CN107732938B - 一种面向对象的psd-ssap小干扰稳定分析智能筛查方法 - Google Patents
一种面向对象的psd-ssap小干扰稳定分析智能筛查方法 Download PDFInfo
- Publication number
- CN107732938B CN107732938B CN201710973935.1A CN201710973935A CN107732938B CN 107732938 B CN107732938 B CN 107732938B CN 201710973935 A CN201710973935 A CN 201710973935A CN 107732938 B CN107732938 B CN 107732938B
- Authority
- CN
- China
- Prior art keywords
- bus
- data
- power grid
- region
- ssap
- 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
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电力系统领域,具体涉及一种面向对象的PSD‑SSAP小干扰稳定分析智能筛查方法,本发明通过采用面向对象的程序设计方法,将PSD‑SSAP数据的分区、振荡模式、振荡频率、阻尼比、参与因子以数值输入的形式提供用户选择,进行筛选分析并形成分析结果表,实现了小干扰稳定分析结果的智能筛选,实现了指定区域发电机组母线的识别;按指定分区筛选与该分区相关的机组的振荡模式且提取相关振荡模式的振荡频率、阻尼比、参与因子信息;避免了人为分析的错漏,增强了PSD‑SSAP数据分析的准确性,提高了PSD‑SSAP数据分析的效率。
Description
技术领域
本发明涉及电力系统领域,具体涉及一种面向对象的PSD-SSAP小干扰稳定分析智能筛查方法。
背景技术
特征分析法是复杂电力系统小干扰稳定分析广泛采用的频域分析法。首先建立所研究系统的线性化状态方程,再利用系统相应的特征方程式对状态矩阵进行特征值分析。特征根的实部和虚部分别反映了衰减性能和振荡频率。一对共轭特征根称为一个振荡模式,其相应的特征向量称为振荡模态。若所有特征根均有负实部,则系统在相应的稳态工作点受小干扰是稳定的;反之,若有一或多个根有正实部,则系统不稳定;若有一个零根或一对纯虚根,而其他根均有负实部,则系统处于临界状态,相应的系统则运行于极限工况。利用特征分析式研究小扰动稳定可以求解特征根、特征向量、相关因子等大量与系统动态稳定有关的重要信息。一对特征根对应电力系统中的一个振荡模式,其频率和阻尼比。电力系统的阻尼比表征电力系统发生振荡时起的阻尼衰减作用。为保证系统具有适宜的动态稳定性,确保正常运行和故障后不发生弱阻尼低频振荡,系统阻尼比值应不低于0.035。
PSD-SSAP是中国电力科学研究院开发的小干扰计算分析工具,广泛应用于动态稳定的频域分析,求解特征根、特征向量、参与因子等大量与系统动态稳定有关的信息。
而使用PSD-SSAP仿真工具得到的频域分析结果需要大量的人工查找分析,难于筛查出与特定电网区域机组有关的振荡模式,分析各振荡模式稳定性;难于求得与特定电网区域的高相关因子、参与因子的模式。以某省区电网动态稳定分析计算为例,需人工针对含该省区电网发电机信息的260多个模式结果筛查,分析与该省区电网发电机组相关的振荡模式、振荡频率、阻尼比等信息。筛查工作繁重,且大量的结果统计易于出错。
发明内容
为了解决上述问题,本发明提供了一种面向对象的PSD-SSAP小干扰稳定分析智能筛查方法,具体技术方案如下:
一种面向对象的PSD-SSAP小干扰稳定分析智能筛查方法包括以下步骤:
(1)输入区域选择文件,读入区域-母线结果文件,建立对应关系;
(2)读入小干扰稳定分析结果文件;
(3)输入振荡频率范围、阻尼比范围、参与因子的上下限;
(4)提取相关振荡模式的振荡频率、阻尼比、参与因子信息,形成分析结果表。
进一步,所述步骤(1)具体包括以下步骤:
1)输入需要分析的电网分区,保存至区域选择文件;
2)读入区域-母线结果文件;
3)将区域选择文件的电网分区数据与区域-母线结果文件中的母线数据进行对应,建立对应关系。
进一步,所述步骤3)具体包括以下步骤:
进一步,所述步骤(4)具体包括以下步骤:
1)通过区域-母线结果文件中的母线数据、电网分区数据,建立区域选择文件的电网分区数据与小干扰稳定分析结果文件中的发电机母线数据的对应关系;
2)扫描小干扰稳定分析结果文件中的特征值解,提取输入的阻尼比范围、振荡频率范围内的特征值解集;
3)扫描步骤2)中提取的特征值解集信息,提取在输入参与因子范围内参与因子最大的发电机母线数据;
4)输出筛查出的发电机母线数据及对应的振荡频率、阻尼比、参与因子信息。
本发明的有益效果为:本发明提供了一种面向对象的PSD-SSAP小干扰稳定分析智能筛查方法,实现了指定区域发电机组母线的识别,按指定分区筛选与该分区相关的机组的振荡模式,提取相关振荡模式的振荡频率、阻尼比、参与因子信息,提供针对性强、智能化、高效的决策支持。避免人工逐一分析特征值信息工作量大,易错的问题,极大提高工作效率。本发明提出的基于面向对象的程序方法和设计思路完善了PSD-SSAP数据的分析功能,增强了PSD-SSAP数据分析的准确性,提高了PSD-SSAP数据分析的效率。
附图说明
图1为本发明区域选择文件示意图;
图2为本发明生成的分析结果表示意图。
具体实施方式
为了更好的理解本发明,下面结合附图和具体实施例对本发明作进一步说明:
本实施例以电网分区GX、HJ为例:
一种面向对象的PSD-SSAP小干扰稳定分析智能筛查方法包括以下步骤:
