感应发电机接入配电网的短路计算序分量模型及算法

分布式发电大规模接入电网将改变潮流和短路电流的分布。利用感应发电机(induction generator,IG)正负序静态等值电路,研究电网不对称故障时定转子磁链序分量相关系数,并结合故障过程中IG暂态磁链特性和转差,建立IG短路计算的序分量电流源模型。比较计及转差前后和不同接入容量时多感应发电机(induction generators,IGs)端电压和短路电流响应,揭示出IGs短路电流与电网节点电压的耦合关系。推导电网故障瞬间IG暂态等值电势,提出计及转差变化的多IGs配电网短路电流的对称分量迭代算法。采用PSCAD/EMTDC仿真软件中IG的5阶动态模型,仿真验证了所提方法的正确性。

考虑不同转差的双馈风力发电机短路计算序分量模型

双馈风力发电机(doubly fed induction generator,DFIG)大规模接入电网对短路电流的影响逐渐显现。常规的短路计算中,将DFIG忽略或作为负荷的方式会对短路计算的结果产生较大误差。为此通过分析DFIG短路计算模型的外特性,提出求解短路计算模型的方法;利用DFIG的数学模型,推导电网电压跌落下DFIG短路电流的解析表达式;根据不同的转差,提出相应的DFIG短路计算序分量模型。分析的结果表明:转差较大的DFIG可等效为一恒定阻抗负荷,而转差较小的DFIG则应等效为一同步电机,会给电网注入短路电流。最后通过MATLAB/Simulink仿真,验证了这种基于不同转差的DFIG短路计算序分量模型能保证短路计算的精确性。

含负序电流注入的逆变型分布式电源电网不对称短路计算

电网故障时逆变型分布式电源(inverter interfaced distributed generator,IIDG)的不脱网控制策略决定了其故障电流,而传统等值模型未计及IIDG负序电流注入,造成含IIDG电网短路计算的局限性。文章分析了含IIDG电网短路计算原理,结合故障中IIDG序电流控制和无功功率支撑,建立IIDG短路计算序分量电流源模型。在此基础上,比较不同控制条件下多逆变型分布式电源(IIDGs)短路电流和端电压响应,揭示IIDGs短路电流与电网以及自身不脱网运行持续时间的关系,提出计及不脱网运行时序和序电流控制的多IIDGs电网短路电流的对称分量迭代算法。采用PSCAD/EMTDC软件仿真验证该方法的正确性。

交直流混合系统的序网络及其在CDSM-MMC直流侧短路对交流侧影响分析中的应用

在交直流混联电网中,直流（交流）侧故障会对交流（直流）侧电气量产生影响,但目前还缺乏一种具备较强普适性的能定量分析这种影响的方法。为此,首先在分析交、直流电气量之间映射关系的基础上,提出了交直流混合系统序分量网络模型及各序网存在的条件。其中,混合系统的＂正序网络＂反映了交流电气量正序分量与直流系统中直流分量的映射关系;＂负序网络＂反映了交流电气量负序分量与直流系统中二次谐波分量的映射关系;＂零序网络＂反映了交流电气量零序分量与直流系统中工频分量的映射关系。其次,以光伏直流接入系统为例,利用其序分量网络模型分析了直流短路后交流侧的电气特征。最后,在光伏直流接入系统的PSCAD/EMTDC模型中,验证了混合系统序分量网络模型的正确性以及直流故障后的交流电气特征,并分析了换流站接地方式对序分量网络及故障特征的影响。

基于正序阻抗角的海上DFIG定子绕组匝间短路故障辨识

为了保证海上双馈风力发电系统的安全可靠运行,提高海上DFIG定子绕组匝间短路故障辨识的精准度,文中提出一种以定子侧正序阻抗角为故障特征量的定子绕组匝间短路故障辨识方法。由于故障后各序分量不再对称,首先基于DFIG定子匝间短路故障状态下的序分量模型,推导得出DFIG定子侧正序阻抗角的表达式;然后分析电网电压不平衡、负载和转差率变化等非理想工况对该故障特征的影响规律,提出合理的故障辨识阈值。仿真与实验结果表明,该故障特征对电网电压不平衡具有鲁棒性,且通过合理设置故障阈值可实现对海上DFIG定子绕组匝间短路故障的精确辨识。

Prediction and Analysis of O_3 based on the ARIMA Model

The research conducted prediction on changes of atmosphere pollution during July 9, 2014-July 22, 2014 with SPSS based on monitored data of O3 in 13 successive weeks from 6 sites in Baoding City and demonstrated prediction effect of ARIMA model is good by Ljung-Box Q-test and R2, and the model can be used for prediction on future atmosphere pollutant changes.