参考资料

《电力系统建模理论与方法》(鞠平著)1(提取码:0lnh)
《动态电力系统的理论和分析》(倪以信著)2(提取码:gt5w)

目录

  • 参考资料
  • 第1章 绪论
    • 1.1 电力系统建模的重要意义
    • 1.2 电力系统建模的基本概念
      • 1.2.1 电力系统模型
      • 1.2.2 电力系统建模
      • 1.2.3 电力系统辨识
      • 1.2.4 电力系统建模对象
    • 1.3 电力系统建模的研究概述
      • 1.3.1 研究的难点
      • 1.3.2 研究的历程
      • 1.3.3 研究的趋势
  • 第2章 电力系统建模的基本理论
    • 2.1 电力系统建模的基本途径
      • 2.1.1 基于元件机理的方法
      • 2.1.2 基于测量辨识的方法
      • 2.1.3 基于仿真拟合的方法
      • 2.1.4 混合方法
    • 2.2 电力系统模型的结构特性
      • 2.2.1 灵敏度
        • 2.2.1.1 时域灵敏度
        • 2.2.1.2 特征根灵敏度
        • 2.2.1.3 频域灵敏度
      • 2.2.2 可辨识性
        • 2.2.2.1 可辨识性的基本概念
        • 2.2.2.2 线性模型的可辨识性分析
        • 2.2.2.3 非线性模型的可辨识性分析
      • 2.2.3 可区分性
      • 2.2.4 可解耦性
      • 2.2.5 可观性
      • 2.2.6 难易度
    • 2.3 电力系统线性模型的辨识方法
    • 2.4 电力系统非线性模型的辨识方法
  • 4 同步发电机组的建模
    • 4.1 概述
    • 4.2 同步发电机模型
    • 4.2 同步发电机建模的抛载方法

第1章 绪论

1.1 电力系统建模的重要意义

  • 基础:电力系统仿真3计算不但是电力系统动态分析与安全控制的基本工具,也是电力生产部门用于指导电网运行的基本依据。电力系统建模是仿真计算的基础。
  • 效益:建立合适的电力系统模型,能够提高传输能力,或者消除安全隐患,具有显著的经济和社会效益。
  • 支持:计算机技术、通信技术、广域测量技术(WAMS),为电力系统建模提供了新的技术支持。

1.2 电力系统建模的基本概念

1.2.1 电力系统模型

  • 物理模型:根据相似原理构成的一种物理模拟,通过模拟实验来研究系统的特性,如动态模拟
    代价高、费时费力,很难模拟大规模电力系统。
  • 数学模型:以数学表达式来描述实际系统的特性,通过数字仿真计算来分析其过程。
    简便、灵活、代价小
    ==>混合仿真技术

1.2.2 电力系统建模

  • 正确描述系统本质
  • 尽量简单

1.2.3 电力系统辨识

  • 实质:从一组模型类中选择一个模型,按照某种准则,使之能最好地拟合所关心的实际过程的动态特性。
  • 分类

1.2.4 电力系统建模对象

1.3 电力系统建模的研究概述

1.3.1 研究的难点

(1)电力系统特点:

  • 非线性
  • 高阶复杂
  • 随机(运行状态、干扰等)
  • 动态过程时间分布广

(2)电力系统建模的困难:

  • 电力负荷建模(时变性、随机性、分布性、多样性、非连续性等)
  • 参数的平稳性(可辨识性、鲁棒性、频谱)
  • 系统模型校核(系统无法停运试验)

1.3.2 研究的历程

电力系统建模发展与电力系统数字模拟计算基本同步!

1.3.3 研究的趋势

第2章 电力系统建模的基本理论

2.1 电力系统建模的基本途径

2.1.1 基于元件机理的方法

根据电力系统元件的内在机理,按照基本的物理、化学等定理和定律来到处模型方程,再采用数值计算的方法来获得参数,所得模型成为机理模型

优点:

  • 具有机理内涵
  • 物理概念清晰
  • 便于分析应用

缺点:

  • 模型局限
  • 不适合复杂过程和因素

2.1.2 基于测量辨识的方法

**测辨法:**通过测量建模对象的运行或实验数据来辨识模型。

特点:

  • 无需确切知道系统的内部结构和参数
  • 可计及实际因素
  • 适用于动态过程

2.1.3 基于仿真拟合的方法

步骤:
(1)实测反映动态行为的曲线
(2)典型参数,仿真输出与实际曲线对比分析
(3)参数修正,拟合
优点: 参数确定过程与程序计算时选择参数的过程一致

缺点: 试凑法,难以保证参数的唯一确定

2.1.4 混合方法

原理:

  • 基于机理推导方程
  • 基于测量获得数据
  • 基于辨识获得参数
  • 基于故障仿真进行校核

2.2 电力系统模型的结构特性

2.2.1 灵敏度

定义: 随着模型参数的变化,输入-输出特性变化的程度

2.2.1.1 时域灵敏度

1. 轨迹灵敏度
定义: 系统中参数发生微小变化时系统动态轨迹的变化程度,能反映系统轨迹与参数的相互关系。(轨迹关于参数的导数)

为了提高数值计算精度,采用中值法计算导数,得到计算轨迹灵敏度(相对值):

比较各灵敏度的大小:

2. 指标灵敏度


指标灵敏度是轨迹灵敏度的线性组合

2.2.1.2 特征根灵敏度

特征根是系统动态特性的一个重要表征,可以用来判断系统的稳定性、系统振荡的衰减快慢等,能够反映系统动态的内在特性。

2.2.1.3 频域灵敏度

定义:

  • 传递函数灵敏度:

  • 灵敏度幅值:

  • 灵敏度相位:

  • 幅值灵敏度:

  • 相位灵敏度:

    频域灵敏度计算:

  • 基于传递函数的计算方法(适用于低阶):
    (1)针对具体电力系统模型,推导出传递函数;
    (2)采用中值插值法计算传递函数灵敏度;
    (3)采用中值插值法计算幅值灵敏度和相位灵敏度。

  • 基于傅氏变换的计算方法:
    (1)利用仿真软件获得输入/输出的时域动态曲线;
    (2)对输入/输出进行傅里叶变换
    (3)采用插值方法计算频域灵敏度

2.2.2 可辨识性

内涵: 根据输入/输出动态数据,能否唯一确定模型的参数。

2.2.2.1 可辨识性的基本概念

定义:

  • 唯一(全局)可辨识:参数存在唯一解
  • 无穷不可辨识:参数存在无穷多个解
  • 0不可辨识:参数不存在解
    注意: 0不可辨识和无穷不可辨识是两个不同的概念。0不可辨识实际上意味着模型结构需要更换。

2.2.2.2 线性模型的可辨识性分析

线性系统模型的描述方式:

  • 状态方程

  • 传递函数

  • 差分方程
    1. 拉普拉斯传递函数方法

    对上式进行拉普拉斯变换,可得:

    结论:

  • 可辨识性与测量的信号个数关系很大,适当增加输出变量有时可以改善可辨识性

  • 可辨识性与输入变量个数有一定的关系

  • 拉式传递法具有直观清晰、容易掌握等特点,因为经常被采用

  • 也存在缺点:
    (1)关系式往往非线性,要判断是否多解不容易
    (2)不可辨识时,需通过反复试凑修改模型、输入、输出
    (3)从特殊情况得出的结果可能难以推广
    2. 输出量高阶求导方法
    又称泰勒级数展开法:先将输出变量泰勒展开,再取拉普拉斯变换。
    此方法与拉普拉斯传递函数法有相同的缺点,对线性系统用得不多,可用于非线性或时变系统。
    3. 马尔可夫参数矩阵方法
    当马尔可夫参数矩阵的雅克比矩阵等于参数数目时,是可辨识的,但不一定唯一。
    该方法即使对于二阶简单系统,可辨识性分析也是复杂的。

2.2.2.3 非线性模型的可辨识性分析

没有通用的解析方法,难,复杂。
1. 基于线性化的解析方法
线性化模型在理论上有局限,但可辨识性的结论对原模型应该是适用的,因为参数的可辨识性与干扰大小没有本质关系。
2. 基于输出量高阶求导的解析方法
(1)输入、输出变量已知,理论上可获得n阶导数
(2)有可能通过求导来增加参数条件,“解析”出部分或全部参数的可辨识性
(3)在实际辨识过程中,并不用高阶导数进行参数辨识,因为噪声在高阶导数中会被放大。
3. 基于等高线的数值方法
步骤:
(1)用全局辨识算法(如模拟进化算法)辨识出一个全局最优参数向量及对应的误差函数
(2)在误差函数的超曲面上进一步搜索,如果得到误差相同的其他参数与原全局最优的参数的范数基本重合,则此模型的参数唯一可辨识;否则存在多组参数向量使得误差函数达到最小,该模型不唯一可辨识。
4. 基于灵敏度的数值方法
(1)如果几个参数的轨迹灵敏度同时过零点(线性相关),这些参数不是唯一可辨识的;
(2)如果几个参数的轨迹灵敏度不同时过零点(线性相关),这些参数是唯一可辨识的;
(3)如果轨迹灵敏度是振荡曲线,同时过零点意味着振荡过程看上去同相或反相;
(4)实际工程中,一般只需要检验轨迹灵敏度是否过零点,即同相或反相。
注意: 对于不能唯一辨识参数的系统,增加后稳态过程(暂态过程后的新稳态)作为附加条件可以进一步辨识参数,并且不同扰动下动态过程可能得到不同参数。

2.2.3 可区分性

对比:
(1)可辨识性:给定模型结构,给定输入输出,判断参数是否唯一
(2)可区分性:给定输入输出,模型是否唯一
注意: 两个模型之间的可区分性和各模型的可辨识性无关,可辨识的模型之间可能是可区分的,也可能是不可区分的

2.2.4 可解耦性

定义: 系统连接在一起的各个子模型,能否分别单独进行辨识。
注意: 解耦性难以有统一的方法,需要具体情况具体对待。

2.2.5 可观性

模式可观性: 根据输入输出的测量数据,能否观测到模型中的模式。
功率谱密度: (PSD)表示信号功率随频率的变化情况,即信号在频域的分布情况。
在实际工程中,都是离散采样,有多种估计方法,其中Welch方法估计效果较好。
白噪声: 功率谱密度在所有频率上都恒定,好比白色光在所有频率都有相同强度的光。
总结:
(1)工程中其他自然扰动信号,其功率谱一般都是低频段大,高频段小;
(2)较低频率的振荡模式容易辨识,较高频率的振荡模式难以辨识;
(3)如果模式不可观测,可以增大输入信号的频域覆盖宽度或者增加新的输出变量。

2.2.6 难易度

定义: 根据测量数据,精确辨识参数的可能性,并不等同于参数辨识精度。
灵敏度对于参数辨识的难易度:
(1)频域灵敏度和时域灵敏度是互补的;
(2)时域灵敏度与输入、输出变量均有关,时域灵敏度的大小反映了输入变量对参数辨识的影响;
(3)频域灵敏度与输入、输出变量均无关,仅与系统参数有关,频域灵敏度要与输入变量的功率谱密度一起来分析参数辨识的影响。
如何看:

时域灵敏度 频域灵敏度 参数辨识
容易准确
不容易准确
大小不一致 大小不一致 进一步分析
长时间区间数值较大 有利
短时间区间数值较大 不利
某频段较大 该频段灵敏
功率谱密度较大 有利
低频段较大 容易辨识