S1:输入区域选择文件,如图1所示,读入区域-母线结果文件,建立对应关系:,具体步骤如下:
S11:输入需要分析的电网分区,保存至区域选择文件;
S12:读入区域-母线结果文件;
S13:将区域选择文件的电网分区数据与区域-母线结果文件中的母线数据进行对应,建立对应关系,具体步骤如下:
S131:扫描区域-母线结果文件中的电网分区数据及母线数据;
S132:按区域选择文件的电网分区数据,提取区域-母线结果文件中对应电网分区的母线数据,建立对应关系。
(2)读入小干扰稳定分析结果文件;
(3)输入振荡频率范围、阻尼比范围、参与因子的上下限;
(4)提取相关振荡模式的振荡频率、阻尼比、参与因子信息,形成分析结果表,具体步骤如下:
S41:通过区域-母线结果文件中的母线数据、电网分区数据,建立区域选择文件的电网分区数据与小干扰稳定分析结果文件中的发电机母线数据的对应关系;
S42:扫描小干扰稳定分析结果文件中的特征值解,提取输入的阻尼比范围、振荡频率范围内的特征值解集;
S43:扫描步骤2)中提取的特征值解集信息,提取在输入参与因子范围内参与因子最大的发电机母线数据;
S44:输出筛查出的发电机母线数据及对应的振荡频率、阻尼比、参与因子信息,形成分析结果表,如图2所示。
本发明不局限于以上所述的具体实施方式,以上所述仅为本发明的较佳实施案例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种面向对象的PSD-SSAP小干扰稳定分析智能筛查方法,其特征在于:包括以下步骤:
(1)输入区域选择文件,读入区域-母线结果文件,建立对应关系;包括以下步骤:
1)输入需要分析的电网分区,保存至区域选择文件;
2)读入区域-母线结果文件;
3)将区域选择文件的电网分区数据与区域-母线结果文件中的母线数据进行对应,建立对应关系;
(2)读入小干扰稳定分析结果文件;
(3)输入振荡频率范围、阻尼比范围、参与因子的上下限;
(4)提取相关振荡模式的振荡频率、阻尼比、参与因子信息,形成分析结果表;
具体包括以下步骤:
1)通过区域-母线结果文件中的母线数据、电网分区数据,建立区域选择文件的电网分区数据与小干扰稳定分析结果文件中的发电机母线数据的对应关系;
2)扫描小干扰稳定分析结果文件中的特征值解,提取输入的阻尼比范围、振荡频率范围内的特征值解集;
3)扫描步骤2)中提取的特征值解集信息,提取在输入参与因子范围内参与因子最大的发电机母线数据;
4)输出筛查出的发电机母线数据及对应的振荡频率、阻尼比、参与因子信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710973935.1A CN107732938B (zh) | 2017-10-19 | 2017-10-19 | 一种面向对象的psd-ssap小干扰稳定分析智能筛查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710973935.1A CN107732938B (zh) | 2017-10-19 | 2017-10-19 | 一种面向对象的psd-ssap小干扰稳定分析智能筛查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107732938A CN107732938A (zh) | 2018-02-23 |
CN107732938B true CN107732938B (zh) | 2021-01-05 |
Family
ID=61211951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710973935.1A Active CN107732938B (zh) | 2017-10-19 | 2017-10-19 | 一种面向对象的psd-ssap小干扰稳定分析智能筛查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107732938B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964049A (zh) * | 2018-08-24 | 2018-12-07 | 国网河北省电力有限公司电力科学研究院 | 电力系统小干扰稳定评估方法及装置 |
CN110727899A (zh) * | 2019-09-12 | 2020-01-24 | 广西电网有限责任公司电力科学研究院 | 一种电网振荡阻尼比计算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101051749A (zh) * | 2007-04-27 | 2007-10-10 | 清华大学 | 电力系统低频振荡的分布式分析方法 |
CN101685480A (zh) * | 2008-09-27 | 2010-03-31 | 国家电力调度通信中心 | 一种用于大电网安全稳定分析的并行计算方法和计算平台 |
CN101814739A (zh) * | 2010-04-08 | 2010-08-25 | 国网电力科学研究院 | 电力系统低频振荡实时控制方法 |
CN103324828A (zh) * | 2013-04-27 | 2013-09-25 | 国家电网公司 | 基于运行方式灵敏度的电力系统低频振荡辅助决策方法 |
CN105260570A (zh) * | 2015-11-09 | 2016-01-20 | 广西电网有限责任公司电力科学研究院 | 一种psd-bpa潮流数据元件编辑及切换母线方法 |
-
2017
