CN112531692A - 一种电力系统动态稳定识别方法 - Google Patents
一种电力系统动态稳定识别方法 Download PDFInfo
- Publication number
- CN112531692A CN112531692A CN202011353669.0A CN202011353669A CN112531692A CN 112531692 A CN112531692 A CN 112531692A CN 202011353669 A CN202011353669 A CN 202011353669A CN 112531692 A CN112531692 A CN 112531692A
- Authority
- CN
- China
- Prior art keywords
- curve
- generator
- dynamic stability
- curves
- power system
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提出了一种电力系统动态稳定识别方法。方法首先获取发电机功角曲线峰值、发电机转速偏差曲线峰值和支路有功曲线峰值;将所述发电机功角曲线、发电机转速偏差曲线和支路有功曲线分别按峰‑峰值从大到小排序;将排序后的所述发电机功角曲线、发电机转速偏差曲线和支路有功曲线中分别取出前N条曲线,得到3N条曲线;将3N条曲线分别进行Prony分析,识别出各自主要振荡模式,并对所述主要振荡模式按照所述幅值从大到小排序;通过计算各振荡模式的置信度(相对幅值)和弱阻尼曲线数,并对置信度、弱阻尼曲线数进行分析,判断电力系统动态是否稳定。避免了依靠人工对电力系统动态稳定进行判断,提高了判断电力系统动态稳定识别的速度与准确性。
Description
技术领域
本申请涉及电力系统分析计算技术领域,尤其涉及一种电力系统动态稳定识别方法。
背景技术
电力系统稳定性根据性质的不同,可分为功角稳定、电压稳定和频率稳定三类。电力系统功角稳定还可以进一步分为以下三类:静态稳定、暂态稳定和动态稳定,其中,电力系统动态稳定是指系统受到干扰后,不发生振幅不断增大的振荡而失步。对于电力系统动态稳定分析,需要计算相关参量的阻尼比。阻尼比大于0,则因干扰出现振荡的振幅是衰减的,经过一定时间后振荡将平息,电力系统可恢复到稳定运行状态;阻尼比小于0,则因干扰出现振荡的振幅是增加的,经过一定时间后增幅振荡将造成电力系统功角失稳,电力系统将瓦解;阻尼比等于0,则因干扰出现振荡的振幅是不变的,电力系统无法恢复稳定。
目前电力系统动态稳定性的判断主要依靠Prony计算,但仍需要人工依照主要振荡模式判断动态稳定性。而人工判断动态稳定性效率低、结果受人为因素影响大。
发明内容
本申请提供了一种电力系统动态稳定识别方法,以解决人工判断动态稳定性效率低的问题。本申请提供的一种电力系统动态稳定识别方法,包括如下步骤:
S1:获取暂态稳定计算结果,所述计算结果包括发电机功角曲线峰值、发电机转速偏差曲线峰值和支路有功曲线峰值;
S2:将所述发电机功角曲线、所述发电机转速偏差曲线和所述支路有功曲线分别按峰-峰值从大到小排序;
S3:将排序后的所述发电机功角曲线、所述发电机转速偏差曲线和所述支路有功曲线中分别取出前N条曲线,得到3N条曲线;
S4:将所述3N条曲线分别进行Prony分析,识别出各自主要振荡模式,所述主要振荡模式包括幅值、阻尼比和频率;对所述主要振荡模式按照所述幅值从大到小排序;
S5:计算所述主要振荡模式的置信度;
S6:计算所述主要振荡模式的弱阻尼曲线数;
S7:根据所述置信度和所述弱阻尼曲线数,计算动态稳定指数;
S8:将所述动态稳定指数与动态稳定判断阈值比较;
S9:当所述动态稳定指数大于所述动态稳定判断阈值,电力系统动态失稳;当所述动态稳定指数小于等于所述动态稳定判断阈值,电力系统动态稳定。
可选的,所述识别出各自主要振荡模式步骤中还包括设每条所述曲线识别出M个主要振荡模式,第k条曲线第n个振荡模式的幅值表示为Ak,n、阻尼比为Dk,n、频率为Fk,n;其中,k=1,2…...3N,n=1,2...…M。
可选的,计算所述主要振荡模式的置信度公式如下:
其中,Ck,n为置信度,Ak,n为第k条曲线第n个振荡模式幅值,Ak,max为第k条曲线非直流分量模式幅值最大值。
可选的,所述动态稳定判断阈值设定为6。
可选的,所述动态稳定指数使用所述弱阻尼曲线数和所述置信度进行判断。
由以上技术方案可知,本申请提出了一种电力系统动态稳定识别方法。方法首先获取发电机功角曲线峰值、发电机转速偏差曲线峰值和支路有功曲线峰值;将所述发电机功角曲线、发电机转速偏差曲线和支路有功曲线分别按峰-峰值从大到小排序;将排序后的所述发电机功角曲线、发电机转速偏差曲线和支路有功曲线中分别取出前N条曲线,得到3N条曲线;将3N条曲线分别进行Prony分析,识别出各自主要振荡模式,并对所述主要振荡模式按照所述幅值从大到小排序;通过计算各振荡模式的置信度(相对幅值)和弱阻尼曲线数,并对置信度、弱阻尼曲线数进行分析,判断电力系统动态是否稳定。避免了依靠人工对电力系统动态稳定进行判断,提高了判断电力系统动态稳定识别的速度与准确性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为一种电力系统动态稳定识别方法流程图;
