[发明专利]基于逐步回归的电力系统主导机电模式灵敏度分析方法有效
申请号: | 201310485505.7 | 申请日: | 2013-10-16 |
公开(公告)号: | CN103488910A | 公开(公告)日: | 2014-01-01 |
发明(设计)人: | 门琨;涂亮;张俊勃;柳勇军;陆超 | 申请(专利权)人: | 南方电网科学研究院有限责任公司;清华大学 |
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: | 510080 广东省广州市越秀区*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于逐步回归的电力系统主导机电模式灵敏度分析方法,属于电力系统动态稳定分析与发电规划的交叉技术领域。本方法通过电力系统离线模型获取不同运行方式下发电机有功功率及主导机电模式对应的连续极点数据,建立发电机有功功率与主导机电模式之间的多元线性回归模型。通过逐步回归方法及最小二乘法求解上述多元线性回归模型,得到发电机有功功率对电力系统主导机电模式的灵敏度。本方法采用数据回归分析得到灵敏度结果,避免了求解规模化电力系统线性模型偏导数Jacobi矩阵时出现的数值计算问题,减少了不相关发电机对灵敏度计算的干扰,提高了计算效率。本方法得到的灵敏度计算结果为电力系统的动态稳定分析提供了依据。 | ||
搜索关键词: | 基于 逐步回归 电力系统 主导 机电 模式 灵敏度 分析 方法 | ||
【主权项】:
1.一种基于逐步回归的电力系统主导机电模式灵敏度分析方法,其特征在于,该方法包括以下步骤:(1)采用电力系统离线模型,计算获取电力系统在m种不同运行方式下,N台发电机的有功功率P1,…,PN以及电力系统主导机电模式的连续极点λ;(2)根据上述有功功率P1,…,PN和连续极点λ,通过下式,建立在该运行方式下电力系统中N台发电机的有功功率与电力系统主导机电模式之间的多元线性回归方程:λ = ∂ λ ∂ P 1 P 1 + ∂ λ ∂ P 2 P 2 + . . . + ∂ λ ∂ P N P N + ϵ ]]> 其中,定义为第j台发电机有功功率对电力系统主导机电模式的灵敏度,ε为多元线性回归方程的误差项,取值为一个均值为零的随机数;(3)重复步骤(1)和(2),建立N台发电机有功功率与电力系统主导机电模式之间的多元线性回归模型如下:其中,m表示电力系统运行方式种类;(4)采用逐步回归方法,对上述步骤(3)的多元线性回归模型求解,得到发电机有功功率与电力系统主导机电模式之间最终的回归模型为:其中L为逐步回归计算后的有效发电机数,L小于或等于N;(5)采用最小二乘法,对上述步骤(4)的多元线性回归模型求解,得到L台有效发电机有功功率与电力系统主导机电模式的灵敏度为: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南方电网科学研究院有限责任公司;清华大学,未经南方电网科学研究院有限责任公司;清华大学许可,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/201310485505.7/,转载请声明来源钻瓜专利网。
- 上一篇:有毒微囊藻菌株及其毒素纯化方法
- 下一篇:传感器托架胀型扩口成型机
- 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