CN107947196A - 一种基于改进粒子群算法的超低频振荡抑制方法 - Google Patents

一种基于改进粒子群算法的超低频振荡抑制方法 Download PDF

Info

Publication number
CN107947196A
CN107947196A CN201711139067.3A CN201711139067A CN107947196A CN 107947196 A CN107947196 A CN 107947196A CN 201711139067 A CN201711139067 A CN 201711139067A CN 107947196 A CN107947196 A CN 107947196A
Authority
CN
China
Prior art keywords
mrow
ultra
low frequency
frequency oscillation
value
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
Application number
CN201711139067.3A
Other languages
English (en)
Other versions
CN107947196B (zh
Inventor
庞晓艳
李建
王彪
胡鑫
梁汉泉
李甘
王渝红
刘程卓
汤华
王新宝
韩连山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NR Electric Co Ltd
State Grid Sichuan Electric Power Co Ltd
Original Assignee
NR Electric Co Ltd
State Grid Sichuan Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NR Electric Co Ltd, State Grid Sichuan Electric Power Co Ltd filed Critical NR Electric Co Ltd
Priority to CN201711139067.3A priority Critical patent/CN107947196B/zh
Publication of CN107947196A publication Critical patent/CN107947196A/zh
Application granted granted Critical
Publication of CN107947196B publication Critical patent/CN107947196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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]
    • 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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于改进粒子群算法的超低频振荡抑制方法，所述方法包括的步骤为：S1：对系统直流分别施加相同的功率扰动，记录扰动下的超低频振荡模态幅值；S2：根据超低频振荡模态幅值选择FC的控制敏感点；S4：建立系统的粒子群算法优化模型；S5：设定粒子群各项初始数据，并将当前迭代次数设定为1；S6：采用粒子群算法对粒子的速度和位置进行更新；S7：确定出当前最好的个体极值；S8：确定出当前最好的全局极值；S9：使惯性权重的非线性减小，并更新惯性权重取值；S10：如果当前迭代次数等于最大迭代次数，则输出FC参数优化结果，反之则将当前迭代次数加1，并返回步骤S6，通过这样的方式可以简单直接的对超低频振荡进行有效抑制。