图2为本申请中计算弱阻尼曲线数流程图;
图3为本申请中计算动态稳定指数流程图。
具体实施方式
下面将详细地对实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式。仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
参见图1为一种电力系统动态稳定识别方法流程图;本申请提供的一种电力系统动态稳定识别方法,包括如下步骤:
S1:获取暂态稳定计算结果,所述计算结果包括发电机功角曲线峰值、发电机转速偏差曲线峰值和支路有功曲线峰值;其中,峰值包括最大值和最小值;
S2:将所述发电机功角曲线、所述发电机转速偏差曲线和所述支路有功曲线分别按峰-峰值从大到小排序;峰-峰值为峰值最大值与最小值的差;
S3:将排序后的所述发电机功角曲线、所述发电机转速偏差曲线和所述支路有功曲线中分别取出前N条曲线,得到3N条曲线;
S4:将所述3N条曲线分别进行Prony分析,识别出各自主要振荡模式,所述主要振荡模式包括幅值、阻尼比和频率;对所述主要振荡模式按照所述幅值从大到小排序;
S5:计算所述主要振荡模式的置信度;
S6:计算所述主要振荡模式的弱阻尼曲线数;
S7:根据所述置信度和所述弱阻尼曲线数,计算动态稳定指数;
S8:将所述动态稳定指数与动态稳定判断阈值比较;
S9:当所述动态稳定指数大于所述动态稳定判断阈值,电力系统动态失稳;当所述动态稳定指数小于等于所述动态稳定判断阈值,电力系统动态稳定。
在判断动态稳定之前,各主要发电厂需输出一台机组的功角曲线、发电机转速偏差曲线以及各主要断面支路有功曲线,并对其进行暂态稳定计算。本申请获取并记录暂态稳定计算结果,分别提取发电机功角、发电机转速偏差以及支路有功曲线。例如,一次暂态稳定计算结果中有8条发电机功角曲线、8条发电机转速偏差曲线以及6条支路有功曲线。如表1所示:
表1暂态稳定计算结果曲线
序号 | 发电机功角曲线 | 发电机速度偏差曲线 | 支路有功曲线 |
1 | 大盈四1G发电机功角 | 大盈四1G发电机速度偏差 | 大和线路有功功率 |
2 | 太平一1G发电机功角 | 太平一1G发电机速度偏差 | 黄仁线路有功功率 |
3 | 勐乃1G发电机功角 | 勐乃1G发电机速度偏差 | 仁厂线路有功功率 |
4 | 功果桥1G发电机功角 | 功果桥1G发电机速度偏差 | 黄大线路有功功率 |
5 | 迪麻洛1G发电机功角 | 迪麻洛1G发电机速度偏差 | 黄坪B1线路有功功率 |
6 | 倮马河1G发电机功角 | 倮马河1G发电机速度偏差 | 太安B2线路有功功率 |
7 | 老安统1G发电机功角 | 老安统1G发电机速度偏差 | |
8 | 那邦1G发电机功角 | 那邦1G发电机速度偏差 |
进一步地,将发电机功角曲线、发电机转速偏差曲线以及支路有功曲线分别按峰-峰值从大到小排序。排序结果如表2所示:
表2排序结果曲线
进一步地,分别从发电机功角曲线、发电机转速偏差曲线和线路有功曲线取出前N(N=3)条曲线,即从表2分别选取前3条发电机功角曲线、发电机转速偏差曲线、线路有功曲线,共9条曲线。进行Prony分析,分别识别9条曲线的主要振荡模式。如下表3所示:
表3主要振荡模式
进一步地,计算各振荡模式的置信度;设每条所述曲线识别出M个主要振荡模式,第k条曲线第n个振荡模式的幅值表示为Ak,n、阻尼比为Dk,n、频率为Fk,n;其中,k=1,2…...3N,n=1,2...…M。计算所述主要振荡模式的置信度公式如下:
其中,Ck,n为置信度,Ak,n为第k条曲线第n个振荡模式幅值,Ak,max为第k条曲线非直流分量模式幅值最大值。
Ak,max可能等于Ak,1,也可能大于Ak,1。由于Prony分析结果中小幅值的振荡模式计算存在误差,置信度表示该振荡模式计算结果的可信度,置信度值越大表示该振荡模式计算结果越可信,反之表示可信度低。计算结构如表4所示:
表4置信度计算结果
电气量 | 振荡模式1置信度 | 振荡模式2置信度 | 振荡模式3置信度 |
迪麻洛1G发电机功角 | 0.677 | 0.015 | 0.01 |
老安统1G发电机功角 | 1 | 0.018 | 0.178 |
倮马河1G发电机功角 | 0.273 | 0.113 | 0.06 |
迪麻洛1G发电机速度偏差 | 0.259 | 0.087 | |
老安统1G发电机速度偏差 | 0.426 | 0.272 | 0.267 |
那邦1G发电机速度偏差 | 0.496 | 0.018 | 0.216 |
