CN105576651B - 一种中小水电机群混合并行动态等值法 - Google Patents
一种中小水电机群混合并行动态等值法 Download PDFInfo
- Publication number
- CN105576651B CN105576651B CN201511020896.0A CN201511020896A CN105576651B CN 105576651 B CN105576651 B CN 105576651B CN 201511020896 A CN201511020896 A CN 201511020896A CN 105576651 B CN105576651 B CN 105576651B
- Authority
- CN
- China
- Prior art keywords
- equivalent
- generator
- duty value
- power
- boundary
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 17
- 239000002245 particle Substances 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 230000001427 coherent effect Effects 0.000 claims abstract description 6
- 238000004088 simulation Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 230000010355 oscillation Effects 0.000 claims description 6
- 101150036841 minJ gene Proteins 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 6
- 239000000243 solution Substances 0.000 description 13
- 230000001052 transient effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004804 winding Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种针对中小水电机群动态等值方法,涉及电力系统中的水力发电机群建模与分析领域。该方法包括同调等值步骤和辨识等值步骤,同调等值步骤通过同调识别获得同调机群,通过网络化简获得网络结构、母线、等值负荷和联络线参数,辨识等值步骤采用虚拟负荷辨识技术实现边界潮流匹配,通过并行粒子群优化算法辨识等值发电机模型参数。混合等值与并行优化技术的引入,有效提高了中小水电机群的等值精度和效率。该方法获得的等值模型能满足水电能源系统仿真、电力系统分析和调度运行计算的精细化建模要求。
Description
技术领域
本发明属于电力系统中的水力发电机群建模与分析领域,具体涉及一种电力系统中小水电机群动态等值方法。
背景技术
随着我国能源结构的调整和水电能源的大力开发,中小水电机群接入电网的规模日益增大,接入方式日趋复杂,电网结构发生了显著的变化,中小水电机群对电网的安全和稳定产生的影响越来越大。因此,在电力系统分析中需综合考虑中小水电机群的影响才能更加准确地反映电力系统的动态响应过程。由于中小水电机群具有单机容量小、数量多的特点,在电力系统分析中对每台中小水电机组单独建模,不仅存在计算分析时间长和“维数灾”的问题,而且难以获取机群全部机组参数数据,使得在保证一定精度的前提下对中小水电机群进行等值成为当前电力系统分析的一项重要工作。
电力系统等值方法可以分为三类:模态等值法、同调等值法和辨识等值法。三类方法各有优缺点,能适应解决不同的等值问题,其中同调等值法和辨识等值法的应用相对广泛。同调等值法具有较严格的数学推导,且计算效率高。其不足在于:聚合时模型线性化会产生一定误差;需要获得待等值发电机群所有机组参数,而大规模机群等值时初始数据获取困难。辨识等值法多采用随机优化机制,通过采集系统扰动数据,搜索等值模型最优参数使得等值前后边界数据偏差最小。辨识等值法能较好克服同调等值法的不足,然而也存在解空间复杂、求解效率低以及模型参数维数高引起的辨识精度低等问题。
