一种求取大规模电力系统关键特征值的有效方法

提出了一种求取大规模电力系统关键特征值的Krylov-Schur方法。该方法与隐式重启Arnoldi(IRA)方法在数学上是等价的,但消除了IRA方法的数值不稳定性,且对收敛特征值的锁定容易实现,使得后续计算可以在更低阶的子空间进行,节省了计算量。借助Cayley变换将关键特征值映射为主导特征值可便于Krylov-Schur方法求解,使用增广状态矩阵进行相应的稀疏运算可提高计算效益。对2 940阶和5 727阶电力系统关键特征值的计算结果表明,所提方法高效、可靠。     

小干扰稳定性分析中一种关键特征值计算的稀疏实现

该文提出了一种大规模电力系统小干扰稳定性分析中基于稀疏技术的关键特征值求解方法。该方法借助于Cayley变换，将关键特征值计算变为主特征值的计算，导出了基于稀疏增广状态矩阵的幂法迭代公式，并利用稀疏2×2分块矩阵及稀疏三角分解技术实现了该方法。2个示例系统的计算结果验证了算法的正确性和有效性。该方法不但可用于低频振荡抑制中控制器参数的协调优化，而且其中使用的多种基本技术也可以推广到基于子空间法求取部分关键特征值的各种迭代计算中。     

基于多进程的电力系统频域特征值并行搜索算法

对大规模电力系统进行小干扰稳定分析时,特别是在线动态安全预警系统中,由于系统线性化矩阵的规模庞大,求解特征值的串行算法难以满足计算速度的要求.近年来,多核CPU技术发展迅速,充分利用多核CPU的计算机硬件资源,采用并行计算技术是大幅提高小干扰稳定计算速度的有效途径.提出了基于多进程的电力系统频域特征值并行搜索算法,并应用于国内广泛使用的电力系统小干扰稳定性分析程序(PSD-SSAP)中.该算法具有计算准确、实现简单、并行计算效率高等优点.实际大规模电力系统的算例测试和分析验证了该算法的正确性和有效性.     

小干扰稳定性分析中按阻尼比递增关键特征子集计算

提出了大规模电力系统小干扰稳定性分析中计算机电振荡模态的一种有效方法。用Jacobi-Davidson方法求取系统状态矩阵按阻尼比递增的特征值子集,抓住了电力系统机电振荡分析问题的本质,避免了大量冗余特征值的计算,大大减少了计算量。另外提出了在Jacobi-Davidson方法中用Arnoldi分解构造初始正交子空间的方法,提高了该方法在迭代初期的计算效率。最后将提出的方法分别在46机和113机系统上进行了试验,结果表明利用所提方法能够有效地求出系统负阻尼和阻尼不足的所有振荡模态,适用于大规模电力系统的机电振荡分析。     

基于Pade近似的广域电力系统关键模态时滞轨迹分析

采用广域阻尼控制可有效地提高大型互联系统的动态性能,但广域信号传输带来的时滞对广域电力系统关键模态产生显著影响,从而改变闭环系统稳定性,因此关键模态时滞变化轨迹分析对于广域阻尼控制设计具有重要理论意义。首先采用Pade近似方法将时滞环节转化为状态空间表达式,从而建立考虑时滞环节的电力系统线性化模型;之后建立时滞对电力系统机电模态的影响关系模型;采用Arnoldi特征值计算方法研究时滞对区间振荡模态、局部振荡模态和时滞相关模态的影响规律。以四机两区域系统和New England系统为测试系统,仿真结果表明该方法能够较准确地求解上述模态随时滞变化趋势,从而验证了该方法的有效性。     

基于希尔伯特–黄变换的电力系统小干扰稳定分析方法

采用特征值求解分析系统小干扰稳定时存在不足:全部特征值的求解在大规模电力系统中会出现"维数灾";分析大规模系统的部分特征值求解方法可能遗漏某些重要的模态。为此,提出一种基于时域特性曲线分析的电力系统小干扰稳定分析方法。该方法基于矩阵指数函数的计算,获得表征系统小干扰稳定性的时频特性曲线,通过希尔伯特–黄变换(Hilbert-Huang Transform,HHT)方法分析该时频特性曲线获取系统的模态参数,进行小干扰稳定分析。最后,通过WSCC 3机9节点系统算例验证了该方法的有效性。     

