利用小波能量特征的增长型自组织神经网络同调机组分群方法*
2017-12-21杨越王涛顾雪平岳贤龙徐振华邱丽君
电测与仪表 2017年14期
杨越,王涛,顾雪平,岳贤龙,徐振华,邱丽君
(1.华北电力大学新能源电力系统国家重点实验室,河北保定071003;2.国网福建省电力有限公司电力科学研究院,福州350007;3.中国电力科学研究院,北京100192)
0 引 言
电力系统中发电机功角不是一成不变的,而是随着外界扰动和运行状态的变化而变化,发电机功角在变化过程中,不同的机组可能具有一致的动态变化特性,即机组之间存在着同调现象[1]。可以依据电力系统中机组之间的同调性将整个系统分成各个互相解耦的子系统,进而简化系统模型。比如:当系统发生低频振荡时,若存在着弱互联区域,通常应用机组之间的同调现象将系统分区域研究[2];在EEAC法中,也是先进行发电机的两群假设,将发电机分为临界机群和剩余机群[3]。除此之外,当电网受到大冲击,为了避免发生连锁故障[4]、防止大停电而进行的解列控制[5]也多以同调机组分群为基础。所以精准识别电力系统的同调特性具有重要意义。
目前,机组分群方法主要有两类,第一类是建立系统发电机模型,然后选出一个反映系统发电机同调性的参数,根据参数的相似程度进行分群;第二类是仿真扰动后发电机功角的变化趋势,通过辨识功角摇摆曲线相似程度进行同调分群。其中第二种方法应用越来越广泛,很多学者采用时域分析、频域分析、时频分析来确定发电机功角摇摆曲线的相近程度。时域分析方法主要包括提取时域特征[6]、曲线相关分析[7]等。……
登录APP查看全文
