基于Nataf变换含相关性的扩展准蒙特卡洛随机潮流方法

随机潮流分析中,准蒙特卡洛方法在同样规模下不仅计算效率高于基于拉丁超立方的方法,且具有更好的扩展性质。因此提出一种基于Nataf变换的扩展准蒙特卡洛方法(NEQMC)并应用于概率潮流计算中。该方法利用Nataf变换重构输入变量的概率分布,而扩展技术可在随机潮流未收敛时保留已知的潮流计算结果,基于奇异值分解的相关系数控制技术不仅可保持扩展前后样本的相关性,且使得该方法也适用于相关系数矩阵非正定的情况。与基于Nataf变换的简单随机抽样、扩展拉丁超立方方法在IEEE 30和IEEE 118节点系统的比较分析证明了所提方法的高效性和准确性,仿真结果表明:相比于拉丁超立方和简单随机抽样,NEQMC的输出变量准确度更高,特别是标准差的准确度得到大幅改进,获得相同准确度的计算复杂度大大减小。     

奇异值分解结合均匀设计采样的半不变量法概率潮流计算

在样本形成过程中半不变量法概率潮流(PLF-CM)计算可能遇到输入变量相关系数矩阵非正定的情况,此时常用的Cholesky分解不再适用。提出一种奇异值分解(SVD)结合均匀设计采样(UDS)的PLF-CM计算方法。通过SVD和UDS结合Nataf变换得到考虑相关性的随机变量样本,借助这些样本计算常规数值方法难以求解的部分输入变量的半不变量,利用SVD处理输入变量的协方差矩阵以准确计算输出变量的半不变量,采用Cornish-Fisher级数展开求得输出变量的概率分布。以改造后的IEEE 14节点测试系统为算例,验证了所提方法的快速性、有效性及对高渗透率新能源发电的适应性。     

主元分析结合Cornish-Fisher展开的半不变量法概率潮流计算

为克服现有半不变量法概率潮流计算( probabilistic load flow based on cumulant method,PLF-CM)不能处理输入随机变量相关系数矩阵非正定之不足,提出一种基于主元分析和半不变量法结合Cornish-Fisher 展开的PLF-CM 计算方法。新方法根据输入变量的离散样本数据求取输入变量的半不变量,利用主元分析处理关联性输入随机变量以准确计算输出变量的半不变量,采用Cornish - Fisher 级数求得电力系统的概率潮流分布。在改造后的IEEE-14 节点测试系统上进行的仿真研究表明:所提方法计算高效、稳定,适用于不确定性较大的新能源电力系统的概率潮流分析。     

基于奇异值分解和等效电流量测变换的电力系统状态估计

针对电力系统状态估计中处理病态问题的不足,提出一种基于奇异值分解和等效电流量测变换的状态估计方法。该方法利用PMU和SCADA量测构成的混合测量系统,运用直角坐标形式等效电流量测变换技术处理节点注入功率量测和支路功率量测,把信息矩阵转换成常数矩阵,再运用奇异值分解求解量测方程。在迭代求解中只需进行一次奇异值分解,提高了算法的计算效率。奇异值分解无需对系统进行可观性分析,能很好地处理病态或接近病态问题,使系统鲁棒性增强。通过仿真测试,验证了所提方法的正确性和有效性。     

基于改进变分模态分解的SRM功率变换器故障诊断方法

为实现开关磁阻电机功率变换器故障诊断,本文提出了一种改进变分模态分解结合奇异值分析的方法,基于经验模态分解自适应特性和中心频率确定变分模态分解的分解数,并对故障相电流进行处理,根据互信息分析选择最佳模态分量构造初始特征矩阵,进行奇异值分解后计算归一化奇异值作为特征向量,输入支持向量机分类器进行故障识别。为验证诊断方法的可行性,建立了仿真模型与其他诊断方法进行了对比;搭建了开关磁阻电机实验台,测试了开路、短路故障状态,仿真和实验结果均表明本文所提方法可减小噪声影响,提高故障识别准确率。     

