CN111553080B - 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 - Google Patents
一种配电台区负荷动态等值非机理模型参数闭环辨识方法 Download PDFInfo
- Publication number
- CN111553080B CN111553080B CN202010357597.0A CN202010357597A CN111553080B CN 111553080 B CN111553080 B CN 111553080B CN 202010357597 A CN202010357597 A CN 202010357597A CN 111553080 B CN111553080 B CN 111553080B
- Authority
- CN
- China
- Prior art keywords
- model
- identification
- closed
- loop
- voltage
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid 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
- 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]
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/22—Flexible AC transmission systems [FACTS] or power factor or reactive power compensating or correcting units
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种配电台区负荷动态等值非机理模型参数闭环辨识方法。基于馈线调压设备施加微小激励,并通过台区首端PMU量测电压/功率数据;选择误差自回归滑动平均模型(CARARMA模型)对台区等值负荷的电压‑有功功率特性进行刻画,并使用基于增广最小二乘的两阶段辨识法,将台区模型辨识的闭环过程转换为两个开环过程。本发明能够降低闭环特性对模型辨识精度的影响,提升负荷建模的准确性;可根据需要随时进行模型参数在线更新,模型时效性很高,且不影响电力系统正常运行;在模型噪声非白色时辨识误差更小。本发明也可拓展至其他激励位置与量测位置不同的电力系统建模研究。
Description
技术领域
本发明属于电力系统负荷建模领域,尤其涉及一种配电台区负荷动态等值非机理模型参数闭环辨识方法。
背景技术
建立准确的负荷模型是电力系统仿真的基础。负荷模型的准确性与潮流计算、暂态稳定分析、电压稳定计算等研究领域均密切相关。与此同时,随着源-网-荷互动技术的不断推进,精确有效的配电网电压控制、状态估计等功能均需要配电网低压台区负荷模型的有效支撑。因此,建立配电台区负荷电压-功率动态等值模型具有重要意义。
传统的负荷动态模型多使用描述设备物理特性的机理模型,如ZIP静态负荷与感应电动机并联的形式。但是对于部分配电台区而言,区域内可能存在多种新能源接入或柔性负荷种类繁多等情况。对这一类设备,使用描述元件物理特性的状态方程进行刻画较为困难。且由于电气设备数量较多、工作特性各不相同,使用机理模型描述系统时,可能存在待辨识参数较多,参数收敛性变差以及辨识计算量较大等问题。在这一背景下,考虑到相较于元件内部特性,负荷模型更关注台区整体的输入-输出特性,因此选用非机理模型描述待辨识负荷可以有效避免上述问题。
在辨识数据获取方面,同步相量测量单元(PMU)可以提供电力系统的高精度高分辨率实时动态响应数据。与此同时,系统辨识领域的多项研究已表明,持续激励信号的注入可以有效提升辨识结果的一致性。因此,在不影响电力系统正常运行的前提下,可在基于电力电子元件的调压设备(如STATCOM等)的输出信号中叠加幅值与系统自然噪声相当的可测微小电压激励,解决了系统自然条件下扰动不足的问题,做到即用即辨识,显著提升辨识模型的自适应能力。
