基于PMU梯度动态偏差的新型电力系统快速稳定性

在能源转型和科技进步双重推动下,高比例可再生能源和高比例电力电子设备正成为电力系统发展重要趋势和关键特征.新型电力系统动态行为随之发生重大变化,传统小干扰稳定性分析方法满足使用需要,在应对运行工况快速变化场合时尚存在亟需解决问题.提出基于同步相量测量装置(PMU)数据梯度动态偏差李雅普诺夫直接分析法对新型电力系统小干扰稳定性进行分析,利用PMU数据矩阵降维得到低维矩阵,代入含双馈异步风力发电机组的电力系统矩阵模型,求解李雅普诺夫方程式得到对角矩阵,通过判定矩阵正定性对系统稳定性作出判断.利用求解后得到的对角矩阵计算相应状态变量动态偏差值,对相应状态变量曲线使用梯度下降法迭代计算该曲线极值点数值,时间加权计算整个振荡过程时间加权动态偏差量,为阻尼稳定控制器配置位置提供指导.利用含风力发电新英格兰10机39节点系统仿真验证方法可以达到改善系统小干扰稳定性以及对新型电力系统快速稳定性分析的有效性.

基于MMoE和GRU的PMU数据有损压缩算法

为解决同步向量量测装置广泛部署带来的数据冗余度与数据量快速增长、系统数据储存及传输成本大幅增加的问题,本文提出一种基于多任务学习和门控循环单元自编码器的有损数据压缩算法。首先,根据同步向量量测装置三相量测数据具有相关性的特点,采用多门控混合专家模型和门控循环单元构建了变分自编码器一次数据压缩模型,将各相数据进行特征融合,利用多任务学习挖掘三相量测数据之间的相关性;其次,使用无损压缩算法对一次压缩数据进行二次压缩,得到最终压缩数据;最后,通过算例分析表明,所提算法能够充分利用各相数据之间的相关性,实现对压缩数据的高精度重构,提高数据压缩效率。

基于流聚类的PMU异常数据辨识算法

为保证同步相量测量装置(phasor measurement unit,PMU)采集数据的准确应用,须排除其量测值中的异常数据。现有PMU异常数据辨识算法存在算法复杂度高、难以在线更新、多源数据难以校准、依赖多源数据应用难度大等不足。为此,文中从PMU事件数据和异常数据模型及PMU异常数据判别信息熵定义出发,提出基于该信息熵的异常数据辨识框架。在此框架基础上,基于利用层次方法的平衡迭代规约和聚类(balanced iterative reducing and clustering using hierarchies,BIRCH)算法提出PMU异常数据辨识算法;然后,对所提出的算法进行原型实现,并针对某变电站的PMU采集数据集进行算法实验验证。实验结果表明,与一类支持向量机(one-class support vector machine,OCSVM)算法与间隙统计算法相比,文中算法的准确度及实时性均具有较强的优势。

基于有限PMU配置与空域信号生成的配电网故障定位方法

随着配电网网络结构日益复杂,目前因成本限制有限安装的同步相量测量装置所采集到的数据难以保证配电网故障的全局可观性。为此,基于图卷积神经网络算法建立了一种可适用于含有限电源管配电网络的全局空域故障信号生成模型,提出了一种有限电源管安装下准确度较高的配电网故障线路定位方法。通过搭建20个节点的三相平衡配电网验证了所提模型与其他基准模型相比定位准确度更高。在电源管非全面配置时可达到98.8%的定位准确度,且模型对过渡电阻具有鲁棒性。

基于改进蝙蝠算法的PMU优化配置研究

传统单一的能源系统正过渡为多能流耦合综合能源系统,综合能源系统正面临量测误差问题。受投资约束,同步相量测量装置(phasor measurement unit,PMU)无法大面积配置,而系统内节点数多,供需不平衡,影响系统平稳运行。为此,提出一种适用于综合能源系统内PMU优化布点的方法,监测系统运行状况。首先,考虑热电气之间的耦合特性建立综合能源系统状态估计模型;然后,限制系统内PMU配置个数,以提高状态估计精度为目标,利用改进的蝙蝠算法(improved bat algorithm,IBA)对PMU进行优化选址;最后,通过IEEE 30节点系统算例,将所提算法与遗传算法和模拟退火算法对比,算例结果表明该算法具有更高的可行性和优越性。

基于改进的遗传–模拟退火算法和误差度分析原理的PMU多目标优化配置

为了进一步优化同步相量测量单元(phasor measurement unit,PMU)配置的合理性和效率,提出了一种新的误差度分析原理,并使用改进的遗传–模拟退火算法对多个IEEE标准测试系统进行了优化配置。该原理同时考虑了测量冗余度和状态估计的精度,并且避免引入雅可比矩阵,还具备可观测性分析的功能。研究结果表明:该算法不仅可以找到满足全网可观测性的所有PMU数目的配置解,而且进一步提升了全网的测量精度,从而证明了其有效性和优越性。

