新息图的智能特征

新息图是根据测量向量和预报向量之差的新息向量推出来的,是新息向量和图论的结合。新息图对于识别坏数据和拓扑错误很有价值。现有的新息向量未考虑元素间有物理定律约束的内在联系。文中定义了反映新息向量元素间内在联系的新息图，给出了计算实例，并从认识论和方法论的角度论述了新息图的智能特性。     

风电并网系统低谷时段的调峰能力分析

分析了风电波动对调峰影响的极端场景,综合考虑系统调峰容量和机组爬坡速率等因素,提出了一种风电并网系统低谷时段调峰能力的计算模型和方法。所建模型为0-1整数规划模型。该模型以研究周期内的低谷负荷时段系统下调空间最大为目标,计及常规机组的最小运行时间、最小停运时间以及爬坡速率约束,并考虑风电波动的极端场景。求解该优化模型,可得到在研究周期内系统应对风电波动的调峰极限以及相应的机组启停方案。以东北某省实际电网为例进行分析,验证了该模型和方法的正确性和有效性。     

一种电压薄弱负荷节点群的戴维南等值参数跟踪方法研究

提出了用戴维南等值参数对电压薄弱负荷节点群进行监视的一种方案.静态分析中,采用连续潮流法确定负荷节点电压--负荷参数曲线;在负荷变化率相同情况下,根据电压幅值变化量确定电压薄弱负荷节点;考虑低电压水平与电压崩溃的关系,提出电压幅值变化率作为电压薄弱负荷节点分群所观察信息,考虑地理因素,将电压薄弱负荷节点模糊聚类分群;将每个电压薄弱负荷节点群中典型节点电网侧戴维南等值参数跟踪.提出基于潮流的仿真计算方法进行戴维南等值参数跟踪,观测电压薄弱负荷节点群的电压稳定裕度.该方法在IEEE 118节点系统上验证了其有效性.     

基于蚁群优化的风电机组绝缘可靠性灰色预测

目前风电机组可靠性分析主要是针对风电机组整体系统,缺乏对关键部件可靠性的深入研究,且需要处理大量数据,增加了可靠性测试的成本和难度,因此,在深入研究绝缘主要故障机理的基础上,将两种基于小样本数据的灰色模型引入到绕组绝缘可靠性预测中.为提高预测精度,以两种灰色模型为基础,以最小偏差平方和为标准提出了基于蚁群算法的绝缘可靠性优化模型.预测结果表明,绝缘可靠性满足威布尔分布.利用实测数据进行验证,两者的符合度较好,证明利用所提模型可以有效缩短可靠性测试周期,降低实验成本.     

新息图法辨识母线拓扑错误

提出了用新息图法辨识母线拓扑错误的方法。先在网络计算模型上 ,根据支路新息找出可疑母线 ,然后对可疑母线采用物理模型表示 ,引入零阻抗支路模型 ,用新息图法辨识断路器的状态 ,确定发生母线拓扑错误的位置。文中用IEEE - 5节点系统描述了此方法 ,给出了IEEE - 30节点的实例     

基于运行模式的不良数据检测及产生伪量测值的方法

给出了一种基于电力系统运行模式的状态估计不良数据检测的前置滤波方法和伪量测数 据的运行模式提供方法。该方法简单、实用、速度快，在某省区的状态估计实际应用中取得 了良好效果。     

电力系统运行模式的建立问题

文章论述了电力系统运行模式的建立问题及其在电力系统运行状态分析中的应用。应用电力系统运行模式分析系统运行状态，具有简明扼要、易于调度人员迅速掌握电力系统发展态势的特点。     

电力网络支路参数估计新方法

基于新息图法,提出了一种电力网络中支路参数估计的新方法.根据系统中某支路存在网络参数错误时,该支路及其相连支路的新息值比较大的特点识别网络参数错误.然后利用回路新息相角和,估计存在网络参数错误的支路的参数值.该方法辨识和估计网络参数错误较快,且简单有效.通过IEEE-5节点系统算例的计算,表明此方法能够比较准确地估计网络参数错误,并验证了网络参数错误与坏数据、拓扑错误同时发生时该方法的有效性.     

计及PMU量测信息的量测量变换状态估计

针对目前监视控制和数据采集(supervision control and data acquisition,SCADA)系统和广域测量系统(wide-area measurement system,WAMS)量测数据的特点,提出了一种计及相量测量单元(phasor measurement unit,PMU)的量测量变换状态估计。文中利用量测量变换方法,将SCADA和WAMS下的各类量测转化为等效电压量测,经简化处理得到了常实数信息矩阵,实现了节点电压实部、虚部的解耦计China(NSFC)(50177066).算。该算法具有计算速度快的特点,克服了传统量测量变换状态估计只能处理单一支路功率量测的弊端。IEEE30节点系统算例验证了所提方法的有效性。     

基于广域测量系统的新息图辨识不良数据方法

相量测量单元(PMU)子站能够测量电压、电流的幅值和相角,提供全面的系统信息。文中利用PMU采集的电压、电流相量,基于交流潮流建模的新息图法提出了使用基尔霍夫电压定律(KVL)辨识不良数据的方法。首先推导了新息网络中存在共用树支支路的2个回路的回路电压降之间的关联关系,然后利用关联关系辨识出回路中包含的不良数据,具有计算量小、计算速度快、适用于广域测量系统(WAMS)的优点。该方法与新息差向量配合使用,可以辨识新息差向量不能辨识的不良数据,提高了新息图法辨识不良数据的能力。通过IEEE30节点系统验证了该方法的有效性,从算例可以看出该方法辨识强相关不良数据效果较好。