Description

一种基于改进粒子群算法的超低频振荡抑制方法
技术领域
本发明涉及电力系统稳定控制技术，具体涉及一种基于改进粒子群算法的超低频振荡抑制方法。
背景技术
随着鲁西背靠背以及渝鄂背靠背工程的相继推进，异步联网后送端电网主要特性与风险由区域电网间的暂态功角稳定问题转换为区内电网功率平衡导致的频率稳定问题。近年来，随着发电机组调速系统的技术进步，调速系统的性能得到大幅提升，响应时间越来越快，以达到电网频率出现偏差时能够迅速地调出一次调频调节量将频率拉回正常值目的。然而由于水轮机导叶频繁开启或关闭，水轮机水锤效应的逆向调节增强，将显著地对系统的动态稳定和响应特性带来不利影响，成为引发系统超低频振荡的关键因素。目前针对异步联网后送端电网出现的超低频振荡现象，相关抑制措施的研究还较少，主要研究集中在对水轮机组调速系统参数进行优化，来达到降低水轮机负阻尼的目的，但因调速系统的阻尼特性、调节性能受到液压系统、水轮机固定参数以及系统一次调频能力的限制，对调速器参数进行优化并不能理想的解决系统频率稳定性存在的问题。
发明内容
本发明解决了异步联网后区内超低频振荡的问题，提供一种基于改进粒子群算法的超低频振荡抑制方法，其应用时可以通过改进粒子群的算法，提高算法的收敛速度与精度，以较少的直流功率变化实现对超低频振荡的有效抑制。
本发明通过以下技术方案实现:
一种基于改进粒子群算法的超低频振荡抑制方法，所述方法包括的步骤为：
S1：对多直流送出系统的每条直流分别施加相同的功率扰动，直至激发系统发生超低频振荡，并记录各条直流扰动下的超低频振荡模态幅值；
S2：比较各条直流扰动下的超低频振荡模态幅值，并根据超低频振荡模态幅值选择直流频率限制控制器(frequency limit controller，FC)的控制敏感点；
S4：将所述FC的控制敏感点作为基础，通过TLS-ESPRIT算法辨识系统传递函数，建立系统频率偏差对时间的积分最小的粒子群算法优化模型；
S5：对所述粒子群设定最大迭代次数、初始粒子数目、加速常数、惯性权重取值范围、非线性调节因子、维度及解空间范围，并将当前迭代次数设定为1；
S6：采用粒子群算法对粒子的速度和位置进行更新；
S7：记录每个微粒经历过的最好位置，所述微粒经历过的最好位置为个体极值，并将个体极值与微粒的适应值相比较，并根据每个微粒个体极值的位置与适应值的位置，确定出当前最好的个体极值；
S8：将全局中微粒经历过的最好位置定为全局极值，并将每个微粒的适应值与全局极值作比较，并根据每个微粒全局极值的位置与适应值的位置，确定出当前最好的全局极值；
S9：使惯性权重的非线性减小，并更新惯性权重取值；
S10：判断当前迭代次数，如果当前迭代次数等于最大迭代次数，则输出FC参数优化结果，反之则将当前迭代次数加1，并返回步骤S6。目前针对异步联网后送端电网出现的超低频振荡现象，相关抑制措施的研究还较少，主要研究集中在对水轮机组调速系统参数进行优化，来达到降低水轮机负阻尼的目的，但因调速系统的阻尼特性、调节性能受到液压系统、水轮机固定参数以及系统一次调频能力的限制，对调速器参数进行优化并不能理想的解决系统频率稳定性存在的问题，所以本发明提供一种基于改进粒子群算法的超低频振荡抑制方法，通过对多直流送出系统的每条直流施加相同功率的扰动，并通过激发出的超低频震荡模态幅值选择直流频率限制控制器(FC)的控制敏感点，并以FC的控制敏感点为基础，利用TLS-ESPRIT算法辨识系统传递函数，将系统频率偏差对时间的积分最小作为优化目标，建立粒子群算法优化模型，设定粒子群的最大迭代次数、初始粒子数目、加速常数、惯性权重取值范围、非线性调节因子、维度及解空间范围，并将当前迭代次数设定为1。采用粒子群算法对粒子的速度和位置进行更新后，然后通过微粒经历过的最好位置，将每个微粒的适应值与其个体极值、全局极值作比较，确定出当前的最好个体极值与当前的最好全局极值，将惯性权重的非线性减小，更新惯性权重的取值，直到当前迭代次数等于或大于最大迭代次数的时候，输出FC参数优化结果，当前迭代次数小于最大迭代次数的时候，返回步骤S6。通过改进粒子群算法的方式来对超低频振荡进行抑制，以FC作为抑制超低频的主要手段，在对FC参数进行优化时，有效的提高了收敛精度与速度，可以更加直接、简单、有效的对多直流送出系统的超低频振荡进行抑制，保证系统的稳定运行。
进一步的，一种基于改进粒子群算法的超低频振荡抑制方法，步骤S9中的惯性权重的非线性减小采用的方法为：
式中，w代表惯性权重，wmax、wmin分别为惯性权重的最大、最小值；λ为非线性调节因子；t、Tmax分别是当前进化代数和最大进化代数。在第t+1次迭代计算时，粒子i更新自己速度以及位置的规则如下：
式中，w指惯性权重；c1、c2指加速常数；r1，r2指两个在[0,1]内变化的随机数，且粒子的速度在一定的范围之内。
进一步的，一种基于改进粒子群算法的超低频振荡抑制方法，所述惯性权重的非线性减小采用的方法中引入非线性调节因子λ，并且根据不同的优化目标及条件，可改变λ的取值，来调整惯性权重w非线性减小的程度。通过引入非线性调节因子λ，可以通过改变λ的取值，来调整惯性权重w非线性减小的程度，增加算法的普遍适用性。