太安B2线路有功功率 | 1 | 0.169 | 0.032 |
黄坪B1线路有功功率 | 0.738 | 0.235 | 0.139 |
黄仁线路有功功率 | 0.879 | 0.029 | 0.015 |
进一步地,计算弱阻尼曲线数。参见图2为本申请中计算弱阻尼曲线数流程图;所述弱阻尼曲线数计算方法步骤如下:
S11:所述3N条曲线中每条曲线识别出M个振荡模式,获取3N条曲线中第k条曲线第n个振荡模式的频率Fk,n、第i条曲线第m个振荡模式的频率Fi,m以及阻尼比Di,m,设置第k条曲线第n个振荡模式的弱阻尼曲线数Kk,n=0,i=1,n=1,Dthred=0.03以及Fthred=0.035,且确保当前振荡模式不与同一条曲线的振荡模式进行比较;
S12:当i≠k时,计算|Fi,m-Fk,n|,将|Fi,m-Fk,n|与Fthred进行比较以及Di,m与Dthred进行比较;当i=k时,执行步骤S15;
S13:当|Fi,m-Fk,n|<Fthred且Di,m<Dthred,即得出在第i条曲线中存在与第k条曲线第m个振荡模式相似的振荡模式以及Kk,n=Kk,n+1;当|Fi,m-Fk,n|≥Fthred且Di,m≥Dthred时,执行步骤S15;
S14:获取Kk,n=Kk,n+1后比较m和M,若m≥M比较i和3N;若m<M,使m=m+1返回执行步骤S13;
S15:若i≥3N结束并输出弱阻尼曲线数;若i<3N,使i=i+1返回执行步骤S12。即得到弱阻尼曲线数Kk,n,弱阻尼曲线数计算结果如表5所示:
表5弱阻尼曲线数计算结果
进一步地,根据得出的置信度和弱阻尼曲线数,计算动态稳定指数;参见图3为本申请中计算动态稳定指数流程图。设置信度高值Cset,1=0.6,置信度中值Cset,2=0.3,置信度低值Cset,3=0.1,动态稳定判断阈值Kd,set=6,频率相近检测阈值Fthred=0.035Hz,弱阻尼检测阈值Dthred=0.03,动态稳定指数初始值Kdamp=0,k=1,m=1。动态稳定指数计算方法步骤如下:
S21:获取3N条曲线中第k条曲线第m个振荡模式的阻尼比Dk,m;
S22:当Dk,m<Dthred,计算第k条曲线第m个振荡模式的弱阻尼曲线数Kk,m和置信度Ck,m;当Dk,m≥Dthred时,动态稳定临时变量为0,执行步骤26;
S23:当Ck,m>Cset,1且Kk,m≥N时,动态稳定临时变量为10,执行步骤26;当Ck,m>Cset,1且Kk,m<N时,动态稳定临时变量为8,执行步骤26;当Ck,m<Cset,1时,将Ck,m和Cset,2比较;
S24:当Ck,m>Cset,2且Kk,m≥N时,动态稳定临时变量为8,执行步骤26;当Ck,m>Cset,2且Kk,m<N时,动态稳定临时变量为5,执行步骤26;当Ck,m<Cset,2时,将Ck,m和Cset,3比较;
S25:当Ck,m>Cset,3且Kk,m≥N时,动态稳定临时变量为7,执行步骤26;当Ck,m>Cset,3且Kk,m<N时,动态稳定临时变量为4,执行步骤26;当Ck,m<Cset,3且Kk,m≥2N时,动态稳定临时变量为5;当Ck,m<Cset,3且Kk,m<2N时,动态稳定临时变量为2;
S26:若上一步所述动态稳定临时变量大于Kdamp,将动态稳定临时变量值赋值给Kdamp;反之,不赋值给Kdamp;
S27:若k>3N,将m与M进行比较;若k≤3N,使k=k+1返回执行步骤22;
S28:若m>M,即得到动态稳定指数;若m<M,使m=m+1返回执行步骤22。
得出动态稳定指数Kdamp为10,设动态稳定判断阈值Kd,set设定为6,即Kdamp>Kd,set判断为电力系统动态失稳,判断结束。
具体地,动态稳定指数为0~10的数值,动态稳定指数数值越大表示动态稳定性越差,反之则表示动态稳定性越好。所述动态稳定指数使用所述弱阻尼曲线数和所述置信度进行判断;主要原则为在弱阻尼曲线数小于弱阻尼检测阈值的情况下,所述弱阻尼曲线数和所述置信度数值越大,动态失稳的可能性越高。
本申请提出了一种电力系统动态稳定识别方法。方法首先获取发电机功角曲线峰值、发电机转速偏差曲线峰值和支路有功曲线峰值;将所述发电机功角曲线、发电机转速偏差曲线和支路有功曲线分别按峰-峰值从大到小排序;将排序后的所述发电机功角曲线、发电机转速偏差曲线和支路有功曲线中分别取出前N条曲线,得到3N条曲线;将3N条曲线分别进行Prony分析,识别出各自主要振荡模式,并对所述主要振荡模式按照所述幅值从大到小排序;通过计算各振荡模式的置信度(相对幅值)和弱阻尼曲线数,并对置信度、弱阻尼曲线数进行分析,判断电力系统动态是否稳定。避免了依靠人工对电力系统动态稳定进行判断,提高了判断电力系统动态稳定识别的速度与准确性。
本申请提供的实施例之间的相似部分相互参见即可,以上提供的具体实施方式只是本申请总的构思下的几个示例,并不构成本申请保护范围的限定。对于本领域的技术人员而言,在不付出创造性劳动的前提下依据本申请方案所扩展出的任何其他实施方式都属于本申请的保护范围。
