项目名称: 计及大规模电网时变参数的低频振荡多重扰动源定位研究

项目编号: No.51307146

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 电工技术

项目作者: 麦瑞坤

作者单位: 西南交通大学

项目金额: 24万元

中文摘要: 电网低频振荡扰动源定位是难题和热点。特别是随着电网规模扩大、非线性负荷和波动性电源接入,电网参数时变特征越发显著,导致振荡模式增多、模式相互激发几率增大,且振荡传播的动态信息相互耦合,使扰动源尤其是多重扰动源定位愈加困难。为此,本项目提出计及大规模电网时变参数影响和低频振荡"时域-频域-空间"分布特性的多重扰动源定位新方法。在建立输电网时变分布参数低频振荡传播模型的基础上,通过设计低频振荡工况下的自适应动态相量测量算法,分析多重扰动源所激发动态信息的相互渗透和传播机理,掌握低频振荡在传播过程中在时域、频域和空间上的畸变特征,揭示相邻振荡模式在电网时变参数下的交互激发规律、提出耦合动态信息的特征提取方法,最后利用信息融合理论建立动态可信概率模型来实现对多重扰动源的准确实时定位。项目旨在为抑制和快速平息电网低频振荡提供理论依据,并为电网电能质量水平的提高和系统稳定运行的实现提供理论和技术支撑。

中文关键词: 低频振荡;扰动源定位;相量测量;等值模型;分布特性

英文摘要: Locating of disturbance source of low-frequency oscillation is a difficult problem and a hot topic for the researchers in power systems. Especially, with the rapid expansion of power grid scale as well as integration of nonlinear loads and volatility power sources, the time-varying characteristics of the power grid's parameters become more significant, which will increase the range of oscillation mode and the probability of mutual excitation among oscillation modes, and also let dynamic information of low-frequency oscillation couple together so as to bring difficulties in disturbance source localization especially when multiple disturbance sources exist simultaneously. In order to overcome the difficulty mentioned above, this project aims to propose novel approaches considering the time-varying parameters of power grids and time-frequency-spatial distribution of dynamic characteristics of power oscillation to locate the multiple disturbance sources in large scale power grids based on dynamic synchronized phasor measurement. By establishing the propagation model of low-frequency oscillation with time-varying parameters of power grids, designing self-adapt synchrophasor measurement algorithms for low-frequency oscillation condition, analyzing the penetration-and-propagation mechanism of dynamic information excite

英文关键词: low-frequency oscillation;disturbance source location;phasor estiamtion;equivalent model;distribution characteristics

成为VIP会员查看完整内容
0

相关内容

专知会员服务
19+阅读 · 2021年9月16日
专知会员服务
33+阅读 · 2021年8月16日
专知会员服务
38+阅读 · 2021年7月5日
专知会员服务
138+阅读 · 2021年3月30日
专知会员服务
65+阅读 · 2021年1月28日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
专知会员服务
51+阅读 · 2020年12月19日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
ICML 2021 | AlphaNet:基于α-散度的超网络训练方法
PaperWeekly
0+阅读 · 2021年12月28日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
22+阅读 · 2022年3月31日
Arxiv
21+阅读 · 2021年2月13日
Arxiv
19+阅读 · 2020年7月13日
Arxiv
15+阅读 · 2020年2月5日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
Arxiv
19+阅读 · 2018年6月27日
小贴士
相关主题
相关VIP内容
专知会员服务
19+阅读 · 2021年9月16日
专知会员服务
33+阅读 · 2021年8月16日
专知会员服务
38+阅读 · 2021年7月5日
专知会员服务
138+阅读 · 2021年3月30日
专知会员服务
65+阅读 · 2021年1月28日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
专知会员服务
51+阅读 · 2020年12月19日
【KDD2020】自适应多通道图卷积神经网络
专知会员服务
119+阅读 · 2020年7月9日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月14日
Arxiv
22+阅读 · 2022年3月31日
Arxiv
21+阅读 · 2021年2月13日
Arxiv
19+阅读 · 2020年7月13日
Arxiv
15+阅读 · 2020年2月5日
Heterogeneous Deep Graph Infomax
Arxiv
12+阅读 · 2019年11月19日
Arxiv
19+阅读 · 2018年6月27日
微信扫码咨询专知VIP会员