综上所述，本发明的以下有益效果：
1、本发明一种基于改进粒子群算法的超低频振荡抑制方法，以FC作为抑制超低频的主要手段，可以更加有效的对多直流送出系统的超低频振荡进行抑制，有效的保证系统频率的稳定。
2、本发明一种基于改进粒子群算法的超低频振荡抑制方法，通过引入非线性调节因子λ，可以有效的调整惯性权重w非线性减小的程度，使多直流送出系统的超低频振荡抑制变得可控。
3、本发明一种基于改进粒子群算法的超低频振荡抑制方法，通过将改进粒子群算法与控制敏感点相结合，可以有效的以较少的直流功率变化来实现对超低频振荡的有效抑制。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明流程示意图。
图2为某一电网实际结构示意图。
图3为标准粒子群算法的最优适用值的迭代曲线图。
图4为改进粒子群算法的最优适用值的迭代曲线图。
图5为系统的频率变化曲线。
图6为每条直流线路功率变化曲线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
如图1所示，一种基于改进粒子群算法的超低频振荡抑制方法，所述方法包括的步骤为：S1：对多直流送出系统的每条直流分别施加相同的功率扰动，直至激发系统发生超低频振荡，并记录各条直流扰动下的超低频振荡模态幅值；S2：比较各条直流扰动下的超低频振荡模态幅值，并根据超低频振荡模态幅值选择直流频率限制控制器(frequency limitcontroller，FC)的控制敏感点；S4：将所述FC的控制敏感点作为基础，通过TLS-ESPRIT算法辨识系统传递函数，建立系统频率偏差对时间的积分最小的粒子群算法优化模型；S5：对所述粒子群设定最大迭代次数、初始粒子数目、加速常数、惯性权重取值范围、非线性调节因子、维度及解空间范围，并将当前迭代次数设定为1；S6：采用粒子群算法对粒子的速度和位置进行更新；S7：记录每个微粒经历过的最好位置，所述微粒经历过的最好位置为个体极值，并将个体极值与微粒的适应值相比较，并根据每个微粒个体极值的位置与适应值的位置，确定出当前最好的个体极值；S8：将全局中微粒经历过的最好位置定为全局极值，并将每个微粒的适应值与全局极值作比较，并根据每个微粒全局极值的位置与适应值的位置，确定出当前最好的全局极值；S9：使惯性权重的非线性减小，并更新惯性权重取值；S10：判断当前迭代次数，如果当前迭代次数等于最大迭代次数，则输出FC参数优化结果，反之则将当前迭代次数加1，并返回步骤S6，步骤S9中的惯性权重的非线性减小采用的方法为：
式中，w代表惯性权重，wmax、wmin分别为惯性权重的最大、最小值；λ为非线性调节因子；t、Tmax分别是当前进化代数和最大进化代数，所述惯性权重的非线性减小采用的方法中引入非线性调节因子λ，并且根据不同的优化目标及条件，可改变λ的取值，来调整惯性权重w非线性减小的程度。
实施例2
如图2～6所示，某一实际电网结构如图2所示，系统S1与系统S4通过三回±800kV的传统直流DC1、DC2、DC3相连；系统S1与系统S5通过一回±500kV的传统直流DC4相连；系统S1与系统S2通过500kV交流线路AC1、AC2、AC3相连，形成系统S12；BTB为一柔直背靠背换流站，在其建成后，系统S12与外部系统S3、S4、S5的联系全部通过直流网络实现。在综合程序在综合程序PSASP7.2中搭建该电网模型，考虑在丰期极小运行方式下，DC1、DC2、DC3三条特高压直流功率满送，分别为8000MW、7200MW、6400MW，而直流DC4零功率。考虑无FC的情况，分别对DC1、DC2、DC3三条直流施加200MW的功率扰动，得到系统的频率变化曲线，并利用TLS-ESPRIT算法进行分析，求得系统超低频主要振荡模态及该振荡频率下的振荡幅值，如表1所示。
表1超低频振荡模态
结果表明，当三条直流都施加200MW的功率扰动时，系统的超低频振荡模态约为0.077Hz，对于该振荡模态，DC2对应的振荡幅值最大，DC1的振荡幅值次之，DC3的振荡幅值最小。因此，对于0.077Hz的超低频振荡模态，DC2为控制敏感点。
进而以DC2为控制敏感点，辨识得到系统低阶线性化模型。
G(s)DC2＝(-0.3851s6-0.3434s5-0.6248s4-0.5813s3-0.122s2-0.2446s)
/(s6+0.4654s5+1.253s4+0.5422s3+0.265s2+0.1053s+0.0001466)
结合系统辨识得到的低阶线性模型，搭建优化模型，并在MATLAB中编写相关PSO算法，以为优化的目标函数，并设置粒子群规模取30，最大迭代次数为50次，维度为2，解空间范围为[0，20]，粒子群速度范围为[-1，1]，加速常数惯性权重wmin＝0.4，wmax＝1.1，非线性调节因子λ＝0.2。得到DC2优化后的FC参数，比例系数为1.5210，时间常数为0.4201。
图3、图4分别是采用改进粒子群算法与标准粒子群算法时，最优适用值的迭代曲线。显然相比标准粒子群算法中惯性权重所采用的线性递减策略，改进粒子群算法中惯性权重所采用的非线性递减策略能够明显提升算法的收敛速度，且能保持较好的精度。
