[发明专利]电力系统主导机电模式的阻尼比灵敏度辨识方法有效
申请号: | 201310483152.7 | 申请日: | 2013-10-16 |
公开(公告)号: | CN103544386A | 公开(公告)日: | 2014-01-29 |
发明(设计)人: | 张俊勃;陆超;门琨;涂亮;柳勇军 | 申请(专利权)人: | 清华大学;南方电网科学研究院有限责任公司 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 罗文群 |
地址: | 100084*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种电力系统机电主导模式的阻尼比灵敏度辨识方法,属于电力系统动态稳定分析与发电规划的交叉技术领域。本方法通过实时采集电力系统多台发电机有功功率和动态响应类噪声数据,辨识得到电力系统主导机电模式的阻尼比,建立多台发电机有功功率与主导机电模式阻尼比之间的多元线性回归模型。通过求解上述模型,得到电力系统多台发电机有功功率对主导机电模式的阻尼比灵敏度。本发明方法不依赖电力系统离线模型,且可以在线运行得到,避免了传统方法求解规模化电力系统主导机电模式的阻尼比灵敏度遇到的建模困难、计算量大、求解偏导数Jacobi矩阵出现数值计算问题等难题。本方法的灵敏度计算结果为电力系统动态稳定分析提供了依据。 | ||
搜索关键词: | 电力系统 主导 机电 模式 阻尼 灵敏度 辨识 方法 | ||
【主权项】:
1.一种电力系统主导机电模式的阻尼比灵敏度辨识方法,其特征在于,该方法包括以下步骤:(1)以采样周期T实时采集电力系统在设定运行方式下多台发电机的有功功率,以采集时间窗M内的每台发电机的平均有功功率作为该台发电机的有功功率P,并采集电力系统在采集时间窗M内的动态响应类噪声数据y;(2)根据上述动态响应类噪声数据y,利用随机子空间方法,对上述运行方式下的电力系统进行降阶建模,得到如下降阶状态方程:x ( k + 1 ) = Ax ( k ) + w ( k ) y ( k ) = Cx ( k ) + v ( k ) ]]> 其中,A、C分别是降阶辨识的状态矩阵和输出矩阵,x为状态向量,y为上述动态响应类噪声数据,作为降阶状态方程的输出向量,w、v分别为输入、输出噪声向量;(3)通过上述降阶状态方程中降阶辨识的状态矩阵A,得到电力系统主导机电模式的离散特征值zi,并通过下式计算得到与离散特征值zi相对应的电力系统主导机电模式的连续特征值λi:λ i = ln ( z i ) T = σ i + j ω i ]]> 其中,T为采样周期,σi为连续特征值λi的实部,ωi为连续特征值λi的虚部;(4)根据上述得到的σi和ωi,利用下式,计算得到电力系统主导机电模式的阻尼比ζi:ζ i = - σ i σ i 2 + ω i 2 × 100 % ; ]]> (5)根据上述电力系统主导机电模式的阻尼比ζi,通过下式,建立该运行方式下电力系统中多台发电机有功功率与电力系统主导机电模式的阻尼比之间的多元线性回归方程:ζ i = ∂ ζ i ∂ P 1 P 1 + . . . + ∂ ζ i ∂ P N P N + ϵ ]]> 其中,P表示发电机有功功率,其下标N表示发电机的序号,表示第j台发电机有功功率对电力系统主导机电模式的阻尼比灵敏度,ε为多元线性回归方程的误差项,可以认为是均值为零的随机数;(6)在电力系统不同运行方式下,重复步骤(1)至(5),建立下式描述的电力系统中多台发电机有功功率与电力系统主导机电模式的阻尼比之间的多元线性回归模型:其中,m表示方程数;(7)利用最小二乘法,通过上述多元线性回归模型,求解得到多台发电机有功功率与电力系统主导机电模式的阻尼比灵敏度为:其中“+”表示伪逆算子。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;南方电网科学研究院有限责任公司,未经清华大学;南方电网科学研究院有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201310483152.7/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用