CN112564093A - 一种基于模式匹配的低频振荡在线控制策略 - Google Patents
一种基于模式匹配的低频振荡在线控制策略 Download PDFInfo
- Publication number
- CN112564093A CN112564093A CN202011367636.1A CN202011367636A CN112564093A CN 112564093 A CN112564093 A CN 112564093A CN 202011367636 A CN202011367636 A CN 202011367636A CN 112564093 A CN112564093 A CN 112564093A
- Authority
- CN
- China
- Prior art keywords
- frequency
- oscillation
- time
- mode
- domain
- 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
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
- H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
-
- 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
- Physics & Mathematics (AREA)
- Nonlinear Science (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于模式匹配的低频振荡在线控制策略,涉及电力系统稳定与控制技术领域,包括基于模式匹配,将小干扰计算和灵敏度分析生成的动态稳定控制策略在线应用于低频振荡。依据改进Prony、QR、IRA算法及特征值灵敏度原理,提出了模式匹配的判据和在线模态计算方法,结合时域改进Prony算法和频域QR算法、IRA算法的优点将小干扰计算结果和在线改进Prony实时得到的模式信息进行匹配,当小干扰实时扫描计算出的振动模式失配时,采用基于微粒群优化技术的电力系统稳定器PSS抑制低频振荡,在整体上提高了大电网低频振荡识别速度,同时满足“发现即解决”的实时性和精确性,采用微粒群优化技术对PSS进行参数寻优,提高了系统的鲁棒性。
Description
技术领域
本发明涉及电力系统稳定与控制技术领域,具体涉及一种基于模式匹配的 低频振荡在线控制策略。
背景技术
随着电网互联规模的日益扩大,电网运行特性日益复杂,低频振荡现象在 大型互联电网中时有发生,它已成为威胁电网安全的重要问题,如何抑制电力系 统低频振荡显得非常重要。对电力系统低频振荡分析通常有时域仿真法和小干扰 分析法,但时域仿真法不能绘制电力系统的全部动态模型,仿真结果具有多模耦 合性,对控制器的布点和设计没有帮助,小波分析法分别研究各个振荡模式,对 控制器的布点和设计提供重要信息。如何将电力系统中各个振荡模式进行模式匹 配和筛选,对低频振荡进行在线有效控制是个难点问题。
发明内容
本发明的目的在于提供一种基于模式匹配的低频振荡在线控制策略,以解决 现有技术中导致的上述缺陷。
一种基于模式匹配的低频振荡在线控制策略,包括包括以下步骤:
(1)通过监控时域变化曲线,对时域信号采用改进Prony算法计算分析动 态曲线的频谱;
所述改进Prony算法首先通过小波变换消除各信号的噪声,消去直流分量, 建立多信号的样本函数矩阵,通过奇异值-总体最小二乘法对进Prony算法进行 改进,分离信号空间和噪声子空间,确定信号的阶数;
改进Prony算法计算的信号模型为:
时域内监控信号发生低频振荡的条件为:
其中A表示振幅,Athreshold表示振幅阈值,1-T表示在T个时窗内分析,f表 示振荡频率;
(2)基于能量最大原则识别时域内实测信号低频振荡的主导振荡模式,同 时基于多指标面板数据特征提取对同调机组分群进行计算;
定义振荡模式的模式能量为:
其中Ei为单个设备第i个模式下的能量;
发生各测量点的主导振荡模式的频率和阻尼比两两之间满足:
其中fi(fj)、di(dj)分别表示观测点i(j)得到的频率和阻尼,Δfset、Δdset分别表示频率和阻尼的阈值;
机组同调分群计算时,提取时域测量曲线的功率角、机端电压以及转子角速 度数据,对数据做标准化处理,形成面板数据,在时间序列上提取各指标的特征 值,将特征值数据标准化,利用AHP-熵权法计算各指标及特征量权重,计算各 指标的距离矩阵,进而计算机组间的加权距离矩阵,利用系统聚类实现同调机组 分群;
(3)根据改进Prony算法对时域信号在线分析结果,与小扰动频域分析得到 的振荡模式进行模式匹配,进而筛选出报警振荡模式;
根据EMS电网滚动数据,进行实时方式下小干扰扫描计算;应用QR算法及 IRA算法计算电力系统特征值、特征向量、阻尼比相关信息,在频域内对低频振 荡负阻尼模式进行选择,频域筛选低频振荡模式的依据为:
其中ρi代表机电相关比,λi代表特征值,ζi表示阻尼比,ζthreshold表示阻尼 阈值,一般认为ζ≤0.03时为弱阻尼振荡模式;
为了考虑小干扰计算中模型和参数误差对低频振荡模式的影响,优先考虑的 匹配量排序依次为:节点机组分群→频率→阻尼比;
即匹配时须同时满足:
ftime≈ffrequency,ζtime≈ζfrequency;Modaltime=Modalfrequency
匹配判据用数学公式可表示为:
其中,ftime.domain(ξtime.domain)表示时域主导振荡频率(阻尼),ffre.domain(ξfre.domain)表示小干扰计算主导振荡频率(阻尼),fthreshold(ξthreshold)为对应变量阈值。 Modaltime表示时域主导模态节点分群信息,Modalfrequency表示频域计算节点分群 情况;
(4)计算报警振荡模式下特征值对元件参数、传递函数和运行参数的灵敏 度;
(5)当在线时域振荡发生报警时,改进Prony算法计算结果与小扰动实时 扫描计算出的振荡模式失配时,采用基于微粒群优化技术的电力系统稳定器PSS 抑制低频振荡。
优选的,所述电力系统稳定器PSS采用微粒群优化技术对其参数进行寻优, 优化后的PSS能有效衰减区间振荡,提高系统的鲁棒性;微粒群优化技术包括以 下步骤:
(a)初始化,设定时间计数器t=0,产生任意n个微粒Xj(0)(j=1,2,…,n), 其中Xj(0)=[xj,1(0),xj,2(0),...,xj,m(0)],xj,k(0)为第k个优化参数搜索空间[xk,min,xk,max]上的随机值。按同样的原则产生所有微粒的初始速度Vj(0) (j=1,2,…,n),其中Vj(0)=[vj,1(0),vj,2(0),...,vj,m(0)],vj,k(0)为第k维搜索空 间[-vk,min,vk,max]上的随机值。采用目标函数J对初始种群中的每个微粒进行评 价,对每个微粒设搜索目标函数的最优值Jbest。设与Jbest相关的微粒在目标函数J**下取得全局最优解X**(t),初始权重为w(0);
(b)更新时间计数器t=t+1;
(c)更新权重w(t)=αw(t-1);
(d)按照全局最优和个体最优原则,根据下列方程更新第j个微粒在第k 维上的速度:
式中c1和c2为正常数,r1和r2为区间[0,1]上服从均匀分布的随机数;
(e)在更新速度的基础上,每个微粒按照下列方程来改变它的位置:
xj,k(t)=vj,k(t)+xj,k(t-1)
(h)若满足计算停止条件之一,则结束优化过程,否则,转到步骤(b)继 续进行优化;计算停止条件包括:①由最佳解的波动引起的重复寻优次数比预期 大;②重复寻优次数达到最大允许极限。
本发明的优点在于:本发明基于模式匹配思想,将小干扰计算和灵敏度分析 生成的动态稳定控制策略在线应用于低频振荡。基于时域和频域分析中用到的改 进Prony、QR、IRA算法及特征值灵敏度原理,提出了模式匹配的判据和在线模 态计算方法,结合时域改进Prony算法和频域QR算法、IRA算法的优点,将小 干扰计算结果和在线改进Prony实时得到的模式信息进行匹配,当小干扰实时扫 描计算出的振动模式失配时,采用基于微粒群优化技术的电力系统稳定器PSS 抑制低频振荡,在整体上提高了大电网低频振荡识别速度,同时满足“发现即 解决”的实时性和精确性,采用微粒群优化技术对PSS进行参数寻优,提高了系 统的鲁棒性。
附图说明
图1为本发明的流程图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下 面结合具体实施方式,进一步阐述本发明。
如图1所示,一种基于模式匹配的低频振荡在线控制策略,包括以下步骤:
(1)通过监控时域变化曲线,对时域信号采用改进Prony算法计算分析动 态曲线的频谱;
所述改进Prony算法首先通过小波变换消除各信号的噪声,消去直流分量, 建立多信号的样本函数矩阵,通过奇异值-总体最小二乘法对进Prony算法进行 改进,分离信号空间和噪声子空间,确定信号的阶数;
改进Prony算法计算的信号模型为:
时域内监控信号发生低频振荡的条件为:
其中A表示振幅,Athreshold表示振幅阈值,1-T表示在T个时窗内分析,f表 示振荡频率;
(2)基于能量最大原则识别时域内实测信号低频振荡的主导振荡模式,同 时基于多指标面板数据特征提取对同调机组分群进行计算;
定义振荡模式的模式能量为:
其中Ei为单个设备第i个模式下的能量;
发生各测量点的主导振荡模式的频率和阻尼比两两之间满足:
其中fi(fj)、di(dj)分别表示观测点i(j)得到的频率和阻尼,Δfset、Δdset分别表示频率和阻尼的阈值;
机组同调分群计算时,提取时域测量曲线的功率角、机端电压以及转子角速 度数据,对数据做标准化处理,形成面板数据,在时间序列上提取各指标的特征 值,将特征值数据标准化,利用AHP-熵权法计算各指标及特征量权重,计算各 指标的距离矩阵,进而计算机组间的加权距离矩阵,利用系统聚类实现同调机组 分群;