专利《一种具有泛化能力的水电集群动态等值方法》提出了一种具有一定泛化能力的辨识等值法,由于等值发电机模型过于简化,不能很好地反映水电机组的凸极暂态效应,专利《基于小生境免疫算法的电力系统等值方法》虽然采用了能够表征水电机组凸极效应的五阶发电机模型,并提出了一种改进小生境的辨识算法,取得了良好的等值效果,但又忽略了等值负荷模型,专利《一种中小型水力发电机组的机群等值建模方法》建立了一种中小水电机群精细化建模方法,并采用粒子群算法辨识虚拟负荷参数,使得边界节点的注入功率偏差最小,以满足等值前后系统潮流一致的要求,但该等值方法在辨识过程中需要对研究系统内部进行仿真,采用并行辨识技术不能有效解决辨识效率的问题。
发明内容
本发明提供了一种中小水电机群混合并行动态等值法,该方法包括同调等值步骤和辨识等值步骤,同调等值步骤通过同调识别获得同调机群,通过网络化简获得网络结构、母线、等值负荷和联络线参数,辨识等值步骤采用虚拟负荷辨识技术实现边界潮流匹配,通过并行粒子群优化算法辨识等值发电机模型参数。混合等值与并行优化技术的引入,能准确辨识等值发电机模型参数,有效提高了中小水电机群的等值精度和效率。
为了达到上述目的,本发明采用如下技术方案。
1、一种中小水电机群的混合并行动态等值法,该方法包含同调等值步骤和辨识等值步骤,同调等值步骤通过同调识别获得同调机群,通过网络化简获得网络结构、母线、等值负荷和联络线参数,辨识等值步骤通过并行粒子群优化算法辨识等值发电机及其等值负荷模型参数,并采用虚拟负荷辨识技术修正等值系统边界潮流,使得等值前后边界潮流一致,具体步骤如下:
(1)将电网中需要关注的部分称为研究系统,将需要等值的部分称为外部系统;
(2)采用慢同调法确定外部系统等值发电机及其等值负荷台数;
(3)保留外部系统的边界节点及等值节点,消去其他中间节点,采用径向等值不变性获得等值网络阻抗;
(4)采用并行粒子群算法辨识等值发电机及其等值负荷模型参数,步骤如下:
(4-1)在相同扰动下,分别测量研究系统边界联络线实测功率、电压和频率响应数据;
(4-2)根据步骤(2)获得的等值发电机及其等值负荷台数,并行粒子群算法的主线程给每台等值发电机及等值负荷分配一个子线程,各子线程用于辨识等值发电机及其等值负荷模型参数;
(4-3)启动子线程,初始化等值发电机及其等值负荷和并行粒子群算法参数,并行粒子群算法中每个粒子的位置代表一组等值发电机及其等值负荷模型参数;
(4-4)将步骤(4-1)测得的电压和频率代入龙格库塔法计算边界联络线输出功率,获得边界联络线输出功率的仿真值;
(4-5)以边界联络线输出功率的仿真值与实测值的偏差最小构建目标函数minJ
式中:P(t)为原系统边界联络线实测有功功率,为等值系统边界联络线有功功率的仿真值,Q(t)为原系统边界联络线实测无功功率,为等值系统边界联络线无功功率的仿真值;Azzp为主振模式幅值差,Aczzp为次主振模式幅值差,Afe为第一摆幅值总偏差,Ale为最后一摆幅值总偏差,ω1,ω2,ω3,ω4,ω5为响应参数权重,为功率总偏差;
(4-6)将研究系统边界联络线功率实测值与边界联络线功率仿真值代入目标函数,计算目标函数适应度;
(4-7)依据粒子群的进化规则,子线程更新并行粒子群算法中粒子的速度和位置,修改等值发电机及其等值负荷模型参数,获得等值发电机及其等值负荷模型参数当前最优解;
(4-8)重复(4-6)、(4-7),直至达到并行粒子群算法的最大迭代次数,子线程提交最优粒子位置给主线程,并停止搜索,主线程获得每一个等值发电机及其等值负荷模型的最优解,该最优解即为等值发电机及其等值负荷模型参数;
(5)加入边界节点虚拟负荷,采用粒子群算法辨识边界节点虚拟负荷参数,使得等值系统与原系统的边界潮流偏差最小,即等值前后边界潮流一致。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下优点和有益效果:
1、为了克服同调等值法和辨识等值法的不足,本发明提出了一种中小水电机群混合并行动态等值法,能有效提高等值的精度和效率。传统辨识等值法通常对等值负荷和发电机模型参数进行整体辨识,存在辨识参数维数高、解空间复杂的问题,导致辨识精度低。本发明提出的混合并行动态等值法,包括同调等值和辨识等值两个阶段。首先采用同调等值法获得外部系统网络结构和母线、联络线参数,计算出等值负荷模型参数;在同调等值法计算结果基础上,再进一步进行辨识等值,并通过提出的并行优化技术动态辨识等值发电机模型参数。本发明通过分段等值分别获得等值负荷模型参数和等值发电机模型参数,较传统辨识等值法有效降低了辨识等值的解空间维数,显著提高了等值精度,克服了辨识等值的多解问题。