但是对于配电台区而言,PMU可布置于400V台区汇流母线处,但是调压设备数目有限且通常安装于10kV馈线,其激励信号会导致下游多台区同时响应。此时,常规方法是将各台区首端PMU量测的电压响应作为输入、负荷功率响应作为输出直接辨识台区负荷模型。但是,由于电力系统为天然闭环系统,考虑到同一馈线上多个台区的电压、功率量测信号相互耦合,包含了相邻台区信息的功率信号将由潮流关系反馈至台区首端电压,使辨识具有闭环特征。根据系统辨识的相关理论可知:即使有调压设备上的充分激励信号这一有利条件,远方台区的闭环特征也可能明显影响辨识精度。
现有的负荷建模领域专利大多侧重于模型的结构或算法的创新,而忽略了电力系统的闭环特征,直接将其作为开环系统进行辨识。这是因为传统的负荷建模工作大多依托仿真系统展开,通常将激励信号注入位置和辨识信号量测位置均选在待辨识模型的首端。但是在基于实际系统开展的辨识研究中,无法确保激励位置和量测位置相同,此时模型的输出信号(功率)由于潮流耦合作用,必然会影响输入信号(电压),使辨识工作在闭环条件下。系统辨识的基本理论表明,闭环系统的可辨识性、辨识一致性、辨识方法等均与开环系统有所不同,因此有必要研究台区模型参数的闭环辨识方法。
发明内容
本发明提出了一种配电台区负荷动态等值非机理模型参数闭环辨识方法,发明主要在于使用基于增广最小二乘的两阶段辨识降低闭环特性对辨识精度的影响,并设计了一种基于馈线电压激励和PMU量测的台区负荷模型辨识方法。
本发明采用如下技术方案:
一种配电台区负荷动态等值非机理模型参数闭环辨识方法,其特征在于,包括以下步骤:
步骤1,激励信号注入:将经低通滤波器滤波的白噪声信号时间序列ΔR0(t)作为辨识激励信号,该信号幅值不得超出允许的电压偏移范围,并将其叠加到基于电力电子元件的馈线级调压设备的控制信号上。
步骤2,量测信号采集:通过台区首端PMU和调压设备处PMU同步采集调压设备输出的激励信号,以及待辨识台区首端汇流母线处的电压和有功功率激励响应时间序列。
步骤3,数据预处理:对PMU采集的电压/功率数据进行预处理以提高辨识用数据的信噪比,获得处理后的电压序列ΔU(t)、功率序列ΔP(t)和激励序列ΔR(t)。
步骤4,第一阶段辨识:使用增广最小二乘法辨识ΔR(t)-ΔU(t)的CARARMA模型,模型结构如下:
A(z-1)ΔU(t)=B(z-1)ΔR(t)+[D(z-1)/C(z-1)]v(t) (1)
则B(z-1)/A(z-1)即为灵敏度函数S(z-1)传递函数的估计S*(z-1)。
步骤5,中间输入构造:利用激励信号时间序列ΔR(t)和辨识模型S*(z-1),构造中间输入序列ΔUr(t)=S*(z-1)ΔR(t)。
步骤6,第二阶段辨识:根据中间输入序列ΔUr(t)和功率序列ΔP(t),辨识它们之间的CARARMA模型:
A(z-1)ΔP(t)=B(z-1)ΔUr(t)+[D(z-1)/C(z-1)]v(t) (3)
参数定义同公式(2),则此时辨识所得的B(z-1)/A(z-1)为台区1的等值负荷动态模型G(z-1)的估计值G*(z-1)。
在上述的步骤3:数据预处理中,具体操作如下:
步骤3.1:趋势滤除:采用经验模态分解滤除低频波动趋势,首先选择一个低于关注频带的频域阈值,再计算每个本征模函数(IMF)的主频率,最后将所有主频率低于阈值的IMF视作趋势并去除;
步骤3.2:低通滤波:采用通带截频8Hz,阻带截频10Hz的低通滤波器处理上一步获得的数据,滤除信号中的高频噪声和不关注的高频分量;
步骤3.3:降采样:结合系统动态频域范围和计算时长,将经过趋势滤除和低通滤波的输入、输出信号降采样至40Hz。
本发明可以根据电力系统的运行需求随时进行辨识,在线更新模型参数,有效提升了负荷模型的自适应能力。本发明考虑了电力系统的闭环特性,并针对该问题提出一种结合增广最小二乘的两阶段闭环辨识方法,通过将闭环辨识过程转化为两个开环辨识过程,并同步考虑噪声模型降低了闭环特性和噪声的有色性对辨识精度的影响。由于电力系统存在天然闭环特性,当激励位置和量测位置不同时,量测点的模型输入信号必然会由于潮流耦合受输出信号的影响。因此,本发明对其他激励位置和量测位置不同的电力系统辨识问题均具有一定指导意义。
附图说明
图1是基于馈线电压激励的台区辨识示意图。
图2是闭环系统典型结构图。
图3是仿真算例中低压配电网仿真系统结构图。
图4是仿真算例中直接闭环辨识与两阶段辨识拟合残差。