(3)根据改进Prony算法对时域信号在线分析结果,与小扰动频域分析得到 的振荡模式进行模式匹配,进而筛选出报警振荡模式;
根据EMS电网滚动数据,进行实时方式下小干扰扫描计算;应用QR算法及 IRA算法计算电力系统特征值、特征向量、阻尼比相关信息,在频域内对低频振 荡负阻尼模式进行选择,频域筛选低频振荡模式的依据为:
其中ρi代表机电相关比,λi代表特征值,ζi表示阻尼比,ζthreshold表示阻尼 阈值,一般认为ζ≤0.03时为弱阻尼振荡模式;
为了考虑小干扰计算中模型和参数误差对低频振荡模式的影响,优先考虑的 匹配量排序依次为:节点机组分群→频率→阻尼比;
即匹配时须同时满足:
ftime≈ffrequency,ζtime≈ζfrequency;Modaltime=Modalfrequency
匹配判据用数学公式可表示为:
其中,ftime.domain(ξtime.domain)表示时域主导振荡频率(阻尼),ffre.domain(ξfre.domain)表示小干扰计算主导振荡频率(阻尼),fthreshold(ξthreshold)为对应变量阈值。 Modaltime表示时域主导模态节点分群信息,Modalfrequency表示频域计算节点分群 情况;
(4)计算报警振荡模式下特征值对元件参数、传递函数和运行参数的灵敏 度;
(5)当在线时域振荡发生报警时,改进Prony算法计算结果与小扰动实时 扫描计算出的振荡模式失配时,采用基于微粒群优化技术的电力系统稳定器PSS 抑制低频振荡。
在本实施例中,所述电力系统稳定器PSS采用微粒群优化技术对其参数进行 寻优,优化后的PSS能有效衰减本地和区间振荡,提高系统的鲁棒性;微粒群优 化技术包括以下步骤:
(a)初始化,设定时间计数器t=0,产生任意n个微粒Xj(0)(j=1,2,…,n), 其中Xj(0)=[xj,1(0),xj,2(0),...,xj,m(0)],xj,k(0)为第k个优化参数搜索空间 [xk,min,xk,max]上的随机值。按同样的原则产生所有微粒的初始速度Vj(0) (j=1,2,…,n),其中Vj(0)=[vj,1(0),vj,2(0),...,vj,m(0)],vj,k(0)为第k维搜索空 间[-vk,min,vk,max]上的随机值。采用目标函数J对初始种群中的每个微粒进行评 价,对每个微粒设搜索目标函数的最优值Jbest。设与Jbest相关的微粒在目标函数J**下取得全局最优解X**(t),初始权重为w(0);
(b)更新时间计数器t=t+1;
(c)更新权重w(t)=αw(t-1);
(d)按照全局最优和个体最优原则,根据下列方程更新第j个微粒在第k 维上的速度:
式中c1和c2为正常数,r1和r2为区间[0,1]上服从均匀分布的随机数;
(e)在更新速度的基础上,每个微粒按照下列方程来改变它的位置:
xj,k(t)=vj,k(t)+xj,k(t-1)
(h)若满足计算停止条件之一,则结束优化过程,否则,转到步骤(b)继 续进行优化;计算停止条件包括:①由最佳解的波动引起的重复寻优次数比预期 大;②重复寻优次数达到最大允许极限。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实 施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明, 并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发 明包含。
Claims (2)
1.一种基于模式匹配的低频振荡在线控制策略,其特征在于,包括以下步骤:
(1)通过监控时域变化曲线,对时域信号采用改进Prony算法计算分析动态曲线的频谱;
所述改进Prony算法首先通过小波变换消除各信号的噪声,消去直流分量,建立多信号的样本函数矩阵,通过奇异值-总体最小二乘法对进Prony算法进行改进,分离信号空间和噪声子空间,确定信号的阶数;
改进Prony算法计算的信号模型为:
时域内监控信号发生低频振荡的条件为:
其中A表示振幅,Athreshold表示振幅阈值,1-T表示在T个时窗内分析,f表示振荡频率;
(2)基于能量最大原则识别时域内实测信号低频振荡的主导振荡模式,同时基于多指标面板数据特征提取对同调机组分群进行计算;
定义振荡模式的模式能量为:
其中Ei为单个设备第i个模式下的能量;
发生各测量点的主导振荡模式的频率和阻尼比两两之间满足:
其中fi(fj)、di(dj)分别表示观测点i(j)得到的频率和阻尼,Δfset、Δdset分别表示频率和阻尼的阈值;
机组同调分群计算时,提取时域测量曲线的功率角、机端电压以及转子角速度数据,对数据做标准化处理,形成面板数据,在时间序列上提取各指标的特征值,将特征值数据标准化,利用AHP-熵权法计算各指标及特征量权重,计算各指标的距离矩阵,进而计算机组间的加权距离矩阵,利用系统聚类实现同调机组分群;
(3)根据改进Prony算法对时域信号在线分析结果,与小扰动频域分析得到的振荡模式进行模式匹配,进而筛选出报警振荡模式;
根据EMS电网滚动数据,进行实时方式下小干扰扫描计算;应用QR算法及IRA算法计算电力系统特征值、特征向量、阻尼比相关信息,在频域内对低频振荡负阻尼模式进行选择,频域筛选低频振荡模式的依据为:
其中ρi代表机电相关比,λi代表特征值,ζi表示阻尼比,ζthreshold表示阻尼阈值,一般认为ζ≤0.03时为负阻尼振荡模式;
为了考虑小干扰计算中模型和参数误差对低频振荡模式的影响,优先考虑的匹配量排序依次为:节点机组分群→频率→阻尼比;
即匹配时须同时满足:
ftime≈ffrequency,ζtime≈ζfrequency;Modaltime=Modalfrequency
匹配判据用数学公式可表示为:
其中,ftime.domain(ξtime.domain)表示时域主导振荡频率(阻尼),ffre.domain(ξfre.domain)表示小干扰计算主导振荡频率(阻尼),fthreshold(ξthreshold)为对应变量阈值。Modaltime表示时域主导模态节点分群信息,Modalfrequency表示频域计算节点分群情况;
(4)计算报警振荡模式下特征值对元件参数、传递函数和运行参数的灵敏度;
(5)当在线时域振荡发生报警时,改进Prony算法计算结果与小扰动实时扫描计算出的振荡模式失配时,采用基于微粒群优化技术的电力系统稳定器PSS抑制低频振荡。
2.根据权利要求1所述的一种基于模式匹配的低频振荡在线控制策略,其特征在于:所述电力系统稳定器PSS采用微粒群优化技术对其参数进行寻优,优化后的PSS能有效衰减本地和区间振荡,提高系统的鲁棒性;微粒群优化技术包括以下步骤:
(a)初始化,设定时间计数器t=0,产生任意n个微粒Xj(0)(j=1,2,…,n),其中Xj(0)=[xj,1(0),xj,2(0),...,xj,m(0)],xj,k(0)为第k个优化参数搜索空间[xk,min,xk,max]上的随机值。按同样的原则产生所有微粒的初始速度Vj(0)(j=1,2,…,n),其中Vj(0)=[vj,1(0),vj,2(0),...,vj,m(0)],vj,k(0)为第k维搜索空间[-vk,min,vk,max]上的随机值。采用目标函数J对初始种群中的每个微粒进行评价,对每个微粒设搜索目标函数的最优值Jbest。设与Jbest相关的微粒在目标函数J**下取得全局最优解X**(t),初始权重为w(0);
(b)更新时间计数器t=t+1;
(c)更新权重w(t)=αw(t-1);
(d)按照全局最优和个体最优原则,根据下列方程更新第j个微粒在第k维上的速度:
式中c1和c2为正常数,r1和r2为区间[0,1]上服从均匀分布的随机数;
(e)在更新速度的基础上,每个微粒按照下列方程来改变它的位置:
xj,k(t)=vj,k(t)+xj,k(t-1)
(h)若满足计算停止条件之一,则结束优化过程,否则,转到步骤(b)继续进行优化;计算停止条件包括:①由最佳解的波动引起的重复寻优次数比预期大;②重复寻优次数达到最大允许极限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011367636.1A CN112564093A (zh) | 2020-11-28 | 2020-11-28 | 一种基于模式匹配的低频振荡在线控制策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011367636.1A CN112564093A (zh) | 2020-11-28 | 2020-11-28 | 一种基于模式匹配的低频振荡在线控制策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112564093A true CN112564093A (zh) | 2021-03-26 |
Family
ID=75046603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011367636.1A Pending CN112564093A (zh) | 2020-11-28 | 2020-11-28 | 一种基于模式匹配的低频振荡在线控制策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112564093A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128048A (zh) * | 2021-04-19 | 2021-07-16 | 国网江苏省电力有限公司 | 一种电网典型振荡模式的识别方法及系统 |
CN113471960A (zh) * | 2021-05-31 | 2021-10-01 | 国网江苏省电力有限公司 | 一种基于多源数据融合的低频振荡类型判断方法和装置 |
CN114091705A (zh) * | 2021-11-26 | 2022-02-25 | 国网四川省电力公司电力科学研究院 | 一种电力系统失稳分析方法、装置、电子设备和存储介质 |
CN114374210A (zh) * | 2022-02-24 | 2022-04-19 | 国网黑龙江省电力有限公司电力科学研究院 | 一种采用改进Prony算法的电力系统低频振荡监控方法 |
CN116165898A (zh) * | 2023-03-03 | 2023-05-26 | 盛东如东海上风力发电有限责任公司 | 一种基于灰狼算法的鲁棒电力系统稳定器设计配置方法及系统 |
CN117332214A (zh) * | 2023-11-30 | 2024-01-02 | 中国航发上海商用航空发动机制造有限责任公司 | 基于小波变换与频域相干函数融合式喘振报警方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110191048A1 (en) * | 2008-09-27 | 2011-08-04 | Yaozhong Xin | Method and System for a Comprehensive Analysis of Low Frequency Oscillation |
CN103178535A (zh) * | 2013-02-27 | 2013-06-26 | 中国电力科学研究院 | 一种兼顾两类机制的电力系统低频振荡在线防控方法 |
CN106786662A (zh) * | 2016-11-15 | 2017-05-31 | 国家电网公司 | 一种基于混合粒子群优化算法的pss4b 参数整定方法 |
CN108539759A (zh) * | 2018-04-08 | 2018-09-14 | 西南交通大学 | 改进pso算法配置新型电力系统稳定器pss4b的使用方法 |
CN108875202A (zh) * | 2018-06-15 | 2018-11-23 | 华北电力大学 | 基于特征提取的多指标面板数据的同调机组分群方法 |
CN110571830A (zh) * | 2019-09-16 | 2019-12-13 | 国网河北省电力有限公司电力科学研究院 | 一种外挂式电力系统稳定器紧急控制方法及装置 |
CN111654052A (zh) * | 2020-05-26 | 2020-09-11 | 国网湖北省电力有限公司电力科学研究院 | 基于动态相量法的柔直换流器建模装置及方法 |
-
2020
- 2020-11-28 CN CN202011367636.1A patent/CN112564093A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110191048A1 (en) * | 2008-09-27 | 2011-08-04 | Yaozhong Xin | Method and System for a Comprehensive Analysis of Low Frequency Oscillation |
CN103178535A (zh) * | 2013-02-27 | 2013-06-26 | 中国电力科学研究院 | 一种兼顾两类机制的电力系统低频振荡在线防控方法 |
CN106786662A (zh) * | 2016-11-15 | 2017-05-31 | 国家电网公司 | 一种基于混合粒子群优化算法的pss4b 参数整定方法 |
CN108539759A (zh) * | 2018-04-08 | 2018-09-14 | 西南交通大学 | 改进pso算法配置新型电力系统稳定器pss4b的使用方法 |
CN108875202A (zh) * | 2018-06-15 | 2018-11-23 | 华北电力大学 | 基于特征提取的多指标面板数据的同调机组分群方法 |
CN110571830A (zh) * | 2019-09-16 | 2019-12-13 | 国网河北省电力有限公司电力科学研究院 | 一种外挂式电力系统稳定器紧急控制方法及装置 |
CN111654052A (zh) * | 2020-05-26 | 2020-09-11 | 国网湖北省电力有限公司电力科学研究院 | 基于动态相量法的柔直换流器建模装置及方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128048A (zh) * | 2021-04-19 | 2021-07-16 | 国网江苏省电力有限公司 | 一种电网典型振荡模式的识别方法及系统 |
CN113128048B (zh) * | 2021-04-19 | 2022-08-30 | 国网江苏省电力有限公司 | 一种电网典型振荡模式的识别方法及系统 |
