[发明专利]基于卡尔曼滤波的电力系统频率与惯量实时监测方法及其系统有效

专利信息
申请号: 202210373853.4 申请日: 2022-04-11
公开(公告)号: CN115378122B 公开(公告)日: 2023-05-09
发明(设计)人: 汤奕;李峰;王琦 申请(专利权)人: 东南大学溧阳研究院;南京师范大学
主分类号: G06F17/16 分类号: G06F17/16;H02J13/00;G06F17/11
代理公司: 南京鑫之航知识产权代理事务所(特殊普通合伙) 32410 代理人: 姚兰兰
地址: 213300 江苏省常州市溧阳市昆仑街道*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 卡尔 滤波 电力系统 频率 惯量 实时 监测 方法 及其 系统
【权利要求书】:

1.一种基于卡尔曼滤波的电力系统频率与惯量实时监测方法,其特征在于,包括如下步骤:

(1)基于历史统计信息,分析量测装置对频率量测误差的分布情况,以方差R进行表示,通过相关历史试验数据进行统计,其计算公式如下:

其中,为第个历史试验数据样本,为历史试验数据样本的数目,为系统频率量测误差,为系统频率量测误差平均值;

(2)基于电力系统的运行方式及开机情况,对电力系统的等效惯量进行快速估计,其计算公式如下:

其中,为发电机的等效惯量,为开机运行的发电机的数量,为发电机的额定功率,为电力系统中发电机额定功率的总和;

(3)对电力系统的运行情况进行监测,分析扰动事件产生的功率缺额,采集系统的频率量测数据;

(4)以方差R、估计的电力系统的等效惯量以及功率缺额为基础,结合频率量测数据,利用基于卡尔曼滤波的电力系统频率与惯量实时估计模型,对电力系统频率与惯量进行实时跟踪监测;其中,所述基于卡尔曼滤波的电力系统频率与惯量实时估计模型,以存在量测误差的实时频率量测数据为输入,以校正后的系统频率与惯量估计数据为输出;

所述步骤(4)中,通过以下步骤对系统频率与惯量估计数据进行校正:

1)依据发电机转子运动方程,建立离散的状态函数模型,以及状态函数模型预测误差分布的转移方程,其计算公式分别如下:

其中,表示时刻系统频率估计值,表示时刻惯量的机理模型估计值,表示时刻的基于卡尔曼滤波的电力系统频率与惯量实时估计模型预测值,并设置,为功率缺额,为采样时间间隔,为系统基准频率,分别为时刻的机理模型误差的协方差矩阵估计值和时刻的基于卡尔曼滤波的电力系统频率与惯量实时估计模型计算的协方差矩阵计算值,将上式简化为如下的表达形式:

其中:表示,表示表示

2)依据卡尔曼滤波理论,计算卡尔曼增益,其计算公式如下:

其中,为[1 0]的行向量,表示向量的转置;

3)基于时刻系统的频率量测值及卡尔曼增益,对系统频率与惯量估计数据进行校正预测,并对机理模型误差的协方差矩阵估计值进行更新,其计算公式分别如下:

其中,I为单位矩阵;

4)重复以上计算过程,直至。

2.一种基于卡尔曼滤波的电力系统频率与惯量实时监测系统,其特征在于,基于卡尔曼滤波的电力系统频率与惯量实时监测系统包括:网络接口,存储器和处理器;其中,

所述网络接口,用于在与其他外部网元之间进行收发信息过程中,信号的接收和发送;

所述存储器,用于存储能够在所述处理器上运行的计算机程序;

所述处理器,用于在运行所述计算机程序时,执行权利要求1所述的基于卡尔曼滤波的电力系统频率与惯量实时监测方法的步骤。

3.一种计算机存储介质,其特征在于,所述计算机存储介质存储有基于卡尔曼滤波的电力系统频率与惯量实时监测的程序,所述基于卡尔曼滤波的电力系统频率与惯量实时监测的程序被至少一个处理器执行时实现权利要求1所述的基于卡尔曼滤波的电力系统频率与惯量实时监测方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学溧阳研究院;南京师范大学,未经东南大学溧阳研究院;南京师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210373853.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top