2、本发明在同调等值阶段只进行同调识别和网络化简,不通过参数聚合获得等值发电机模型参数,故本发明提出的等值技术不需要将外部系统中全部发电机的参数作为初始数据,避免了传统同调等值法发电机参数难以获取和聚合复杂的问题。
3、本发明提出的混合并行等值法在辨识阶段不需要对研究系统进行仿真,以及并行计算技术的引入,有效地提高了辨识效率。
附图说明
图1为等值模型结构图。
图2为基于并行粒子群算法的等值机辨识流程图。
图3为基于粒子群算法的虚拟负荷辨识流程图。
图4为10机39节点系统网络结构图。
图5为等值系统结构图。
图6研究系统内部G9发电机有功功率响应曲线。
图7研究系统内部G9发电机无功功率响应曲线。
图8研究系统内部38#母线电压幅值响应曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明作进一步的说明。
实施例一
1、一种中小水电机群的混合并行动态等值法,该方法包含同调等值步骤和辨识等值步骤,同调等值步骤通过同调识别获得同调机群,通过网络化简获得网络结构、母线、等值负荷和联络线参数,辨识等值步骤通过并行粒子群优化算法辨识等值发电机及其等值负荷模型参数,并采用虚拟负荷辨识技术修正等值系统边界潮流,使得等值前后边界潮流一致,具体步骤如下:
(1)将电网中需要关注的部分称为研究系统,将需要等值的部分称为外部系统;
用图1所示的等效模型结构来描述外部系统,其由四个部分组成:等值发电机、等值负荷、虚拟负荷和网络等值阻抗。确定等值发电机和等值负荷的模型与参数是电力系统等值研究与应用的目标。
等值发电机采用五阶实用模型。由于中小水电机组多采用凸极同步发电机,因此本发明的等值发电机采用忽略定子电磁暂态、但计及转子阻尼绕组作用的五阶实用模型,即考虑f绕组、D绕组、Q绕组的电磁暂态以及转子运动的机电暂态。发电机五阶实用模型描述为:
式中:ud、uq分别为定子d、q轴电压;id、iq分别为定子d轴、q轴电流;ra为定子相电阻;Xd、Xq分别为定子d、q轴同步电抗;X″d、X″q分别为d轴、q轴次暂态电抗;Ed"、Eq"分别为定子d、q轴超瞬变电抗;Ef为定子励磁电动势;δ为E'q与系统公共参考轴的夹角;D为转子阻尼系数;ω为发电机转子角速度;Tj为发电机转子惯性时间常数;T"d0为d轴开路次暂态电抗;T"q0为q轴开路次暂态电抗;Pm为机械功率;Pe为电磁功率。
功率方程如式(3-2)所示。
式中,δ'=δ-θ,为母线电压相角;ωf=dθ/dt为水电机群与主网连接母线的频率。
等值负荷模型采用幂函数负荷模型,其数学表达式如式(3-3):
式中,Ps0、Qs0、V0分别表示系统在稳态运行时的负荷功率和节点电压,pv、qv分别为有功、无功的电压特性指数。
联络线功率方程为
式中,Pl、Ql分别为联络线功率。
上面推导的发电机模型和输出功率方程构成所研究的中小水电机群的等值。待辨识参数为[Xd,X'd,X″d,Xq,X″q,Td0',T″d0,T″q0,Tj,D,Kv,Ps0,Qs0,pv,qv],其输入量为[V,ωf,Pl,Ql],输出量为[Pl,Ql],
(2)采用慢同调法确定外部系统等值发电机及其等值负荷台数;
(3)保留外部系统的边界节点及等值节点,消去其他中间节点,采用径向等值不变性获得等值网络阻抗;
(4)采用并行粒子群算法辨识等值发电机及其等值负荷模型参数,流程如图2所示,具体步骤如下:
(4-1)在相同扰动下,分别测量研究系统边界联络线实测功率、电压和频率响应数据;
(4-2)根据步骤(2)获得的等值发电机及其等值负荷台数,并行粒子群算法的主线程给每台等值发电机及等值负荷分配一个子线程,各子线程用于辨识等值发电机及其等值负荷模型参数;
(4-3)启动子线程,初始化等值发电机及其等值负荷和并行粒子群算法参数,并行粒子群算法中每个粒子的位置代表一组等值发电机及其等值负荷模型参数;
(4-4)将步骤(4-1)测得的电压和频率代入龙格库塔法计算边界联络线输出功率,获得边界联络线输出功率的仿真值;
(4-5)以边界联络线输出功率的仿真值与实测值的偏差最小构建目标函数minJ
式中:P(t)为原系统边界联络线实测有功功率,P)(t)为等值系统边界联络线有功功率的仿真值,Q(t)为原系统边界联络线实测无功功率,Q)(t)为等值系统边界联络线无功功率的仿真值;Azzp为主振模式幅值差,Aczzp为次主振模式幅值差,Afe为第一摆幅值总偏差,Ale为最后一摆幅值总偏差,ω1,ω2,ω3,ω4,ω5为响应参数权重,为功率总偏差;
(4-6)将研究系统边界联络线功率实测值与边界联络线功率仿真值代入目标函数,计算目标函数适应度;
