Dynamic Model Reduction for Large-Scale Power Systems Using Wide-Area Measurements
Dynamic Model Reduction for Large-Scale Power Systems Using Wide-Area Measurements
复制标题
使用广域测量减少大型电力系统的动态模型
DOI：
10.1109/access.2020.2992624
复制
发表时间：
2020
期刊：
影响因子：
3.9
通讯作者：
Liu, Yilu
中科院分区：
文献类型：
--
作者：
Tong, Ning;Jiang, Zhihao;Zhu, Lin;Liu, Yilu
为了更快地实现大型电力系统的实时动态仿真，需要对研究区周边区域使用当量来减小仿真系统的规模，而现有的动态模型约简方法可以提供所需的约简区域结构。然而，为了达到期望的精度，需要进一步的参数优化。本文采用基于粒子群优化（PSO）的方法来解决上述问题。对简化后的系统中各个动力元件的参数进行反复标定，直到简化后的模型与原始模型的广域测量结果非常接近，且精度令人满意。结果表明，优化后的简化模型与原模型的动态响应比现有方法更吻合。在发电机跳闸事件和母线故障事件下，简化模型具有更高的频率匹配和更小的功率不匹配。
To perform faster than the real-time dynamic simulation of large-scale power systems, it is necessary to reduce the simulated system size by using equivalents for surrounding areas of the study area, and existing dynamic model reduction approach could provide the needed structure of the reduced area. However, further parameter optimization is required to achieve the desired accuracy. In this paper, a particle swarm optimization (PSO) based approach is used to solve the above problem. Parameters for the individual dynamic elements in the reduced system are calibrated repeatedly until the wide-area measurements of the reduced model and the original model are very similar to each other with satisfactory accuracy. Results indicate that after optimization, the dynamic response of the reduced model matches better with that of the original one than using existing methods. Under both the generator-trip event and the bus-fault event, the reduced model has a higher frequency match and less power mismatch.
登录
查看更多内容
极限环确定的电力系统全局稳定性评价数值方法
影响因子：
6.6
作者：
M. Watanabe;Y. Mitani;K. Tsuji
通讯作者：
K. Tsuji
用于快速电力系统仿真的自适应非线性模型简化
影响因子：
6.6
作者：
D. Osipov;K. Sun
通讯作者：
K. Sun
电力系统慢相干和聚合的非线性模型简化公式
DOI：
--
发表时间：
1996
期刊：
影响因子：
--
作者：
J. Chow
通讯作者：
J. Chow
使用改进的粒子群优化对感应电机进行在线参数辨识
DOI：
--
发表时间：
2006
期刊：
Cybersecurity and Cyberforensics Conference
影响因子：
--
作者：
Chen Guangyi;Guo Wei;Huang Kaisheng
通讯作者：
Huang Kaisheng
使用遗传算法进行基于测量的负载建模
DOI：
--
发表时间：
2007
期刊：
IEEE Congress on Evolutionary Computation
影响因子：
--
作者：
Jin Ma;Zhao Yang Dong;R. He;D. Hill
通讯作者：
D. Hill