CN109033022B - 基于低阶sod-lms算法的时滞电力系统特征值计算方法 - Google Patents
基于低阶sod-lms算法的时滞电力系统特征值计算方法 Download PDFInfo
- Publication number
- CN109033022B CN109033022B CN201810771627.5A CN201810771627A CN109033022B CN 109033022 B CN109033022 B CN 109033022B CN 201810771627 A CN201810771627 A CN 201810771627A CN 109033022 B CN109033022 B CN 109033022B
- Authority
- CN
- China
- Prior art keywords
- time
- lag
- power system
- matrix
- formula
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 238000000034 method Methods 0.000 claims abstract description 60
- 238000013016 damping Methods 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000009467 reduction Effects 0.000 claims abstract description 4
- 239000013598 vector Substances 0.000 claims description 29
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 230000003321 amplification Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims 3
- 230000007704 transition Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 abstract description 2
- 230000010355 oscillation Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于低阶SOD‑LMS算法的时滞电力系统特征值计算方法,包括:针对时滞电力系统模型进行降阶处理得到低阶时滞电力系统模型;通过线性多步法方法对解算子进行离散化,得到解算子的离散化矩阵;利用坐标旋转预处理方法,将解算子的离散化矩阵旋转并进行近似得到旋转后的解算子离散化近似矩阵,将低阶时滞电力系统模型的阻尼比小于给定阻尼比ζ的关键特征值λ,变换为对应的旋转后的解算子离散化近似矩阵模值大于1的特征值μ″;从旋转后的解算子离散化近似矩阵中计算得到解算子模值最大的部分的近似特征值μ″;得到特征值μ″之后,对μ″进行反变换和牛顿校验,最终得到时滞电力系统模型的特征值λ。
Description
技术领域
本发明涉及电力系统技术领域,特别是涉及基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,SOD-LMS为“Solution Operator with Linear Multi-Step”的英文缩写,中文含义:线性多步离散化。
背景技术
互联同步发电机之间的机电振荡模态的稳定性是系统安全运行所必需的。电力系统中出现的机电振荡按振荡范围及振荡频率的大小可大致分为两种类型:局部振荡模态和区间振荡模态。传统的电力系统稳定器(Power System Stabilizer,PSS)使用本地量测信息形成反馈控制,使系统可有效处理本地低频振荡。然而,由于传统PSS仅对本地信息进行量测,因此其不能很好地抑制区间低频振荡问题。
随着广域量测系统(Wide-Area Measurement System,WAMS)的发展,采用广域测量信号反馈的广域阻尼控制器(Wide-Area Damping Controller,WADC)可以有效提高区间低频振荡模式的阻尼水平。然而,相对于采用本地量测信号的阻尼控制,在广域阻尼控制中,时滞明显增加。在实际应用中,系统时滞从几十到几百毫秒不等。在系统存在时滞的情况下,不考虑时滞的WADC性能会恶化,甚至不能正常工作。