基于非正定型相关性控制的拉丁超立方随机潮流计算方法

大规模分布式电源的并网给潮流计算中拉丁超立方抽样法的应用带来了新的问题。为解决分布式电源的累积分布函数较难获得以及相关性控制中相关系数矩阵非正定两个问题,提出了一种基于修正相关系数矩阵的改进拉丁超立方抽样法。该方法可根据离散数据,进行分层抽样得到样本,并采用正定谱分解法修正使得相关系数矩阵都能进行Cholesky分解,修正速度快误差小,毫秒级的速度便可使误差达到10-4。采用IEEE 33和PGE69两个节点系统,验证了修正算法的准确性和有效性。仿真结果表明该方法计算速度快,在采样与输出变量的准确性和收敛性方面都要优于蒙特卡罗。     

冲击噪声背景下相干信号DOA估计

针对冲击噪声背景下相干信号源的波达方向估计问题,提出了一种基于分数低阶矩的修正MUSIC算法。首先根据阵列接收数据,计算出分数低阶矩矩阵,从而抑制冲击噪声对阵列接收数据的影响;然后采用修正MUSIC算法基本原理,通过对矩阵的共轭重排,解决因相干信号的存在而导致的阵列协方差矩阵秩的亏损问题,并提高了算法的估计性能。通过对所提方法进行仿真实验验证以及相关理论性分析得知：所提算法能够有效抑制冲击噪声的影响,同时可对相干信号进行解相干处理,并且与分数低阶奇异值分解算法及数据预处理后进行重构的自适应方法相比具有更高的估计精度和估计成功概率。     

基于输入变量秩相关系数的概率潮流计算方法

随着大量新能源接入,电力系统运行必须考虑其随机性带来的影响。概率潮流是有效工具之一。针对考虑输入变量相关性的概率潮流计算,文中采用Spearman秩相关系数表示输入随机变量间的相关性,分析了拉丁超立方抽样方法与秩相关系数的内在关联,提出结合遗传算法的改进拉丁超立方抽样方法进行概率潮流计算。算例结果表明,所提出的方法能较好地刻画风速间的相关性,不受输入随机变量边缘分布的影响,并且能处理秩相关系数矩阵正定和非正定的情况。     

主元分析结合Cornish-Fisher展开的概率潮流三点估计法

传统点估计概率潮流计算(Probabilistic Load Flow Calculation Based on Point Estimate Method, PLF-PEM)没有考虑输入随机变量相关系数矩阵非正定之情形。为克服上述不足,更准确地描述输出变量的统计特性,提出一种主元分析结合Cornish-Fisher级数展开的PLF-PEM算法。利用主元分析处理相关性输入随机变量,通过点估计方法得到输出变量的各阶矩。结合半不变量理论与Cornish-Fisher级数展开,利用输入变量的离散样本数据求得输出随机变量的数字特征和概率统计信息。算例表明所提算法能适应新能源发电高渗透电力系统的快速概率潮流计算。     

基于增强VMD相关分析的水电机组摆度信号降噪

为有效提升强背景噪声与复杂电磁干扰下水电机组摆度信号的分析精度,研究提出了一种基于增强VMD相关分析的摆度信号降噪方法。首先对摆度信号构造Hankel矩阵并进行奇异值分解,进而基于均值滤波策略筛选有效奇异值,求得Hankel估计矩阵并反向重构信号,实现低频段信号增强;再利用变分模态分解将重构信号分解为系列模态分量,并分别进行自相关分析,求得归一化自相关函数及对应的能量集中度指标;最后基于能量集中度选择有效分量进行特征信号重构,最终得到降噪后的摆度信号。通过仿真分析与电站实测振摆信号降噪验证,证明了所提方法具有较好的降噪性能。