同时进一步说明DC2的FC用于抑制0.077Hz超低频振荡模态最有效，对DC1、DC3两条直流也同样采用粒子群算法优化其FC参数。并设置AC3单回输电线路反生三相短路接地故障，以激发系统的超低频振荡。
由图5可以看到，当系统投入FC后，系统的超低频振荡都得到了明显抑制。DC1直流与DC2直流分别投入FC后，系统的频率变化相近，而DC3直流抑制效果相对较差。
由图6可得知，针对相同的故障三条直流的有功功率变化曲线，通过对时间进行积分，得到DC2能量变化1009.2kW·h，DC1能量变化1166.9kW·h，DC3能量变化1237.9kW·h。因此，DC2的相比于其它两条直流，其能量变化最小，也就是说DC2用了最小的能量达到了较好的抑制超低频振荡的效果。同时，若还需考虑对受端电网影响，直流功率变化也需尽可能小。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于改进粒子群算法的超低频振荡抑制方法，其特征在于，所述方法包括的步骤为：
S1：对多直流送出系统的每条直流分别施加相同的功率扰动，直至激发系统发生超低频振荡，并记录各条直流扰动下的超低频振荡模态幅值；
S2：比较各条直流扰动下的超低频振荡模态幅值，并根据超低频振荡模态幅值选择直流频率限制控制器(FC)的控制敏感点；
S4：将所述FC的控制敏感点作为基础，通过TLS-ESPRIT算法辨识系统传递函数，建立系统频率偏差对时间的积分最小的粒子群算法优化模型；
S5：对所述粒子群设定最大迭代次数、初始粒子数目、加速常数、惯性权重取值范围、非线性调节因子、维度及解空间范围，并将当前迭代次数设定为1；
S6：采用粒子群算法对粒子的速度和位置进行更新；
S7：记录每个微粒经历过的最好位置，所述微粒经历过的最好位置为个体极值，并将个体极值与微粒的适应值相比较，并根据每个微粒个体极值的位置与适应值的位置，确定出当前最好的个体极值；
S8：将全局中微粒经历过的最好位置定为全局极值，并将每个微粒的适应值与全局极值作比较，并根据每个微粒全局极值的位置与适应值的位置，确定出当前最好的全局极值；
S9：使惯性权重的非线性减小，并更新惯性权重取值；
S10：判断当前迭代次数，如果当前迭代次数等于最大迭代次数，则输出FC参数优化结果，反之则将当前迭代次数加1，并返回步骤S6。
2.根据权利要求1所述的一种基于改进粒子群算法的超低频振荡抑制方法，其特征在于，步骤S9中的惯性权重的非线性减小采用的方法为：
<mrow> <mi>w</mi> <mo>=</mo> <msub> <mi>w</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>-</mo> <mrow> <mo>(</mo> <mo>-</mo> <msub> <mi>w</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <msub> <mi>w</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msub> <mo>)</mo> </mrow> <mfrac> <mi>t</mi> <msub> <mi>T</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mfrac> <msup> <mi>e</mi> <mrow> <mi>&amp;lambda;</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mi>t</mi> <msub> <mi>T</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> </mrow> </msup> </mrow>
式中，w代表惯性权重，wmax、wmin分别为惯性权重的最大、最小值；λ为非线性调节因子；t、Tmax分别是当前进化代数和最大进化代数。
3.根据权利要求2所述的一种基于改进粒子群算法的超低频振荡抑制方法，其特征在于，所述惯性权重的非线性减小采用的方法中引入非线性调节因子λ，并且根据不同的优化目标及条件，可改变λ的取值，来调整惯性权重w非线性减小的程度。
CN201711139067.3A 2017-11-16 2017-11-16 一种基于改进粒子群算法的超低频振荡抑制方法 Active CN107947196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711139067.3A CN107947196B (zh) 2017-11-16 2017-11-16 一种基于改进粒子群算法的超低频振荡抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711139067.3A CN107947196B (zh) 2017-11-16 2017-11-16 一种基于改进粒子群算法的超低频振荡抑制方法

