基于WAMS录波数据的华中电网低频振荡事件仿真复现分析

分析了用传统的小干扰稳定分析方法研究互联大电网运行特性时存在的不足,指出利用WAMS实测数据对研究由多重扰动原因引起的或特殊运行方式下的低频振荡现象尤为有利.结合华中电网“6.17”金竹山事件,对比了小干扰稳定分析方法和基于WAMS实测数据进行的时域仿真方法的分析结果,并针对传统的PRONY分析工具不能很好拟合不同时间段多重扰动下的暂态响应曲线这一问题,提出利用奇异熵矩阵束方法对实际振荡信号进行模态辨识.仿真结果表明,该方法是以特征值分析法为代表的传统低频振荡分析方法的有效补充,能够较为准确、及时、全面地反映电网的振荡特性.提出的方法为分析由多重扰动原因引起的或特殊运行方式下的低频振荡现象提供了参考.     

特高压联网区域实时小干扰稳定分析策略

基于特征值分析法、并行计算技术和低频振荡在线辨识技术,提出一种互联电网小干扰稳定实时分析策略。传统的特征值分析法存在缺根和计算速度慢的缺点,无法达到小干扰稳定分析实时应用的需求;随着广域测量系统的发展,模态辨识方法被用来在线监测电网的低频振荡,但是该方法提供的结果信息有限。所提出的实时小干扰分析方法将低频振荡在线辨识和特征值计算相结合,有效利用广域测量系统提供的辨识结果,进行深度小干扰稳定分析,能准确、全面地实时评估电力系统小干扰稳定情况,为调度人员及时地采取有效抑制振荡的控制措施提供依据。特高压联网区域的实际算例计算,验证了该方法的准确性和有效性。     

奇异熵矩阵束算法及其在次同步振荡模态参数辨识中的应用

基于奇异谱提出的奇异熵概念用于对次同步振荡模态的定阶,采用与矩阵束算法结合的奇异熵矩阵束算法对电力系统的次同步振荡参数进行辨识。首先选取加入噪声的理想信号对Prony算法与奇异熵矩阵束算法的有效性、辨识精度、最小频率间隔辨识值及辨识所需最小数据量等辨识能力进行比较分析;然后分别利用两种算法对IEEE第1标准测试系统及某实际串补输电工程模型进行进一步分析验证。分析结果表明,奇异熵矩阵束算法具有有效性,可以方便、准确地确定模态阶数,提高频率分辨率,降低所需数据量,而且具有很强的抗噪能力和较高的辨识精度。     

基于广义形态滤波与改进矩阵束的电力系统低频振荡模态辨识

针对当前互联电力系统中越来越严重的低频振荡现象,提出一种高精度低频振荡模式辨识方法来克服现有方法的一些不足。该方法基于广义形态开、闭运算设计了新型广义形态滤波器,可以有效地去除噪声,较好地保留信号的原有特征;低频振荡信号通过该滤波器滤波后再使用改进矩阵束算法进行模式辨识,可以获得高精度的各个模式参数。对于辨识算法的关键定阶问题,采用归一化奇异熵定阶方法,该方法能在系统拟合精度指标相差不大的情况下使模态阶数的估计值更加接近真实值,提高了辨识的准确性。通过仿真算例、测试系统及电网实际案例验证了本文提出的方法的有效性和可行性,为电力系统阻尼控制和电网的稳定运行提供了有效依据。     

基于奇异熵TLS-ESPRIT算法的微电网小信号稳定性分析

针对微电网的小信号稳定性进行了研究。基于奇异熵和TLS-ESPRIT算法,提出了一种能直接从微电网运行数据中提取其小信号稳定模态的方法。该方法利用有效信号和噪声在奇异熵方面的显著差异来准确识别信号模态的阶数,有效抑制噪声干扰,并利用TLS-ESPRIT算法精确提取信号模态信息。仿真结果表明,所提方法较传统的Prony算法在计算复杂度和精度方面都具有明显的优势,且该方法能有效识别微电网在并网或孤网运行模式下的小信号稳定模态。     

互联电网低频振荡的相关问题及研究

综述了电力系统低频振荡发生的机理、分析方法、抑制措施及存在的相关问题;并提出建立基于广域测量系统(WAMS)的实时低频振荡监控系统,将频域分析法与Prony辨识法结合起来,在线分析系统的振荡模态;并首次提出将模态级数法用于互联电网“超低频振荡”的机理分析。     

互联电网低频振荡的相关问题及研究

综述了电力系统低频振荡发生的机理、分析方法、抑制措施及存在的相关问题;并提出建立基于广域测量系统(WAMS)的实时低频振荡监控系统,将频域分析法与Prony辨识法结合起来,在线分析系统的振荡模态;并首次提出将模态级数法用于互联电网"超低频振荡"的机理分析.     

