基于PMU的暂态稳定自愈控制

提出了一种基于相量测量单元(PMU)的暂态稳定自愈控制方法。该方法首先对系统进行离线仿真,记录失稳发电机在受扰情况下偏离电气故障中心的距离。对不稳定的功角曲线进行聚类并提取特征曲线,生成失稳发电机的受扰轨迹模式库。利用发电机的广域测量短时上传数据,结合受扰轨迹模式库,判断该发电机的稳定性。如果该发电机失稳时间小于特定值,则将该发电机切除。如果该发电机失稳时间大于特定值,则启动自愈控制策略,切除部分发电机容量,以保证系统稳定运行。以新英格兰节点测试系统为例,证明了该方法的有效性和合理性。     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

利用内点法优化三相不平衡分布式电网的理论算法研究

目前分布式电网的潮流优化算法主要面对三相功率平衡系统,对于三相不平衡系统进行分析的算法介绍较少.文中利用内点法,结合美国电科院的开放式配电仿真系统分析(OpenDSS)平台,提出了三相不平衡分布式电网潮流优化算法的研究.该算法以网损和变压器三相潮流不平衡度最小为目标,以系统潮流、发电机和线路极限容量为约束,以变压器分接头和电容器投切为控制变量,建立了优化函数,利用内点法作为优化算法,以 OpenDSS为计算平台.文中最后以 IEEE123测试节点和 IEEE9500测试节点为例,验证了文中算法的有效性和实用性     

电力系统动态状态估计算法研究

为了提高电力系统动态状态估计的估计精度和收敛速度,引入一种解决非线性滤波问题的新型粒子滤波算法——混合卡尔曼粒子滤波器(Mixed Kalman Particle Filter,MKPF)。该算法采用扩展卡尔曼滤波器(EKF)与无迹卡尔曼滤波器(UKF)混合作为建议分布,得到一种更接近真实分布的近似表达式。仿真算例将MKPF与EKF和UKF进行了对比,比较结果证明在电力系统受到扰动之后,MKPF算法能够快速地收敛于真实值,且具有比EKF与UKF更高的估计精度和稳定性,达到了在线准确估计的要求。