基于Volterra模型的电力系统主导动态参数选择

电力系统暂态仿真的模型参数不准确导致了仿真结果和实际量测的差异,限制了其在线应用,而基于动态过程量测的参数在线辨识方法是解决问题的一个途径.在线参数辨识的信息量限制了参数辨识的精度,需要筛选出对电力系统动态过程影响较大的主导动态参数进行辨识.提出了基于Volterra级数的主导动态参数筛选方法,并与传统的灵敏度方法进行比较.研究结果表明,基于Volterra级数的主导动态参数选择方法避免了扰动方式的影响,更适合于主导动态参数的选择.     

基于广域量测数据和导纳参数在线辨识的受扰轨迹预测

基于相量测量单元(PMU)广域量测数据应用参数辨识理论提出电力系统故障后导纳参数在线辨识方法，研究了电力系统受扰轨迹快速积分预测新方法。该算法基于实时量测量精确构造实际故障后的系统动态方程，并快速积分求解系统受扰轨迹。其突出优点在于：参数辨识使用系统实时数据，可考虑复杂的连锁故障事件和不确定的系统拓扑和参数；预测基于故障后系统模型积分，能够反映系统物理本质，对于系统经典模型具有理想预测精度。该算法在多种测试系统中进行了数字仿真实验，并用动模实验数据进行了离线验证，结果表明算法合理有效。     

基于实测信号的电力系统低频振荡模态辨识

广域相量测量系统的应用为基于量测的电力系统稳定性分析提供了有力支持。基于动态量测信息准确地辨识电力系统低频振荡模态参数及振型,对提高电力系统低频振荡的实时监测与控制至关重要。结合经验模态分解与随机子空间辨识算法,基于发电机有功功率的动态量测信息,开展了电力系统低频振荡辨识与分析的研究。该方法能够在较短的时间从含噪信号内提取原系统真实准确的振荡信息,同时能够得到各振荡模式相应的振型,有效地克服Prony算法和自回归滑动平均算法受噪声、系统实际阶数的影响大,以及单一随机子空间辨识算法难以处理非线性、非平稳振荡信号的缺点。测试系统及仿真结果验证了该方法在电力系统低频振荡分析中的可行性。     

综合负荷模型动静负荷比例的在线辨识

综合负荷模型是现代电力系统机电暂态仿真中常用的一种负荷模型,动静负荷比例的准确性将直接影响到仿真结果的正确性。在基于PMU量测的电力系统主导动态参数在线辨识方法的基础上,针对恒阻抗和感应电动机并联组成的综合负荷模型,采用Volterra级数模型和模式识别方法研究了动静负荷比例的在线快速辨识方法,并通过离线仿真给出感应电动机模型几个重要参数在典型值周围的合理变化范围。用该方法对两组不同典型参数下某省网系统进行仿真,验证了该方法的有效性;不同故障点和故障类型的仿真结果验证了该方法具有普遍适用性,同时给出了动静负荷比例辨识的正确率与动静负荷比例分档间隔的关系。     

利用有限时间扰动后的响应辨识电力系统的主导特征值

研究电网在运行点处线性化系统的特征值分布是分析小干扰稳定的重要手段。文章分析了零输入响应下线性系统特征值辨识的特点，给出了可辨识性条件，提出了一种新的获得电力系统主导特征值分布的方法，即运用改进Prony算法，在线辨识电力系统在有限时间扰动后不同测点多路零输入响应的信号模型参数，从而得出电力系统主导特征值的分布，辨识过程与系统激励无关。该方法克服了传统离线分析方法中由于运行方式、模型参数不确定而导致结果可信度低等诸多缺点。文章给出了基于WAMS实时数据平台实现电网特征值在线监视的流程和框架。36节点多机仿真系统和实际电网现场测量的分析结果验证了方法的有效性。     

基于多新息最小二乘算法的电力线路参数辨识

随着电力系统的建设和发展,电网结构日益复杂,由于线路长期运行、周围环境变化等原因导致原有的线路参数模型与实际线路参数存在偏差,从而影响电力系统的实时监控和优化运行。考虑到电力系统输电线路中的数据采集与监控(SCADA)系统量测充足,提出基于多新息最小二乘(MILS)算法的线路参数辨识模型,实现全网线路的准确辨识和校正。首先,利用实时数字仿真(RTDS)系统搭建IEEE 39节点电力系统仿真模型,获得潮流运行数据;然后,在Matlab中进行参数辨识,将辨识结果与RTDS中的线路参数进行对比。结果表明,基于MILS算法的参数辨识结果具有较高估计精度,可作为电力系统可疑线路判断依据。     

基于集群机的大规模电力系统暂态过程并行仿真

由于传统的串行计算方法无法满足互联电力系统在线动态安全分析和实时仿真的要求，研究高效的电力系统暂态并行仿真算法及其软件已成为电力系统动态实时仿真的关键。该文基于集群系统，提出一种利用电力系统区域特性的多重化网络划分方案，弥补了传统网络划分算法在计算规模和划分质量上的不足；并提出了一种基于分块思想、消息传递与动态多线程相结合的网络方程分层算法及其实现策略，缩短了网络方程的计算时间，解决了暂态仿真中计算量突增的问题，提高了算法的并行效率和整体性能。同时，文中还简化了暂态稳定算法迭代流程，改进了全局收敛判定方法，有效地减少了算法计算量和通信损耗。实际电网的数值计算结果表明，文中提出的算法计算加速比高，实时性好，因此研制的电力系统动态并行仿真程序能够满足大规模电力系统暂态过程实时仿真、甚至超实时仿真的要求。     

电力系统动态等值的在线测辨研究（II）：辨识方法及仿真检验

动态等值的同调等值法和模式等值法大都用于离线分析,在线动态安全分析了常需要对外部系统作在线的实时动态等值。由于系统的结构,运行工况多变,一般不可能离线先作等值后再在线调用,因此,在可辨识性分析的基础上,引进全局性好,鲁棒性强的进化策略辨识方法用于电力系统动态等值的在线测辨,华中电网的实际仿真应用表明：进化策略法具有较高的精度和较少的计算量,适合于动态等值参数辨识。     

随机数据驱动下的机电振荡参数在线提取与阻尼调制(一):基于ORSSI的模态参数在线辨识

随机响应数据蕴含丰富的动态信息,从随机响应数据可提取机电振荡特征参数、进行小干扰稳定分析。该文在环境激励电力系统随机响应特征分析基础上,提出了基于在线递归随机子空间辨识法(on-line recursive stochastic subspace identification,ORSSI)的电力系统小干扰稳定性在线评估方法。ORSSI辨识算法利用LQ分解取代了传统SSI算法中的奇异值分解过程,有效地提高了计算速度,同时通过引入Givens旋转变换,替代数据更新后Hankel矩阵LQ分解过程,实现了延伸观测矩阵在线更新,在保证计算精度的同时提高了机电小干扰稳定评估的实时性。基于IEEE 16机68节点系统和某实际系统的仿真,验证了文中方法的可行性和有效性。     

基于Adaline神经网络参数辨识的PMSM鲁棒电流预测控制

针对复杂工况下永磁同步电机存在模型参数失配导致控制系统性能下降的问题，提出一种基于参数在线辨识的鲁棒电流预测控制方法。首先，建立永磁同步电机预测控制模型，详细分析电磁参数失配对电机响应电流及输出转矩和转速的影响。然后，设计了基于Adaline神经网络的参数在线辨识器，并在传统的权值调整算法上，提出一种应用于电机参数辨识系统的新型动态混合最小均方算法。最后，利用在线辨识的参数来实时更新电流预测控制器中的参数，以避免参数失配对控制系统性能的影响。通过仿真和实验验证了所提方法和新型算法的可行性和有效性，其结果表明了该方法不仅能够实现精准在线跟踪电机参数的变化，而且有效抑制了参数失配导致的响应电流偏差。     

基于轨迹灵敏度频域特征提取的电力系统仿真误差主导参数识别

电力系统动态仿真中主导参数的准确识别是进行仿真验证的前提,传统方法通过比较各参数的轨迹灵敏度时域特征大小确定主导参数.对此,提出了一种基于轨迹灵敏度频域特征提取的电力系统仿真误差主导参数识别方法.通过分析仿真误差曲线的频域特征,提取误差敏感频点;建立评估参数对轨迹灵敏度频域影响的特征指标,通过指标分析各参数轨迹灵敏度在敏感频点处的频域特性,进而得到仿真误差的主导参数集.采用WSCC 3机9节点系统验证了所提方法的有效性,结果表明所提方法弥补了从时域角度提取轨迹灵敏度信息不充分的不足,可为电力系统仿真验证提供理论支持.     

基于暂态响应轨迹的光伏逆变器参数辨识方法

为了获取更精准的光伏逆变器暂态模型参数,保障光伏发电联网运行仿真分析结果的准确性,提出一种基于暂态响应轨迹近似的参数辨识方法。首先构建了光伏发电的机电暂态模型,确定光伏逆变器的待辨识参数;其次,建立了PSASP与Matlab联合仿真平台,基于粒子群算法的寻优原理,辨识光伏逆变器控制参数。最后,基于三机九节点仿真算例,验证该辨识方法的有效性和准确性。     

随机数据驱动下基于SDMD的机电振荡参数辨识

随机响应数据蕴含丰富的系统工况信息,从随机响应数据可提取机电振荡特征参数、进行系统小干扰稳定分析。对环境激励电力系统随机响应进行建模,在此基础上提出了基于子空间动态模式分解的机电振荡参数辨识方法。SDMD辨识算法用于非线性随机动力系统的Koopman分析,利用截断的奇异值分解实现动态低秩近似,使系统维数大大降低,同时该算法可以有效地克服动态模式分解方法可能导致辨识结果产生偏差以及模态混合等问题。基于IEEE4机2区系统和IEEE16机5区系统进行仿真,并将该方法辨识结果与其他方法辨识结果进行对比和分析,验证了所提方法的可行性和有效性。     

基于ELMAN神经网络的同步电机动态参数在线辨识

为提高同步电机参数在线辨识的速度和可靠性，减少辨识计算量，提出了一种基于神经网络的电机参数动态跟踪辨识方法。针对同步电机暂态、次暂态参数的非线性和动态特性，在多层前向BP网络中引入特殊关联层，形成有“记忆”能力的Elman神经网络，因而可以映射系统的非线性和动态特性。在网络训练算法中，提出一种自适应修正步长和矩量因子的算法，显著提高了训练的收敛速度。训练样本集以同步电机在各种典型运行模式下的检测数据经卡尔曼滤波、状态空间有限元等基于模型的辨识算法离线计算得到。文中还给出了由工控机、智能数据采集卡和传感器锁相环控制接口电路构成的在线辨识硬件电路设计。数字仿真和动模实验机组辨识算例证明，这种Elman神经网络模型能够实现同步电机动态参数的在线跟踪辨识。     

基于EMD和Prony算法的次同步扭振模态参数辨识

从瞬时转速测量数据中有效提取次同步扭振信号,并准确地辨识模态参数,仍有一定的技术难度。提出了通过EMD预处理提取次同步扭振信号,并进行重采样处理,再通过Prony算法辨识次同步扭振模态参数的方法。采用该方法对某电厂扭振实测数据进行了应用分析,并与基于传统滤波器以及小波滤波器的Prony分析结果进行比较。研究表明所提方法能够有效提高次同步扭振模态参数辨识的精度。     

基于一维卷积神经网络的电力系统暂态稳定在线评估

传统电力系统暂态稳定评估基于时域仿真计算,计算复杂度高,难以在线应用。提出一种基于一维卷积神经网络的电力系统暂态稳定在线评估,可极大提升暂态稳定在线评估速度。通过马尔可夫链蒙特卡洛抽样算法进行电力系统运行状态模拟,生成大规模运行数据。通过电力系统时域仿真计算确定发电机最大功角差。将电力系统运行数据作为一维卷积神经网络的输入,发电机最大功角差作为输出,训练一维卷积神经网络。在线应用场景下,一维卷积神经网络可基于当前运行数据快速计算发电机最大功角差,实现暂态稳定性在线评估。新英格兰39节点系统验证了所提在线评估算法的可行性。     

基于相量测量单元实测数据的变压器参数在线估计方法

给出了基于相量测量单元(PMU)实测数据的变压器变比(分接头位置)和电抗参数的计算方法.通过对变压器参数和变比的多时段计算结果进行统计分析发现,多时段参数计算结果符合正态分布.利用正态分布参数估计理论,给出了变压器参数和变比辨识结果的置信区间和点估计值,最大限度地减少了量测随机误差的影响.算法考虑了电力系统的生产实际情...     

基于DDPG的风电场动态参数智能校核知识学习模型

随着风电渗透率的增加,电力电子化元件大量接入,风电场表现出的动态特性愈发复杂,传统的基于少量案例、解析的仿真验证方法面临挑战.以深度强化学习为代表的新一代人工智能在多领域的成功应用,为风电场动态参数智能校核提供了借鉴.在双馈风电场等值模型的基础上,基于深度确定性策略梯度(deep deterministic polic...     

面向故障暂态建模的光伏并网逆变器控制器参数辨识

为了构建电网故障情况下高可信度的光伏电源暂态等效模型,为含光伏电源的电网故障特性分析和继电保护研究奠定基础,提出了一种面向故障暂态建模的光伏并网逆变器的控制器参数辨识方法。该参数辨识方法以差分进化算法为基础,不仅可以辨识出PI调节器参数,也能准确辨识出限幅环节参数,以弥补现有控制器参数辨识方法的不足,从而确保光伏电源故障暂态建模的准确性。建立了PI调节器参数和限幅环节参数的分阶段辨识流程,并采用理论计算方法确定了初始种群中各解向量的初始值,以加快待辨识参数收敛到真实值的速度,提高控制器参数的辨识效率。