- 2017-10-19 CN CN201710973935.1A patent/CN107732938B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101051749A (zh) * | 2007-04-27 | 2007-10-10 | 清华大学 | 电力系统低频振荡的分布式分析方法 |
CN101685480A (zh) * | 2008-09-27 | 2010-03-31 | 国家电力调度通信中心 | 一种用于大电网安全稳定分析的并行计算方法和计算平台 |
CN101814739A (zh) * | 2010-04-08 | 2010-08-25 | 国网电力科学研究院 | 电力系统低频振荡实时控制方法 |
CN103324828A (zh) * | 2013-04-27 | 2013-09-25 | 国家电网公司 | 基于运行方式灵敏度的电力系统低频振荡辅助决策方法 |
CN105260570A (zh) * | 2015-11-09 | 2016-01-20 | 广西电网有限责任公司电力科学研究院 | 一种psd-bpa潮流数据元件编辑及切换母线方法 |
Non-Patent Citations (2)
Title |
---|
PSD-SSAP 电力系统小干扰稳定性分析程序 培训手册;中国电力科学研究院系统所;《百度》;20060430;第1-47页 * |
PSD-SSAP(2.6)小干扰稳定程序培训;中国电力科学研究院;《豆丁网》;20150621;第1-37页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107732938A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Böhme et al. | Scalable critical-path based performance analysis | |
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 | |
CN107732938B (zh) | 一种面向对象的psd-ssap小干扰稳定分析智能筛查方法 | |
CN104570081A (zh) | 一种积分法叠前时间偏移地震资料处理方法及系统 | |
CN108376143A (zh) | 一种新型的olap预计算模型及生成预计算结果的方法 | |
CN102680193B (zh) | 一种结构抗震分析的区间反应谱法 | |
CN102968542A (zh) | 应用ansys软件进行输电铁塔结构分析的方法 | |
Chun-Sheng et al. | Extension of local association rules mining algorithm based on apriori algorithm | |
CN110096630A (zh) | 一类基于聚类分析的大数据处理方法 | |
Wang et al. | Cloud-based parallel power flow calculation using resilient distributed datasets and directed acyclic graph | |
CN109058089A (zh) | 一种基于声发射信号的真空泵过载故障检测的方法 | |
CN103207804B (zh) | 基于集群作业日志的MapReduce负载模拟方法 | |
CN109684517A (zh) | 一种历史数据存储方法、读写方法、存储装置和设备 | |
Mofrad et al. | Efficient distributed graph analytics using triply compressed sparse format | |
CN111680026B (zh) | 一种基于mvvm模式的气动数据分析方法 | |
CN104850623A (zh) | 多维度数据分析模型动态扩展方法和系统 | |
Jagroep et al. | An Energy Consumption Perspective on Software Architecture: A Case Study on Architectural Change | |
CN106941466A (zh) | 一种软硬件协同的数字预失真的方法及装置 | |
Malécot et al. | Xtremlab: A system for characterizing internet desktop grids | |
Hassaan | A comparative study between cloud energy consumption measuring simulators | |
CN205015734U (zh) | 一种舞台设备与表演方案校准装置 | |
Lin | Retracted: Research on Optimization of Distributed Big Data Real-Time Management Method | |
Hirschmann et al. | Enabling unstructured domain decompositions for inhomogeneous short-range molecular dynamics in ESPResSo | |
Rădulescu et al. | A performance and power consumption analysis based on processor power models | |
CN111124856A (zh) | 一种预测存储设备性能的方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |