考虑温度影响的锂电池等效电路建模及研究

针对传统锂电池等效电路模型忽略温度和滞后电压对自身的影响,会导致模型参数不匹配和精确度下降的问题,文中论述了温度和滞后电压对锂电池等效电路模型的影响。设计了基于温度的综合锂电池等效电路模型,分别在不同温度下对Li FePO4电池进行城市道路工况(Urban Dynamometer Driving Schedule UDDS)测试,采用子空间辨识法,通过对模型内部参数进行有效辨识,求解模型参数。在此基础上分析了传统等效电路模型与改进模型在不同温度下的仿真输出及输出误差,结果表明锂电池等效电路模型参数受温度影响较大,在温度广泛变化的情况下,与传统模型相比,文中模型可靠度更高,输出与实际试验数据匹配良好,进而验证了文中模型的有效性,为实际应用提供了有效的模型参考。     

高压断路器KEMA电弧模型改进研究

介绍了经典Mayr和Cassie电弧模型表达式,详细描述了基于Mayr-Cassie模型的KEMA型断路器电弧模型.在不改变原模型精度的情况下,针对KEMA模型计算过程复杂且不易于建模的缺点,对原模型做出了数学处理与改进.使用遗传算法确定了改进模型中的参数,并在PSCAD/EMTDC暂态电磁仿真软件中建立了相应的模型.对所建立的模型进行仿真,对比了测量数据、原模型仿真数据及改进模型仿真数据.对比结论证明该模型能在EMTDC下较准确地模拟高压断路器的开断电弧.     

基于Matlab模块化模型的水轮发电机组仿真研究

采用Matlab建立水轮发电机系统各子系统的多种精度模块化模型,在此基础上分别构建水电机组非线性模型、线性化模型和经典理想模型.通过与现场运行数据相比较,研究了不同模型的适用范围,验证了仿真模型和算法的正确性,体现了模块化建模在水电站仿真计算中的优势.     

基于Matlab模块化模型的水轮发电机组仿真研究

采用Matlab建立水轮发电机系统各子系统的多种精度模块化模型,在此基础上分别构建水电机组非线性模型、线性化模型和经典理想模型。通过与现场运行数据相比较,研究了不同模型的适用范围,验证了仿真模型和算法的正确性,体现了模块化建模在水电站仿真计算中的优势。     

可仿真任意工况的MMC等值电磁暂态仿真模型与平均值模型

基于对MMC在启动以及直流故障期间桥臂电容电压动态过程的分析,提出了改进的MMC等值电磁暂态仿真模型,并根据桥臂总电容电压的动态特性提出了可仿真任意工况的MMC平均值模型。在PSCAD/EMTDC下搭建了21电平MMC的详细电磁暂态仿真模型、等值电磁暂态模型和平均值模型,通过启动、电流阶跃、交流故障和直流故障、环流抑制器投切仿真,验证了所提出的等值电磁暂态仿真模型和平均值模型可以分别在换流站级和电力系统级的研究上取代详细开关模型并提高仿真速度。     

组合功率开关半导体模型及其参数敏感性分析

功率半导体模型是电路和系统仿真的重要部分。本文在回顾一般功率器件模型基础上，详细研究了在通用电路仿真器ＰＳｐｉｃｅ中怎样运用组合模型原理建立任一新的功率半导体模型。作为应用组合模型原理的实例，文中给出了组合绝缘门根晶体管模型、组合门极可关断晶闸管模型和组合ＭＯＳＦＥＴ控制晶闸管模型，并和实际器件进行比较。最后讨论了组合模型的有效性。     

用于电磁暂态仿真分析的永磁同步发电机风电场模型聚合方法

给出了一种用于大规模永磁同步发电机(permanent magnet synchronous generator,PMSG)风电场电磁暂态仿真分析的聚合模型的建模方法。建立了含PMSG的风电场简化电磁暂态仿真模型,对简化模型及其对应的全仿真模型的仿真结果进行了对比验证。分析了在不同电网故障情况下PMSG风力发电机组的响应特性。在此基础上,建立了2种风电场仿真模型:包含40台5 MW风力发电机组模型的风电场全仿真模型及其200 MW等效聚合模型。讨论了风电场聚合模型的聚合原则,给出了200 MW风电场模型的聚合过程。通过对2种模型在风电场故障过程中特性的对比研究,分析了风电场内部升压变压器和集电线路对聚合模型的影响,验证了该聚合模型的正确性和有效性。     

逐步多元回归法在负荷模型扩展中的应用

为了在仅已知负荷组成比例时求取该点的负荷模型,将统计学里的逐步多元回归法引入到负荷模型的扩展当中,首先通过少数已知负荷点的实测模型和负荷组成比例建立模型回归函数,然后通过此函数和待求负荷点的负荷组成概况推导出此负荷点的模型,在模型回归函数变量筛选时采用了逐步回归法,此方法克服了向前引入法和向后剔除法固有的缺点,由此方法建立的模型回归函数弥补了模型向量基法在负荷模型拓展时对实测负荷点个数要求过多的缺陷,为负荷模型的大范围推广提供了借鉴,实际负荷数据验证了该方法的有效性。     

基于模型集和差异模型的电网模型多版本管理方法

在目前的电网调度自动化系统中,电网模型的版本管理还局限在对其时间维变化的内容进行管理的方式。文中提出一种基于模型集和差异模型的电网模型多版本管理方法,将空间维和应用维模型通过模型空间和模型树的类型划分成相应的版本空间,以模型集为基线,通过叠加不同时间生效的差异模型实现对空间、时间和不同应用维度模型的多版本管理,提升了对历史模型回溯、未来模型建模、应用模型转换的灵活性,实现了实时电网监控运行与历史、未来电网研究分析在电网模型层面的协调统一,满足了电网调度控制中心内各业务应用对时间、空间和应用维电网模型开展研究分析的需求。     

国外电力系统稳定计算使用的负荷模型

对近十年来国外电力行业在负荷模型方面的主要研究成果进行了综述，包括负荷模型分类和建模方法、在电力系统稳定分析中所使用的负荷模型的情况、静态和动态模型的适用性问题以及感应电动机模型和参数的选取等，可为我国电力系统负荷模型的研究提供参考。     

NEURAL NETWORK APPROACH TO DYNAMIC VOLTAGE STABILITY PREDICTION

ABSTRACT

The application of artificial neural network (ANN) on dynamic voltage stability analysis is presented. Two ANN models have been utilized, in which the first ANN model is used to classify the power system as to whether it is dynamically stable or unstable. Then the second ANN model is used for the dynamically stable system to predict the voltage magnitudes at load busbars. Both ANN models are based on the multiperceptron model, and the training is done using the error back propagation scheme. The training set patterns are generated by carrying out dynamic simulations, using induction motor and constant P-Q load models. This paper highlights the method for selection of the optimum number of training sets so as to minimise the time taken in the ANN learning process. The performance of the ANN models have been tested and shown to give good results.     

神经网络模型动态特性的研究

本文从神经网络应用于动态系统建模的过程出发，指出了研究神经网络模型一般特性的重要性，分析了传统模型回响测试中存在的问题，给出了正确的回响测试方法，继而讨论了神经网络模型作为一类非线性动态模型所存在的多平衡点、极限环等问题，给出了模型稳定性判定的基本方法。最后是上述理论应用的一个示例。     

基于电路模型和神经网络的谐波电流检测方法

针对有源滤波器的谐波电流与无功电流检测建立了三相非线性负载的等效电路模型,提出了一种基于神经网络的检测方法.该方法使用神经网络对模型中的电阻负载进行逼近,得出相对应的电力系统中的基波有功电流,从而实现谐波电流的检测.仿真结果证明了该方法的有效性.     

Artificial neural network and non-linear models for prediction of transformer oil residual operating time

This paper presents two modeling techniques for the prediction and monitoring of the characteristics of transformer oil. The first employs artificial neural network (ANN) and the second employs non-linear modeling (nlm). The proposed techniques are implemented for predicting the transformer oil residual operating time (t_rot) which is defined as the service period after which the breakdown voltage (BDV) violates the limits given in the standard specifications.The selection of the most influential characteristics on residual operating time (t_rot) in the proposed techniques is obtained by statistical analysis. The non-linear model depends on linear combination of non-linear functions for each characteristic. The ANN technique for modeling these characteristics preserves the non-linear relationship between these characteristics and (t_rot). The results are compared with previously published modeling techniques namely multiple linear regression and polynomial regression models. Different evaluation indices have been used to justify the superiority of the proposed modeling techniques for predicting (t_rot).     

用人工神经元网络和最小二乘法估计负荷模型的比较

该文分别采用现代辨识技术之一的递推最小二乘法和人工神经元网络(ANN)误差反向传播算 法(BP算法)估计2000年四川电网某一变电站的负荷模型，结果表明人工神经元网络模型 能更好地反映负荷的非线性特性。     

基于时序分析的神经网络短期负荷预测模型研究

在负荷预测中，历史负荷数据产生的复杂性和许多不确定因素影响的随机性，使观测到的数据既包含线性部分，又包含许多非线性部分，因此所建立的预测模型就必须综合考虑这2方面的因素。目前常用的预测技术很少能综合考虑这两方面的因素．预测精度选不到要求。本文提出了一种时序分析和神经网络结合的预测方法。由于时序模型中不同阶数的自回归移动平均适合线性预测，可利用自回归移动平均模型(ARMA)处理历史负荷数据中的线性部分；而神经网络模型适合非线性预测，可利用人工神经网络(ANN)模型处理历史负荷数据的非线性部分：这样所建立的模型有机地结合了历史负荷中的线性因素和非线性因素．利用不同模型的优势来处理数据的不同部分，使得预测结果更为准确。实证证明。ARMA-ANN组合预测能提高负荷预测的精度。     

基于DSP的永磁同步电机神经网络逆解耦控制

针对永磁同步电机(PMSM)这一非线性多变量的复杂系统,提出了不依赖对象精确数学模型和参数的PMSM神经网络逆系统控制方法,并在以数字信号处理器(DSP)为核心的控制实验平台上得以验证。PMSM的逆系统由静态神经网络加积分器构成并与原系统串联,实现了其转速和磁链的动态解耦。在此基础上,为两个解耦的伪线性子系统设计了线性闭环调节器,使整个系统获得优良的动静态性能。实验结果表明,神经网络逆系统方法可以实现对PMSM的高性能控制,对参数变化和负载扰动具有较强的鲁棒性。     

基于人工神经网络的模型择优预测方法及应用

针对组合预测中各模型权重难以合理确定的问题,根据"择优取用"原则将组合预测问题转化为一种模式识别问题,并采用非线性映射能力很强的改进BP人工神经网络方法进行该问题的求解。实例表明,这种择优预测方法不仅有效避免了传统组合预测模型权重的繁琐计算,而且能集各模型所长,概念清晰,计算简便。该法作为变权重组合预测方法的一个特例,在灾害风险预测等中有较高的实用价值。     

结合稳态模型的非线性动态建模方法及应用

考虑到热工对象的动态特性大多从阶跃响应获得,非线性的存在使此种线性动态模型只能在相应稳态点附近有良好的性能,文中采用了基于非线性稳态模型来实现动态模型自适应的策略,该策略用较为精确的非线性稳态模型得到当前输入下的稳态参数,然后由此修正线性动态模型中与稳态相关的参数,实现了动态模型的自适应,进而有效提高了大范围下的动态预测性能。通过对某电厂360 MW"W型"火焰强制循环固态排渣煤粉炉的稳态和动态试验,建立了NOx的神经网络稳态模型和线性动态模型,用两个不同工况下的实际数据,验证了结合稳态模型的非线性自适应动态模型比线性动态模型具有更好的NOx排放预测性能。     

短波跳频系统实时信道自适应监测

文中基于短波信道Watterson模型,提出了短波跳频系统信道性能(BER)实时监测的一种自适应测量方法,并对伪错监测和外推算法进行分析和研究,结果表明,用非线性外推算法可以获得较准确的估测值。