基于人工神经网络的电力系统中振荡与短路模式识别的研究

电力系统中的振荡会影响许多距离保护的性能,它是许多学者共同关注的难点.文章在比较了以往几种传统保护的原理之后,提出一种新的基于人工神经网络的判别算法,它能正确区分故障、振荡及振荡中故障等各种状态.并对BP网络算法进行改进后,应用于距离保护之中.EMTP仿真结果表明,此算法比以往的保护更可靠,功能更强大.     

一种区分振荡与故障的新方法

提出了一种能区分振荡、故障、振荡中故障的新方法，其基于电流故障分量的变化方式 而判别。为了校验启动元件在振荡中以及在振荡中发生故障情况下的动作情况，应用一种新 的振荡模型和振荡中故障的模型。这种新的启动元件能明确地区分系统振荡以及故障（包括 振荡中故障）。     

人工神经网络在电力系统短期负荷预测中的应用

为准确预测电力系统短期负荷，针对BP神经网络的固有缺陷，改进了基本BP算法，并采用遗传算法设计和优化神经网络结构参数，在此基础上建立了工作日负荷预报模型和假日负荷预报模型。负荷预测仿真表明，本文所提出的算法在预测精度和收敛速度方面均得到了改进。     

基于对称分量模型的电力系统短路故障计算方法

对称分量法及其序网联接技术是电力系统故障处理的传统方法，但目前存在着许多因素引起了网络参数的三相不对称，以至序网无法分离，序网联接技术失效。该文以相分量故障处理方法为依据，提出了一种相分量坐标下的故障向量变换法。采用多态计算技术，用矩阵变换代替传统的数值计算，用不同的矩阵参数表达各种对称和不对称短路故障的特点，以使用统一的公式计算短路故障，将该方法推广至对称分量坐标下，无需序网联接就可以实现对称分量坐标下短路的故障处理，简化了短路电流计算编程的难点，分析了组合故障等情况，给出了新方法的处理结果，用实例证明了该方法简单实用的优越性。     

应用人工神经网络进行电力系统暂态稳定性分析的新方法

提出了一种利用人工神经网络进行电力系统暂态稳定分析的方法。该神经网络取故障后系统 暂态量为特征量，采用改进BP算法进行训练。将样本空间进行模式分类，并对不同类样本作 不同处理。以实际系统为例，将选用暂态特征与选稳态特征进行比较，验证了选用暂态特征 的准确性和有效性。     

运用人工神经网络进行电力系统运行参数的在线估计

尝试运用3层前向人工神经网络对电力系统的运行参数进行在线估计，神经网络的输入特征 为电力系统中某一点的可量测运行参数，神经网络的输出特征为电力系统中另一点的运行参 数。仿真结果表明，利用神经网络进行电力系统运行参数的在线估计具有较好的精度和良好 的泛化能力，在今后的电网控制领域将有一定的应用价值。     

人工神经网络应用于继电保护的探讨

根据现代控制技术的人工神经网络理论,提出了一种保护原理构成方案,并分析了原理实现的可行性和技术难点。     

人工神经网络应用于继电保护的探讨

根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案,并分析了原理实现的可行性和技术难点。     

电力系统低频振荡机理的研究

应用Prony算法研究了河北南网安保线低频振荡的具体实例，并讨论了低频振荡的机理，提出低频振荡的机理之一是由于扰动的频率与自然振荡频率共振造成的。通过仿真分析了共振型低频振荡的算例，认为安保线振荡与共振机理相当符合。最后分析了各种扰动施加对系统的影响，为今后的分析提出了建议。     

基于相量测量单元的电力系统振荡研究

大电网系统振荡模式多变,使得离线设计静态协调控制的有效性受到限制,但目前实用的相量测量单元可同步采集表征电网运行状态的几乎所有的变量,它为克服现有阻尼控制的固有缺陷创造了条件,将其作为阻尼控制器的反馈输入构成闭环控制在工程上是可行的。     

基于改进STD法的电力系统低频振荡辨识

介绍稀疏时域(STD)法的基本理论并对其进行改进,给出基于该方法进行低频振荡模式参数辨识的具体实施步骤。16机系统时域仿真数据和某实际电网相量测量单元(PMU)实测数据验证了改进STD法的有效性和实用性。改进STD法与总体最小二乘-旋转不变技术(TLS-ESPRIT)及Ibrahim时域(ITD)算法辨识结果的对比表明,改进STD法在准确性和抗噪性方面均表现较好;与含低通滤波器的多通道ITD算法相对比,改进STD法无需对输入信号进行低通滤波即可实现准确辨识。     

基于变分模态分解的电力系统泛频带振荡辨识方法

振荡问题已成为现代电网面临的重要问题之一,电力系统中多种类型的振荡可能同时出现且频段跨度极大。针对含泛频带振荡模态的信号,首先通过带通滤波器实现不同频段信号的分离,再利用有高噪声鲁棒性的变分模态分解(Variational Mode Decomposition, VMD)方法提取各个振荡模态信号,最后通过Prony算法实现对不同模态参数的辨识。仿真与实际算例分析表明,该方法能够对信号中不同类别振荡模态进行有效区分与提取,精确识别出每个模态的信息。无论针对已发生剧烈振荡的信号或是含有潜在振荡的类噪声信号,该方法均能有效地进行模态辨识。     

基于多类型受扰轨迹的电力系统低频振荡分析

传统的Prony算法抗干扰能力差,且无法给出其振荡模式辨识结果的准确度评价,因此提出一种基于多类型扰动轨迹的低频振荡分析方法,并对其准确度进行评价。利用各类型扰动信号与参考信号的平均能量之比对信号振幅进行预处理,避免振幅差异过大导致某些信号被掩盖。利用Prony算法对多类型的扰动轨迹进行分析获取主导振荡模式,计算各主导振荡模式的振幅偏差和相位偏差评价主导振荡模式的可信度。结合各主导振荡模式的振幅偏差、相位偏差、振荡能量百分比建立综合评价指标评价Prony算法的阶数选择是否合理。算例结果表明,所提方法及相应的评价方法具有良好的实用性。     

光储联合发电系统的功率振荡特性分析与控制

高渗透光储并网发电系统功率振荡将因缺乏阻尼能力而威胁系统的动态稳定。首先分析通过调节光储系统的有功、无功增加系统阻尼的原理,并在光储联合系统并网功率控制的基础上,提出光储系统基于有功、无功控制的附加阻尼控制策略。该控制策略通过检测光伏侧直流电压变化,实现功率振荡过程中光伏并网逆变器和蓄电池储能系统的控制模式切换,使联合系统具备持续调节注入系统有功、无功功率的能力,并改善电网的阻尼特性。最后,基于渗透率约为30%的光储并网发电仿真系统,验证在系统出现振荡后,光储系统在所提控制策略下,具备通过快速功率调节抑制功率振荡的能力,从而实现多电源协调改善发电系统阻尼的控制目标。     

基于多元经验模式分解的电力系统低频振荡模式辨识

提出了一种辨识电力系统主导低频振荡模式的新方法。该方法结合了多元经验模式分解(Multivariate Empirical Mode Decomposition, MEMD)、Teager能量算子及预测误差法(Prediction Error Method,PEM),通过多元经验模式分解将含电力系统低频振荡特征信息的信号进行分解,得到多个本征模函数(Intrinsic Mode Function, IMF)分量;借助Teager能量算子的快速响应能力,筛选出含有主导振荡模式的主要IMF分量;最后采用预测误差法辨识出各主导振荡模式的振荡频率和阻尼。分别利用IEEE68节点测试系统和辽宁电网实测PMU数据对所提方法进行分析、验证。结果表明,该方法可有效从电力系统的广域量测信息中辨识出电力系统的主导振荡模式。     

全国联网条件下湖南电网低频振荡的研究

通过在全国联网条件下的湖南电网低频振荡的研究,掌握湖南电网内以及湖南电网与全国电网之间的阻尼特性和振荡模式,找出与振荡模式相关系数最为密切的发电机组,从而针对阻尼特性和振荡模式,尤其是增幅性的振荡模式以及弱阻尼振荡模式,提出电力系统稳定器的最佳配置地点.     

基于自适应全局滑模的电力系统混沌振荡控制

对电力系统的二阶模型进行了混沌振荡的动力学行为分析,包括时域波形图、相图的分析。把全局滑模控制与自适应控制结合起来,设计了自适应全局滑模控制器来抑制该二阶电力系统的混沌振荡。设计的控制器克服了滑模控制需要知道系统扰动上界的缺点,同时保留了滑模控制具有良好的鲁棒性的优点。在控制器中,采用了两种不同的自适应率来对系统的扰动进行估计,并对这两种不同的自适应率在控制效果上进行了比较。仿真结果验证了控制器的有效性和良好的鲁棒性。     

基于短路比指标的风电汇集系统稳定性分析

短路比(SCR)是一种描述“系统强弱”的指标,目前电力系统运行部门正在探索应用SCR指标评估风电汇集系统稳定性的方案。为探究SCR在风电汇集系统稳定性工程化评估过程中的价值,分析SCR指标的适用范围与条件,基于主流风电机组厂家控制器实物开展研究,考虑实际风电机组特性,分析应用SCR指标评估风电汇集系统静态电压稳定、暂态过电压和次/超同步振荡3类稳定问题的适用性。研究发现：提升系统SCR指标可不同程度地缓解上述3类稳定问题的严重程度;若在评估过程中不考虑风电机组的特性差异,则SCR指标难以准确反映上述3类问题的系统稳定裕度。