基于SC-DNN和多源数据融合的新能源电力系统状态估计方法

大规模新能源并网重塑了电力系统的控制运行特性,现有的电力系统状态估计方法面临新能源波动数据识别困难、估计精度低、估计速度慢等问题。为改善现有方法的不足,提出了一种基于残差连接(skip connection,?SC)-深度神经网络(deep neural network, DNN)和多源数据融合的新能源电力系统状态估计方法。首先采用基于双向长短期神经网络(bidirectional long short-term memory, BILSTM)预测的改进插值法进行多源数据融合。然后利用联合时空交叉机制和BILSTM网络的数据辨识技术替代传统的量测量突变检测法,以便更好地处理新能源波动数据。最后根据原始量测数据集建立基于SC-DNN的状态估计模型,把残差模块的拟合优势和神经网络的速度优势结合起来,从而实现状态估计精度和速度的提高。基于IEEE39节点系统和新疆某地区实网的算例分析表明,相比于传统方法,所提方法能在更准确地分辨新源波动数据与不良数据的同时提高状态估计的精度和速度。     

电网阻抗比对跟网变换器同步稳定性的影响机理EI北大核心CSCD

随着基于电力电子变换器的电力装备在电力系统中渗透率的不断提高,并网变换器对系统的动态特性和稳定性的影响不断增强。电网阻抗同时影响跟网变换器的电流暂态和锁相环暂态,对跟网变换器的同步暂态响应以及变换器并网系统的同步稳定性有着复杂的影响。文章在考虑锁相环暂态和电流暂态的同时,研究电网阻抗比对跟网变换器同步稳定性的影响机理。首先建立考虑电网电阻和电流暂态的跟网变换器并网系统四阶同步稳定模型,接着提出故障瞬间锁相环频率偏差和电流变化量估计方法,分析电网阻抗比对频率暂态和电流暂态的影响规律。最后,通过Matlab/Simulink仿真,验证理论分析的正确性。     

基于离散信息模型的电力系统汇集点惯量在线监测方法

基于连续物理模型设计的传统惯量监测方法收敛慢，难以准确追踪具有时变特性的虚拟惯量。考虑现代电力系统测量装置输出离散数据的特点，提出一种基于离散信息模型的电力系统汇集点惯量在线监测方法。首先，基于连续时间系统中含惯性常数的数学模型，构建Z域中的等效电机离散传递函数。其次，基于Z域中传递函数的数学结构，采用回归法构造另一等效电机离散传递函数，并在此基础上提出了汇集点等效惯性常数计算方法。最后，采用改进的IEEE9节点系统进行仿真，验证了所提方法的时效性和准确性。研究结果表明，基于离散信息模型的惯量在线监测方法能够在全运行状态下准确测量电源汇集点的转动惯量与虚拟惯量。