图5是仿真算例中两阶段闭环辨识拟合效果。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步具体的说明。
1基于馈线电压激励的台区模型参数在线辨识方法
由于实际电网中,400V台区配有部分PMU,但调压设备通常布置于10kV馈线,因此调压设备下游通常包含多个台区。基于馈线调压设备提供的电压激励,将引发下游台区的同时响应。图1所示为基于馈线电压激励的台区模型辨识示意图,其中,台区1为待辨识台区。辨识时,将激励信号叠加在馈线调压设备的输出信号上并由PMU1量测,PMU2同步量测台区1的电压/有功功率响应信号。
2基于增广最小二乘的两阶段辨识方法
图2给出了闭环系统的典型结构。图中,u(t)和y(t)为时刻t系统的输入、输出信号,r(t)是给定的参考信号,e(t)为与r(t)不相关的不可测白噪声;G(z-1)为前向通道传递函数,即待辨识部分,C(z-1)为反馈通道传递函数,H(z-1)为噪声模型;z-1为迟延算子,z-1u(t)=u(t-1)。在台区辨识问题中,u(t)对应于台区首端量测的电压信号,y(t)对应于台区首端量测的有功功率信号,r(t)为远方的馈线电压激励信号;G(z-1)为待辨识负荷模型,C(z-1)为由潮流方程和相邻区域模型构成的负荷通道。该系统满足如下关系:
S(z-1)=[1-G(z-1)C(z-1)]-1 (5)
可以看出,输入信号u(t)与输出噪声e(t)H(z-1)相关,满足闭环辨识关系。系统辨识的基本理论表明,在系统模型辨识参数集中包含真实参数,且噪声模型与真实噪声不同的情况下,开环辨识理论上可以获得系统模型的无偏估计,而闭环辨识只能获得有偏估计。因此,对闭环问题进行开环转换可以有效降低闭环特性对辨识精度的影响。
定义ur(t)=S(z-1)r(t),将公式(1)改写如下:
由于r(t)为人为给定信号,与e(t)不相关,因此两阶段法的第一阶段首先辨识r(t)-u(t)传递函数。由公式(1)可知,这一过程为开环辨识,理论上可获得S(z-1)的无偏估计值S*。在此基础上,根据r(t)和S*可以构造不受噪声污染的中间输入第二阶段辨识公式(3)表明与e(t)亦不相关,这一阶段仍属于开环辨识,因此理论上可以获得待辨识系统传递函数G(z-1)的无偏估计值G*。可以看出这一辨识过程与基于馈线电压激励的台区模型辨识场景十分契合。
此外,现有的电力系统负荷模型辨识通常将模型噪声视作白噪声处理,不对噪声滤波器做辨识。但是在闭环条件下,噪声滤波器发生变化,即便原本的系统噪声确实为白色,即H(z-1)=1,对应闭环辨识系统中的噪声也应当为有色噪声。对于含有色噪声的系统,最小二乘法无法给出无偏、一致估计。因此,本文在两阶段法的两次辨识中传递函数均使用考虑噪声滤波器的CARARMA模型,通过同步辨识系统模型和噪声模型,进一步降低辨识误差。以第一阶段r(t)-u(t)模型为例,模型结构如下:
A(z-1)u(t)=B(z-1)r(t)+[D(z-1)/C(z-1)]v(t) (7)
n、nc、nd分别为系统模型阶数、噪声模型自回归阶数和滑动平均阶数,v(t)为白噪声,则B(z-1)/A(z-1)即为灵敏度函数S(z-1)传递函数的估计。第二阶段辨识时,输入/输出信号分别为构造的中间输入信号和原系统输出(功率)信号,模型结构与第一阶段相同。
3仿真算例
使用图3所示低压配电网系统仿真验证本发明提出的配电台区负荷动态等值非机理模型参数闭环辨识方法。该系统馈线1安装了一台调压设备,待辨识部分为台区B的等值负荷动态模型,台区B首端电压和功率信号由PMU量测。
台区B总有功负荷为0.42MW,动态负荷和静态负荷各占50%,静态负荷的静态特征系数为1,静态特征系数表达式见公式(6)。为拟合在长馈线中辨识小规模台区的不利情况,台区A、C的负荷容量设置为台区B的10倍,负荷结构与台区B相同。台区D负荷规模为2MW,其余参数与台区B相同。四台区均加入10dB的白噪声恒功率负荷模拟随机负荷扰动,并加入缓慢变化分量模拟负荷趋势。测试系统线路阻抗为0.3+0.095jωΩ/km,初始长度Z1段5.3km,Z2段4km,Z3段3.2km,Z4段4km。
η=(ΔP/Pbase)/(ΔU/Ubase) (9)
Pbase和Ubase分别为静态负荷的额定有功功率和额定电压。
