电力系统在线准实时控制系统及其实现

电力系统在线准实时稳定控制是电力系统稳定控制发展的重要方向之一 ,文章介绍了华中电网的准实时稳定控制系统框架 ,并从程序设计和系统改进方面提出了一些见解 ,对“模块化”思想 ,数据分类 ,全网到区域网的转化都进行了详细的分析     

计及换相动态的直流换相失败在线预警方法

单一直流换相失败易引发其相邻直流同时换相失败,严重时将造成直流闭锁引发连锁故障,开展多馈入直流换相失败预警研究及预防对保障电力系统安全稳定至关重要。提出了基于预测换相电压-时间面积的多馈入直流换相失败在线预警方法。首先,通过解析直流换相过程中的交流电压、直流电流动态,实现对换相电压-时间积分面积的实时预测。其次,基于前述预测方法从单一直流系统到多馈入直流系统推导了直流输电换相失败预警系数,并对该系数的主要参数进行了整定。然后将该系数引入换相失败预防控制环节为例说明其应用方式。最后,在PSCAD/EMTDC平台中分别基于CIGRE HVDC模型及多馈入模型验证了所提直流换相失败预警系数的正确性及对换相失败预防的指导性。     

丙二醇合成新工艺

本文介绍以环氧丙烷和环氧氯丙烷副产物１，２－二氯丙烷为主要原料，合成丙二醇的工艺路线。讨论了各种因素对反应的影响，提出了最佳工艺条件。收率达８５％以上，产品纯度达９９％以上。     

2009年迎峰度夏湖北电网调度运行分析

2009年迎峰度夏期间,受持续高温天气影响,湖北主网最大用电负荷、日用电量屡屡刷新历史记录,7月20日21:40,湖北电网最大负荷达到1912.3万kW,创历史新高,湖北电网整体运行平稳.文中系统阐述了迎峰度夏期间湖北天气情况、负荷水平及特性、电力电量平衡.通过对典型负荷日湖北主网的潮流稳定分析、负栽率分析、电压无功分析、调度应对措施介绍、设备故障分析,揭示了迎峰度夏期间湖北电网安全稳定运行能力.最后,针对迎峰度夏期间电网运行存在的风险提出了相关建议.     

考虑配电网络的综合负荷模型可辨识性分析

为更全面、准确地描述配电网络和电力负荷的结构,已有文献提出了考虑配电网支路的综合负荷模型。文中分析了该模型参数的可辨识性,获得明确结论,即已知配电电抗或电阻、或者已知两者之比时,参数是可辨识的。通过仿真算例和实测数据验证了理论分析结果的正确性。     

迷迭香大豆分离蛋白膜的制备及其性能

以大豆分离蛋白为基质,通过添加迷迭香来制备抗氧化薄膜,研究迷迭香抗氧化剂的添加对膜理化性质和抗氧化性能的影响。结果表明,迷迭香和大豆分离蛋白制备的活性蛋白膜材料具有光滑透明的外观和优秀的机械性能,其拉伸强度超过同厚度的低密度聚乙烯材料。迷迭香含量的不同导致其与蛋白基材料间的相互作用力不同,从而使活性蛋白膜出现不同的结构,其中迷迭香质量浓度为0.25 g/L的活性蛋白膜所具有疏松结构,为迷迭香与自由基的反应提供了便利,其对ABTS+自由基的抑制率大于其他活性蛋白膜,呈现出最佳的抗氧化性能。     

考虑配电网络的综合负荷模型可辨识性分析

为更全面、准确地描述配电网络和电力负荷的结构,已有文献提出了考虑配电网支路的综合负荷模型。文中分析了该模型参数的可辨识性,获得明确结论,即已知配电电抗或电阻、或者已知两者之比时,参数是可辨识的。通过仿真算例和实测数据验证了理论分析结果的正确性。     

基于广域测量系统的大区域电网负荷建模的研究

针对基于负荷特性测量装置量测的传统负荷建模方法在大区电网负荷建模过程中存在的问题,结合现阶段广域测量系统的特点,提出一种以相量测量单元可观测节点的局部电压直接量测或伪量测为基础的广域负荷建模方法.该方法在假设发电机模型、输电线路模型相对较为精确的前提下,通过进化算法和时域仿真计算逐步寻优的过程获得适应时变性的某种负荷模型.数字仿真结果表明,该负荷建模方法能够作为一种校正方法以较高的精度满足数字计算的需要,验证了该方法的可行性和有效性.     

基于广域测量系统的电力负荷建模方法

针对基于传统量测的负荷建模方法存在的问题,提出了一种基于广域测量系统(WAMS)的负荷建模方法.该方法以WAMS记录的相量测量单元(PMU)安装节点处的电压相量为现场实测数据,可在电网中PMU布点情况不满足系统可观的条件下对电网中的任意负荷节点建立模型,并采用克隆选择算法(CSA)辨识出节点负荷模型的参数.将该方法应用于IEEE 39节点系统中,辨识结果显示,提出的基于WAMS的负荷建模和参数辨识方法具有较快的收敛速度,所建立的负荷模型能够很好地拟合负荷实测信号.该方法能够为电力系统仿真计算提供高精度的负荷模型.     

基于聚类的支持向量回归模型在电力系统暂态稳定预测中的应用

提出了一种电力系统暂态稳定实时预测方案,通过相量测量单元(PMU)获得扰动后短时间内的发电机功角相量,利用支持向量回归(SVR)模型可以快速而准确地预测发电机相对功角的变化趋势,从而可以判断电力系统的暂态稳定性。为了提高预测的精度和降低SVR的训练负担,利用自组织特征映射(SOFM)网络对训练样本集进行聚类分析,对聚类后的每一类样本训练SVR,由于每类样本具有相似性,所以对每类样本单独训练SVR可以更好地提高训练精度;又由于分类后的子类样本数目相对较小,所以可以克服全体训练样本对SVR训练时间过长的缺点。结合新英格兰10机系统对基于多种不同样本的SVR从训练时间和预测精度进行对比说明该方法的有效性。