CN113471960A (zh) * | 2021-05-31 | 2021-10-01 | 国网江苏省电力有限公司 | 一种基于多源数据融合的低频振荡类型判断方法和装置 |
CN113471960B (zh) * | 2021-05-31 | 2024-02-23 | 国网江苏省电力有限公司 | 一种基于多源数据融合的低频振荡类型判断方法和装置 |
CN114091705A (zh) * | 2021-11-26 | 2022-02-25 | 国网四川省电力公司电力科学研究院 | 一种电力系统失稳分析方法、装置、电子设备和存储介质 |
CN114374210A (zh) * | 2022-02-24 | 2022-04-19 | 国网黑龙江省电力有限公司电力科学研究院 | 一种采用改进Prony算法的电力系统低频振荡监控方法 |
CN116165898A (zh) * | 2023-03-03 | 2023-05-26 | 盛东如东海上风力发电有限责任公司 | 一种基于灰狼算法的鲁棒电力系统稳定器设计配置方法及系统 |
CN117332214A (zh) * | 2023-11-30 | 2024-01-02 | 中国航发上海商用航空发动机制造有限责任公司 | 基于小波变换与频域相干函数融合式喘振报警方法 |
CN117332214B (zh) * | 2023-11-30 | 2024-04-12 | 中国航发上海商用航空发动机制造有限责任公司 | 基于小波变换与频域相干函数融合式喘振报警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112564093A (zh) | 一种基于模式匹配的低频振荡在线控制策略 | |
CN111222549B (zh) | 一种基于深度神经网络的无人机故障预测方法 | |
CN103730006B (zh) | 一种短时交通流量的组合预测方法 | |
Zhang et al. | Application of XGboost algorithm in bearing fault diagnosis | |
CN107590317A (zh) | 一种计及模型参数不确定性的发电机动态估计方法 | |
CN103383261A (zh) | 一种改进型无损卡尔曼滤波室内动目标定位方法 | |
CN106353623A (zh) | 基于随机响应信号的电力系统低频振荡模式在线辨识方法 | |
CN114819054B (zh) | 一种基于物理信息神经网络的电力电子系统状态监测方法 | |
WO2019173943A1 (zh) | 一种自动追踪结构模态参数的方法 | |
CN112183368A (zh) | 基于lstm的电力系统低频振荡模态特征的快速辨识方法 | |
CN111274630B (zh) | 一种用于工程结构柔度识别的物理模态提取方法 | |
Zuo et al. | Simplified unscented particle filter for nonlinear/non-Gaussian Bayesian estimation | |
CN111709350A (zh) | 基于fcm聚类的低频振荡模态参数识别方法及系统 | |
CN106407955B (zh) | 一种电力系统低频振荡模式在线辨识方法 | |
CN116520281A (zh) | 一种基于ddpg的扩展目标跟踪优化方法和装置 | |
CN105425611A (zh) | 一种水轮发电机组励磁系统参数辨识方法 | |
CN105654053B (zh) | 基于改进约束ekf算法的动态振荡信号参数辨识方法 | |
CN112785052B (zh) | 基于粒子滤波算法的风速风向预测方法 | |
CN112688324B (zh) | 基于FastICA与TLS-ESPRIT的电力系统低频振荡模态辨识方法 | |
CN113919430A (zh) | 电压暂降监测判别方法及装置 | |
Zhang et al. | Oil holdup prediction of oil–water two phase flow using thermal method based on multiwavelet transform and least squares support vector machine | |
CN109255394B (zh) | 一种基于模式相似度的强迫振荡识别方法 | |
CN112329535B (zh) | 基于cnn的电力系统低频振荡模态特征的快速辨识方法 | |
CN115114985A (zh) | 一种基于集合理论的传感器系统分布式融合方法 | |
CN111610514B (zh) | 一种蒸发波导传播特性的反演方法及装置 |
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: 20210326 |