基于广域测量信息在线辨识低频振荡

全国电网的互联使区域间的低频振荡成为威胁系统稳定的关键因素之一,而基于全球定位系统（GPS）的广域测量系统（WAMS）的发展和应用为在线分析区间低频振荡模式乃至控制提供了新契机.因而,研究区间低频振荡模式的在线辨识算法成为实现低频振荡在线监测以及进行阻尼控制的重要理论问题.该文在讨论Prony方法本质的基础上,给出了一种新的模型阶数估计方法,提出根据广域测量系统（WAMS）的测量信息,采用多机组的功角及转速变量进行低频振荡辨识.结合工程实际提出了基于（WAMS）的研究低频振荡问题的实现方案,包括启动判据、数据预处理、阶次估计、模式提取和综合分析等步骤.8机36节点的算例结果表明：该方案具有系统性、直接性、噪声干扰小的特点,为低频振荡的监测和控制创造了条件.     

电力系统低频振荡模式动态特性分析方法述评

低频振荡问题严重影响区域互联电网的安全稳定运行。对低频振荡模式的动态特性进行分析．可以清晰描述出系统的非线性与时变特征,而且能够揭示振荡模式和传播特性。有效跟踪系统的振荡模式,可准确预测系统的不稳定问题,为系统分析与紧急控制提供重要参考。将现有的低频振荡模式动态特性分析方法分为2大类．分别为基于数值解的分析法和基于实测信号的分析法,详细阐明了各种方法的优缺点,并对未来低频振荡模式分析方法的发展方向进行了展望。     

压水堆核电厂对电网低频振荡的影响

针对压水堆核电厂的运行特性,研究核电厂接入电网后对电网低频振荡的影响,这对于核电厂及电力系统的稳定运行与及时实施有效地控制具有重要的意义。利用特征值分析法搜索2015年湖北电网中与大畈核电相关的振荡模式,并通过矩阵束分析法对扰动后的电网功率振荡曲线进行模态分析与曲线拟合来识别电网发生扰动后的主导振荡模式,最后在与该模式强相关的大畈核电机组上配置电力系统稳定器（power system stabilizer,PSS）来达到提高系统阻尼从而提高系统稳定性的目的。仿真结果表明,扰动后会激发电网中若干弱阻尼振荡模式从而引起大畈核电及其邻近地区发生较大幅度的功率振荡,而PSS的合理配置可以有效地抑制低频振荡从而保证系统的安全稳定运行。     

基于结构熵权法的非侵入式家电识别研究

单一特征所得到的识别结果可能会与实际用电情况不一致,并且居民用电行为是影响负荷识别的重要因素之一,为了更可靠地提升非侵入式电力负荷的分解能力,提出将居民用电行为作为负荷识别的特征之一,并通过结构熵权法将居民用电行为与有功功率、无功功率和电流谐波特征相结合的多特征识别算法,即将定量分析的熵值法和定性分析的主观赋值法相结合,确定最终权值,获得负荷识别结果。最后,采用案例分析,对采用结构熵权法的多特征识别算法与单一特征以及未考虑居民用电行为的负荷识别方式进行对比。结果证明,考虑居民用电行为的多特征识别算法可以有效地提高负荷识别的准确率。     

基于EMD-SG和信息熵矩阵束的同步电机参数辨识

为了解决工程实际中准确获得同步电机瞬态及超瞬态参数问题,提出经验模态分解与矩阵束算法相结合的新型同步电机参数识别法。该方法借助EMD对采集到的含噪短路电流信号进行分解,采用Savitzky-Golay滤波器对高频分量部分进行平滑降噪预处理,借此提高其信噪比;为较好识别短路电流模态阶数,将信息熵引入矩阵束并将此改进矩阵束算法用以提取预处理后的短路电流各分量的频率和阻尼,进而识别出同步电机的瞬态参数。同步发电机三相突然短路仿真与试验参数辨识结果均表明,该方法在信噪比低于24 d B时,仍能快速、精确地辨识同步电机参数。     

基于熵权属性识别模型的电网调峰方案评估方法

现有电网调峰方案的形成很大程度上仍依据运行调度人员的人工经验,主观性强,尚缺乏精细化的方案评估体系。采用系统总发电耗煤量、总购电费用、总SO2排放量作为电力系统调峰方案的三大评估指标,将解决有序分割问题的属性识别模型和信息论中的信息熵理论结合起来,提出基于熵权属性识别模型的电力系统调峰方案评估方法体系。首先建立调峰方案的属性空间并进行有序分割,采用熵理论确定各指标的权值,采用加权和的方式计算调峰方案的属性测度;最后,按照置信度准则,确定该调峰方案的优劣。在算例中,以广东电网为实际应用背景,选取2010年广     

