电力网格体系初探 (一)电网监控从集中计算到分布处理的发展

分析了大规模互联电力系统的调度、稳定运行与控制面临的问题,讨论了分布式系统应用于电网监控和分析计算的技术特点,引入网格技术作为解决电力系统分析问题的工具。认为电力网格具备整合电力系统现有数据和资源的功能,并能提供分布式高性能计算能力,对于解决我国电力系统超大规模计算分析问题具有非常重要的意义。     

基于超导储能的暂态稳定控制器设计

设计了用于提高电力系统的暂态稳定超导储能(SMES)装置的非线性鲁棒控制器,并从数字仿真和动模实验两方面进行了验证。为了简化动态性能分析和控制器设计,在实验样机的基础上,提出了新的基于电流型变流器的SMES的动态模型,并将其转化为标幺制模型。通过外部干扰的引入,得到了装设SMES的单机无穷大系统的动态模型,并采用精确线性化方法和线性H∞控制理论设计了SMES的非线性鲁棒控制器。为了验证该控制器的效果,对装设SMES单机无穷大系统进行了数字仿真和动模实验,并将其与常规PI控制器进行了比较。仿真和实验结果都证明了非线性鲁棒控制器具有良好性能。     

电力系统稳定性分析与控制实时仿真决策系统

电力系统稳定性分析与控制实时仿真决策系统是我国电力大系统灾变防治和经济运行的重大科学问题研究中的一个重要子课题。文中提出了该系统的基本设计原则和体系结构,分析了建立该系统过程中须研究和解决的有关技术问题,如信息的提取、传输与处理,数学模型和专家系统的建立,稳定性理论与非线性控制理论的应用等。     

继电保护与电力系统灾变防治

分析了继电保护在电力系统灾变事故中所起的作用;从灾变防治的角度对继电保护提出了要求;探讨了围绕灾变防治的继电保护研究目标.     

UPFC的内层控制器设计

提出了统一潮流控制器(UPFC)的分层控制的设计原理,旨在解决复杂电力系统中UPFC的控制律的设计及其实现问题。基于H∞控制理论,论文设计了能连续、快速和稳定跟踪参考信号的换流器的GTO或IGBT触发信号的鲁棒H∞内层控制策略。该控制律中的所有变量均为本地可测量、计算可得参数或装置本身参数,从而与系统的运行方式无关并不依赖电网参数。在多种工况下对UPFC进行的仿真结果表明所设计的鲁棒H∞内层控制器具有较强的鲁棒性以及良好的工程实用性。     

基于Jacobian-Free Newton-GMRES(m)方法的电力系统分布式暂态仿真算法

分布式暂态仿真是实现市场环境下互联电力系统在线一体化仿真分析的有效途径。文中研究了电力系统分布式暂态仿真计算模型，提出了基于Jacobian-Free Newton-GMRES(m)方法的协调求解算法。该算法只需要交换边界母线状态信息，接口简单，实用性强。为了提高算法收敛速度，减少协调求解所需通信次数，提出了自适应预处理和连续修正预处理矩阵、预估边界条件初值及多时步同时协调等改进方法并将其应用于新算法中。测试结果表明，新的暂态仿真分解协调算法收敛快，通信次数少，非常适合在基于广域网络的分布式环境中实现。     

基于OPC技术的励磁系统监控软件

针对本院开发的励磁系统需同时满足现地监控和远方监视，且易于同第三方监控软件集成的需求，提出了一种基于OPC技术的励磁系统监控软件的体系结构，同时阐述了具体的实现方法。     

多机系统的非线性自适应分散稳定控制

针对含有未知参数的励磁系统，提出了一种非线性自适应控制设计方法。通过递推方法得到了自适应控制策略，而且在控制策略中包含了对未知参数的动态估计，最后获得了多机系统的非线性自适应分散励磁控制策略的一般表达式。在控制策略中所有的变量都是可量测的，而且控制量只与本机组的状态量有关，与其他机组的状态量和输电网络的参数无关，因此控制策略具有分散性和适应性。在一个6机系统上的仿真结果表明了非线性自适应控制器的有效性。     

数字电力系统(DPS)

提出了数字电力系统（DPS）的概念，并对其主要功能、所需进行的基础研究工作以及如何实现等问题进行了阐述。数字电力系统有助于实现电力系统的科学化管理和决策以及系统状态实时评估，改善系统的安全稳定性，制定和实施经济运行策略，对电力系统实施紧急控制和反事故控制等。最后还专门论述了建立数字电力系统所需的硬件支持问题。     

发电侧电力竞争中价格垄断力的判据

在负荷刚性的发电侧电力市场中，市场成员(即发电商)可能拥有对价格的垄断控制能力。在市场均衡理论的基础上，文中对发电商的申报价格与其收益之间的关系进行了分析。分析表明，如果发电商拥有较多的发电容量时，它就有可能抬高电价并获得超额利益。同时，文中还提出了一个判断发电商市场价格垄断力的方法。该判断方法不仅能够被用来确定不同发电商的较为合理的发电容量，防止它们由于拥有较大的发电容量而具有价格控制能力，而且能够对交易者申报中的投机行为进行监管，以确保市场竞争的正常进行。