随机数据驱动的电力系统小干扰稳定在线评估方法
系统自然激励下的随机响应数据中蕴含丰富的机电行为特征信息,准确地从随机响应数据中辨识小干扰稳定特征参数对于指导电力系统安全稳定运行具有重要现实意义.文中提出了随机数据驱动下基于子空间最优模式分解的小干扰稳定特征参数在线辨识算法.该算法通过对输入数据进行基于正交投影的矩阵线性变换得到其奇异子阵,并利用共轭梯度算法迭代求解最佳低维正交空间,以实现奇异子阵之间高维映射矩阵的最优低维近似,根据最优低维映射矩阵的特征值分解结果可以准确获得系统小干扰稳定特征参数,即振荡频率、阻尼比、模态.基于正交投影的矩阵线性变换以及共轭梯度法的引入使得动态模式分解法能较好地适应随机响应数据.IEEE 16机68节点系统和实际系统量测数据的计算和分析验证了所提算法的有效性和准确性.
随机数据;小干扰稳定特征参数;子空间最优模式分解;正交投影;共轭梯度算法
46
TM712;TP391.41;TN97
2022-01-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
94-100