(4-7)依据粒子群的进化规则,子线程更新并行粒子群算法中粒子的速度和位置,修改等值发电机及其等值负荷模型参数,获得等值发电机及其等值负荷模型参数当前最优解;
(4-8)重复(4-6)、(4-7),直至达到并行粒子群算法的最大迭代次数,子线程提交最优粒子位置给主线程,并停止搜索,主线程获得每一个等值发电机及其等值负荷模型的最优解,该最优解即为等值发电机及其等值负荷模型参数;
(5)加入边界节点虚拟负荷,采用粒子群算法辨识边界节点虚拟负荷参数,使得等值系统与原系统的边界潮流偏差最小,即等值前后边界潮流一致,具体流程如图3所示。
实施例二
以IEEE10机39节点系统为实施例,其网络结构如图4所示。具体步骤如下:
步骤1:令图中的虚线区域为外部系统,其余部分为研究系统;
步骤2:基于慢同调方法对同调机组进行判别,其分区矩阵如表1所示,G4、G5、G6、G7化为同调机组,按照图1所示等值结构进行等效模型描述,可得等值后系统如图5所示;
表1基于慢同调理论的IEEE10M39B同调机群分区表
5 | |
4 | 1 |
6 | 1 |
7 | 1 |
步骤3:保留外部系统的边界节点及等值节点,消去其他中间节点,得到等值网络,然后用REI静态等值法进行网络化简,获得网络等值阻抗Req;等值负荷模型参数如表2所示:
表2等值负荷模型参数表
参数 | 辨识值(MW) |
Ps0 | 1.509 |
Qs0 | 0.2104 |
等值发电机代表的所有同调机组潮流参数合并。将同调发电机G4、G5、G6、G7的有功、无功、单机容量相加,对应赋值给等值发电机,等值发电机电压给定值由REI静态网络化简得到。
步骤4:根据流程图2,采用并行粒子群算法对等值发电机Geq进行参数辨识。该过程所用到的具体数据获取方式、参数设置及计算环境如下:
①暂态数据获取:在25#母线上施加三相短路接地故障,0.005s时在25母线上施加三相短路接地故障,仿真步长为0.001s,故障持续时间设置为0.08s,仿真总时长为1.0s。测取联络线母线16功率的暂态响应数据。
②粒子群算法参数设置:最大迭代次数为100次,粒子个数为32。
④待辨识量:等值发电机五阶实用模型电磁参数如下:
[Xd,X'd,X″d,Xq,X″q,Td0',T″d0,T″q0,Tj,D,Kv,Ps0,Qs0,pv,qv]
辨识结果如表3所示。
表3 IEEE10机39节点Geq辨识结果
步骤5:加入边界节点虚拟负荷,通过基于粒子群算法辨识的方法,寻找边界节点15、16上等值负荷模型的最优功率参数,辨识目标为外部系统等值前后边界节点的功率偏差最小,具体流程如图3所示,虚拟负荷参数如表4所示:
表4虚拟负荷参数表
外部系统等值前后研究系统内节点潮流结果对比如表5所示。
表5等值前后研究系统主要节点及边界节点潮流结果对比
由对比结果可知,等值前后研究系统节点电压幅值最大偏差不超过0.019%,电压相角最大偏差不超过0.01°,等值前后系统潮流一致,满足等值要求。
同等故障下外部系统等值前后研究系统内部节点与发电机的动态响应如图6至图8所示,从图6至图8可以看出,系统动态响应曲线拟合很好,趋于一致,表明动态等值结果准确,辨识精度较高。
此外,为验证本发明提出的并行优化技术对辨识等值效率的提升,同时采用传统串行粒子群算法按照上述步骤进行等值发电机参数辨识,对比两种法方法的时间代价。本发明提出的基于并行粒子群算法的辨识等值耗时为3.128s,由此可见,本发明所提方法辨识效率满足水电机群动态等值的实时性要求。
Claims (1)
1.一种中小水电机群的混合并行动态等值法,其特征在于,该方法包含同调等值步骤和辨识等值步骤,同调等值步骤通过同调识别获得同调机群,通过网络化简获得网络结构、母线、等值负荷和联络线参数,辨识等值步骤通过并行粒子群优化算法辨识等值发电机及其等值负荷模型参数,并采用虚拟负荷辨识技术修正等值系统边界潮流,使得等值前后边界潮流一致,具体步骤如下:
(1)将电网中需要关注的部分称为研究系统,将需要等值的部分称为外部系统;
(2)采用慢同调法确定外部系统等值发电机及其等值负荷台数;
(3)保留外部系统的边界节点及等值节点,消去其他中间节点,采用径向等值不变性获得等值网络阻抗;
(4)采用并行粒子群算法辨识等值发电机及其等值负荷模型参数,步骤如下:
(4-1)在相同扰动下,分别测量研究系统边界联络线实测功率、电压和频率响应数据;
(4-2)根据步骤(2)获得的等值发电机及其等值负荷台数,并行粒子群算法的主线程给每台等值发电机及等值负荷分配一个子线程,各子线程用于辨识等值发电机及其等值负荷模型参数;