基于模态摄动法的电力系统动态模型降阶分析

对具有多台发电机和复杂电力网的电力系统进行运行分析与控制中．当考虑系统非线性的暂态过程时，常常面临高阶数学模型，给系统的分析和计算带来困难。模态摄动降阶法通过合理选择重要状态变量及相应的主导特征值，可以成功地将高阶电力系统降价。从理论上推导了逐次降阶方程，并以简单电力系统模型应用模态摄动法为例，从建模、降阶实现、效果分析验证了模态摄动法可获得较好的降阶效果.     

大系统特定模式动态降阶方法的误差分析

将大规模电力系统动态降阶方法误差分析扩展到特征根灵敏度,针对特定模式动态降阶的具体模型,结合左右特征向量,推导了降阶后特征值灵敏度的解析表达式,并将由于复特征根所引起的降阶模型复数表达转化为利于编程实现的实数表达形式,以减少数值计算误差.根据所得算式实现了降阶后的特征值灵敏度计算.通过与降阶前特征值灵敏度值的比较,分析...     

考虑并网风电随机波动的电力系统小干扰概率稳定性分析

提出了一种在考虑并网风电随机波动时,进行电力系统小干扰概率稳定性计算的分析方法.根据并网风电随机波动的概率分布函数,计算其概率特征参数(阶距和半不变量),并据此计算电力系统关键特征值实部随机波动的概率特征参数(半不变量和中心距),按Gram-Charlier级数展开计算关键特征根实部随机变化量的概率分布函数,从而确定电力系统小干扰概率稳定性.该分析计算方法可以一次性确定并网风电影响下的电力系统小干扰概率稳定性.     

基于Pade近似的时滞电力系统特征值计算方法

考虑广域反馈时滞后,电力系统的特征方程含有超越项,试图通过直接求解该方程得到系统的关键特征值变得非常困难。文中利用Pade近似有理多项式来逼近时滞环节,提出了一种计算时滞电力系统部分特征值的方法。将Pade近似有理多项式转化为状态空间表达式并进行平衡化处理,通过与无时滞电力系统和广域阻尼控制器相连接,建立时滞电力系统的线性化模型。根据系数矩阵的稀疏特性,可以利用稀疏特征值算法求解系统的部分特征值。该方法使得沿用常规电力系统小干扰稳定性的特征值分析方法理论和框架来分析时滞电力系统的小干扰稳定性和设计广域阻尼控制器成为可能。2区4机和新英格兰10机39节点算例系统的特征值及其对时滞的灵敏度计算结果表明,该方法能够较准确地求解与时滞系统中动态元件相关的部分特征值,正确求解与时滞环节相关的特征值个数和计算精度与有理多项式的阶数有关。     

基于JACOBI-DAVI DSON方法的小干扰稳定性分析中关键特征值计算

提出了一种大规模电力系统小干扰稳定性分析的有效方法。应用Jacobi-Davidson方法求取系统状态矩阵的关键特征子集。该方法在搜索子空间中挑选出想要的特征值和特征向量的近似值，然后用与当前近似特征向量正交的子空间上的修正方程的解扩展搜索子空间，从而得到想要的特征值和特征向量的更好近似。算法中使用了电力系统线性化模型中的增广状态矩阵进行相应面向稀疏的计算，可准确求解修正方程，以保证算法具有渐进二次收敛速度。将提出的方法在46机系统上进行了试验，结果表明该方法灵活，稳定性好，能有效地求出系统的关键特征子集。     

基于精化Arnoldi方法的小信号稳定性关键特征值计算

将精化Arnoldi方法引入到大型电力系统小信号稳定性关键特征值的计算。为了求解在给定位移点附近的特征值,先对状态矩阵作位移求逆变换。由于精化向量包含更多的子空间信息,可用精化向量代替相应的Ritz向量作为特征向量的近似,用精化位移代替准确位移作为位移量来改进Arnoldi方法。在重启动的选择上,用隐式重启动技术加速算法的收敛。算例分析表明,精化Arnoldi方法能够可靠和有效地计算大型电力系统的关键特征值。     

