一种基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法

    公开(公告)号:CN113139287A

    公开(公告)日:2021-07-20

    申请号:CN202110433811.0

    申请日:2021-04-22

    Abstract: 本专利提出了一种基于ADALINE神经网络和IGG法的自适应抗差线路参数辨识方法。该辨识方法可准确有效地对输电线路参数进行辨识,从而保障电力系统保护整定以及状态估计的准确性。首先,建立了基于输电线路两端多时间断面PMU量测数据的输电线路参数辨识模型,以及基于ADALINE神经网络的线路参数求解模型。此外,为充分利用量测信息,将IGG抗差法与ADALINE神经网络结合,提出了一种自适应鲁棒ADALINE(ARA)参数辨识方法。另外,为提高系统鲁棒性,利用中位数估计自适应的估计方程残差序列的期望和方差,调整IGG权函数的阈值。最后,仿真算例验证了方法的有效性。

    一种线路参数未知情形下的PMU时变相角差偏差校正方法

    公开(公告)号:CN112986887A

    公开(公告)日:2021-06-18

    申请号:CN202110434535.X

    申请日:2021-04-22

    Abstract: 本专利提出了一种线路参数未知情形下的PMU时变相角差偏差校正方法。由于时间同步问题,输电线路两端的电压相角差可能存在时变偏差,时变偏差将影响PMU的各类应用,此外,由于线路在实际运行时,线路参数真值未知,给相角差校正增加了难度。因此,本发明提出了一种线路参数未知情形下的PMU时变相角差偏差校正方法。具体地,首先根据线路模型,建立了线路两端相角数据与电压相角差之间的关系;其次,基于两个时间断面的PMU数据,建立估计相角差的目标函数;之后,推导电压相角差的近似表达式,并基于该表达式,简化目标函数;最后,基于二分法,对目标函数进行求解。实施例表明,所提方法具有较高的精度。

    一种基于超平面聚类的PMU数据检测方法

    公开(公告)号:CN110516692A

    公开(公告)日:2019-11-29

    申请号:CN201910146067.9

    申请日:2019-02-27

    Abstract: 本专利提出了一种基于超平面聚类的PMU数据检测方法。该检测方法可以检测出在PMU数据有阶跃型偏差情况下的相角坏数据,从而辨别出可用的好数据。首先,获得线路在一段时间内的PMU测量数据,计算出正序分量;其次,使用超平面聚类对以线路传输有功功率为y轴,线路相角差为x轴的数据进行聚类;最后使用判据对聚类进行筛选,选取出正确数据。

Patent Agency Ranking