(4-3)启动子线程,初始化等值发电机及其等值负荷和并行粒子群算法参数,并行粒子群算法中每个粒子的位置代表一组等值发电机及其等值负荷模型参数;
(4-4)将步骤(4-1)测得的电压和频率代入龙格库塔法计算边界联络线输出功率,获得边界联络线输出功率的仿真值;
(4-5)以边界联络线输出功率的仿真值与实测值的偏差最小构建目标函数minJ
式中:P(t)为原系统边界联络线实测有功功率,为等值系统边界联络线有功功率的仿真值,Q(t)为原系统边界联络线实测无功功率,为等值系统边界联络线无功功率的仿真值;Azzp为主振模式幅值差,Aczzp为次主振模式幅值差,Afe为第一摆幅值总偏差,Ale为最后一摆幅值总偏差,ω1,ω2,ω3,ω4,ω5为响应参数权重,为功率总偏差;
(4-6)将研究系统边界联络线功率实测值与边界联络线功率仿真值代入目标函数,计算目标函数适应度;
(4-7)依据粒子群的进化规则,子线程更新并行粒子群算法中粒子的速度和位置,修改等值发电机及其等值负荷模型参数,获得等值发电机及其等值负荷模型参数当前最优解;
(4-8)重复(4-6)、(4-7),直至达到并行粒子群算法的最大迭代次数,子线程提交最优粒子位置给主线程,并停止搜索,主线程获得每一个等值发电机及其等值负荷模型的最优解,该最优解即为等值发电机及其等值负荷模型参数;
(5)加入边界节点虚拟负荷,采用粒子群算法辨识边界节点虚拟负荷参数,使得等值系统与原系统的边界潮流偏差最小,即等值前后边界潮流一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511020896.0A CN105576651B (zh) | 2015-12-30 | 2015-12-30 | 一种中小水电机群混合并行动态等值法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511020896.0A CN105576651B (zh) | 2015-12-30 | 2015-12-30 | 一种中小水电机群混合并行动态等值法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105576651A CN105576651A (zh) | 2016-05-11 |
CN105576651B true CN105576651B (zh) | 2017-09-19 |
Family
ID=55886488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511020896.0A Active CN105576651B (zh) | 2015-12-30 | 2015-12-30 | 一种中小水电机群混合并行动态等值法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105576651B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107844458B (zh) * | 2017-11-16 | 2020-11-24 | 西安西热控制技术有限公司 | 一种工业过程一阶惯性迟延模型自适应辨识方法 |
CN109217336B (zh) * | 2018-09-05 | 2020-06-16 | 河海大学 | 基于分区建模的同步发电机阻尼系数在线辨识方法 |
CN109842113B (zh) * | 2019-01-10 | 2021-07-20 | 东南大学溧阳研究院 | 一种基于发电机群动态特征分析的电力系统简化等值方法 |
CN113098065B (zh) * | 2021-04-15 | 2022-10-04 | 东北电力大学 | 适用于下垂并网逆变器网络的模型降阶方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254649A (ja) * | 2005-03-14 | 2006-09-21 | Kansai Electric Power Co Inc:The | 発電機評価方法および発電機評価装置 |
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 |
CN104600756A (zh) * | 2015-01-29 | 2015-05-06 | 华中科技大学 | 一种中小型水力发电机组的机群等值建模方法 |
-
2015