Publications (2)

Publication Number Publication Date
CN107947196A true CN107947196A (zh) 2018-04-20
CN107947196B CN107947196B (zh) 2019-09-20

Family

ID=61932653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711139067.3A Active CN107947196B (zh) 2017-11-16 2017-11-16 一种基于改进粒子群算法的超低频振荡抑制方法

Country Status (1)

Country Link
CN (1) CN107947196B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109038564A (zh) * 2018-08-16 2018-12-18 东北大学 一种基于改进粒子群算法的次同步振荡抑制系统及方法
CN109711109A (zh) * 2019-02-22 2019-05-03 中国石油天然气集团有限公司 一种电阻率测井仪器电极系结构参数智能优化的方法及装置
CN110377970A (zh) * 2019-06-27 2019-10-25 中国南方电网有限责任公司 弱阻尼低频振荡模式的水轮机调速器参数优化方法及系统
CN113162063A (zh) * 2021-02-03 2021-07-23 中国电力工程顾问集团西南电力设计院有限公司 一种抑制超低频振荡的多直流协调控制器设计方法
CN113762607A (zh) * 2021-08-26 2021-12-07 甘肃同兴智能科技发展有限责任公司 一种电网企业碳排放量的预测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102305891A (zh) * 2011-07-04 2012-01-04 武汉大学 一种电力系统低频振荡在线监测方法
CN104820142A (zh) * 2015-03-20 2015-08-05 国家电网公司 一种基于改进粒子群优化算法的电力系统故障诊断方法
CN104113071B (zh) * 2014-07-09 2016-01-20 国家电网公司 基于粒子群优化算法的电力系统稳定器参数优化整定方法
CN105426955A (zh) * 2015-08-20 2016-03-23 武汉科技大学 一种基于扰动的精英反向学习粒子群优化的实现方法
CN106202914A (zh) * 2016-07-07 2016-12-07 国网青海省电力公司 基于改进粒子群算法的光伏电池参数辨识方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102305891A (zh) * 2011-07-04 2012-01-04 武汉大学 一种电力系统低频振荡在线监测方法
CN104113071B (zh) * 2014-07-09 2016-01-20 国家电网公司 基于粒子群优化算法的电力系统稳定器参数优化整定方法
CN104820142A (zh) * 2015-03-20 2015-08-05 国家电网公司 一种基于改进粒子群优化算法的电力系统故障诊断方法
CN105426955A (zh) * 2015-08-20 2016-03-23 武汉科技大学 一种基于扰动的精英反向学习粒子群优化的实现方法
CN106202914A (zh) * 2016-07-07 2016-12-07 国网青海省电力公司 基于改进粒子群算法的光伏电池参数辨识方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张建新等: "异步联网方式下云南电网超低频振荡的抑制措施与试验", 《南方电网技术》 *
蒋平等: "基于功率及频率波动相位的强迫扰动源定位", 《电力自动化设备》 *
邱晓燕等: "大规模风电接入的智能电网多类型柔性负荷分级优化调度", 《高电压技术》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109038564A (zh) * 2018-08-16 2018-12-18 东北大学 一种基于改进粒子群算法的次同步振荡抑制系统及方法
CN109711109A (zh) * 2019-02-22 2019-05-03 中国石油天然气集团有限公司 一种电阻率测井仪器电极系结构参数智能优化的方法及装置
CN109711109B (zh) * 2019-02-22 2023-12-22 中国石油天然气集团有限公司 一种电阻率测井仪器电极系结构参数智能优化的方法及装置
CN110377970A (zh) * 2019-06-27 2019-10-25 中国南方电网有限责任公司 弱阻尼低频振荡模式的水轮机调速器参数优化方法及系统
CN113162063A (zh) * 2021-02-03 2021-07-23 中国电力工程顾问集团西南电力设计院有限公司 一种抑制超低频振荡的多直流协调控制器设计方法
CN113162063B (zh) * 2021-02-03 2022-09-13 中国电力工程顾问集团西南电力设计院有限公司 一种抑制超低频振荡的多直流协调控制器设计方法
CN113762607A (zh) * 2021-08-26 2021-12-07 甘肃同兴智能科技发展有限责任公司 一种电网企业碳排放量的预测方法

