮动阈值Th则该模式不是主要振荡模式,保持删除状态。保留下来的振荡模式均为主要振荡模式。步骤S50,提取一定频率与阻尼比范围内的主要振荡模式,根据需要,以一定顺序、规则输出主要振荡模式。
本发明将Prony拟合误差曲线平均分为三段,采用根据三段误差曲线能量确定浮动阈值的技术。
本发明在滤除非主要振荡模式中采用了“试错”技术,逐一删除各个模式,删除后重新计算Prony拟合误差,若误差超过浮动阈值则该模式保留,否则删除该模式。
本发明的有益效果是,通过采用一定算法对Prony分析结果进行处理,滤除非主要振荡模式,保留主要振荡模式,实现了振荡模式的智能识别,且该振荡模式识别方法具有普遍适用性。本发明具有思路清晰,通用性较好,适合推广使用的优点。
附图说明
图1为本发明提供的一种智能化的振荡模式识别方法流程图;
图2为本发明提供的其它主振模式识别流程图;
图3为本发明提供的某发电机功角变化曲线波形图;
图4为本发明提供的Prony分析结果图;
图5为本发明提供的智能振荡模式识别结果图。
具体实施方式
下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。
请参阅图1,图1为本发明提供的一种精细化电网风险评估方法流程图,主要包括如下步骤:
步骤S10,选择需要识别振荡模式的曲线,计为X={Xi,i=1,2,3……N},对其进行Prony分析,得到M个振荡模式,每个振荡模式包含其幅值Ai、频率fi、相位θi、衰减系数αi以及阻尼比Di(下标i=1,2,3……M);并将各振荡模式以幅值从大到小排序;
步骤S20,计算振荡模式识别浮动阈值,用于主要振荡模式的判断。Prony本质上一种曲线拟合,拟合会存在一定误差,浮动阈值将根据Prony拟合误差进行调整;
浮动阈值计算如下:
(1)根据Prony分析结果计算Prony拟合曲线
式1中Ts为X参量的采样周期;
(2)计算Prony拟合误差
(3)将等分为三段分别计算其能量:
式3-式5中fix(x)表示对x取整;
计算得到振荡模式识别阈值Th为:
Th=max(EErr1,EErr2,EErr3)*K1 (6)
式6中K1为可设定且大于1的系数;
步骤S30,计算第1主振模式,设定关注的频率上下限fup、fdown,设定关注的阻尼比上限Dup。在Prony分析结果中,搜索满足fup≥fi≥fdown且Dup≥Di、振荡模式中幅值最大的模式为第1主振荡模式。
步骤S40,其它主振模式识别。令第1振荡模式幅值为Am,1,将Prony结果中幅值小于K2Am,1的振荡模式滤除(K2为一小于1的系数)。在剩余振荡模式中,以试错方式逐一删除各个模式,并计算删除振荡模式后的Prony拟合误差,若误差超过浮动阈值Th则恢复该模式,若误差未超过浮动阈值Th则该模式不是主要振荡模式,保持删除状态。保留下来的振荡模式均为主要振荡模式。在Prony拟合误差检测中将曲线分为三段,可分别检测曲线前段、中段、后段的拟合精度,防止曲线总体拟合较好但局部误差较大的情况出现。本步骤流程请参阅图2。
步骤S50,输出主要振荡模式识别结果。在步骤S40保留下来的主要振荡模式中,提取振荡频率在fdown~fup范围内、阻尼比小于Dup的振荡模式,根据需要,以按幅值排序、阻尼比排序等方式输出一定数量的主要振荡模式。
本发明将Prony拟合误差曲线平均分为三段,采用根据三段误差曲线能量确定浮动阈值的技术。
本发明在滤除非主要振荡模式中采用了“试错”技术,逐一删除各个模式,删除后重新计算Prony拟合误差,若误差超过浮动阈值则该模式保留,否则删除该模式。
实施例一
本发明所述的智能振荡模式识别方法基于某电网故障仿真数据进行分析计算,具体步骤如下:
(1)在故障仿真数据中选择某发电机功角变化曲线,曲线波形请参见图3,对所选曲线进Prony分析,得到图4所示Prony分析结果。
(2)计算振荡模式识别浮动阈值。曲线前、中、后三段的拟合误差分别为2.835e-4、2.187e-5、9.277e-5,系K1取2,则振荡模式识别阈值Th=5.67e-4。
(3)频率上限fup取2.5Hz、频率下限fdown取0.1Hz、阻尼比上限Dup取15%。则可得出Prony分析结果中第2个振荡模式为第1主要振荡模式。
(4)K2取0.005,在Prony结果中,去除幅值小于0.005*18.21=0.091的振荡模式。在图4中,第8个及以后的振荡模式将被滤除。
(5)以试错方式逐一删除各个模式,经计算,Prony结果中第6与第7个振荡模式将被删除。
(6)根据频率上下限、阻尼比上限,在Prony结果第1~5振荡模式(其它模式已被滤除)中提取输出结果。第2个与第5个振荡模式符合要求,按阻尼比从大到小输出,结果参见图5。
从上述计算过程可知,本发明提供的一种基于Prony分析的智能振荡模式识别方法,可以从Prony结果中识别出主要振荡模式,为电力系统稳定分析提供基础。
另外,本领域技术人员还可在本发明精神内作其它变化,当然这些依据本发明精神所作的变化,都应包含在本发明所要求保护的范围内。
Claims (1)
1.一种基于Prony分析的智能振荡模式识别方法,其特征在于,包括以下步骤:
步骤S10,选择需要识别振荡模式的参量曲线,计为X={Xi,i=1,2,3……N},对其进行Prony分析,得到M个振荡模式,每个振荡模式包含其幅值Ai、频率fi、相位θi、衰减系数αi以及阻尼比Di,其中i=1,2,3……M;并将各振荡模式以幅值从大到小排序;
步骤S20,根据Prony拟合误差,计算振荡模式识别浮动阈值,用于是否主要振荡模式的判断;
所述浮动阈值计算如下:
(1)根据Prony分析结果计算Prony拟合曲线
<mrow>
<msub>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mi>k</mi>
</msub>
<msub>
<mi>iT</mi>
<mi>s</mi>
</msub>
</mrow>
</msup>