2.3 电力系统线性模型的辨识方法

参数辨识是测量辨识建模的基础

2.4 电力系统非线性模型的辨识方法

频域方法只能够适用于线性模型,对于非线性模型大多是以时域模型和优化为基础
优化搜索方法:
(1)爬山(梯度)类方法:

  • 搜索精度高,效率高
  • 但不一定所有问题都能求导,即有“方向”
  • 难以处理噪声和随机干扰
  • 鲁棒性差

(2)随机类方法:如蒙特卡罗法

  • 直接找到最优点的概率几乎为零
  • 良好的全局性、收敛性和鲁棒性
  • 计算量巨大

(3)模拟进化类方法:如遗传算法、进化算法、蚁群算法

  • 适用范围广
  • 易于并行实现
  • 全局性较好
  • 计算效率较高

4 同步发电机组的建模

4.1 概述

同步发电机组: 同步发电机 + 励磁系统 + 原动机及其调速系统
电力系统: 同步发电机组 + 电力网络 + 电力负荷
凸极同步发电机:

两个方面:
(1)同步发电机的模型方程
精确的电机参数比详细的模型更重要
(2)同步发电机的参数获取
a. 数值计算法:有限元、磁路磁导法
b. 试验测试法:三相稳态短路试验、低转差法、电压恢复法
c. 频域响应法:直接衰减法、静态频域法、在线频域法
优点:成熟,稳定性好
缺点:测算非线性参数有困难;对输入扰动要求高
d. 时域响应法:抛载试验法,励磁电压扰动试验法
研究趋势:
(1)对同步发电机参数随工况变化的研究
(2)对同步发电机阻尼问题的研究
阻尼来源:
a. 转子运动中摩擦和汽滞引起的机械阻尼
b. 发电机阻尼回路产生的阻尼
c. 发电机励磁绕组和系统产生的阻尼
(3)对同步发电机饱和问题的研究
(4)同步发电机新的辨识方法

4.2 同步发电机模型

同步发电机磁链方程:

同步发电机电压方程:

电磁转矩方程:

各阶实用模型:

4.2 同步发电机建模的抛载方法

抛载的动态过程可以看做两部分分量的叠加:
(1)抛载前的稳态分量
(2)机端突然并联一个电流源后电机的动态响应


  1. 书籍资源来自网络(链接) ↩︎

  2. 书籍资源来自网络(链接) ↩︎

  3. Simulation译为“模拟”可能更恰当点 ↩︎

《电力系统建模理论与方法》(持续更新中)相关推荐

  1. 红外小目标:基于深度学习的红外小目标检测研究方法(持续更新中)

    深度学习红外小目标研究现状_2021.7.6更新 2019年 TBC-Net(TBC-Net: A real-time detector for infrared small target detec ...

  2. 2021-10-27诺诺机柜常见问题及解决方法-持续更新中

    诺诺机柜常见问题及解决方法 . 一.错码09c007 Q:税控设备开具发票时时异常盘错误代码:09c007 1.1代码释义:控制开票标志启用,禁止开票 1.2处理方法:风险纳税人,需要去税局处理 . ...

  3. 学好电气全靠它,个人电气博文目录(持续更新中.....)

    博主是一个电气专业的业余计算机选手,电气毕竟是专业,所以记录下个人电气笔记(随笔哈,毕竟一篇博文我平均只花几个小时),持续更新中- 希望可以关注下我的其他专栏:如算法.NLP,希望去点个赞. 电气专栏 ...

  4. 《Autosar从入门到精通-实战篇》总目录_培训教程持续更新中...

    目录 一.Autosar入门篇: 1.1 DBC专题(共9篇) 1.2 ARXML专题(共35篇) 1.2.1 CAN Matrix Arxml(共28篇) 1.2.2 ASWC Arxml(共7篇) ...