忽略闭环系统的闭环特性,将其作为开环系统直接量测输入/输出数据进行辨识称作直接闭环辨识,已有的负荷建模研究大多采用直接闭环辨识。为说明两阶段辨识对辨识误差的削减效果,将其与直接闭环辨识结果做对比。两种辨识方法的拟合误差均用残差ε(t)和均方根误差(RMSE)表示:
式中:ΔPb(t)表示在某激励序列作用下台区B的真实有功负荷响应,ΔPb *(t)为同一激励序列作用下台区B辨识负荷模型的响应,二者皆用ΔPb(t)最大绝对值进行标幺;N为预处理后的测试序列的长度。
辨识的第一阶段CARARMA模型阶次n=3,nc=2,nd=0;第二阶段n=3,nc=2,nd=1。作为对比,同时对台区B模型进行直接闭环辨识以及开环辨识(模型仅含台区B部分,且直接调节台区B首端电压施加激励),辨识参数如表1。
表1
两阶段闭环辨识的RMSE由直接闭环辨识的0.232降为0.091,下降约61%,辨识精度得到了较明显的提升。
图4给出了两阶段闭环辨识和直接闭环辨识的残差时间序列。可以看出,归一化后直接闭环辨识的最大残差幅值已高达0.6,辨识效果较差;两阶段闭环辨识的残差幅值始终控制在0.25以内,辨识精度明显高于直接闭环辨识。同时,与直接闭环辨识相比,两阶段辨识获得的参数与开环辨识更接近。这充分验证了台区等值负荷模型辨识的两阶段过程有效地抑制了各台区间电气耦合对辨识效果的不良影响,较之直接法更加适用于台区负荷模型闭环辨识的场景。
图5清晰地部分绘制了两阶段闭环辨识所得负荷模型对真实负荷模型有功功率的拟合效果。两者趋势一致,拟合效果良好,再次说明了上述结论的正确性。
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 (2)
1.一种配电台区负荷动态等值非机理模型参数闭环辨识方法,其特征在于,包括以下步骤:
步骤1,激励信号注入:将经低通滤波器滤波的白噪声信号时间序列ΔR0(t)作为辨识激励信号,该信号幅值不得超出允许的电压偏移范围,并将其叠加到基于电力电子元件的馈线级调压设备的控制信号上;
步骤2,量测信号采集:通过台区首端PMU和调压设备处PMU同步采集调压设备输出的激励信号,以及待辨识台区首端汇流母线处的电压和有功功率激励响应时间序列;
步骤3,数据预处理:对PMU采集的电压/功率数据进行预处理以提高辨识用数据的信噪比,获得处理后的电压序列ΔU(t)、功率序列ΔP(t)和激励信号时间序列ΔR(t);
步骤4,第一阶段辨识:使用增广最小二乘法辨识ΔR(t)-ΔU(t)的CARARMA模型,模型结构如下:
A(z-1)ΔU(t)=B(z-1)ΔR(t)+[D(z-1)/C(z-1)]v(t) (1)
则B(z-1)/A(z-1)即为灵敏度函数S(z-1)传递函数的估计S*(z-1);v(t)为白噪声,z-1为迟延算子,C(z-1)为反馈通道传递函数,n、nc、nd分别为系统模型阶数、噪声模型自回归阶数和滑动平均阶数,
步骤5,中间输入构造:利用激励信号时间序列ΔR(t)和辨识模型S*(z-1),构造中间输入序列ΔUr(t)=S*(z-1)ΔR(t);
步骤6,第二阶段辨识:根据中间输入序列ΔUr(t)和功率序列ΔP(t),辨识它们之间的CARARMA模型:
A(z-1)ΔP(t)=B(z-1)ΔUr(t)+[D(z-1)/C(z-1)]v(t) (3)
参数定义同公式(2),则此时辨识所得的B(z-1)/A(z-1)为台区1的等值负荷动态模型G(z-1)的估计值G*(z-1)。
2.根据权利要求1所述的一种配电台区负荷动态等值非机理模型参数闭环辨识方法,其特征在于,步骤3数据预处理中,具体操作如下:
步骤3.1,趋势滤除:采用经验模态分解滤除低频波动趋势,首先选择一个低于关注频带的频域阈值,再计算每个本征模函数的主频率,最后将所有主频率低于阈值的本征模函数视作趋势并去除;
步骤3.2,低通滤波:采用通带截频8Hz,阻带截频10Hz的低通滤波器处理步骤3.1获得的数据,滤除信号中的高频噪声和不关注的高频分量;
