辽宁电网220 kV系统自动电压控制关键技术研究

在辽宁电网自动电压控制系统升级的控制策略研究中,对于辽宁电网软分区方法、中枢点以及主导节点的选择等问题结合电网实际情况进行改进。针对分区过程中出现的需要认为确定分区个数、存在孤立节点单独作为分区以及分区后个别节点分区结果不合理等问题,提出了基于条件聚类的预分-校正软分区方法。而对于区域中对于电压变化敏感的临界节点,将其与可控主导节点共同作为各区域重点监视与调控的监视节点,并给出其控制原则。通过辽宁电网220 kV系统对上述方法的应用验证,效果良好,满足工作要求。     

计及广域测量信息的状态估计错误参数识别与修正

因电网元件参数可能随工作环境变化而改变、遥信量在干扰下可能出现错误,需要对状态估计中的错误参数进行识别和修正。根据当前监控与数据采集（SCADA）系统和广域测量系统（WAMS）量测共存的状况,引入WAMS量测求得的功率残差和零注入节点功率残差,与SCADA量测残差一起构成拉格朗日函数,由优化理论得出参数误差与各残差的灵敏度关系,从而进一步识别和修正错误参数。所述方法不仅避免了增广参数估计维数高的问题,还利用了高精度的相量量测信息。在标准测试系统上的仿真结果验证了方法的有效性。     

可变遗忘因子递推最小二乘法对时变参数测量

针对传统的递推最小二乘法对于非平稳环境下的突变和时变信号的跟踪能力不够,常常无法检测到信号特征参数的问题,提出了在指数加权递推最小二乘法中引入可变的加权遗忘因子λ,对电力系统时变信号的幅值、相位、频率进行测量的方法。加权λ对算法的收敛速度和跟踪能力有很大影响,如能很好的调节λ,既可确保对时变参数的快速跟踪能力,又能具备小的参数估计误差。仿真结果表明:与传统的递推最小二乘法相比,该方法测量精度和收敛速度更优越,即使在低信噪比环境下,也能较精确的测出时变参数值。     

混合量测下基于UKF的电力系统动态状态估计

针对当前电力系统动态状态估计主要采用的扩展卡尔曼滤波(EKF)法存在收敛速度慢、鲁棒性差的缺点,采用一种新的非线性方法——无迹卡尔曼滤波(UKF)法进行电力系统动态状态估计。UKF法由于使用了无迹变换,避免了线性化误差的引入和雅可比矩阵的计算,相比EKF法有更高的估计精度和稳定性。广域测量系统(WAMS)能够提供相量信息,具有精度高、全网严格同步等优点。因此,将WAMS量测数据和数据采集与监控(SCADA)系统量测数据相结合,形成应用混合量测的电力系统动态状态估计。仿真表明,UKF法相比EKF法能够更准确地估计动态系统中的状态量,WAMS信息的引入进一步提高了动态状态估计的性能。     

电力系统动态等值研究方法综述

随着电力系统规模的扩大,进行电力系统稳定分析已十分的困难.动态等值技术能够在保留原始系统特性的前提下简化网络结构,减少计算量,因此在电力系统稳定分析中得到广泛应用.为此,从基本思想、方法步骤、优缺点以及发展现状4个方面,分别对同调等值法、模式等值法和估计等值法3种动态等值方法进行了综述,提出估计等值法将是动态等值方法发展的趋势,而神经网络由于其良好的非线性逼近能力和不需要预先建立具体模型的优点将在估计等值法中得到推广.     

计及广域测量信息的状态估计错误参数识别与修正

因电网元件参数可能随工作环境变化而改变、遥信量在干扰下可能出现错误，需要对状态估计中的错误参数进行识别和修正。根据当前监控与数据采集（SCADA）系统和广域测量系统（WAMS）量测共存的状况，引入WAMS量测求得的功率残差和零注入节点功率残差，与SCADA量测残差一起构成拉格朗日函数，由优化理论得出参数误差与各残差的灵敏度关系，从而进一步识别和修正错误参数。所述方法不仅避免了增广参数估计维数高的问题，还利用了高精度的相量量测信息。在标准测试系统上的仿真结果验证了方法的有效性。     

噪声情况下的时变间谐波谱估计

间谐波幅值远小于基频或其它整数倍谐波的幅值,使其对噪声非常敏感,噪声往往会将这类微弱信号淹没。另一方面,实际间谐波频谱是随时间变化的,应看作随机信号来处理。该文提出一种基于4阶累积量的可变遗忘因子递推最小二乘法(cumulants recursive least square-variable forgetting factor,CRLS-VFF),将间谐波信号看作一个时变自回归(auto-regressive,AR)模型,利用参数化谱估计方法分辨率高的优点,将间谐波谱估计问题转化为时变AR参数的估计。4阶累积量可抑制任何高斯噪声,保证算法的频率分辨率;可变遗忘因子提高了算法跟踪时变参数的能力。对根据间谐波特点构建的仿真模型及典型的间谐波源——变频装置产生的信号进行仿真,结果证明：该方法能在噪声情况下准确估计出时变间谐波的频谱。     

利用PMU数据提高电力系统状态估计精度的方法

同步相量测量单元(phasor measurements units,PMU)因能测得高精度的同步相量数据而被广泛应用于电力系统中,而传统的监控及数据采集系统(supervisory control and data acquisition,SCADA)是电力系统运行和静态安全监视的基础。文中提出了一种PMU与SCADA数据共存的数学模型用于电力系统状态估计。该模型在保留原有SCADA数据的同时,通过虚拟测量方法对PMU观测范围进行大范围拓展,提高数据冗余度及状态估计的精度。仿真结果表明,该方法具有较高的估计精度,且不受网络拓扑结构和PMU数量限制,适于SCADA和PMU数据共存系统。     

高风电渗透率下的电力系统调频研究综述

受环境危机及能源危机影响,全球风电发展迅速,风能发电在一次能源发电中所占比例越来越高。大规模风电接入对电力系统的频率稳定构成了严重威胁。首先介绍部分风电发达国家对风电机组参与电力系统有功功率控制及调频的要求。接着对大规模风电并网对电力系统频率稳定的影响进行分析。从风电机组为电力系统提供惯性支撑、一次调频及综合提供惯性支撑和一次调频三方面进行调研总结。最后对应用大规模储能技术及需求侧管理技术提高高风电渗透率电力系统频率稳定性方法进行综述分析。     

基于高阶累积量Burg自适应算法的间谐波估计

Burg算法适合处理间谐波信号，但是在有噪声的环境下，会产生错误的谱估计结果。采用一种基于高阶累积量的Burg自适应算法估计间谐波信号，该方法不受高斯噪声的影响。首先，利用高阶累积量对高斯噪声不敏感的特性，改进Burg算法的预测误差标准。其次，为了降低引入高阶累积量而增加的计算量，反射系数的求取采用递推形式。最后，利用谐波信号的4阶累积量对角切片求取各成分的幅值。仿真结果表明，所提出的算法明显改进了Burg算法的谱估计性能，能够在噪声环境下获得准确的间谐波参数估计。