Identification of critical modes in power systems

An analytical method to identify the critical modes in electric power systems is presented. The troublesome, or critical, modes are identified as the eigenvalues that contribute the most to a quadratic performance index. This performance index measures the transients in torque angle and speed. Explicit expressions for these contributions are derived, and a critical index for any eigenvalue is developed. Three examples are given to show that the proposed method is promising, and that in these particular cases it gives better results than some well-known methods. Two of these examples are multimachine power systems available in the literature     

Eigenvalue analysis of very large power systems

A method of analyzing the small signal stability of very large power systems is described. The method is based on a frequency-domain approach which concentrates on the electromechanical modes of the power system under study. By using a modular modeling concept and an efficient sparsity network solution routine, systems having up to 12000 buses and 1000 detailed generator models can be studied. A comparison is made between eigenvalues calculated by this method and by other existing programs     

一种新的大型电力系统低频机电模式计算方法

首次将隐式重启动Ａｒｎｏｌｄｉ算法应用于大型电力系统低频机电振荡的特征值计算。证明了对重启动Ａｒｎｏｌｄｉ算法、广义Ｃａｙｌｅｙ变换与平移－逆变换等价的条件。通过算例和其他重启动Ａｒｎｏｌｄｉ算法的详细比较,表明隐式重启动Ａｒｎｏｌｄｉ算法收敛迅速、计算可靠且性能稳定,能有效计算大型电力系统中存在的特征值簇。     

Eigenvalue estimation of dominant electromechanical modes based on synchronous measurement and generator grouping technique

The authors have been studying a new approach for modal analysis of large power systems that utilizes GPS‐based synchronous measurement technology. The approach is based on the identification of a linearized multi‐input multi‐output model of power system. Since the identified model expresses approximately the electromechanical dynamics of an actual power system, modal frequencies, dampings, and mode shapes corresponding to electromechanical modes can be estimated as eigenvalues and eigenvectors of the identified model. In the paper, in order to advance our approach to a practical technique, it is mainly discussed how to select a small number of machines suitable for measurement locations to estimate eigenvalues associated with dominant slow modes. Such machines can be detected by identifying coherent groups related to the slow modes. The reference generators that behave representatively in each coherent group are the optimal ones to be measured. Therefore, the slow modes can be obtained by observing one generator from each group. The verification of the new modal analysis and coherency‐based machine selection is done through simulation studies using the IEEJ EAST 10‐machine system model. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 164(4): 24–32, 2008; Published online in Wiley InterScience ( www.interscience. wiley.com ). DOI 10.1002/eej.20428     

基于SVG和Java的电力系统节点电压可视化

SVG(Scalable Vector Graphics)是一种标准开放的矢量图形格式,被广泛应用于W eb上图形数据的开放式发布。基于Java平台开发的应用系统在电力系统中的应用也越来越广泛。该文提出将SVG和Java技术结合起来,将SVG作为电力系统图形可视化的基础,以Java作为电力系统可视化的开发平台,利用等高线算法实现大区域电力系统节点电压的可视化显示。本可视化系统具有良好的扩展性和交互性,可作为一个模块嵌入工程化系统使用,也可在此基础上进一步实现其他的可视化功能。     

Anatomy of power system blackouts: preventive relaying strategies

Major blackouts of electric power systems in which many customers are left without power are rare events. However, the effects of blackouts, for instance, can be catastrophic. It has been observed that protective system failures are a contributing factor in a large proportion of these blackouts. The most troublesome protection system failures are hidden failures, which remain dormant during normal system conditions, and are exposed during system disturbances. A study of hidden failures of the protective systems is undertaken to uncover their modes of failures, and to determine means of supervising their actions in times of highly stressed power system operations. The main contribution of this paper is to develop and document a method of quantitative analysis of the significance of hidden failures of protection systems. A complete protection system was designed for the New England 39-bus system and the hidden failure modes were used to develop regions of vulnerability and a vulnerability index. Through this analysis, critical protection systems, whose hidden failures would have a major impact on cascading failures or blackouts of the power system, can be identified These protection systems are candidates for increased monitoring and control, which would help alleviate the problems posed by hidden failures