一种适用于次同步振荡分析的风电集群等值聚合方法、系统及设备

    公开(公告)号:CN119154321A

    公开(公告)日:2024-12-17

    申请号:CN202411032875.X

    申请日:2024-07-30

    Abstract: 本发明涉及电力系统及其自动化领域,具体是一种适用于次同步振荡分析的风电集群等值聚合方法、系统及设备,包括S1:获取适用于实际工程的计及振荡的风机分群指标;S2:按链路顺序由并网侧采样构造样本数据,依据分群指标通过BIRCH算法生成聚类特征树,实现风电机组分群;S3:将同一风电机组集群中的不同机组按拓扑结构和算法结果聚合,遵循功率一致和容量一致原则对同一集群的机组聚合获得聚合模型,针对次同步振荡工况对风电集群进行等值聚合。相比起现有技术,本专利通过设置确定适应度高的分群指标以及应用BIRCH算法对风电机组进行分群,解决了现有技术存在的分群难度较大、算法运算效率低以及不适应特定风电系统次同步振荡运行状态分析的技术问题。

    一种基于改进STFT和卷积神经网络次同步振荡溯源方法

    公开(公告)号:CN119312071A

    公开(公告)日:2025-01-14

    申请号:CN202310854382.3

    申请日:2023-07-12

    Abstract: 本发明公开了属于电力系统安全稳定领域的一种基于改进STFT和卷积神经网络次同步振荡溯源方法。其过程为:计算各个机组端口有功功率的短时傅里叶变换,进行瞬时频率脊线监测;用傅里叶级数拟合获得平滑处理后的重构瞬时频率分量;考虑多重叠分量分离问题,根据分量在交叉区间的变化率进行路径重组获得精准瞬时频率;进行同步挤压短时傅里叶变换获取高分辨率时频分布;将各个机组端口的时频分布图像作为模型的输入,基于卷积神经网络构建次同步振荡源识别模型,挖掘时频分布与扰动源位置之间的联系。该方法可以实现机组端口有功功率高分辨率时频分布辨识以及次同步振荡源精准定位,对维持电力系统的安全稳定运行具有重要的工程意义。

    基于VMD-PCA次同步振荡能量特性影响因素辨识方法

    公开(公告)号:CN115528735A

    公开(公告)日:2022-12-27

    申请号:CN202211265236.9

    申请日:2022-10-17

    Abstract: 本发明利用变分模态分解(variational mode decomposition,VMD)以及主成分分析(Principal Component Analysis,PCA),提出基于VMD‑PCA的次同步振荡能量特性影响因素辨识方法,通过时域仿真提取不同工况下次同步振荡的端口能量特征,建立回归模型对次同步振荡端口能量进行回归分析;过程为:对风机出口量测的电压和电流进行VMD模态分解,获取次同步振荡模态下的电压和电流分量,通过计算得到风机出口处暂态能量流;拟合风机出口暂态能量流函数,以能流功率作为次同步振荡的稳定特征量进行研究;采用主成分方法解决能量特性影响因素之间的多重共线性问题,基于逐步回归方法建立能量特性的变量拟合评估模型,并辨识次同步振荡能量特性的关键影响因素。该方法可及时判断系统当前系统能量特性,辨识影响系统能量特性的关键影响因素,对维持新型电力系统的安全稳定运行具有重要的工程意义。

Patent Agency Ranking