寄生式时栅传感器动态测量误差的贝叶斯建模

为了提高寄生式时栅传感器的测量精度,分析了它的工作原理和动态误差组成,得到其主要误差分量为常值误差、周期误差和随机误差等。针对寄生式时栅误差特点,建立了寄生式时栅动态误差高精度预测模型,并与其他建模方法进行了比较。选用插入标准值的贝叶斯预测模型,以实际测量的传感器第一个对极动态误差数据进行建模,在后续对极特定位置插入部分实际误差测量数据,建立误差预测模型,预测了传感器后83个对极的动态误差。另选用三次样条插值和BP神经网络建模方法对寄生式时栅整圈动态误差建模,并与建立的误差模型进行了对比。验证实验表明,三次样条插值建模时间最短(0.62s),但其建模精度不高(16.050 0″);贝叶斯动态模型建模时间(0.86s)略长于三次样条插值,但建模精度最高(0.415 3″);BP神经网络建模时间最长(32min),但建模精度最低(19.680 2″)。同时贝叶斯插入标准值建模方法所需数据点(69395个)远少于三次样条和BP神经网络建模数据点(235526个),节省了大量的标定时间和建模数据量,因此可用于寄生式时栅传感器的动态测量误差高精度建模修正。

针对励磁系统的用户自定义建模方法及其应用

为提高电力系统仿真的灵活性和开放性,提出一种基于改进插入式建模技术的励磁系统用户自定义建模方法。将暂态稳定性仿真中采用的励磁系统的传递函数拆分为两类自定义的基本传输模块:非状态变量模块和状态变量模块,以描述元件的数学模型。应用该方法编写了用户自定义建模程序,实现拓扑分析和自动初值平衡等功能。通过实例分析详细阐述了自定义模型文件的格式含义,分析了用户自定义程序和主程序之间的关系。应用此方法搭建的用户自定义模型初值平衡操作简单,通过修改若干自定义模型参数便可迅速拓展出新模型。最后通过算例验证了基于该方法建立的用户自定义建模程序的准确性和可拓展性。

多运行方式下含风电场电力系统的小干扰概率稳定性研究

为了考虑系统的多运行方式,采用概率方法对风电场接入对系统小干扰稳定性的影响进行研究。首先采用插入式建模技术(plug-in modeling technique,PMT)建立适合小干扰稳定分析的完整的双馈感应风力发电机组(doubly-fed induction generator,DFIG)线性化模型;然后进行概率潮流计算,得到系统状态变量的概率描述,形成系统状态矩阵;最后应用概率特征根方法对系统进行求解分析,得到系统小干扰概率稳定性。以2个系统为例对风电场接入后的电力系统小干扰概率稳定性进行仿真分析,结果表明:风电场的加入使机电振荡模态特征值实部的概率分布变得相对分散;系统本地振荡模态稳定概率大幅下降,区间振荡模态稳定概率略有上升;通过加装电力系统稳定器(power system stabilizer,PSS),可提高系统小干扰概率稳定性。

基于概率法的交直流混联系统小干扰稳定性分析与改善

高压直流输电广泛运用于区域电网互联,使得传统交流低频振荡问题越发复杂。大多数对交直流低频振荡的研究都是针对单一运行方式的,本文采用概率法研究多运行方式下交直流混联系统的低频振荡特性并加以抑制。利用插入式建模技术(PMT)建立交直流输电系统和附加直流功率调制的小干扰模型;计算多运行方式下的概率潮流,采用混合中心距和半不变量结合Gram-Charlier级数展开的方法求解概率特征根。基于含交直流混联的四机两区域系统,分别使用中心频率法和测试信号法设计电力系统稳定器(PSS)和附加直流功率调制器(DCM)。根据控制效果提出DCM和PSS参数分步设计的协调原则,仿真结果表明系统小干扰概率稳定性得到明显改善。