Claims (5)
1.一种电力系统动态稳定识别方法,其特征在于,包括如下步骤:
S1:获取暂态稳定计算结果,所述计算结果包括发电机功角曲线峰值、发电机转速偏差曲线峰值和支路有功曲线峰值;
S2:将所述发电机功角曲线、所述发电机转速偏差曲线和所述支路有功曲线分别按峰-峰值从大到小排序;
S3:将排序后的所述发电机功角曲线、所述发电机转速偏差曲线和所述支路有功曲线中分别取出前N条曲线,得到3N条曲线;
S4:将所述3N条曲线分别进行Prony分析,识别出各自主要振荡模式,所述主要振荡模式包括幅值、阻尼比和频率;对所述主要振荡模式按照所述幅值从大到小排序;
S5:计算所述主要振荡模式的置信度;
S6:计算所述主要振荡模式的弱阻尼曲线数;
S7:根据所述置信度和所述弱阻尼曲线数,计算动态稳定指数;
S8:将所述动态稳定指数与动态稳定判断阈值比较;
S9:当所述动态稳定指数大于所述动态稳定判断阈值,电力系统动态失稳;当所述动态稳定指数小于等于所述动态稳定判断阈值,电力系统动态稳定。
2.根据权利要求1所述的一种电力系统动态稳定识别方法,其特征在于,所述识别出各自主要振荡模式步骤中还包括设每条所述曲线识别出M个主要振荡模式,第k条曲线第n个振荡模式的幅值表示为Ak,n、阻尼比为Dk,n、频率为Fk,n;其中,k=1,2…...3N,n=1,2...…M。
4.根据权利要求2所述的一种电力系统动态稳定识别方法,其特征在于,所述动态稳定判断阈值设定为6。
5.根据权利要求2所述的一种电力系统动态稳定识别方法,其特征在于,所述动态稳定指数使用所述弱阻尼曲线数和所述置信度进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353669.0A CN112531692B (zh) | 2020-11-26 | 2020-11-26 | 一种电力系统动态稳定识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011353669.0A CN112531692B (zh) | 2020-11-26 | 2020-11-26 | 一种电力系统动态稳定识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112531692A true CN112531692A (zh) | 2021-03-19 |
CN112531692B CN112531692B (zh) | 2022-12-23 |
Family
ID=74994091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011353669.0A Active CN112531692B (zh) | 2020-11-26 | 2020-11-26 | 一种电力系统动态稳定识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112531692B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255485A (zh) * | 2021-05-13 | 2021-08-13 | 云南电网有限责任公司 | 一种水力发电机组并网模式的识别方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429157A (zh) * | 2015-12-10 | 2016-03-23 | 云南电网有限责任公司电网规划研究中心 | 一种基于Prony分析的智能振荡模式识别方法 |
-
2020
- 2020-11-26 CN CN202011353669.0A patent/CN112531692B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105429157A (zh) * | 2015-12-10 | 2016-03-23 | 云南电网有限责任公司电网规划研究中心 | 一种基于Prony分析的智能振荡模式识别方法 |
Non-Patent Citations (4)
Title |
---|
TSUYOSHI FUNAKI: "Erro Estimation and Correction of DFT in Synchronized", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
司大军: "一种低频振荡主要振荡模式识别方法", 《云南电力技术》 * |
李天云等: "基于EMD和SSI的电力系统低频振荡模态参数识别方法", 《电力系统保护与控制》 * |
熊俊杰: "基于PMU的低频振荡PRONY分析和本地在线监测系统", 《 电力系统及其自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113255485A (zh) * | 2021-05-13 | 2021-08-13 | 云南电网有限责任公司 | 一种水力发电机组并网模式的识别方法及装置 |