基于高斯函数-最大熵展开的风电并网系统概率潮流计算

为有效计及风电出力随机性对电网运行状态的影响,在风电并网系统中提出一种基于高斯函数-最大熵原理的改进半不变量概率潮流计算方法。首先,以高斯函数为风速分布信息的载体,在此基础上采用改进反射核密度估计,建立计及风速有界性的风电出力概率模型,以便精确地求取描述风电出力随机性的各阶矩、半不变量等数字特征。然后,基于节点电压、支路功率等状态变量的数字特征,采用高斯函数改进最大熵模型进行状态变量的分布展开,由高斯函数的数量和性质来计及输入侧风速分布形状对输出侧状态变量分布的影响。同时将所提改进最大熵模型的约束由积分形式转为代数形式,提升计算效率。最后,以IEEE30节点系统对所提方法进行测试,结果证明了所提方法的有效性、准确性。     

电力通信可靠性评价体系的隶属函数构建

基于信息熵,构建了“典型排序”在模糊集上的隶属函数,证明了构建方式的合理性,是一种结合德尔斐专家调查法和熵权法的分析方法,且构造方式简单。利用信息转换参量,将“典型排序”转化为度量指标信息的相对重要性系数。结合电力通信系统评价指标体系,讨论了信息转化过程中“转化失真”对权重的影响,通过信息转化参量的最优取值减小了失真,计算并讨论了可靠性综合指数及其意义。     

（20期已排）基于聚类经验模态分解和差分熵的输电线路故障测距研究

为提高输电线路的故障测距精度,本文提出了一种基于聚类经验模态分解(EEMD)和差分熵(DE)的输电线路故障行波测距方法。首先利用改进的差分熵信号处理方法对输电线路电流进行熵值计算,通过与正常电流熵值的对比,判断电流是否发生突变。然后采用EEMD分解对发生突变的故障电流进行处理,有效去除故障信号中的噪声,避免模态混叠,获取准确反映故障信息的IMF分量。随后对分量实行差分熵方法中的差分分析,将电流的变化幅度进行有效量化,并建立每个信号点的变化程度与时间的对应关系,从而解决波头位置难以确定的问题,获得故障初始行波到达每个监测点的准确时间。最后利用行波双端法,实现输电线路的故障测距。仿真结果表明,该方法能够较好地解决故障测距时存在的信号噪声和波头测量时间不准确的问题,有效提高故障测距的精度。     

计及大规模风电并网的交直流电网连锁故障熵特征研究

随着风电并网容量的不断提升和网内直流输电工程的日益增多,大量的电力电子化设备接入使得系统发生连锁故障模式以及演化过程出现了一些新的特征.从影响因素和发展过程等方面对比分析了电网传统连锁故障相继开断过程和计及大规模风电并网后的连锁故障过程的差异.在传统连锁故障潮流熵分析方法的基础上,引入了在相继开断中可能导致风机故障脱网的电压熵和频率熵,构建了其计算公式,并提出了评估连锁故障发展影响因素的综合熵向量,给出了连锁故障影响因素的判别方法与相应的流程,为对大规模风电并网后连锁故障的影响因素定量分析和评估提供了技术手段.通过对就地消纳型和外送型两种典型系统进行仿真,结果表明,所提的方法能够有效地反映电网发生连锁故障的原因以及发展过程.提出了相应的连锁故障防控措施.     

一种基于改进灰色关联分析的电压暂降源识别方法

为准确识别电网中各类暂降源,提出了一种基于改进灰色关联分析的电压暂降源识别方法。分析了其产生机理,并利用暂降分段法,分析电网中各类暂降源的波形特点;针对传统灰色关联分析模型的不足,利用熵权法进行改进;提取电压暂降波形的时域特征,形成六类暂降源对应的标准参考序列和待识别暂降源对应的比较序列,利用改进的灰色关联分析模型计算参考序列和比较序列的关联度,实现暂降源的准确识别。通过PSCAD/EMTDC仿真和实测数据对所提方法进行验证,并与其他方法对比,证明了所提方法能在样本较少的情况下准确识别各类暂降源,且能确定短路引起暂降的故障类型,具有较大的工程应用前景。     

基于MEEMD与概率神经网络的贯通式同相牵引直接供电系统故障识别

针对贯通式同相牵引直接供电系统可能发生的雷击故障、雷击干扰和接地故障3种扰动进行建模分析和识别研究。在牵引网仿真模型的基础上,通过实验得到3种扰动的暂态特征。根据以上故障提出了改进总体平均经验模态分解(Modified Ensemble Empirical Mode Decomposition,MEEMD)与概率神经网络(Probabilistic Neural Network,PNN)结合的智能识别方法。MEEMD分解故障暂态电流信号得到本征模态函数(Intrinsic Mode Function,IMF),分别用样本熵和排列熵提取IMFs分量特征,结合PNN进行故障识别,通过实验看出,基于MEEMD排列熵与PNN结合的智能识别方法能较好地识别牵引网的3种故障。