步骤3.3,降采样:结合系统动态频域范围和计算时长,将经过趋势滤除和低通滤波的输入、输出信号降采样至40Hz。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357597.0A CN111553080B (zh) | 2020-04-29 | 2020-04-29 | 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357597.0A CN111553080B (zh) | 2020-04-29 | 2020-04-29 | 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553080A CN111553080A (zh) | 2020-08-18 |
CN111553080B true CN111553080B (zh) | 2022-12-02 |
Family
ID=72006147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010357597.0A Active CN111553080B (zh) | 2020-04-29 | 2020-04-29 | 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553080B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114552575B (zh) * | 2022-03-11 | 2023-02-14 | 大连理工大学 | 一种根据异步电动机负荷占比调整系统热备用功率的调度控制策略 |
CN114421474B (zh) * | 2022-03-30 | 2022-06-07 | 南京易司拓电力科技股份有限公司 | 配网节点间功率-电压灵敏度估算方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004592A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 干扰和时滞不稳定系统的前馈-反馈控制系统控制方法 |
CN101789598A (zh) * | 2010-03-05 | 2010-07-28 | 湖北省电力试验研究院 | 一种电力系统负荷的建模方法 |
CN103872678A (zh) * | 2014-03-06 | 2014-06-18 | 国家电网公司 | 一种基于变电站量测的负荷模型辨识方法 |
CN108089443A (zh) * | 2017-12-17 | 2018-05-29 | 北京世纪隆博科技有限责任公司 | 一种基于混合精英圈养优化的灵敏板温度智能建模方法 |
EP3477404A1 (en) * | 2017-10-26 | 2019-05-01 | General Electric Company | Power system model parameter conditioning tool |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064282B (zh) * | 2012-05-04 | 2015-12-16 | 浙江大学 | 非线性参数变化模型辨识方法(npv) |
-
2020
- 2020-04-29 CN CN202010357597.0A patent/CN111553080B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101004592A (zh) * | 2007-01-25 | 2007-07-25 | 上海交通大学 | 干扰和时滞不稳定系统的前馈-反馈控制系统控制方法 |
CN101789598A (zh) * | 2010-03-05 | 2010-07-28 | 湖北省电力试验研究院 | 一种电力系统负荷的建模方法 |
CN103872678A (zh) * | 2014-03-06 | 2014-06-18 | 国家电网公司 | 一种基于变电站量测的负荷模型辨识方法 |
EP3477404A1 (en) * | 2017-10-26 | 2019-05-01 | General Electric Company | Power system model parameter conditioning tool |
CN108089443A (zh) * | 2017-12-17 | 2018-05-29 | 北京世纪隆博科技有限责任公司 | 一种基于混合精英圈养优化的灵敏板温度智能建模方法 |