CN113255485B (zh) * | 2021-05-13 | 2022-05-17 | 云南电网有限责任公司 | 一种水力发电机组并网模式的识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112531692B (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | A highly efficient bad data identification approach for very large scale power systems | |
Cheng et al. | Uncovering the community structure associated with the diffusion dynamics on networks | |
Hero et al. | A new generalized cross correlator | |
CN109618273B (zh) | 麦克风质检的装置及方法 | |
Lin et al. | Enhancing network parameter error detection and correction via multiple measurement scans | |
da Silva et al. | Wavelet-based analysis and detection of traveling waves due to DC faults in LCC HVDC systems | |
CN109446635A (zh) | 一种基于机器学习的电力工控攻击分类方法和系统 | |
CN112531692A (zh) | 一种电力系统动态稳定识别方法 | |
Ethabet et al. | Set-membership fault detection for continuous-time switched linear systems | |
CN109946542B (zh) | 基于长短时信息融合的逆变器直流回路电容故障检测方法 | |
Hagh et al. | Improving bad data detection in state estimation of power systems | |
CN112965004B (zh) | 一种三相电源的检测方法及终端 | |
CN114237038A (zh) | 基于复系数增益消除周期性扰动的故障检测系统和方法 | |
Angulo-Paniagua et al. | Comparing chi-square-based bad data detection algorithms for distribution system state estimation | |
CN106059684B (zh) | 一种基于相关辨识的噪声处理系统及其方法 | |
CN111368933A (zh) | 一种基于Softmax回归的配电网暂态过程故障分类方法及系统 | |
Mardani et al. | Efficient model-based DC fault detection and location scheme for multi-terminal HVDC systems with voltage source converter | |
CN110276275A (zh) | 一种能量分解中基于超平面的功率信号的滤波方法和装置 | |
Chung et al. | Multiple signal detection using the Benjamini-Hochberg procedure | |
CN113295415B (zh) | 一种基于多尺度频谱感知技术的轴承故障检测方法 | |
Quinn | On Kay's frequency estimator | |
Gong et al. | Phase Difference Measurement Method for Sine Signals Based on Fast ICA | |
Kou et al. | Research on feature Optimization algorithm of Optical Fiber Sensor recognition system | |
CN117825876A (zh) | 结合特征碎片与小波包的电缆故障特征提取方法和装置 | |
CN114691750A (zh) | 基于扩展微变量的数据阶跃时间辨识方法 |
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 |