基于PMU和改进戴维南等值模型的电压稳定在线监视

相量测量单元(PMU)量测和戴维南等值模型的结合,为电压稳定在线监视提供了新思路。文中利用电路原理的相关理论,对传统戴维南等值模型的不足进行了定性分析,并在此基础上提出了一种改进的戴维南等值模型。对改进模型的量测方程、可解性条件、求解方法和误差分析等方面进行了研究,以负荷裕度为电压稳定性指标,将改进模型用于电压稳定在线监视,并对数据窗的选取、改进模型的退化、应用环境等相关问题进行了分析。对IEEE 39节点系统进行了仿真,仿真结果表明改进模型比传统模型具有更好的精度和适用性。

基于SCADA及PMU多时段量测信息的独立线路参数估计方法

基于单一线路两端的监控与数据采集系统(supervisory control and data acquisition system,SCADA)和相量采集装置(phasor measurement unit,PMU)多时段量测信息,建立了5种独立线路的约束最小二乘参数估计模型,其中,量测方程分别由线路两端有功、无功和电压幅值的SCADA量测、电流与电压相量的PMU量测以及线路两端电压相角差的PMU虚拟量测组合形成,约束方程为参数变量的上下限约束。采用Matlab的lsqnonlin优化函数求解参数估计问题,并基于多条典型线路的模拟量测信息仿真分析了所有模型的适用条件。结果表明,在负荷较重、线路较长条件下,利用所建含PMU量测的4种模型,都可以有效估计出线路的阻抗参数。

考虑系统完全可观测性的PMU最优配置方法

基于电力系统线性量测模型 ,研究了引入相量测量单元 ( PMU)相关量测集后的增广关联矩阵的电力系统可观测性拓扑分析方法 ,以保证系统结构完全可观测性和最大量测数据冗余度为约束 ,以配置 PMU数目最小为目标 ,形成了 PMU最优配置问题 ,并应用禁忌搜索 ( TS)方法求解该问题 ,保证了全局寻优。算例表明 ,该方法准确可靠。

PMU数据处理及其在综合负荷建模中的应用

为将PMU数据应用于电力系统综合负荷建模,针对调度数据平台所获得的PMU数据量大和采样频率低的实际特点,提出了一套对PMU数据进行预处理的方法。预处理包括数据筛选、数据整合与数据插值3个关键环节,详细介绍了数据处理流程及其数据插值的实现原理与方法。取某省电网220kV变电站PMU实测数据,将处理后数据应用于三阶感应电动机并联恒阻抗的动态负荷模型参数辨识,通过与系统实际响应的对比分析,验证了所提出的方法得到的数据样本能够很好地满足负荷模型参数辨识的要求。

基于PMU的电力系统暂态稳定实时快速预测的研究

提出一种基于ＰＭＵ 对发电机实时测量功角来预测电力系统暂态稳定性的方法。通过采集功角数据，用多项式逼近去快速预测它未来的变化，同时为提高精度采用智能动态修正，然后判断多项式是否存在极值，若存在可预测系统首摆稳定，反之则不稳定。仿真结果表明，该方法对首摆稳定性的预测是准确和有效的。

PMU在电力系统中的优化配置方法

相量测量单元(PMU)已广泛应用于电力系统状态估计、系统监测和稳定评估.PMU的优化配置问题是当前电力系统相量测量技术的一个重要问题.在深度优先搜索法的基础上,通过改进寻优规则,并考虑发电机、负荷以及网络结构等因素的影响,提供一种较为简便的方法实现该问题的求解.利用IEEE 14,IEEE 30等系统中的验证结果表明,改进算法可以较少的PMU安装数量实现电力系统的可观.

提升PMU动态测量性能的若干方法

为了提高PMU装置在电力系统动态条件下的同步相量测量精度,研究了若干提升PMU装置动态测量性能的方法。采用IEEE C37.118标准中推荐的基于离散傅里叶变换(DFT)的同步相量计算模型,对基于DFT的相量测量算法进行了改进。分析了该改进方法在带外干扰、系统振荡、系统失步、短路或断线故障等动态条件下的特性。设计了等纹波滤波器对相量数据进行滤波处理,保证同步相量的测量精度,最后在PMU装置中实现并进行了测试验证。实验结果表明,通过上述方法的实施,PMU在动态条件下的测量精度得到了提高。

基于PMU量测数据和SCADA数据融合的电力系统状态估计方法

针对传统静态状态估计方法的缺点,提出了一种改进的电力系统状态估计方法,即将部分节点相量测量单元(phasor measurement unit,PMU)量测数据与监控数据采集(supervisory control and data acquisition,SCADA)量测数据融合进行电力系统的全网状态估计。该方法简化了系统的雅可比矩阵,缩短了计算时间。文章研究了PMU和SCADA系统融合改进后的快速分解法,针对SCADA量测数据的缺点,通过历史数据库对潮流数据进行预测,并依据PMU量测量对系统进行分析,继而进行系统全网状态的动态监测。通过算例证明,与传统的估计方法相比,该方法改善了状态估计的精确性,减少了迭代次数,细致地描绘了电网状态的变化过程,为调度中心下一步的决策提供了依据。