  5. 《Autosar_BSW高阶配置》总目录_培训教程持续更新中...

    目录 0 基础"开胃菜"(共20+篇) 0.1 CANFD和Classic CAN介绍 0.2 UDS/OBD诊断网络层/传输层介绍 0.3 常用UDS诊断服务介绍 0.4 所有O ...

  6. 《Autosar_MCAL高阶配置》总目录_培训教程持续更新中...

    欢迎大家订阅<Autosar_MCAL高阶配置>专栏(可以理解为是Autosar培训教程),献上常用的案例和配置方法.下方整理了相关博文的链接(单击蓝色字体即可跳转),方便大家获取. 本专 ...

  7. 2、线程池篇 - 从理论基础到具体代码示例讲解(持续更新中......)

    前言 暂无. 一.线程篇 有关线程部分的知识整理请看我下面这篇博客: 1.线程篇 - 从理论到具体代码案例最全线程知识点梳理(持续更新中-) 二.线程池基础知识 线程池优点 他的主要特点为: 线程复用 ...

  8. linux运维常用命令一句话(持续更新中)

    整理收集一些Linux运维管理.系统管理的常用命令,太多了记不住,只能记录下来方便日后查看.也可以和大家分享.如果你有好的一句话命令也贴出来吧.本文持续更新中. 1.linux启动过程 开启电源 -- ...

  9. db2dual_DB2常用SQL的写法(持续更新中...)

    DB2常用SQL的写法(持续更新中...) -- Author: lavasoft -- Date  :  2006-12-14 -- 创建一个自定义单值类型 create  distinct typ ...

  10. 前端知识点总结——JS高级(持续更新中)

    前端知识点总结--JS高级(持续更新中) 1.字符串 什么是: 连续存储多个字符的字符数组 相同: 1. 下标 2. .length 3. 遍历 4. 选取: slice(starti[, endi] ...

最新文章

  1. 爬虫基础-request的一些基础属性
  2. Laravel 加载第三方类库的方法
  3. 快速排序 python菜鸟教程-1.6 快速排序
  4. 改计算机用户头像,Windows 8.1
  5. 大数运算(7)——大数阶乘(求阶乘)
  6. B17_NumPy IO(save,load,savez,loadtxt,savetxt)
  7. Linux高级编程(四)
  8. C++:求数字i以后的n个素数
  9. 注解形式控制器 数据验证,类型转换(3)
  10. vscode与git分支_Visual Studio Code 使用Git进行版本控制
  11. 腾讯PCG推荐系统应用实践
  12. 模型训练:数据预处理和预载入
  13. 电脑显示未安装任何音频输出设备_音频频谱分析仪插件Voxengo SPAN Plus介绍及安装教程...
  14. javax.servlet.http.HttpServletResponse.setContentLengthLong(J)V,maven项目报错!!无法访问webapp下的文件,完美解决方案
  15. Node.js 实现远程桌面监控
  16. 手机端链接拼多多的商品主图和视频抓取方法
  17. ubuntu服务器系统进入安全模式,ubuntu bios 无法进入安全模式
  18. c纳秒级计时器_C#中的高精度计时方法(纳秒级别计时)
  19. git更换用户名和密码
  20. 关于CodeBlocks下载了带mingw版本的依旧无法编译运行的解决方案

热门文章

  1. python制作烟花特效_过大年,用Python去绽放最绚丽的烟花
  2. AdapterView(一)
  3. VC编程实现运行Excel宏 Run
  4. 应用随机过程-复习笔记-Chapter4-关于期望的各态历经性习题答案
  5. usb打印机命令_自己动手不求人 日常打印机故障全知晓
  6. ps常见问题集锦问答形式
  7. 《Hibernate官方文档》_笔记
  8. Fl Studio20切换中文教程汉化补丁包
  9. windows虚拟网卡驱动开发~开源(建议收藏)
  10. 管理者必须要精通的六项管理技能