基于数据聚类的电力系统在线小干扰稳定机组分群算法

被引:3
作者
史东宇 [1 ]
鲁广明 [1 ]
顾丽鸿 [2 ]
陈启超 [3 ]
李刚 [1 ]
机构
[1] 中国电力科学研究院
[2] 华东电网有限公司
[3] 北京交通大学
关键词
小干扰稳定; 模态分析; 机组分群; 振荡模式; 数据聚类;
D O I
暂无
中图分类号
TM712 [电力系统稳定];
学科分类号
080802 ;
摘要
特征值分析法是研究大电网小扰动稳定问题最有效的方法,传统做法通过查看特征向量模态图,可以了解到振荡机组分群的情况。但是由于数据量较大,如果单靠人为看图的分析方式,势必会耗费大量的时间和精力,同时也无法满足在线分析的要求。为此,提出了基于数据聚类的电力系统小干扰稳定机组分群算法。该算法以特征向量之间的夹角作为主要判断依据,辅之以特征向量幅值比较作为挑选代表发电机的方法,从而可以快速辨别出某一振荡模式下的主要参与机组,以及发电机组分群情况,为抑制该模式振荡的发生提供依据,同时满足现代大电网在线小干扰稳定分析要求。仿真及试验结果验证了提出方法的正确性和有效性。
引用
收藏
页码:2223 / 2228
页数:6
相关论文
共 13 条
[1]   聚类算法及聚类融合算法研究 [J].
赵向梅 ;
王艳君 ;
刘林 .
电子设计工程, 2011, 19 (15) :4-5+12
[2]   一种面向分类属性数据的聚类融合算法研究 [J].
李桃迎 ;
陈燕 ;
张金松 ;
张琳 .
计算机应用研究, 2011, 28 (05) :1671-1673
[3]   基于结构保留模型的低频振荡功率增量分布计算与分析 [J].
蔡国伟 ;
杨德友 ;
郭健 ;
张俊丰 .
电力系统保护与控制, 2011, 39 (08) :46-50+55
[4]   基于轨迹特征根的机组分群方法 [J].
谭伟 ;
沈沉 ;
李颖 ;
倪敬敏 ;
刘锋 .
电力系统自动化, 2010, 34 (01) :8-14
[5]   电力系统在线小干扰主导特征模式识别及强相关机组选择方法 [J].
闫常友 ;
周孝信 ;
田芳 ;
严剑峰 .
电网技术, 2009, 33 (13) :42-47
[6]   基于聚类融合算法的高维数据聚类的研究 [J].
汪海英 ;
卢辉斌 ;
李振平 .
电子测量技术, 2008, (04) :41-45
[7]   山东电网基于WAMS的低频振荡统计与评估 [J].
邱夕兆 ;
于占勋 ;
雷鸣 ;
段刚 ;
吴京涛 ;
孙晓彦 ;
林俊杰 .
电力系统自动化, 2008, (06) :95-98
[8]   聚类算法研究 [J].
孙吉贵 ;
刘杰 ;
赵连宇 .
软件学报, 2008, (01) :48-61
[9]   小干扰稳定特征向量和相关因子的分布式算法 [J].
张旭 ;
沈沉 ;
梅生伟 ;
陈颖 .
电力系统自动化, 2007, (14) :7-11
[10]   聚类融合方法综述 [J].
阳琳贇 ;
王文渊 .
计算机应用研究, 2005, (12) :14-16+20