Also Published As

Publication number Publication date
CN107947196B (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN107947196A (zh) 一种基于改进粒子群算法的超低频振荡抑制方法
CN110266062B (zh) 逆变型分布式电源双层自适应惯量控制方法及装置
CN108899929A (zh) 基于虚拟同步电机的iidg的自适应惯性控制方法
AU2014264834B2 (en) Method for feeding electric power into an electric power supply system
US9640997B2 (en) Power system stabilization using distributed inverters
CN105305410B (zh) 一种直流配电系统储能装置自适应虚拟阻抗下垂控制方法
CN109149620B (zh) 一种自储能多端柔直系统控制方法及系统
CN106410849A (zh) 基于虚拟同步发电机的微网逆变器均衡控制方法
CN110212513B (zh) 一种稳定直流微网母线电压波动的灵活虚拟电容控制方法
CN110299712B (zh) 一种直驱风机次同步振荡的控制方法及系统
CN109980686A (zh) 基于储能型虚拟同步发电技术的系统振荡抑制方法及装置
CN110829461A (zh) 一种具有参与系统低频振荡抑制功能的逆变器控制器
CN106712055A (zh) 一种与低励限制功能相协调的电力系统稳定器配置方法
Marei et al. A coordinated voltage and frequency control of inverter based distributed generation and distributed energy storage system for autonomous microgrids
Gong et al. Robust current control design of a three phase voltage source converter
CN115912405A (zh) 一种用于复杂振荡环境下虚拟同步发电机自适应控制策略
KR20130011163A (ko) 정지형 무효전력 보상장치의 제어장치 및 제어방법
US10536003B1 (en) Power system stabilizer for voltage source converters
CN114759575A (zh) 一种虚拟同步双馈风机次同步振荡抑制方法及系统
CN109755968A (zh) 一种双馈风电机组的神经网络保性能虚拟同步控制方法
CN116054171A (zh) 一种风光储直流微网电压自适应控制方法及装置
CN108494017B (zh) 一种基于逆变器的自治型微电网系统分布式协调控制方法
CN111146811A (zh) 虚拟同步发电机二次调频鲁棒控制方法
Yang et al. An impedance amplitude compensation control strategy for improvement of dynamic performance of DC microgrid
CN115912393A (zh) 一种基于rbf神经网络的多机并联vsg系统稳定性提高方法

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