基于PMU的状态估计的研究

传统的状态估计是基于单相纯正弦模型的,但实际电力系统的三相并不是完全对称,这就导致了传统的状态估计存在着固有的误差。随着基于GPS同步相量测量单元(PMU)的应用和计算机技术的发展,该文提出了一种以PMU为基础的三相状态估计和谐波状态估计算法以消除这种固有误差。利用PMU的电压幅值测量值和相角测量值与SCADA原有的测量值构成的混和量测系统一起用于状态估计,从而提高网络的可观测性及状态估计的精度,来弥补传统状态估计的不足。所以这种算法可根本解决系统三相不平衡和状态向量非纯正弦带来的误差问题。最后讨论了对该算法的评估方法。

利用PMU数据提高电力系统状态估计精度的方法

同步相量测量单元(phasor measurements units,PMU)因能测得高精度的同步相量数据而被广泛应用于电力系统中,而传统的监控及数据采集系统(supervisory control and data acquisition,SCADA)是电力系统运行和静态安全监视的基础。文中提出了一种PMU与SCADA数据共存的数学模型用于电力系统状态估计。该模型在保留原有SCADA数据的同时,通过虚拟测量方法对PMU观测范围进行大范围拓展,提高数据冗余度及状态估计的精度。仿真结果表明,该方法具有较高的估计精度,且不受网络拓扑结构和PMU数量限制,适于SCADA和PMU数据共存系统。

基于PMU的输电线路参数识别在南方电网的实时应用（英文）

传统的线路阻抗参数计算方法实质上是一种近似方法,只是估计了线路的长度和弧垂,但忽略了气温变化对线路参数的影响。近年来相量测量单元技术的发展使得利用PMU更精确地计算线路阻抗参数成为可能。随着电网系统中安装了越来越多的PMU,南方电网开发并实施了一套基于相量测量单元的电力线路阻抗参数在线计算系统TPIS,用以更新能量管理系统数据库中的线路阻抗参数。TPIS创新性地提出了一种利用PMU进行电力线路参数在线计算的方法。该方法对现有方法进行了改进,在利用EMS中线路参数时考虑了参数误差,同时增加了物理性约束条件,从而使得该方法能够应对目前实际系统不同运行状态下PMU数据精度的不确定性,解决了对高精度PMU数据的依赖。此外,TPIS通过对在线获取的PMU数据进行多次重复采样,并对多次采样的计算结果进行统计学分析,提出了一种可以用来评估计算结果可信度的指标。

一种基于PMU的线路自适应故障测距算法

提出一种新的基于相量测量单元(PMU)的输电线路故障测距的自适应算法。该算法利用PMU装置获得高压线路两端的电压和电流相量,在线计算线路参数,解决了线路实际参数与电力局所提供参数的不同、线路参数在运行过程中的不确定性等问题。采用前置带通滤波器与全波傅氏算法相结合的滤波算法,提取相当精确的突变量基频分量,用于输电线路故障测距。大量的EMTP仿真计算结果和实际系统参数验证结果表明,该测距算法不受系统的运行方式、故障点过渡电阻、故障类型、故障距离等因素的影响,具有很高的测距精度。

用PMU量测设置V-θ节点的混合动态仿真验证策略

利用相量测量单元(PMU)量测数据,通过混合动态仿真校核并改进能量管理系统(EMS)中动态安全分析模型的正确性,是电网控制中心基于PMU的高级应用的重要内容。文中提出一种用PMU量测设置V-θ节点的混合动态仿真验证策略,将PMU实测的V值和θ值不经任何转换直接作为边界节点的给定量,使注入量测信号更直接、更精确。V和θ更能反映系统的动态变化,因此,应用该方法可以更灵敏地发现模型参数误差。以4机双区域系统和某省级电网为例,验证了该方法的有效性,用该方法开发的程序已作为校核工具嵌入电网动态安全稳定预警系统。

基于奇异值分解的PMU数据恢复法

同步相量量测单元(phasor measurement units,PMUs)因其同步性、快速性和准确性成为电网动态实时监测最有效的手段之一,并得到迅速发展。但由于通信堵塞、硬件故障、传输延迟等因素,现场PMU通常存在不同程度的数据丢失问题,严重制约其在电力系统中的应用与发展,甚至威胁电网安全。该文通过分析现场PMU量测信息,归纳了3种数据丢失类型;提出基于奇异值分解的动态数据成分分析方法,并采用盖氏圆法确定其最优特征成分数,可有效提取原始信号中各特征分量。进一步,提出基于训练、验证与丢失数据分类的数据恢复迭代计算方法,实现系统动态条件下仅利用单通道PMU量测信息的高精度数据恢复。通过仿真与实测数据验证该方法的可行性和准确性。该方法解决传统方法对系统动态信号丢失数据恢复失真的问题,为PMU量测信息更好的应用于电力系统的各个方面提供保证。