在电力系统中,机电振荡问题通常利用小干扰稳定性进行分析。时滞电力系统的小干扰稳定分析方法大体上可分为时域法和频域法两大类。时域法主要基于Lyapunov-Krasovskii稳定性定理和Razumikhin定理构建时滞依赖稳定性判据(Lyapunov泛函),进而判定系统的时滞稳定性。而频域法,旨在通过计算系统线性化状态矩阵的特征值,分析系统在运行点附近的渐进稳定性。根据对时滞环节处理方式的不同,频域法可进一步分为预测法、函数变换法和特征分析法。常用的函数变换法包括Rekasius变换(或双线性变换、特征根聚类)、Lambert-W函数、Padé近似等。预测补偿法对受控对象的动态特性进行估计,用预估模型进行补偿,从而消除时滞对系统的影响。预测法包括Smith预估和模型预测法。特征分析法通过求解系统的特征值,进而沿用经典的特征值分析方法来分析系统的小干扰稳定性,进而可以对WADC进行优化。特征分析法既不需要对时滞在特征方程中引入的指数项进行特殊处理,也不需要对系统模型进行降阶处理。因此,相较于其他几种方法,特征分析法更为直接、准确,是时滞电力系统稳定性分析的理想工具。
中国发明专利基于Padé近似的时滞电力系统特征值计算与稳定性判别方法.201210271783.8:[P].利用Pade近似多项式逼近时滞环节,进而计算系统最右侧的特征值,进而判断时滞系统的稳定性。中国发明专利基于EIGD的大规模时滞电力系统特征值计算方法.201510055743.3:[P].提出了一种基于显式IGD(Explicit IGD,EIGD)方法的大规模时滞电力系统特征值计算方法。利用计算得到的系统最右侧的特征值,可以判断系统在固定时滞下的稳定性。
存在的问题是:已有的技术均未对矩阵进行降阶处理,在算法中对高阶矩阵进行处理所需的计算量显著高于对低阶矩阵进行相同的处理。
发明内容
为了解决现有技术的不足,本发明提供了基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,用以得到大规模时滞电力系统的机电振荡模式。SOD-LMS算法只需计算解算子离散化近似矩阵中设定个数个模值最大的特征值,通过一次计算,就能够得到大规模时滞电力系统的机电振荡模式。
基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,包括:
针对时滞电力系统模型进行降阶处理得到低阶时滞电力系统模型,并根据低阶时滞电力系统模型,将其转化为对应的解算子,低阶时滞电力系统模型的特征值与低阶时滞电力系统模型的解算子特征值为一一对应关系,从而将计算时滞电力系统特征值的问题转化为计算对应解算子特征值的问题;
通过线性多步法方法对解算子进行离散化,得到解算子的离散化矩阵;
利用坐标旋转预处理方法,将解算子的离散化矩阵旋转并进行近似得到旋转后的解算子离散化近似矩阵,将低阶时滞电力系统模型的阻尼比小于给定阻尼比ζ的关键特征值λ,变换为对应的旋转后的解算子离散化近似矩阵模值大于1的特征值μ″;
得到特征值μ″之后,对μ″进行反变换和牛顿校验,最终得到时滞电力系统模型的特征值λ。
进一步优选的技术方案,将时滞电力系统模型的时滞微分代数方程变换为时滞微分方程,根据时滞微分方程将状态变量分为与时滞无关项及与时滞相关项,从而得到低阶时滞电力系统模型。
进一步优选的技术方案,所述低阶时滞电力系统模型如下:
式中:和分别为与时滞无关和与时滞相关的电力系统状态变量向量,n1和n2分别为与时滞相关和与时滞无关的系统状态变量个数,t为当前时刻,τi>0(i=1,2,…,m)为时滞常数,并假设0<τ1<τ2<…<τi…<τm=τmax为时滞环节的时滞常数,其中m为系统中时滞的个数,τmax为最大的时滞,和为系统状态矩阵的不同分块,均为稠密矩阵,(i=1,…,m)为系统时滞状态矩阵,为稀疏矩阵,Δx1(t)和Δx2(t)分别为t时刻系统状态变量x1和x2的增量,Δx2(t-τi)为t-τi时刻x2的增量,和分别为t时刻系统状态变量x1和x2导数的增量,Δx0,1和Δx0,2分别为系统状态变量x1和x2的初始值,可分别记为和
进一步优选的技术方案,所述低阶时滞电力系统模型对应的线性化系统的特征方程为:
进一步优选的技术方案,根据低阶时滞电力系统模型,将其转化为对应的解算子,具体为:
式(10)和(11)中,N为离散化维数,N=Q+k+s-,其中k为LMS法的系数,s-为Nordsieck插值的系数,而h为k步LMS法的步长,αk和βk为k步LMS法的系数,其中,中的元素完全由LMS法的系数αk决定,中的元素由LMS法的系数βk和步长h共同决定,而中的元素由拉格朗日插值系数和LMS法的系数βk和步长h共同决定,和分别为对应阶数的零矩阵,和In分别为对应阶数的对角单位矩阵,为Kronecker积运算。
进一步优选的技术方案,利用坐标旋转预处理方法,将解算子的离散化矩阵旋转并进行近似得到旋转后的解算子离散化近似矩阵,具体为:
