检索结果-内蒙古大学图书馆

电工技术学报 2023年第13期38卷 3527-3538页

作者：姜涛刘博涵李雪李国庆现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学) 吉林132012

近年来,电力系统强迫振荡在电网中频繁发生,严重威胁到电网的安全稳定运行,快速、准确地定位强迫振荡源对抑制强迫振荡具有重要意义,但现有方法在分解具有高差异度多通道广域量测信息时难以准确提取强迫振荡模式分量,严重影响到强迫振... 详细信息

近年来,电力系统强迫振荡在电网中频繁发生,严重威胁到电网的安全稳定运行,快速、准确地定位强迫振荡源对抑制强迫振荡具有重要意义,但现有方法在分解具有高差异度多通道广域量测信息时难以准确提取强迫振荡模式分量,严重影响到强迫振荡源定位精度。为此,该文提出一种基于自适应投影多元经验模态分解(APIT-MEMD)的强迫振荡源定位方法。该方法首先采用APIT-MEMD通过构建自适应投影方向向量,实现对发电机多通道广域量测信息的同步分解,分离出表征不同振荡模式的固有模态函数(IMF)分量;然后,借助对数能量熵从众多IMF分量中提取出含强迫振荡模式的IMF分量;在此基础上,根据提取出的强迫振荡IMF分量,计算各发电机的耗散能量流,根据耗散能量流实现强迫振荡源定位;最后,通过WECC 179节点测试系统仿真数据和实际电网同步相量测量装置(PMU)实测数据对所提方法进行分析、验证,结果验证了所提方法的准确性和实用性。

关键词：电力系统强迫振荡振荡源定位自适应投影多元经验模态分解固有模态函数耗散能量流

来源：评论

学校读者我要写书评

暂无评论

基于APIT-MEMD的电力系统低频振荡模式辨识新方法

引用

电力系统保护与控制 2020年第14期48卷 165-174页

作者：张艳军殷祥翔葛延峰魏俊红王长江国网辽宁省电力有限公司辽宁沈阳110006 东北电力大学电气工程学院吉林吉林132012 华电电力科学研究院有限公司东北分公司辽宁沈阳110167

传统多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混合现象未有效消除。提出了一种基于自适应投影... 详细信息

传统多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混合现象未有效消除。提出了一种基于自适应投影多元经验模态分解(Adaptive-Projection Intrinsically Transformed Multivariate Empirical Mode Decomposition,APIT-MEMD)的电力系统主导振荡模式辨识方法。首先采用APIT-MEMD将含有振荡信息的多信道量测信息整体分解,精确分离出各量测信道内含有振荡模式的固有模态函数(Intrinsic Mode Functions,IMF)信号。然后,采用Teager能量判据甄选能表征主导振荡模式的IMF信号。进而,采用希尔伯特黄变换(Hilbert-Huang Transform,HHT)实现对各IMF中所含主导振荡模式的频率和阻尼比估计。最后,将所提方法应用到IEEE-68节点时域仿真算例和辽宁电网广域实测算例中进行分析和验证,结果表明所提方法的可行性和有效性。

关键词：自适应投影多元经验模态分解固有模态函数希尔伯特黄变换振荡频率阻尼比

来源：评论

学校读者我要写书评

暂无评论

基于APIT-MEMD的电力系统低频振荡模式辨识方法研究

基于APIT-MEMD的电力系统低频振荡模式辨识方法研究

引用

作者：殷祥翔东北电力大学

学位级别：硕士

随着我国经济的高速发展,对电能的要求要不断提高,使得电网规模不断扩大、电力系统已越来越接近其稳定极限运行,而由系统弱阻尼诱发的低频振荡问题已成为威胁电网安全稳定运行的重要因素之一,因此快速辨识出电力系统低频振荡的振荡模式... 详细信息

随着我国经济的高速发展,对电能的要求要不断提高,使得电网规模不断扩大、电力系统已越来越接近其稳定极限运行,而由系统弱阻尼诱发的低频振荡问题已成为威胁电网安全稳定运行的重要因素之一,因此快速辨识出电力系统低频振荡的振荡模式,尤其是弱阻尼模式和负阻尼模式,对电网的安全预警具有重要的工程意义。本文提出了一种基于自适应投影多元经验模态分解(APIT-MEMD,Adaptive-projection intrinsically transformed multivariate empirical mode decomposition)和希尔伯特黄变换(Hilbert-Hung Transform,HHT)相结合的电力系统低频振荡模式辨识新方法。针对经验模态分解(empirical mode decomposition,EMD)只适用于单通道模式辨识的局限性,以及存在模式混叠和辨识效率低的缺点,首先引入多元经验模态分解(Multivariate empirical mode decomposition,MEMD)方法对多通道量测信号进行预处理,实现多通道量测信息的协同分解;针对MEMD方法在处理多信道量测信息时存在量测信道之间数据不平衡性及数据相关性导致的主导振荡模式辨识结果误差较大,且模式混叠现象未有效地解决的不足。本文采用APIT-MEMD将含有振荡信息的多信道量测信息整体分解,精确地分离出每个量测信道内含有各振荡模式的IMF信号。在此基础上,引入Teager能量算子筛选出含主导振荡模式的关键IMF信号;针对主导振荡模式在振荡过程的时变特性,借助HHT追踪各主导振荡模式的瞬时振荡频率和阻尼比。最后,通过16机68节点测试系统仿真数据和辽宁电网PMU实测数据对本文所提方法进行分析、验证,结果验证了所提方法的准确性和有效性。

关键词：振荡模式多元经验模态分解自适应投影多元经验模态分解希尔伯特黄变换

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：