<msub>
<mi>A</mi>
<mi>k</mi>
</msub>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mi>k</mi>
</msub>
<msub>
<mi>iT</mi>
<mi>s</mi>
</msub>
<mo>+</mo>
<msub>
<mi>&theta;</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式1中Ts为X参量的采样周期;
(2)计算Prony拟合误差
<mrow>
<msub>
<mi>X</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
(3)将XErr等分为三段分别计算其能量:
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mi>N</mi>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mi>N</mi>
<mn>3</mn>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
</munderover>
<mo>|</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>N</mi>
<mo>/</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>/</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>/</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>N</mi>
<mo>/</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
</munderover>
<mo>|</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
</mrow>
<mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mn>3</mn>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>N</mi>
<mo>/</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>f</mi>
<mi>i</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>N</mi>
<mo>/</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>X</mi>
<mrow>
<mi>E</mi>
<mi>r</mi>
<mi>r</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式3-式5中fix(x)表示对x取整;
计算得到振荡模式识别阈值Th为:
Th=max(EErr1,EErr2,EErr3)*K1 (6)
式6中K1为可设定且大于1的系数;
步骤S30,在Prony分析结果中搜索满足一定频率与阻尼比范围且幅值最大的模式作为第1主振模式;
步骤S40,将Prony结果中幅值小于第1主振模式幅值K2倍的振荡模式滤除,在剩余振荡模式中,以试错方式逐一删除各个模式,若删除该模式后Prony拟合误差超过浮动阈值则该模式保留,否则删除该模式,保留下来的振荡模式均为主要振荡模式;
步骤S50,提取一定频率与阻尼比范围内的主要振荡模式,根据需要,以一定顺序、规则输出识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510916169.6A CN105429157B (zh) | 2015-12-10 | 2015-12-10 | 一种基于Prony分析的智能振荡模式识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510916169.6A CN105429157B (zh) | 2015-12-10 | 2015-12-10 | 一种基于Prony分析的智能振荡模式识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105429157A CN105429157A (zh) | 2016-03-23 |
CN105429157B true CN105429157B (zh) | 2018-01-09 |
Family
ID=55507174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510916169.6A Active CN105429157B (zh) | 2015-12-10 | 2015-12-10 | 一种基于Prony分析的智能振荡模式识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105429157B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110672919B (zh) * | 2019-09-04 | 2022-05-17 | 云南电网有限责任公司 | 一种电力系统频率振荡量化评估方法、装置及存储介质 |
CN112531692B (zh) * | 2020-11-26 | 2022-12-23 | 云南电网有限责任公司 | 一种电力系统动态稳定识别方法 |