将坐标轴逆时针旋转θ角度,将低阶时滞电力系统模型对应的线性化系统的特征方程中的λ用λ′e-jθ代替,可以得到坐标轴旋转后的特征方程:
式中:
λ′=λe-jθ (13)
τ′i=τiejθ,i=1,...,m (14)
对坐标旋转后的τ′i(i=1,…,m)进行近似,因此,式(14)变为:
τ′i=τiejθ≈τi,i=1,...,m (16)
式(12)变为:
进一步优选的技术方案,为了改善算法的收敛性,对特征值μ'进行非线性放大,从而增大不同特征值之间的相对距离,假设对μ'进行α次乘方,则由式(18)得:
式中:
TN变为TN′:
式中:
TN′的谱与μ"之间有如下对应关系:
μ″∈σ(T′N)\{0} (26)
进一步优选的技术方案,采用迭代特征值算法计算TN′的设定个数个模值最大的特征值在应用解算子对应的离散化矩阵TN′求解大规模电力系统的时滞特征值时步骤为:
由于TN′具有特殊的逻辑结构,qj+1的第n+1:(kn1+N'n2)个分量与qj的第1:(k-1)n个和第kn-n2+1:(kn1+(N'-1)n2)个分量之间存在一一对应关系,即:
而qj+1的第1:n个分量,即qj+1(1:n,1),可以进一步分解为2个矩阵-向量乘积运算:
z=ΣN′·qj (29)
然后,将式(24)代入式(29)中,进而利用克罗内克积的性质,得:
D0w=-C0qk+1 (32)
z0=A′0qk+1+B′0w (33)
将其改写为矩阵形式,可得:
进一步优选的技术方案,利用稀疏实现方法计算式(30),首先需要将式(15)和式(1)代入式(24)中,得:
式中:A′0,B′0与A0,B0具有完全相同的稀疏特性,
A′0=αkIn-hβkαA0e-jθ (36)
B′0=-hβkαB0e-jθ (37)
[D0-C0(A′0)-1B′0]w=-C0(A′0)-1z (39)
qk+1=(A′0)-1(z-B′0w) (40)
将其改写为矩阵形式,可得:
与现有技术相比,本发明的有益效果是:
第一、本发明提出的低阶SOD-LMS算法给出了低阶情况下解算子离散化矩阵及其变换形式。
第二、本发明提出的低阶SOD-LMS算法用于计算实际系统机电振荡模式对应的关键特征值时,能够大幅降低解算子离散化矩阵的维数,提高计算效率。第三、本发明提出的低阶SOD-LMS算法给出了低阶情况下对矩阵求解过程进行稀疏实现的具体形式。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为基于低阶SOD-LMS电力系统机电振荡模式计算方法的流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本申请的一种典型的实施方式中,如图1所示,提供了基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,包括如下步骤:
S1:建立低阶时滞系统模型;利用电力系统中受时滞影响的状态变量维数远小于总状态变量维数这一性质,将原有的时滞电力系统模型转化为低阶时滞电力系统模型。并根据低阶时滞电力系统模型,将其转化为对应的解算子,从而将计算电力系统特征值的问题转化为计算对应解算子特征值的问题;
S2:通过线性多步法方法对解算子进行离散化,得到解算子的离散化矩阵;
S3:利用坐标旋转预处理方法,将解算子的离散化矩阵旋转并进行近似得到旋转后的解算子离散化近似矩阵,将时滞电力系统模型的阻尼比小于给定阻尼比ζ的关键特征值λ,变换为对应的旋转后的解算子离散化近似矩阵模值大于1的特征值μ″;
S4:采用隐式重启动Arnoldi算法,从步骤S3中旋转后的解算子离散化近似矩阵中计算得到解算子模值最大的部分的近似特征值μ″;
S5:从步骤S4中得到特征值μ″之后,对μ″进行反变换和牛顿校验,最终得到时滞电力系统模型的特征值λ,即为时滞电力系统的机电振荡模式。
所述步骤S1中,首先给出DCPPS的时滞微分代数方程:
将式(1)变换为时滞微分方程,并考虑初值,有:
式中,n1+n2=n,
所述步骤S1中的低阶时滞电力系统模型如下:
式中:和分别为与时滞相关和与时滞无关的电力系统状态变量向量,n1和n2分别为与时滞相关和与时滞无关的系统状态变量个数。t为当前时刻。0<τ1<τ2<…<τi…<τm=τmax为时滞环节的时滞常数。 和为系统状态矩阵的不同分块,均为稠密矩阵。(i=1,…,m)为系统时滞状态矩阵,为稀疏矩阵。Δx1(t)和Δx2(t)分别为t时刻系统状态变量x1和x2的增量,Δx2(t-τi)为t-τi时刻x2的增量,和分别为t时刻系统状态变量x1和x2导数的增量。Δx0,1和Δx0,2分别为系统状态变量x1和x2的初始值,可分别记为和
式(5)表示的线性化系统的特征方程为:
式中:λ为特征值,v为特征值对应的右特征向量。
所述步骤S2中,设为由区间[-τmax,0]到n维实数空间映射的连续函数构成的巴拿赫空间。解算子定义为将空间X上的初值条件转移到h时刻之后时滞电力系统解分段的线性算子;其中,h为转移步长,0≤h≤τm;
所述时滞电力系统模型的特征值与时滞电力系统模型的解算子特征值之间的关系:
通过式(8)可知,系统正实部的特征值则被映射到单位圆之外,而系统的负实部特征值被映射到解算子单位圆之内。如果解算子至少存在一个单位圆之外的特征值,则可以原系统是不稳定的,如果解算子所有特征值的模值均位于单位圆之内,则原系统是稳定的。
解算子是表征X→X映射的无穷维线性算子。为了计算其特征值,首先采用线性多步法(Linear MultiStep,LMS)对解算子进行离散化,得到与对应的有限维的近似矩阵TN,进而计算TN的特征值并得到原系统机电振荡模式对应的特征值。
所述步骤S2的步骤如下:
式(10)和(11)中,N为离散化维数,N=Q+k+s-,其中k为LMS法的系数,s-为Nordsieck插值的系数,而h为k步LMS法的步长。αk和βk为k步LMS法的系数。其中,中的元素完全由LMS法的系数α决定,中的元素由LMS法的系数β和步长h共同决定,而中的元素由拉格朗日插值系数和LMS法的系数β和步长h共同决定,和分别为对应阶数的零矩阵,和In分别为对应阶数的对角单位矩阵,为Kronecker积运算。
所述步骤S3中,首先将坐标轴逆时针旋转θ角度,将电力系统中阻尼比小于最大计算阻尼比ζ(ζ=sinθ)的关键特征值λ,变换为TN模值大于1的特征值μ。
将式(6)中的λ用λ′e-jθ代替,可以得到坐标轴旋转后的特征方程:
式中:
λ′=λe-jθ (13)
τ′i=τiejθ,i=1,...,m (14)
由式(14)可知,当θ≠0时,坐标旋转后τ′i(i=1,…,m)变为复数。然而,离散化过程中需要将区间[-τmax,0]划分为N=Q+k+s-个长度为h的子区间,其中由于h是正实数、Q为正整数,因此τ′max=τ′m必须为实数。显然,实际上为复数的τ′max不能满足这一要求。因此,需要对坐标旋转后的τ′i(i=1,…,m)进行近似。因此,式(14)变为:
τ′i=τiejθ≈τi,i=1,...,m (16)
式(12)变为:
然后,为了改善算法的收敛性,可对特征值μ'进行非线性放大,从而增大不同特征值之间的相对距离。假设对μ'进行α次乘方,则由式(18)得:
式中:
式中:
TN′的谱与μ"之间有如下对应关系:
μ″∈σ(T′N)\{0} (26)
所述步骤S4中,矩阵TN′的阶数为N'n。对于大规模电力系统,这个阶数将非常大。因此,必须采用迭代特征值算法计算TN′的设定个数个模值最大的特征值在应用解算子对应的离散化矩阵TN′求解大规模电力系统的时滞特征值时,所述步骤S4的步骤如下:
由于TN′具有特殊的逻辑结构,qj+1的第n+1:(kn1+N'n2)个分量与qj的第1:(k-1)n个和第kn-n2+1:(kn1+(N'-1)n2)个分量之间存在一一对应关系,即:
而qj+1的第1:n个分量,即qj+1(1:n,1),可以进一步分解为2个矩阵-向量乘积运算:
z=ΣN′·qj (29)
由于直接计算式(29)和式(30)的计算量较大,可以利用稀疏实现方法降低计算量。下面分别介绍利用稀疏实现方法计算两者的步骤。
D0w=-C0qk+1 (32)
z0=A′0qk+1+B′0w (33)
将其改写为矩阵形式,可得:
利用稀疏实现方法计算式(30),首先需要将式(15)和式(1)代入式(24)中,可得:
式中:A′0,B′0与A0,B0具有完全相同的稀疏特性,
A′0=αkIn-hβkαA0e-jθ (36)
B′0=-hβkαB0e-jθ (37)
[D0-C0(A′0)-1B′0]w=-C0(A′0)-1z (39)
qk+1=(A′0)-1(z-B′0w) (40)
将其改写为矩阵形式,可得:
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (9)
1.基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,其特征是,包括:
针对时滞电力系统模型进行降阶处理得到低阶时滞电力系统模型,并根据低阶时滞电力系统模型,将其转化为对应的解算子,低阶时滞电力系统模型的特征值与低阶时滞电力系统模型的解算子特征值为一一对应关系,从而将计算时滞电力系统特征值的问题转化为计算对应解算子特征值的问题;
通过线性多步法对解算子进行离散化,得到解算子的离散化矩阵;
利用坐标旋转预处理方法,将解算子的离散化矩阵旋转并进行近似得到旋转后的解算子离散化近似矩阵,将低阶时滞电力系统模型的阻尼比小于给定阻尼比ζ的关键特征值λ,变换为对应的旋转后的解算子离散化近似矩阵模值大于1的特征值μ″;
得到特征值μ″之后,对μ″进行反变换和牛顿校验,最终得到时滞电力系统模型的特征值λ;
将时滞电力系统模型的时滞微分代数方程变换为时滞微分方程,根据时滞微分方程将状态变量分为与时滞无关项及与时滞相关项,从而得到低阶时滞电力系统模型;
所述低阶时滞电力系统模型如下:
式中:和分别为与时滞无关和与时滞相关的电力系统状态变量向量,n1和n2分别为与时滞无关和与时滞相关的系统状态变量个数,n1+n2=n,n为描述电力系统动态特性的微分代数方程组中状态变量的个数,t为当前时刻,τi>0,i=1,…,m,为时滞常数,并假设0<τ1<τ2<…<τi…<τm=τmax为时滞环节的时滞常数,其中m为系统中时滞的个数,τmax为最大的时滞, 和为系统状态矩阵的不同分块,均为稠密矩阵,为稠密的系统状态矩阵,为系统时滞状态矩阵,为稀疏矩阵,Δx1(t)和Δx2(t)分别为t时刻系统状态变量x1和x2的增量,Δx2(t-τi)为t-τi时刻x2的增量,和分别为t时刻系统状态变量x1和x2导数的增量,Δx0,1和Δx0,2分别为系统状态变量x1和x2的初始值,可分别记为和
所述低阶时滞电力系统模型对应的线性化系统的特征方程为:
2.如权利要求1所述的基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,其特征是,根据低阶时滞电力系统模型,将其转化为对应的解算子,具体为:
λ=1/(hlnμ),μ∈σ(T(h))\{0} (8)
4.如权利要求3所述的基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,其特征是,利用坐标旋转预处理方法,将解算子的离散化矩阵旋转并进行近似得到旋转后的解算子离散化近似矩阵,具体为:
将坐标轴逆时针旋转θ角度,将低阶时滞电力系统模型对应的线性化系统的特征方程中的λ用λ′ejθ代替,可以得到坐标轴旋转后的特征方程:
式中:
λ′=λe-jθ (13)
τi′=τiejθ,i=1,...,m (14)
对坐标旋转后的τ′i,i=1,…,m,进行近似,因此,式(14)变为:
τ′i=τiejθ≈τi,i=1,...,m (16)
式(12)变为:
5.如权利要求4所述的基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,其特征是,为了改善算法的收敛性,对特征值μ'进行非线性放大,从而增大不同特征值之间的相对距离,假设对μ'进行α次乘方,则由式(18)得:
式中:
TN变为TN′:
式中:
TN′的谱与μ"之间有如下对应关系:
μ″∈σ(T′N)\{0} (26)
6.如权利要求5所述的基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,其特征是,采用迭代特征值算法计算TN′的设定个数个模值最大的特征值在应用解算子对应的离散化矩阵TN′求解大规模电力系统的时滞特征值时步骤为:
由于TN′具有特殊的逻辑结构,qj+1的第n+1:(kn1+N'n2)个分量与qj的第1:(k-1)n个和第kn-n2+1:(kn1+(N'-1)n2)个分量之间存在一一对应关系,即:
而qj+1的第1:n个分量,即qj+1(1:n,1),可以进一步分解为2个矩阵-向量乘积运算:
z=ΣN′·qj (29)
7.如权利要求6所述的基于低阶SOD-LMS算法的时滞电力系统特征值计算方法,其特征是,利用稀疏实现方法计算式(29),首先需要从列的方向上将向量qk压缩为矩阵和即qk=[vec(Q1)T,vec(Q2)T]T;
然后,将式(24)代入式(29)中,进而利用克罗内克积的性质,得:
式(31)中,z的计算量主要由稠密矩阵-向量乘积决定,Q1为与时滞无关的电力系统状态矩阵,Q2为与时滞相关的电力系统状态矩阵,为了减少复数运算,将式(15)代入,则其可以改写为其中可将其计算步骤分解为如下两个步骤:
D0w=-C0qk+1 (32)
z0=A′0qk+1+B′0w (33)
将其改写为矩阵形式,可得:
式中:A′0,B′0分别为A0,B0的变换矩阵,A′0,B′0与A0,B0具有完全相同的稀疏特性,
A′0=αkIn-hβkαA0e-jθ (36)
B′0=-hβkαB0e-jθ (37)
[D0-C0(A′0)-1B′0]w=-C0(A′0)-1z (39)
qk+1=(A′0)-1(z-B′0w) (40)
将其改写为矩阵形式,可得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810771627.5A CN109033022B (zh) | 2018-07-13 | 2018-07-13 | 基于低阶sod-lms算法的时滞电力系统特征值计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810771627.5A CN109033022B (zh) | 2018-07-13 | 2018-07-13 | 基于低阶sod-lms算法的时滞电力系统特征值计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033022A CN109033022A (zh) | 2018-12-18 |
CN109033022B true CN109033022B (zh) | 2020-07-31 |
Family
ID=64642295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810771627.5A Active CN109033022B (zh) | 2018-07-13 | 2018-07-13 | 基于低阶sod-lms算法的时滞电力系统特征值计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033022B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110457761B (zh) * | 2019-07-17 | 2021-02-12 | 大连理工大学 | 一种解决Pogo模型奇异性问题的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102801158B (zh) * | 2012-07-31 | 2014-07-09 | 国网山东省电力公司经济技术研究院 | 基于Pade近似的时滞电力系统特征值计算与稳定性判别方法 |
US9316701B1 (en) * | 2014-05-06 | 2016-04-19 | The Florida State University Research Foundation, Inc. | Real-time small-signal stability assessment of power electronic-based components in contemporary power systems |
CN104505830B (zh) * | 2015-01-14 | 2017-08-04 | 华北电力大学 | 时滞电力系统稳定性分析方法和装置 |
CN104615882B (zh) * | 2015-02-03 | 2017-06-27 | 山东大学 | 基于eigd的大规模时滞电力系统特征值计算方法 |
CN105468909B (zh) * | 2015-11-24 | 2018-01-30 | 山东大学 | 基于sod‑ps‑r算法的时滞电力系统机电振荡模式计算方法 |
CN105977969B (zh) * | 2016-06-08 | 2017-10-03 | 山东大学 | 基于sod‑lms的大规模多时滞电力系统稳定性判别方法 |
-
2018
- 2018-07-13 CN CN201810771627.5A patent/CN109033022B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109033022A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Finite-time stability and its application for solving time-varying Sylvester equation by recurrent neural network | |
CN105468909B (zh) | 基于sod‑ps‑r算法的时滞电力系统机电振荡模式计算方法 | |
Zhao et al. | Reinforcement learning based optimal control of linear singularly perturbed systems | |
Abdulle et al. | Analysis of the finite element heterogeneous multiscale method for quasilinear elliptic homogenization problems | |
