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。     

基于广域测量测点降阶的系统受扰轨迹预测

提出基于同步相量测量单元(phasor measurement units,PMU)量测的多机系统受扰轨迹预测方法。在系统受扰后,首先分析可用的PMU量测能否反映当前受扰模式,然后针对各PMU测点类型来确定降阶系统的保留节点,初始降阶后在保留节点引入虚拟负荷,实现对降阶系统的修正,其中虚拟负荷的参数可通过PMU实测得到辨识。利用修正后的降阶系统,结合各保留节点所连接的包括发电机在内的动态元件模型及其参数,就可实现基于PMU测点降阶的多机系统受扰轨迹预测。10机39节点系统对该算法的验证,表明该算法的可实现性和良好的前景。     

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.     

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。     

基于受扰轨迹空间解耦的直驱风电机组非线性动态降阶方法

保留风电机组主导状态变量的动态非线性降阶是分析大规模风电并网系统大干扰稳定的先决条件。为此,该文基于受扰轨迹空间解耦,提出一种适用于风电系统大扰动场景分析并保留状态变量的直驱风电机组模型动态降阶方法。首先,基于轨迹分段线性化方法提取故障后受扰轨迹。以欧氏距离为筛选标准在受扰轨迹上提取线性化点并在每个线性化点处构造局部线性化模型。然后,基于空间解耦分别建立每个局部线性化模型状态变量对主导特征根的广义参与矩阵,进而对直驱风电机组进行多时间尺度划分,并以此为基础,利用奇异摄动法建立直驱风电机组的降阶模型。最后,在改进的测试系统中从暂态响应出发对降阶模型与全阶模型的动态特性进行比较。仿真结果表明,依据该文方法建立的降阶模型具有较高的精度、计算效率和稳定性。     

基于功角受扰轨迹拟合的暂态稳定快速预测

基于相量测量单元（PMU）上传的功角实时量测数据,利用发电机功角受扰轨迹的分布知识,提出了一种基于功角受扰轨迹拟合的暂态稳定快速预测方法。该方法首先对系统进行离线仿真,记录发电机在受扰情况下相对于参考机的功角轨迹变化情况,并对轨迹集合进行聚类分析,从中提取特征轨迹,生成发电机的受扰轨迹标准模式库（PTSPD）;然后计算功角实时量测数据与发电机PTSPD中各个模式的欧氏距离,并利用某种修正方案来预测发电机功角的运行轨迹,从而快速判断出系统的稳定性。以新英格兰节点测试系统为例,证明了该方法的有效性和合理性。     

基于相量量测的等式约束二阶段状态估计模型

利用PMU的量测信息实现系统的动态可观测,考虑PMU数据刷新时间快的特点,在R.F.Nuqui的动态监测模型的基础上建立了适合静态估计的基于等式约束二阶段估计模型。该模型将PMU和SCADA的量测数据共同用于非线性估计,采用零注入节点功率作为等式约束条件来提高估计精度,然后对非线性估计的结果和PMU的支路电流相量进行线性估计。模拟了当系统某节点负荷持续变化时,利用等效导纳法对非线性区域节点状态量进行估计,最后采用IEEE 14和57节点系统算例对提出的模型进行了验证。     

基于自忆性灰色Verhulst模型的暂态稳定受扰轨迹实时预测

广域测量系统能在统一时标下监视系统各节点的实时轨迹,为暂态稳定实时分析提供了可能。基于灰色系统理论及动力系统的自忆性原理,提出一种基于自忆性灰色Verhulst模型的电力系统暂态稳定受扰轨迹实时预测方法。发电机功角受扰轨迹在每一个摇摆过程中呈"S"型变化,符合灰色Verhulst模型预测要求。针对发电机受扰轨迹较强的随机性和非线性,在传统Verhulst模型预测基础上,构建了具有自忆性的灰色Verhulst模型。该模型不仅考虑了发电机功角轨迹的变化趋势,还利用了历史量测数据,能很好地表征发电机功角受扰轨迹的随机波动特性,提高预测精度和预测时间。将该方法对新英格兰10机39节点系统进行仿真计算,结果表明该方法具有良好的拟合预测效果,为实时暂态稳定分析提供了技术支撑。     

基于改进灰色Verhulst模型的受扰轨迹实时预测方法

提出了一种基于改进灰色Verhulst模型的受扰轨迹拟合外推预测方法。发电机角度的受扰轨迹在每一个摇摆过程中,呈现S形走势,与灰色Verhulst模型变化规律相符。采用无偏模型来消除灰色模型的自身误差,并通过采集最新的两个数据补偿误差,进一步提高预测精度。该方法易于实现,所需要量测数据少,计算简单,对于多摆过程中波峰与波谷的预测有很高的精度。应用该方法对IEEE39节点系统与中国南方电网实际系统的不同故障情形进行了仿真计算,结果表明,该方法具有好的预测效果。     

