基于类噪声信号的等值负荷惯量两阶段辨识方法

负荷惯量的准确、在线估计是电力系统电压和频率稳定分析的重要基础。为此,提出了一种基于类噪声的负荷惯量辨识方法,基于系统中时刻存在的类噪声信号跟踪等值负荷惯量的时变特性。考虑到类噪声条件下惯量参数可辨识性较差,采用两阶段辨识的思路,首先对负荷的电磁参数进行辨识,然后基于第一阶段辨识得到的状态变量估计出惯量、转矩系数等机电参数。仿真算例和实测数据分析表明,所提负荷惯量辨识方法能够适应不同变转矩情形下负荷惯量的类噪声辨识需求;相较于恒转矩辨识方法,该方法能够更加准确地反映实际负荷的机电暂态特性,得到稳定、可靠的惯量辨识结果。     

基于实测试验数据的水轮发电机调速器动态参数抗差分步辨识研究

经验表明,主导发电机的不当调速器参数设置可能引发严重的小电网频率稳定事故,甚至造成电网崩溃,因此辨识调整发电机调速器参数对电网监控具有重要意义。该文提出一种基于实测试验数据的发电机调速器参数抗差分步辨识方法。针对调速系统参数,通过轨迹灵敏度和指标灵敏度,将参数分为主导参数和非主导参数,进而通过主导参数/非主导参数分步辨识。针对现场试验数据可能存在噪声毛刺偏差等问题,采用Huber估计与指数型函数相结合的抗差目标函数,实现参数的抗差辨识。最后通过仿真算例以及实测试验数据验证方法的合理性。     

基于系统辨识的电力系统惯量在线评估改进方法

虽然基于系统辨识的惯量在线评估方法可以在线评估电力系统惯量,但是目前无法确定最佳的模型阶次,导致误差较大。为提升惯量在线评估的准确性,首先对电力系统正常运行条件下的实测数据进行信号预处理,防止噪声信息造成的过拟合现象,以提高抗噪声扰动能力。其次将发电机的有功功率变化量作为输入,频率波动作为输出,利用AIC准则确定系统辨识模型阶次,使用系统辨识方法建立合适的动态模型。然后利用辨识模型的阶跃响应计算系统惯量,避免惯量在线评估过程中对模型降阶引起的误差。最后,在Matlab/Simulink软件中搭建仿真系统,验证了所提方法的有效性和准确性。     

基于实测系统扰动的同步发电机参数辨识与验证

为提高发电机参数的有效性,提出了一种基于实测系统扰动数据的同步发电机参数辨识与验证方法。首先,根据扰动前后不同参数的特性被激发程度不同的特点,对发电机参数进行分步辨识,即利用稳态量测辨识稳态参数,利用扰动量测辨识暂态/次暂态参数。进一步根据发电机功角可测时d、q轴的解耦特性,对d轴、q轴的暂态/次暂态参数进行解耦辨识。利用分步、解耦的辨识策略进行参数辨识,每一步待辨识的参数不超过4个,从而提高辨识结果的鲁棒性。然后,提出一种基于外部时序受控源的混合动态仿真验证策略,实现发电机参数的灵敏验证。最后,利用某实际电网的实测扰动数据对实际发电机的参数进行了辨识和验证,结果证实了上述方法的有效性。     

同步发电机辨识参数对数据误差的敏感性分析

为了从理论上描述参数辨识结果受数据误差的影响程度,针对同步发电机六阶模型,给出了一种参数对数据误差的敏感性分析方法。基于稳态参数与暂态参数的辨识模型,分别构造了同步发电机稳态参数、暂态参数与数据误差的关系式,给出了参数对数据误差的上界估计。基于实测PMU数据,利用该分析方法,以电流误差为例,进行了计算参数对数据误差估计式的实例分析。结果表明,同步发电机参数受到电流数据误差的影响程度依次为稳态、暂态、次暂态参数。     

基于类噪声扰动的电网惯量常态化连续估计方法

精确估计惯量是客观评估电网频率安全稳定性的关键环节,现有方法主要基于有功–频率大扰动的离散事件,无法对电网惯量连续估计。鉴于此,该文研究利用有功–频率类噪声扰动信息连续估计电网惯量的方法。首先以区域为对象,将断面联络功率和区域内负荷扰动作为输入、频率扰动作为输出,应用输出误差(output error,OE)模型对区域惯量进行估计,进而对各区域合并求解全网等效惯量。提出数据分段、移动数据窗的处理方式,对多段类噪声输入的OE模型分范围选阶辨识,并剔除离群值,获取充足的惯量估计样本及其均值,减小随机扰动引起的辨识误差。最后通过算例系统验证所提方法和模型的有效性及精确性。     

基于窗口滑动总体最小二乘法的输电线路参数辨识

输电线路参数的准确度与电力系统稳定运行密切相关,而广域测量系统的发展为利用PMU实测数据获取线路参数提供了新的途径.提出基于滑动窗口总体最小二乘的线路参数辨识算法,该方法对PMU数据采取窗口滑动处理,将目标函数变为窗口误差平方和最小,因而抗噪声能力较强;同时,对于大量辨识结果的可信度分别进行核密度估计和点估计,以获取参数辨识值的统计结果.仿真分析表明,该方法与单时刻辨识相比在含噪声环境下仍然能够保持较高的准确性与稳定性.某电网500kV线路实测PMU数据计算结果也验证了该方法的有效性和准确性.     

考虑厂用旋转负荷贡献的发电厂惯量修正估计

在传统的电网惯量和频率稳定评估中,忽略了发电厂内部异步电动机负荷的惯量贡献,可能导致评估结果产生偏差。基于此,研究了常态下、考虑旋转负荷贡献的发电厂惯量修正估计方法。将发电厂及内部电动机负荷等效为一个整体,利用出口母线的有功/频率常态化小扰动数据估计发电厂等效惯量。针对发电厂等效惯量为时变参数的特点,提出应用受控自回归模型和基于可变遗忘因子的递推最小二乘辨识算法估计惯量参数。算例验证结果表明：所提出的辨识模型精度较高,能适应小扰动输入/输出数据的参数辨识。考虑电动机旋转负荷的惯量贡献时,发电厂等效惯量和系统等效惯量均存在差异,并具有时变特性,获得的修正惯量能更客观地评估发电厂惯量和系统惯量。     

调度自动化系统主子站通道异常数据辨识

调度自动化系统的异常数据辨识和数据质量是电力系统精准调度和预测的基础,为数据分析提供了可靠的保障。针对异常数据对调度自动化系统的影响,提出一种调度自动化系统主子站通道异常数据辨识模型。首先,构建基于参数自适应的密度噪声空间聚类算法(Parameter Adaptation-Density Based Spatial Clustering of Applications With Noise,PADBSCAN)对异常数据进行辨识。此外,基于自相关性理论和数据传输的周期性,分析和挖掘传输数据以及用电行为中的潜在规律,通过用电相似度判据消除时间偏移的影响,对伪异常数据进行辨识。基于山东省某市的调度自动化系统主子站通道实测数据对本文方法有效性进行验证,结果表明所提方法能够有效辨识异常数据,能够满足实际工程需要。     

基于数据融合模型的励磁系统参数辨识算法

确认真实可靠的发电机励磁系统参数对电力系统安全稳定分析具有重要意义.基于人工网络融合法,提出了一种基于数据融合模型的辨识算法实现对励磁系统的参数辨识.首先,使用灰狼算法、粒子群算法和遗传算法分别对励磁系统进行参数辨识.然后,利用人工神经网络算法对三种方法的辨识结果进行合成决策.最后,数据融合模型输出合成辨识值.仿真结果表明,基于融合模型的励磁系统参数辨识方法较单一辨识法具有更高的辨识精度与稳定性.     

基于数据测试和粒子群优化算法的光伏逆变器LVRT特性辨识

为了对光伏逆变器低电压穿越控制精确建模,提出灵敏度分析和实测方案相结合的光伏发电单元低电压穿越控制参数辨识方法。首先对光伏单元待辨识参数进行灵敏度分析,提出辨识所用数据的测试方案;然后利用自适应惯性权重粒子群优化智能算法,结合多组实测数据对光伏并网系统低电压穿越控制参数予以辨识,从多组辨识结果中提取最优值;最后将最优值代入模型中,计算模型输出与实测数据的误差,验证了参数辨识结果的准确性。该方法考虑了逆变器功率等级不同给辨识结果带来的误差,辨识结果准确度较高并且多次辨识结果具有一致性,可用于工程实际计算。     

含风电虚拟惯性响应的新能源电力系统惯量估计

惯量精确估计是分析系统频率安全稳定的前提,现有方法未能定量评估虚拟惯量对电网等效惯量的影响。鉴于此,文中提出了一种含风电虚拟惯性响应的电力系统惯量估计方法。文中首先推导了含风电虚拟惯性响应的电力系统等效惯量理论表达式;其次利用同步相量测量单元（PMU）获取发电装置节点处的有功-频率数据,然后将发电装置的有功输出功率作为辨识模型输入、频率扰动作为输出,利用受控自回归模型（CAR）以及含有遗忘因子的递推最小二乘算法(TFF-RLS)对不同风电渗透率下的全网等效惯量进行评估;最后通过改进的IEEE10机39节点系统验证所提方法的可行性与适用性。与传统辨识方法相比,文中所提方法估计的惯量精确性有所提高,适用于新能源电力系统时变惯量估计。     

基于增广状态估计的混合不良数据诊断与参数辨识

电网同时存在遥测坏数据和参数错误时,由于坏数据会影响参数辨识结果,全网参数辨识和估计方法很难保证结果的准确性。文中提出一种基于增广状态估计的混合不良数据诊断与参数辨识方法,先通过残差平衡度判断不良数据是遥测坏数据还是错误参数,将遥测坏数据直接剔除;然后,通过分区方法将多个潜在的不良参数尽可能分开在不同的局部区域,以减弱不良数据之间的相互影响;最后,采用分区增广状态估计方法修正不良参数。算例结果表明,该方法能有效区分坏数据和错误参数,且分区参数辨识能避免不良数据之间相互影响,从而提高了可疑参数辨识的精度。     

Synchronous Generator Parameter Estimation Using Data Collected with Machine in Closed-loop Operation

Knowledge of synchronous generator physical parameters (such as rotor inertia, inductances, etc.) is desirable for power system analysis and control. Experiments for parameter identification of a synchronous generator, multi-variable, non-linear system can be carried out only with the controllers in action. In this article, estimation of the physical parameters of such systems is investigated using data collected from the machine in closed-loop operation. To obtain good accuracy of parameter estimates, both discrete and continuous-time model structures have been considered. Continuous-time generalized Poisson moment functional method has proven to be very effective. Results of simulation studies with the machine in closed-loop operation show the effectiveness of this approach. Monte Carlo simulations are also used to show the low variance of the estimates in a noisy environment.     

基于状态空间模型与PEM迭代算法的电力系统惯量辨识

惯量是保障电力系统频率安全稳定的重要参数之一,因此需对其进行精确的在线测量。针对当前采用的系统辨识方法测量精度不高的问题,研究系统辨识中算法模型的选择对测量结果的影响。首先,分析比较现有的传递函数模型、自回归滑动平均模型以及子空间辨识模型进行惯量辨识的测量原理。其次,从惯量响应初期阶段数据匹配的角度,提出基于PEM迭代算法的状态空间估计模型。最后,搭建10机39节点电力仿真系统,验证了所提辨识模型的正确性。并在不同功率扰动程度以及不同采样时间窗口下,分析4种辨识模型的适用性,为确定系统最优辨识模型提供参考依据。     

基于斜坡渐变扰动的新型电力系统等效惯量评估

基于阶跃扰动的惯量评估方式依赖难以准确测量的初始频率变化率（RoCoF）与稀少的频率事件,而基于类噪声扰动的惯量评估方法无法评估电流源型虚拟惯量且对数据要求高。对此,提出基于可再生能源机组主动输出斜坡渐变扰动功率的惯量评估方法。建立含RoCoF与斜坡渐变扰动功率的等效惯量评估基础模型。考虑RoCoF噪声阶跃易导致等效惯量评估产生较大误差,推导双二阶广义积分锁相环中的q轴电压分量变化量与RoCoF的线性关系,并将其代入基础评估模型替代RoCoF。采用改进的非线性最小二乘拟合斜坡渐变扰动下q轴电压分量变化量与时间的非线性表达式,从拟合的表达式中提取系统等效惯量。在改进的EPRI-36中验证了所提评估方法相较于常规方法的优越性。     

PMU数据用于SCADA时滤除低频干扰的方法

广域测量系统采集的相量测量单元(PMU)数据越来越广泛应用于电网数据采集与监控系统,由于PMU采用的快速傅里叶变换算法无法区分工频信号和低频干扰,PMU采集的工频变量数据中包含低频振荡扰动成分,将影响电网稳态计算和分析的正确性。为了提取PMU采集数据中的工频变量,以低频强迫振荡为例,分析了低频振荡对PMU采集工频变量的影响,利用计算PMU采集数据的上包络和下包络并求出均值的方法,提出了一种分离PMU采集数据中低频干扰以获取工频变量的方法。通过对低频强迫振荡时PMU采集的实际电网数据进行分析,验证了文中所提方法的正确性。理论分析和实际PMU数据分析结果表明,所提方法能够快速准确提取PMU采集数据中的工频变量,对于提高PMU数据在电网稳态分析和动态监测中的利用价值,具有重要意义和较大价值。