- 2015-12-30 CN CN201511020896.0A patent/CN105576651B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006254649A (ja) * | 2005-03-14 | 2006-09-21 | Kansai Electric Power Co Inc:The | 発電機評価方法および発電機評価装置 |
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 |
CN104600756A (zh) * | 2015-01-29 | 2015-05-06 | 华中科技大学 | 一种中小型水力发电机组的机群等值建模方法 |
Non-Patent Citations (1)
Title |
---|
区域小水电机群动态等值建模方法研究;王敏等;《电力系统保护与控制》;20130901;第41卷(第17期);第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105576651A (zh) | 2016-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106357184B (zh) | 基于神经网络的车用永磁同步电机输出转矩的温度补偿方法 | |
CN105576651B (zh) | 一种中小水电机群混合并行动态等值法 | |
CN104600756B (zh) | 一种中小型水力发电机组的机群等值建模方法 | |
CN107086606A (zh) | 一种配电网综合等效异步电动机负荷模型参数辨识方法 | |
CN102073014B (zh) | 一种同步发电机参数的辨识方法 | |
CN102611380B (zh) | 一种双馈电机参数在线辨识方法 | |
CN102684586B (zh) | 一种交直流大电网动态等值的主导发电机参数聚合方法 | |
WO2021036279A1 (zh) | 适用于电磁暂态仿真的电动机负荷暂态过程计算方法 | |
CN113326673B (zh) | 一种同步电机的vbr模型电磁暂态仿真方法及系统 | |
Yu et al. | Estimation of external dynamic equivalents of a thirteen-machine system | |
CN109217289A (zh) | 一种基于灰狼算法的光伏附加阻尼控制器参数优化方法 | |
Yan et al. | Torque estimation and control of PMSM based on deep learning | |
CN103986400B (zh) | 基于二维模糊控制的模型参考自适应系统参数自整定方法 | |
Alwadie | A concise review of control techniques for reliable and efficient control of induction motor | |
CN108493932B (zh) | 一种感应电动机动态过程分析方法 | |
CN110518632A (zh) | 一种风电场并网对电网惯量削弱的定量计算方法 | |
CN106294959A (zh) | 模型参考自适应控制与双馈风机降阶模型相结合的建模仿真方法 | |
CN109379003A (zh) | 高速永磁同步电机控制的方法、装置及计算机存储介质 | |
CN110445174B (zh) | 一种考虑随机风速影响的风电场系统暂态稳定性评估方法 | |
CN105305392A (zh) | 适用于含电压控型iidg配电网的短路计算对称分量法 | |
CN105140957B (zh) | 基于风电场和光伏电站聚合模型的机电振荡模式估算方法 | |
Kumar et al. | A novel loss model control-based efficiency enhancement scheme for IFOC induction motor drive | |
CN113872189B (zh) | Vsc接入薄弱电网时低频振荡特性的等效pll分析方法 | |
CN104809268A (zh) | 一种汽轮发电机负载励磁电流计算方法 | |
CN105656042B (zh) | 一种upfc控制器间交互影响的规范型评估方法 |
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 |