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。     

基于特征椭球和支持向量机复合映射的暂态稳定预测模型

针对电力系统暂态稳定预测问题,提出基于特征椭球理论(characteristic ellipsoid,CELL)和支持向量机(support vector machine,SVM)复合映射的方法。通过采集系统受扰后的同步相量测量单元(phasor measurement unit,PMU)量测数据,将其映射至多维样本空间中生成特征椭球。椭球形态的变化能反映出受扰系统在稳定与失稳场景下不同的动态行为,从而识别出系统的暂态稳定性。以包含了系统暂态过程信息的椭球几何属性,如体积、偏心率、中心点、体积变化率等,构造支持向量机评估模型的输入特征,训练所得支持向量机模型能够实现电力系统暂态稳定在线预测。该方法以椭球的动态变化作为暂态稳定判据,利用较少的量测数据就能为暂态稳定识别提供足够的信息量,同时保证较高的准确率。通过IEEE 39节点系统和我国西南某省级区域输电系统的算例测试,验证了方法的可行性和有效性。     

计及发电机无功越限的广域戴维南等值参数在线计算方法

为适应可再生能源大规模接入带来的随机性和波动性,在广域量测条件下,提出基于单一运行状态断面数据的戴维南等值参数在线跟踪计算方法。首先,对负荷节点的负荷进行等效阻抗处理;其次,通过修正原系统节点导纳矩阵得到等效阻抗处理后的系统导纳矩阵;最后,根据修正后导纳阵和节点电压方程,按戴维南等值的定义,计算负荷节点的开路电压作为戴维南等值电势,进而获得负荷节点的戴维南等值全部参数。在该方法基础上,还可以较为准确地计算发电机无功越限即PV转PQ节点情况下的戴维南等值参数。通过仿真算例分析验证了该方法的正确性和有效性,在PV转PQ节点情况下也具有较好的计算精度。     

基于受扰轨迹的紧急控制新方法

建立了含控制项的电力系统紧急控制模型，基于系统实际受扰轨迹用EEAC方法对含控制项的多机系统降阶等值，并应用广义Hamilton理论能量控制方法进行等值受控电力系统稳定分析。初步探求受控系统稳定控制规律后，提出一种基于实时量测数据的闭环在线实时暂态稳定紧急控制决策方案，并构造了能有效反映控制安全经济性能的综合指标用于控制量合理分配。算例表明该算法可行、有效，最后指出了进一步的研究方向。     

基于广域量测的电力系统扰动后最低频率预测

扰动后系统最低频率预测是电力系统频率安全稳定评估的重要内容。提出一种基于广域量测数据计算扰动后电力系统频率及其最低频率的预测方法。该方法对扰动后的系统进行线性化处理,利用扰动前、后系统的广域量测数据,建立扰动后系统的状态方程。算法中考虑了系统网络、负荷、原动机–调速系统对系统动态频率的影响。使用Arnoldi降阶方法,对系统状态方程进行降阶处理,形成低阶系统。求解降阶后系统的低阶状态方程,计算系统动态频率及最低频率。通过与PSS/E仿真结果比较,证明该算法能够准确、快速计算出扰动后的系统频率及其最低频率。分别使用扰动后25及50 ms时刻的数据,仍能有效地计算出系统频率及最低频率,表明算法具有较好的鲁棒性。     

计及AMI的配网分层状态估计及伪量测计算北大核心CSCD

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

计及AMI的配网分层状态估计及伪量测计算

针对高级量测体系AMI(advanced metering infrastructure)带来的新的实时量测数据,提出一种改进的智能配电网状态估计方法,以AMI量测节点作为边界节点对配电网进行分层,将系统解耦为若干子区域实现并行计算。再在配网系统解耦的基础上,提出基于子区域负荷分配系数预测的节点负荷伪量测生成方法。最后,将IEEE33标准配电系统配置5个AMI量测节点,对其进行分层状态估计,并生成节点负荷伪量测数据。结果表明:与整体估计相比,分层状态估计方法在保证高精度的前提下提高了计算速度;生成的伪量测数据精度优于负荷预测得到的伪量测数据。     

基于PMU实测摇摆曲线的暂态稳定量化分析

提出了用扩展等面积准则（EEAC）评估相量测量装置（PMU）实测摇摆曲线的稳定裕度的方法。EEAC已被广泛用于分析电力系统的稳定域和优化稳定控制的决策。当受扰轨迹来自仿真时，所用的模型、参数和扰动场景很可能与实际不符。PMU给出的受扰轨迹克服了这个缺点，若能使主导映象的识别及稳定裕度的计算也不依赖于数学模型和参数，就可以真实反映实际系统的暂态稳定裕度。虽然PMU量测不能反映假想的场景，不支持对控制量的决策，但评估实际轨迹的稳定裕度仍有很大意义。仿真表明，所提出的算法在系统模型和参数未知的情况下，可以快速而精确地评估PMU实测摇摆曲线的稳定裕度。