基于PMU的暂态稳定自愈控制

提出了一种基于相量测量单元(PMU)的暂态稳定自愈控制方法。该方法首先对系统进行离线仿真,记录失稳发电机在受扰情况下偏离电气故障中心的距离。对不稳定的功角曲线进行聚类并提取特征曲线,生成失稳发电机的受扰轨迹模式库。利用发电机的广域测量短时上传数据,结合受扰轨迹模式库,判断该发电机的稳定性。如果该发电机失稳时间小于特定值,则将该发电机切除。如果该发电机失稳时间大于特定值,则启动自愈控制策略,切除部分发电机容量,以保证系统稳定运行。以新英格兰节点测试系统为例,证明了该方法的有效性和合理性。     

电力系统动态状态估计算法研究

为了提高电力系统动态状态估计的估计精度和收敛速度,引入一种解决非线性滤波问题的新型粒子滤波算法——混合卡尔曼粒子滤波器(Mixed Kalman Particle Filter,MKPF)。该算法采用扩展卡尔曼滤波器(EKF)与无迹卡尔曼滤波器(UKF)混合作为建议分布,得到一种更接近真实分布的近似表达式。仿真算例将MKPF与EKF和UKF进行了对比,比较结果证明在电力系统受到扰动之后,MKPF算法能够快速地收敛于真实值,且具有比EKF与UKF更高的估计精度和稳定性,达到了在线准确估计的要求。