基于新增虚拟节点的系统受扰轨迹预测

提出了基于新增虚拟节点的多机系统受扰轨迹预测方法.首先从对系统受扰在线分析入手,结合状态估计或潮流数据,将系统降阶成只含有配置同步相量测量单元(PMU)测点的发电机节点系统,然后引入虚拟节点,通过该节点和各个保留节点之间的导纳改变,反映原系统中其他各个元件模型参数变化和网络拓扑参数变化,并利用毫秒级PMU量测对其进行修正,得到降阶后系统节点电压、电流关系传递矩阵,通过发电机方程和网络连接模型,与相应的发电机方程联合,实现系统受扰轨迹预测.10机39节点系统对该算法的验证表明了该算法的有效性.     

基于引入虚拟负荷的发电机暂态稳定预测

提出了基于引入虚拟负荷的发电机暂态稳定预测方法,当系统受到扰动时,将系统降阶化简成仅仅含有发电机机端相量测量单元(PMU)测点的系统,在每个保留节点引入简化的虚拟负荷模型,来反映系统降阶过程中除保留节点外其他各个元件模型参数改变和网络拓扑变化对降阶后网络的影响,并利用毫秒级PMU量测来对各个虚拟负荷模型的参数进行辨识修正,然后再与相应的发电机方程联合,实现系统受扰轨迹预测.通过6机25节点和10机39节点系统对该算法的验证,表明了该算法的有效性.     

一种基于PMU降阶的系统受扰轨迹预测方法

提出了一种基于同步相量测量单元(PMU)量测数据的系统降阶受扰轨迹预测方法。利用正常状态下多个不同时刻的PMU量测数据,通过最小二乘法得到降阶系统的导纳矩阵;系统发生扰动后,在每个保留节点引入非机理负荷模型来反映系统降阶过程中除保留节点外其他各个元件模型参数改变和网络拓扑变化对降阶后网络的影响,修正降阶系统;将辨识出的系统导纳矩阵与虚拟负荷模型结合已知的发电机模型,实现局部时间内的系统受扰轨迹预测。通过对10机39节点系统的仿真研究,验证了该方法的有效性。     

一种基于PMU降阶的系统受扰轨迹预测方法

提出了一种基于同步相量测量单元（PMU）量测数据的系统降阶受扰轨迹预测方法。利用正常状态下多个不同时刻的PMU量测数据,通过最小二乘法得到降阶系统的导纳矩阵;系统发生扰动后,在每个保留节点引入非机理负荷模型来反映系统降阶过程中除保留节点外其他各个元件模型参数改变和网络拓扑变化对降阶后网络的影响,修正降阶系统;将辨识出的系统导纳矩阵与虚拟负荷模型结合已知的发电机模型,实现局部时间内的系统受扰轨迹预测。通过对10机39节点系统的仿真研究,验证了该方法的有效性。     

保留电压可观节点降阶的系统受扰轨迹快速预测

为充分利用相量测量单元(PMU)的节点电压和支路电流量测量,提出了保留电压可观节点进行降阶以实现系统轨迹预测的方法。给出了电压可观节点的定义,阐述了准确跟踪系统网络拓扑的方法,在系统受扰后先根据网络拓扑进行节点电压可观性分析以确定保留节点,然后在边界节点引入等效动态元件来反映原系统的动态特性,等效元件的类型由降阶前动态元件的分布情况确定。在得到降阶后系统各元件参数后,引入PMU量测量作为初值,实现多机系统受扰轨迹预测。理论分析和仿真结果表明,所述方法能够取得良好的预测效果。     

基于机端PMU量测的系统受扰轨迹预测

提出了基于机端相量测量单元量测数据的多机系统受扰轨迹预测方法,结合状态估计或潮流数据,在系统受扰后将其降阶简化为仅含有配置了相量测量单元的发电机节点系统,利用相量测量单元的量测数据修正降阶系统节点电压和电流之间的关系,然后将其代入相应的发电机模型,从而实现了系统受扰轨迹预测。该方法采用时间间隔较大的状态估计或潮流数据计算节点电压和电流传递关系矩阵的初值,并利用该矩阵主对角元的变化反映受扰后系统各元件的详细模型、网络拓扑和参数的改变,然后使用相量测量单元毫秒级的量测数据对其进行修正,从而为在实际应用中将相量测量单元与SCADA系统相结合做出了有益探索。最后以一个6机25节点系统为例验证了该方法的有效性。     

基于广域量测数据和导纳参数在线辨识的受扰轨迹预测

基于相量测量单元(PMU)广域量测数据应用参数辨识理论提出电力系统故障后导纳参数在线辨识方法，研究了电力系统受扰轨迹快速积分预测新方法。该算法基于实时量测量精确构造实际故障后的系统动态方程，并快速积分求解系统受扰轨迹。其突出优点在于：参数辨识使用系统实时数据，可考虑复杂的连锁故障事件和不确定的系统拓扑和参数；预测基于故障后系统模型积分，能够反映系统物理本质，对于系统经典模型具有理想预测精度。该算法在多种测试系统中进行了数字仿真实验，并用动模实验数据进行了离线验证，结果表明算法合理有效。     

基于SCADA/PMU混合量测系统的电压实时监测

现实电网中PMU的配置不能使系统完全可观,提出了基于SCADA/PMU混合量测的系统电压实时监测方法.通过PQ分解法推导了节点间的电压变化关联形式,利用通过虚拟量测技术形成的混合量测系统修正Jacobi矩阵,确定关联方程参数,以PMU节点群为基准预估全网节点电压.仿真实验结果表明,该方法有效地解决了目前电网PMU配置不...     

计及PMU的搭接式分布状态估计

针对多区域互联电力系统的状态估计问题,采用基于相量测量单元(PMU)和灵敏度矩阵修正的方法。该方法利用PMU量测量来协调子系统参考节点,将互联系统联络线的两端子系统分别进行独立的状态估计,用两系统状态量的平均值修正联络线状态量,把修正前后联络线支路功率变化量作为虚拟节点变化量测,基于支路功率变化量对节点状态量的灵敏度矩阵来修正子系统状态估计结果。以IEEE14节点为例进行仿真,结果验证了该算法的有效性。     

基于实测受扰轨迹考虑量测误差的失步解列判据EI北大核心CSCD

失步解列判据是失步解列控制措施启动的重要依据,要求能够快速、准确地判断出电网的失步状态。针对目前失步解列判据的时效性和准确性不能协调配合等问题,提出一种基于角速度-角半径(v-R)受扰轨迹及其一阶导数随R变化的dv/d R-R受扰轨迹变化趋势的失步解列判据。首先通过降维映射将多机系统实测受扰轨迹映射到一维扩展相平面上,证明了该映射的保稳性。对稳定和失稳受扰轨迹特性进行分析和证明,为克服量测误差产生的误判问题,采用最小二乘法对dv/d R-R受扰轨迹进行实时拟合,通过拟合后曲线判断系统失步情况。在新英格兰10机39节点系统中证明了该判据可以有效地防止误判,另外通过与动态鞍点失步解列判据以及Ucosφ失步解列判据进行对比分析,验证了该判据的快速性。     

基于定制遗传算法考虑配电网多种拓扑可观性的PMU优化配置

同步相量测量单元(PMU)可以为配电网提供相量数据以提高可观性。考虑因配电网节点数目多但投资成本少造成的PMU供需不平衡,提出了以固定PMU数目为约束条件的优化配置模型。目标函数在最大化可观性节点数目的前提下,最大化网络量测冗余度。模型中考虑了多种拓扑结构的影响,并通过引入零注入节点、节点注入功率和支路功率等量测数据提高可观性。提出了一种定制遗传算法来求解模型,通过定制交叉和变异操作,保证所有个体为可行解。最后,给出了基于最优方案的PMU配置顺序。通过对IEEE标准节点系统进行仿真计算,验证了所提方法的可行性和有效性。     

遗传算法在PMU优化配置中的应用

基于GPS的同步相量测量单元(PMU)是一种新型的高精度测量装置,能够测量母线电压相量.由于经济和技术等方面的原因,每个节点都配置PMU还不能成为现实.为此,提出了在传统的状态估计的基础上,部分安装PMU以后的状态估计模型.基于此模型,以提高状态估计的精度为目标,引入遗传算法,应用遗传算法的全局搜索特性,自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程来优化PMU的配置数量和安装位置,并用IEEE14节点网络验证了算法的可行性.     

电力系统PMU最优配置新方法

根据电力系统导纳矩阵和节点关联矩阵的特点,指出电力系统潮流方程的特征可用系统关联矩阵来描述,在此基础上提出了一种基于关联矩阵的满足潮流方程直接可解的电力系统PMU最优配置方法,最后利用典型标准节点系统对该算法进行验证并与已有方法得到的结果进行比较,结果表明该算法是有效的,具有简单、易于实现的优点,能有效减少PMU配置数...     

PMU配置不完全可观测系统状态计算

对配置PMU系统,从网络节点方程解算理论入手,提出了系统可观测性判定算法,将系统节点分为动态可观测节点和不可观测节点。如何求得不可观测节点的电压相量,一种方法是视可观测节点为Vθ节点的潮流方法;另一种方法是将不可观测节点功率注入等效为等值阻抗(导纳)形式,用可观测节点电压的线性组合形式来表示不可观测节点电压。该文分析了两种方法各自的特点,算例分析验证了方法的有效性。     

广东电网基于PMU的负荷模型参数辨识研究

建立基于PMU（phasor measurement unit,相量测量装置）数据的广东电网的实测负荷模型和辨识算法,指出PMU数据处理后用于负荷建模,要满足两个基本条件：一是PMU数据采集地点要装在220kV及以下电压等级的功率受端的纯负荷站点,负荷站出线没有小电源接入;二是PMU数据采集密度达到100Hz／s以上。以广东电网220kV清远变电站为例,通过与系统实际响应的对比分析,验证了负荷模型参数辨识方法的有效性。     

自适应遗传算法在PMU优化配置中的应用

基于GPS的同步相量测量单元(PMU)是一种新型的高精度测量装置,能够测量母线电压相量。由于经济和技术等方面的原因,每个节点都配置PMU还不能成为现实。为此,提出了在传统的状态估计的基础上,部分安装PMU以后的状态估计模型。基于此模型,以提高状态估计的精度为目标,引入自适应遗传算法,应用遗传算法的全局搜索特性,自动获取和积累有关搜索空间的知识,并自适应地控制搜索过程来优化PMU的配置数量和安装位置。在遗传操作过程中,引入自适应规则,在线地改变交叉率和变异率,有效地加快了收敛速度和算法跳出局部最优的能力,并用IEEE14节点网络验证了算法的可行性。     

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。     

基于实测PMU数据的风电综合负荷参数辨识

根据配网侧负荷特点,构建含风力发电机的综合负荷数学模型。以实测PMU数据为基础,利用总体测辨法进行模型参数辨识。将负荷节点输入电压和负荷模型参数代入数学模型,通过改进Euler法求解模型的状态方程,得出负荷节点电流,将其与实测电流误差加权最小作为目标函数,采用遗传算法辨识出负荷模型的参数。以华北电网某线路实测PMU数据为依据,辨识出考虑风电综合负荷的模型参数。辨识结果体现了负荷中以双馈异步发电机为主体的特征,与负荷特点相吻合,由此说明了辨识方法的有效性与辨识结果的合理性。