CN113158785B (zh) * | 2021-03-11 | 2022-11-15 | 复旦大学 | 一种振荡信号模态参数的识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408567A (zh) * | 2008-11-28 | 2009-04-15 | 北京四方继保自动化股份有限公司 | 基于经验模态分解的大规模电网低频振荡分频段检测法 |
CN101447676A (zh) * | 2008-12-01 | 2009-06-03 | 中国电力科学研究院 | 一种电力系统低频振荡分析方法 |
CN103746372A (zh) * | 2014-01-07 | 2014-04-23 | 南京南瑞集团公司 | 电网振荡模式类型及关联调度区域的在线自动识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035211B (zh) * | 2010-10-26 | 2012-07-04 | 国家电网公司 | 一种抑制电力系统低频振荡的方法、装置和系统 |
-
2015
- 2015-12-10 CN CN201510916169.6A patent/CN105429157B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408567A (zh) * | 2008-11-28 | 2009-04-15 | 北京四方继保自动化股份有限公司 | 基于经验模态分解的大规模电网低频振荡分频段检测法 |
CN101447676A (zh) * | 2008-12-01 | 2009-06-03 | 中国电力科学研究院 | 一种电力系统低频振荡分析方法 |
CN103746372A (zh) * | 2014-01-07 | 2014-04-23 | 南京南瑞集团公司 | 电网振荡模式类型及关联调度区域的在线自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105429157A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gargoom et al. | Automatic classification and characterization of power quality events | |
Kia et al. | Diagnosis of broken-bar fault in induction machines using discrete wavelet transform without slip estimation | |
CN103208808B (zh) | 一种电力系统次同步振荡模态辨识方法 | |
CN105429157B (zh) | 一种基于Prony分析的智能振荡模式识别方法 | |
CN104155580B (zh) | 一种关联分析与电力计算相结合的电压暂降源定位方法 | |
Chiang et al. | Homotopy-enhanced power flow methods for general distribution networks with distributed generators | |
CN103886209A (zh) | 基于马尔科夫的跳变电力系统时滞稳定性分析系统及方法 | |
CN103198184A (zh) | 一种电力系统低频振荡特征类噪声辨识方法 | |
Ma et al. | Application of multisynchrosqueezing transform for subsynchronous oscillation detection using PMU data | |
CN106487026B (zh) | 一种基于广域测量信息的同调机群快速识别方法 | |
CN104698325B (zh) | 一种电力系统负阻尼机理低频振荡和强迫振荡的判别方法 | |
Yang et al. | A hybrid method for the estimation of power system low-frequency oscillation parameters | |
CN111709350A (zh) | 基于fcm聚类的低频振荡模态参数识别方法及系统 | |
CN104897180A (zh) | 用于桥梁监测信号的预处理方法 | |
Xu et al. | Real-time damping estimation on nonlinear electromechanical oscillation | |
CN106405237A (zh) | 一种应用于多通道电力系统信号中的低频振荡模式识别的分析方法 | |
CN114113792A (zh) | 一种基于三阶段插值的电网阻抗快速准确测量方法 | |
CN103913632A (zh) | 一种基于振荡分量功率方向的低频同步振荡源识别方法 | |
CN110098610B (zh) | 故障扰动下电力系统振荡主导模式的实时辨识方法及系统 | |
CN106208052B (zh) | 一种基于暂态电压稳定极限测试的电网暂态电压稳定薄弱点辨识方法 | |
CN110336279B (zh) | 基于并网变换器的电力系统振荡自适应抑制方法、系统及介质 | |
CN108539716B (zh) | 一种基于暂态量的保护启动方法和装置 | |
CN113794198B (zh) | 抑制宽频振荡的方法、装置、终端及存储介质 | |
CN103746372B (zh) | 电网振荡模式类型及关联调度区域的在线自动识别方法 | |
CN105223403A (zh) | 一种并网逆变器网侧谐振电流信息的小波包提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |