CN110021961A - 一种含风电场电力系统在线同调识别方法 - Google Patents
一种含风电场电力系统在线同调识别方法 Download PDFInfo
- Publication number
- CN110021961A CN110021961A CN201910354553.XA CN201910354553A CN110021961A CN 110021961 A CN110021961 A CN 110021961A CN 201910354553 A CN201910354553 A CN 201910354553A CN 110021961 A CN110021961 A CN 110021961A
- Authority
- CN
- China
- Prior art keywords
- generator
- matrix
- wind power
- degree
- power plant
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims abstract description 63
- 239000013598 vector Substances 0.000 claims abstract description 31
- 230000008878 coupling Effects 0.000 claims abstract description 25
- 238000010168 coupling process Methods 0.000 claims abstract description 25
- 238000005859 coupling reaction Methods 0.000 claims abstract description 25
- 230000001427 coherent effect Effects 0.000 claims abstract description 9
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 230000001360 synchronised effect Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008602 contraction Effects 0.000 claims description 6
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 238000003909 pattern recognition Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 239000000243 solution Substances 0.000 claims description 4
- 230000001052 transient effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims 1
- 230000010355 oscillation Effects 0.000 abstract description 5
- 230000003321 amplification Effects 0.000 abstract description 2
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明涉及一种含风电场电力系统在线同调识别方法，本发明在第一步将风电功率注入对于原系统的影响等效为发电机节点的自导纳变化，计算出风机功率置换后的所连电机功角变化近似值，构建发电机耦合程度拉普拉斯矩阵并求出离线分类结果；第二步基于离线的发电机耦合程度约束，在对发电机在线同调识别中放大风电场接入对电力系统固有振荡模式的影响，运用发电机之间的耦合关系修正从功角轨迹中提取的信息，得到在线分群结果；第三步将风机接入后的发电机之间相关程度映射到低维空间中，提取前k个特征向量，采用修正余弦距离计算相似度，最终得到在线同调分群结果。本方法能够更加准确地完成不同故障信息下的风机并网系统中的同调机群在线识别。
Description
技术领域
本发明涉及一种大电网在线同调识别策略，尤其是含风电场的大电网受扰机群同调分群策略。
背景技术
同调分群的实质是将电网中的同步发电机组根据其受扰后动态响应行为的相似性进行分群。目前现有的大电网同调机群分群策略，主要分为三类：第一类是采用状态矩阵法，通过直接分析线性化系统模型的状态矩阵判断其同调性；第二类是采用特征值法，通过提取特征值分析电力系统的振荡模式进行判别，如慢同调法；第三类是对受扰发电机的功角曲线轨迹进行数学分析，包括K-medoids聚类、拉普拉斯特征映射算法、层次聚类分析法、独立分量分析技术、奇异值分解、张量法等。然而以上方法都存在着种种不足，比如，采用第一类状态矩阵方法，通过将系统在非平衡点处线性化的方式得到分群结果，该方法是基于静态分析法解决暂态过程问题，其结果无法考虑实时的故障信息，每次计算只能得到单一的振荡模式；采用第三类数学分析对受扰发电机的功角数据进行同调识别无需系统元件的模型和参数，在计算复杂度上有一定的优势，但并未考虑电力系统的拓扑结构和潮流水平等信息，使得结果的准确性存在一定问题。上述方法都没有考虑当风电并网后，风功率注入导致系统震荡模式改变，传统的同调分群策略已经难以分析高风电渗透率下电力系统的同调机群特性。
发明内容
本发明主要是解决现有技术所存在的技术问题；提供了一种对高渗透率风机接入下的电力系统进行等值处理的方法。由于风机接入会使得系统变得更加复杂，传统的电机分群策略无法满足新型电力系统的需要。依据等值OMIB原理，将风电机功率以电流注入的形式进行等值，提出了一种置换系统中发电机节点电压、功角的近似算法，从而推导出了一种含风电场电力系统离线识别的算法
本发明还有一目的是解决现有技术所存在的技术问题；提供了一种改进的半监督特征映射同调电机的在线识别算法。能有效利用WAMS提供的实时功角信息，运用拉普拉斯特征映射算法和修正的余弦相似度因子进行发电机在线同调识别，具有快速性和有效性。
本发明再有一目的是解决现有技术所存在的技术问题；提供了一种基于特征向量映射的含风电场电力系统在线识别的两步算法，在考虑离线分群的同时还考虑了实时的故障信息，对比传统的发电机同调分群策略大多只是单一地考虑了离线或是在线的信息，该算法可以准确地完成同调电机在线识别，保证了算法的正确性。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种含风电场电力系统在线同调识别方法，其特征在于，包括：
步骤1，含风电场电力系统离线分类求解步骤：首先计算出风机功率置换后的所连电机功角变化近似值，用电机节点构建动态图论GD，并定义边权值从而得到改进发电机耦合程度拉普拉斯矩阵，解出该广义特征问题的费德勒矢量u,再用k-means算法对费德勒矢量u各行元素进行分类得到离线分类结果；
步骤2，基于发电机耦合程度约束的半监督在线识别步骤：根据步骤1获得的离线分类结果对电力系统邻接图的功角权值矩阵进行修正，使得类内同调机组间的距离小于类间同调机组间的距离，进而运用发电机之间的耦合关系修正从功角轨迹中提取的信息；
步骤3，基于修正余弦相似度因子的特征向量模式识别步骤：为了将风机接入后的发电机之间相关程度映射到低维空间中，提取改进算法的前k个特征向量V＝[v1,v2,…vk]。采用修正余弦距离计算相似度，通过对各维度数据减去平均值的方式，对各维度数据进行中心化处理,解决向量维度量纲的差异性,将系统发电机之间的相关程度映射到k维子空间中最终得到在线同调分群结果。
在上述的一种含风电场电力系统在线同调识别方法，所述的步骤1中，获取含风电场电力系统离线分类结果的具体操作方法如下：
步骤1.1，计算传统电力系统收缩导纳矩阵，将风电场并入电力系统后，将风机注入的功率以电流的形式加在原电力系统的同步发电机节点上，通过修改原电力系统同步发电机节点的自导纳对风机注入的电流进行折算，得到含风电场的收缩导纳矩阵：
YWii＝ΔYi+Ygii
式中:YWii为等效收缩导纳矩阵，ΔYi为风机并入后节点导纳矩阵变化量，ΔYgii为原系统发电机节点导纳矩阵；
步骤1.2，将风电场和最近的同步机组联合分析，将二者等效为一个虚拟的发电机节点VG，计算该等效发电机的等效功角：
δ′r＝arcsin(P′rsinδr/Pr)
式中，Pr，δi为同步发电机r的初始功率和功角,P′r,δ′r为等效发电机节点VG的等效功率和等效功角。
步骤1.3，通过构建无向图GD(V,VG,E,W)反映电力系统中同调机群的耦合程度，定义其耦合程度拉普拉斯矩阵LD:
风机并入系统后，发电机耦合程度拉普拉斯矩阵变化量ΔLD:
式中:Pij、δij分别为发电机i与j之间的功率和功角；Vi为第i台发电机的暂态电势；Bij为收缩导纳矩阵对应元素虚部。
对该矩阵进行离线的电力系统发电机耦合程度识别,根据广义特征公式-LDu＝λMu计算费德勒矢量u,并用K-means算法对各行元素分类得到离线分类结果。
在上述的一种含风电场电力系统在线同调识别方法，所述步骤2中，构建邻接图G后，根据上一步骤得到的离线分类结果对邻接权值矩阵W修正，使得类内同调机组间的距离小于类间同调机组间的距离。
K(i,j)＝exp(-||xi-xj||2/t)
根据邻接权值矩阵W计算出度矩阵A和拉普拉斯矩阵L；
L＝A-W
在上述的一种含风电场电力系统在线同调识别方法，步骤3中,修正余弦相似度因子，提取步骤2得到的前k个特征向量V＝[v1,v2,…,vk]，计算分群矩阵P。
Pij表示vi和vj两特征向量之间紧密度，即发电机i和j之间的同调程度。em表示矩阵V第m列元素的平均值。
因此，本发明具有如下优点：1.通过将风机功率以电流注入的形式等值为系统导纳矩阵的改变，得到含风电场的电力系统发电机耦合程度数学模型，具有快速、高效的优点2.对传统的通过拉普拉斯特征映射算法识别同调发电机进行改进，引入了离线分类约束，可针对实时故障信息得到在线分类结果，具有实时性。
附图说明
图1为一种含风电场电力系统在线同调识别策略流程。
具体实施方式
下面通过IEEE39节点仿真算例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
一、首先介绍本发明的方法原理，包括以下步骤：
步骤1，含风电场电力系统离线分类求解步骤：由于风机本身没有功角稳定问题，风机接入系统后通过影响同步发电机组的功角稳定从而改变风机并网系统的振荡模式。风电功率注入对于原系统的影响可以等效为发电机节点的自导纳变化，首先计算出风机功率置换后的所连电机功角变化近似值，用电机节点构建动态图论GD，并定义边权值从而得到改进发电机耦合程度拉普拉斯矩阵，解出该广义特征问题的费德勒矢量u,再用k-means算法对费德勒矢量u各行元素进行分类得到离线分类结果，具体操作方法如下：
步骤1.1，计算传统电力系统收缩导纳矩阵，将风电场并入电力系统后，将风机注入的功率以电流的形式加在原电力系统的同步发电机节点上，通过修改原电力系统同步发电机节点的自导纳对风机注入的电流进行折算，得到含风电场的收缩导纳矩阵：
YWii＝ΔYi+Ygii
式中:YWii为等效收缩导纳矩阵，ΔYi为风机并入后节点导纳矩阵变化量，ΔYgii为原系统发电机节点导纳矩阵。
步骤1.2，将风电场和最近的同步机组联合分析，将二者等效为一个虚拟的发电机节点VG，计算该等效发电机的等效功角：
δ′r＝arcsin(P′rsinδr/Pr)
式中，Pr，δi为同步发电机r的初始功率和功角,P′r,δ′r为等效发电机节点VG的等效功率和等效功角。
步骤1.3，通过构建无向图GD(V,VG,E,W)反映电力系统中同调机群的耦合程度，定义其耦合程度拉普拉斯矩阵LD:
风机并入系统后，发电机耦合程度拉普拉斯矩阵变化量ΔLD:
式中:Pij、δij分别为发电机i与j之间的功率和功角；Vi为第i台发电机的暂态电势；Bij为收缩导纳矩阵对应元素虚部。
对该矩阵进行离线的电力系统发电机耦合程度识别,根据广义特征公式-LDu＝λMu计算费德勒矢量u,并用K-means算法对各行元素分类得到离线分类结果。
步骤2，基于发电机耦合程度约束的半监督在线识别步骤：在对发电机在线同调识别的过程中放大风电场接入对电力系统固有振荡模式的影响，需要根据上一步骤获得的离线分类结果对电力系统邻接图的功角权值矩阵进行修正，使得类内同调机组间的距离小于类间同调机组间的距离，进而运用发电机之间的耦合关系修正从功角轨迹中提取的信息。构建邻接图G并计算出度矩阵A和未规范化的拉普拉斯矩阵L,通过公式LN＝A-1L求出规范化拉普拉斯矩阵，计算方程LNX＝λX的特征值和特征向量，确定最优同调机群分群数k后提取前k个特征向量X1,X2,…,XK,对其进行模式识别得到在线分群结果，构建邻接图G后，根据上一步骤得到的离线分类结果对邻接权值矩阵W修正，使得类内同调机组间的距离小于类间同调机组间的距离。
K(i,j)＝exp(-||xi-xj||2/t)
根据邻接权值矩阵W计算出度矩阵A和拉普拉斯矩阵L.
L＝A-W
步骤3，基于修正余弦相似度因子的特征向量模式识别步骤：为了将风机接入后的发电机之间相关程度映射到低维空间中，提取改进算法的前k个特征向量V＝[v1,v2,…vk]。采用修正余弦距离计算相似度，通过对各维度数据减去平均值的方式，对各维度数据进行中心化处理,解决向量维度量纲的差异性,将系统发电机之间的相关程度映射到k维子空间中最终得到在线同调分群结果；提取上一步骤得到的前k个特征向量V＝[v1,v2,…,vk]，计算分群矩阵P。
Pij表示vi和vj两特征向量之间紧密度，即发电机i和j之间的同调程度。em表示矩阵V第m列元素的平均值。
二、下面为一个具体的实施案例。
步骤1，含风电场电力系统离线同调识别，以IEEE39节点系统为例进行仿真验证。在不同点并入风机，将风机接入对系统的影响等效到最近的火电同步机上，计算风机并网后的等效发电机节点功角，获得离线状态下各个发电机的耦合程度分类结果，具体操作方法如下：
步骤1.1，在IEEE39节点算例中，分别设置两种不同的风机并网形式，与原系统进行对比
表1不同典型场景下的风机接入情况
步骤1.2，计算风机并网后等效发电机功角，得到不同风机并网情形下的发电机耦合程度矩阵，求出对应的费德勒矢量，获得发电机耦合程度分类结果如表2；
表2不同典型场景下的同调机群分类情况
步骤2，含风电场电力系统在线同调识别步骤。该步骤将步骤一中离线的分类结果对电力系统邻接图进行修正，放大风电场并网对于电力系统固有振荡模式的影响。以IEEE39节点系统为例，在步骤一的三种不同风机接入场景下对节点17设置三相短路故障，设置故障开始时间为0.5s，持续时间1s，通过PSD－BPA仿真得到三种不同风机接入方式场景下发电机的功角轨迹。
步骤3，根据步骤一的发电机离线耦合程度分类结果，在线修正拉普拉斯功角矩阵的广义特征值和特征向量，计算出系统最优同调分群数k,提取前k维特征向量，计算余弦相似度因子，得到分群矩阵P，分析分群矩阵P中各个向量之间的相似度，可以对电力系统的同调机群进行在线同调识别，对比其他分群算法的结果如表所示
表3不同风电渗透率下的同调机群分群结果对比
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (4)
1.一种含风电场电力系统在线同调识别方法，其特征在于，包括：
步骤1，含风电场电力系统离线分类求解步骤：首先计算出风机功率置换后的所连电机功角变化近似值，用电机节点构建动态图论GD，并定义边权值从而得到改进发电机耦合程度拉普拉斯矩阵，解出该广义特征问题的费德勒矢量u,再用k-means算法对费德勒矢量u各行元素进行分类得到离线分类结果；
步骤2，基于发电机耦合程度约束的半监督在线识别步骤：根据步骤1获得的离线分类结果对电力系统邻接图的功角权值矩阵进行修正，使得类内同调机组间的距离小于类间同调机组间的距离，进而运用发电机之间的耦合关系修正从功角轨迹中提取的信息；
步骤3，基于修正余弦相似度因子的特征向量模式识别步骤：为了将风机接入后的发电机之间相关程度映射到低维空间中，提取改进算法的前k个特征向量V＝[v1,v2,…vk]；采用修正余弦距离计算相似度，通过对各维度数据减去平均值，对各维度数据进行中心化处理,解决向量维度量纲的差异性,将系统发电机之间的相关程度映射到k维子空间中最终得到在线同调分群结果。
2.根据权利要求1所述的一种含风电场电力系统在线同调识别方法，其特征在于，所述的步骤1中，获取含风电场电力系统离线分类结果的具体操作方法如下：
步骤1.1，计算传统电力系统收缩导纳矩阵，将风电场并入电力系统后，将风机注入的功率以电流的形式加在原电力系统的同步发电机节点上，通过修改原电力系统同步发电机节点的自导纳对风机注入的电流进行折算，得到含风电场的收缩导纳矩阵：
YWii＝ΔYi+Ygii
式中:YWii为等效收缩导纳矩阵，ΔYi为风机并入后节点导纳矩阵变化量，ΔYgii为原系统发电机节点导纳矩阵；
步骤1.2，将风电场和最近的同步机组联合分析，将二者等效为一个虚拟的发电机节点VG，计算该等效发电机的等效功角：
δ′r＝arcsin(P′rsinδr/Pr)
式中，Pr，δi为同步发电机r的初始功率和功角,P′r,δ′r为等效发电机节点VG的等效功率和等效功角；
步骤1.3，通过构建无向图GD(V,VG,E,W)反映电力系统中同调机群的耦合程度，定义其耦合程度拉普拉斯矩阵LD:
风机并入系统后，发电机耦合程度拉普拉斯矩阵变化量ΔLD:
式中:Pij、δij分别为发电机i与j之间的功率和功角；Vi为第i台发电机的暂态电势；Bij为收缩导纳矩阵对应元素虚部；
对该矩阵进行离线的电力系统发电机耦合程度识别,根据广义特征公式-LDu＝λMu计算费德勒矢量u,并用K-means算法对各行元素分类得到离线分类结果。
3.根据权利要求1所述的一种含风电场电力系统在线同调识别方法，其特征在于，所述步骤2中，构建邻接图G后，根据上一步骤得到的离线分类结果对邻接权值矩阵W修正，使得类内同调机组间的距离小于类间同调机组间的距离；
K(i,j)＝exp(-||xi-xj||2/t)
根据邻接权值矩阵W计算出度矩阵A和拉普拉斯矩阵L.
4.根据权利要求1所述的一种含风电场电力系统在线同调识别方法，其特征在于，步骤3中，,修正余弦相似度因子，提取步骤2得到的前k个特征向量V＝[v1,v2,…,vk]，计算分群矩阵P：
Pij表示vi和vj两特征向量之间紧密度，即发电机i和j之间的同调程度；em表示矩阵V第m列元素的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910354553.XA CN110021961A (zh) | 2019-04-29 | 2019-04-29 | 一种含风电场电力系统在线同调识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910354553.XA CN110021961A (zh) | 2019-04-29 | 2019-04-29 | 一种含风电场电力系统在线同调识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110021961A true CN110021961A (zh) | 2019-07-16 |
Family
ID=67192822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910354553.XA Pending CN110021961A (zh) | 2019-04-29 | 2019-04-29 | 一种含风电场电力系统在线同调识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110021961A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111244972A (zh) * | 2020-01-21 | 2020-06-05 | 香港中文大学（深圳） | 提升电力系统稳定性的方法、装置、电子装置及存储介质 |
| CN113098065A (zh) * | 2021-04-15 | 2021-07-09 | 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 |
| CN117039891A (zh) * | 2023-10-08 | 2023-11-10 | 云南电力试验研究院(集团)有限公司 | 基于余弦相似度的风电机组Crowbar动作辨识方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109510245A (zh) * | 2019-01-03 | 2019-03-22 | 东北电力大学 | 一种基于图分割的电力系统同调机群辨识方法 |
| CN109657902A (zh) * | 2018-10-30 | 2019-04-19 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 考虑次同步振荡特性的双馈风机动态等值方法 |
-
2019
- 2019-04-29 CN CN201910354553.XA patent/CN110021961A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109657902A (zh) * | 2018-10-30 | 2019-04-19 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 考虑次同步振荡特性的双馈风机动态等值方法 |
| CN109510245A (zh) * | 2019-01-03 | 2019-03-22 | 东北电力大学 | 一种基于图分割的电力系统同调机群辨识方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘扬等: "一种考虑风电场并网的电力系统在线同调识别策略", 《电网技术》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111244972A (zh) * | 2020-01-21 | 2020-06-05 | 香港中文大学（深圳） | 提升电力系统稳定性的方法、装置、电子装置及存储介质 |
| CN111244972B (zh) * | 2020-01-21 | 2021-08-10 | 香港中文大学（深圳） | 提升电力系统稳定性的方法、装置、电子装置及存储介质 |
| CN113098065A (zh) * | 2021-04-15 | 2021-07-09 | 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 |
| CN117039891A (zh) * | 2023-10-08 | 2023-11-10 | 云南电力试验研究院(集团)有限公司 | 基于余弦相似度的风电机组Crowbar动作辨识方法 |
| CN117039891B (zh) * | 2023-10-08 | 2024-02-20 | 云南电力试验研究院(集团)有限公司 | 基于余弦相似度的风电机组Crowbar动作辨识方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102074955B (zh) | 基于知识发现技术的电力系统稳定评估及控制方法 | |
| CN110021961A (zh) | 一种含风电场电力系统在线同调识别方法 | |
| CN103336909B (zh) | 一种风电接入电网的低频振荡辨识方法 | |
| CN103870923B (zh) | 基于信息熵的凝聚型层次聚类算法的风电场机群聚合方法 | |
| CN104392056B (zh) | 一种直驱风电机组建模方法及装置 | |
| CN112581315A (zh) | 一种基于极端梯度动态密度聚类的风电场内分群方法 | |
| CN107968409A (zh) | 一种考虑不平衡功率分配的概率潮流计算方法及系统 | |
| CN115017787A (zh) | 基于智能算法的风电场电压穿越特性等值建模方法及系统 | |
| CN111709555A (zh) | 一种分布式电源优化配置的方法及系统 | |
| CN103248049A (zh) | 含dfig风电场电力系统电压稳定域切平面的获取方法 | |
| CN109583069A (zh) | 基于时间相关性的风速建模方法 | |
| CN105576654A (zh) | 直驱风电场等值方法和系统 | |
| CN109408849A (zh) | 一种基于同调机组分群的风电场动态等值方法 | |
| CN108899930A (zh) | 基于主成份分析法和分层聚类算法的风电场等值建模方法 | |
| CN105701265B (zh) | 一种双馈风电机组建模方法及装置 | |
| CN111125880A (zh) | 一种暂态稳定视角下电力系统仿真数据生成方法 | |
| CN104700156B (zh) | 一种基于支持向量机筛选变量的风电功率预测方法 | |
| Wang et al. | Cluster division in wind farm through ensemble modelling | |
| CN108054768A (zh) | 基于主成分分析的电力系统暂态稳定评估方法 | |
| CN105303319A (zh) | 一种基于运行数据的风电场动态分群等值方法 | |
| CN117394313A (zh) | 一种电力系统暂态稳定评估方法、系统、芯片及设备 | |
| CN104795812B (zh) | 一种考虑定子阻尼效应并采用变量代换的慢同调分区法 | |
| CN116010831A (zh) | 一种基于潜在决策结果的组合聚类场景缩减方法及系统 | |
| CN114298478A (zh) | 一种风电并网系统小扰动稳定辨识方法及系统 | |
| CN108183481A (zh) | 一种基于深度学习电网快速判稳方法和系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190716 |