Non-Patent Citations (3)
Title |
---|
Maximum likelihood least squares identification for systems with autoregressive moving average noise;Wei Wang et al.;《Applied Mathematical Modelling》;20121231;第36卷;第1842-1853页 * |
动态调节模型的最小二乘迭代辨识方法;陈晓伟等;《科学技术与工程》;20071201(第23期);第5994-5997页 * |
基于PMU实测小扰动数据的负荷参数辨识方法;马平等;《电力系统自动化》;20160125;第40卷(第2期);第43-48页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111553080A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | Dynamic load models in power systems using the measurement approach | |
CN104134999B (zh) | 基于多数据源的配电网量测有效性分析实用化计算方法 | |
CN105158723B (zh) | 一种数字化电能计量系统的误差评估系统及方法 | |
CN111553080B (zh) | 一种配电台区负荷动态等值非机理模型参数闭环辨识方法 | |
CN108370157A (zh) | 控制电力分配的方法 | |
CN103326348B (zh) | 一种提高地区电网供电能力分析及全过程在线监测的系统 | |
CN110190600B (zh) | 一种基于ami量测近邻回归的三相配电网拓扑辨识方法 | |
CN112488874B (zh) | 一种数据驱动的配电网络拓扑估计与线路参数辨识方法 | |
CN105938578A (zh) | 一种基于聚类分析的大规模光伏电站等值建模方法 | |
CN111488718B (zh) | 一种配电网综合负荷机理模型闭环辨识方法 | |
CN110543696A (zh) | 一种未建模小机组参与电力市场出清和安全校核的方法 | |
CN106097156A (zh) | 配电网线损计算方法和系统 | |
CN109711662A (zh) | 一种基于多源数据融合的电网抗差状态估计方法 | |
CN114966316A (zh) | 一种一二次深度融合设备信号检测装置及检测方法 | |
CN112769127A (zh) | 一种基于分布式中间观测器的交流微电网频率攻击检测及恢复方法 | |
CN112415273A (zh) | 一种双回非全线平行输电线路零序参数精确测量方法 | |
CN110289646B (zh) | 基于元模型的智能软开关就地控制策略优化方法 | |
CN116404644B (zh) | 一种考虑区域等值频率动态的电力系统惯量在线评估方法 | |
CN107230982B (zh) | 一种微电网线性化潮流计算方法 | |
CN109586289B (zh) | 一种配电网多时间尺度递归动态状态估计方法及系统 | |
CN113406548B (zh) | 一种基于云边协同计算的漏电测量误差补偿方法及系统 | |
CN107124000B (zh) | 一种基于功率函数模型的配电网接纳分布式电源能力分析方法 | |
CN110768289B (zh) | 一种孤岛式微电网电压和频率的自适应牵制控制方法 | |
CN104699903B (zh) | 一种智能变电站二次信号传输系统评估装置及方法 | |
He et al. | Design and experiment of heuristic adaptive HVDC supplementary damping controller based on online Prony analysis |
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 |