Rapisarda et al. | Identification and data-driven model reduction of state-space representations of lossless and dissipative systems from noise-free data | |
Li et al. | Modified Hermitian and skew‐Hermitian splitting methods for non‐Hermitian positive‐definite linear systems | |
CN108321821B (zh) | 基于sod-irk的时滞电力系统稳定性判别方法 | |
Máximo | On the blow-up of four-dimensional Ricci flow singularities | |
Ye et al. | Eigen-analysis of large delayed cyber-physical power system by time integration-based solution operator discretization methods | |
CN108808706B (zh) | 基于sod-ps-ii-r算法的时滞电力系统机电振荡模式计算方法 | |
CN109033022B (zh) | 基于低阶sod-lms算法的时滞电力系统特征值计算方法 | |
Ye et al. | Iterative infinitesimal generator discretization-based method for eigen-analysis of large delayed cyber-physical power system | |
Dmytryshyn et al. | Miniversal deformations of matrices under* congruence and reducing transformations | |
Chatzimanolakis et al. | A painless intrusive polynomial chaos method with RANS-based applications | |
Cai et al. | Optimal guidance for hypersonic reentry using inversion and receding horizon control | |
CN108879669B (zh) | 基于低阶iigd算法的时滞电力系统特征值分析方法 | |
CN109615209B (zh) | 一种时滞电力系统特征值计算方法及系统 | |
Sun et al. | Fast structure-preserving difference algorithm for 2D nonlinear space-fractional wave models | |
CN108808705B (zh) | 基于低阶sod-ps-ii-r算法的时滞电力系统机电振荡模式计算方法 | |
CN109685400B (zh) | 基于时间积分igd的时滞电力系统稳定性判别方法 | |
He et al. | Neimark–Sacker bifurcation of a third-order rational difference equation | |
Steihaug et al. | Rate of convergence of higher order methods | |
Fraysse et al. | Quasi-a priori mesh adaptation and extrapolation to higher order using τ-estimation | |
Barham et al. | Development of the large increment method for elastic perfectly plastic analysis of plane frame structures under monotonic loading | |
Nasiri Soloklo et al. | H2 model order reduction of bilinear systems via linear matrix inequality approach |
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 |