基于类噪声数据的电力系统低频振荡模式辨识方法及应用

被引：3

作者：

柳勇军 ^{[1
]}

时伯年 ^{[2
]}

机构：

[1] 南方电网科学研究院

[2] 北京四方继保自动化股份有限公司

来源：

南方电网技术 | 2013年 / 7卷 / 05期

关键词：

低频振荡; 类噪声数据; 振荡模式; 辨识; 强迫振荡;

D O I：

10.13648/j.cnki.issn1674-0629.2013.05.016

中图分类号：

TM712 [电力系统稳定];

学科分类号：

摘要：

低频振荡的监测对于电力系统的安全稳定运行是一个巨大的挑战。提出了基于类噪声数据的低频振荡模式在线辨识方法,该方法将类噪声PMU数据经过预处理后,以ARMA方法计算得到单测点低频振荡模式信息,然后通过聚类方法得到系统振荡模式信息。结合实际发生的一次低频振荡事故,通过比较扰动前和扰动过程中低频振荡模式差异判断振荡类型,并通过势能增量分布法予以验证。

引用

页码：74 / 77

页数：4

共 6 条

[1]

Performance of Three Mode-Meter Block-Processing Algorithms for Automated Dynamic Stability Assessment. Trudnowski, D.J.,Pierre, J.W.,Ning Zhou,Hauer, J.F.,Parashar, M. Power Systems, IEEE Transactions on . 2008

[2] 计及模型定阶的低频振荡模式类噪声信号辨识 [J].

吴超 ;

陆超 ;

韩英铎 ;

吴小辰 ;

柳勇军 .

电力系统自动化, 2009, 33 (21) :1-6

[3] 基于能量函数的强迫功率振荡扰动源定位 [J].

余一平 ;

闵勇 ;

陈磊 ;

张毅威 .

电力系统自动化, 2010, 34 (05) :1-6

[4]

Electromechanical Mode Online Estimation Using Regularized Robust RLS Methods. N Zhou,D J Trudnowski,J W Pierre,W A Mittelstadt. IEEE transactions on power systems : a publication of the Power Engineering Society . 2008

[5]

Use of ARMA block processing for estimating stationary low-frequency electromechanical modes of power systems. Wies, Richard W.,Pierre, John W.,Trudnowski, Daniel J. IEEE Transactions on Power Systems . 2003

[6]

A Perspective on WAMS Analysis Tools for Tracking of Oscillatory Dynamics. HAUER J F,TRUDNOWSKI D J,DeSteese J G. Power Engineering Society General Meeting . 2007

← 1 →