MATLAB/SIMULINK在电力系统仿真中的应用

介绍了Matlab／Simulink仿真工具在电力系统仿真中的应用方法．     

关于本科生导师制的理论思考

本科生导师制是高校发展和高校校园制度文化建设过程中的一项重要制度。本科生导师制的实施对于改进本科生培养模式,建立新型培养机制和提高学生的素质起了十分重要的作用。但是,我国的大部分高校在实施本科生导师制的过程中都或多或少的存在一定的问题。发现这些问题并找出相应的解决方案对于高校的发展意义重大。     

二阶电路的Matlab仿真

应用Matlab6．0仿真工具进行二阶RLC电路的过渡过程的仿真研究，设计的程序具有良好的用户界面，该文给出二阶电路仿真实例，不仅给出计算结果，并绘出仿真曲线。     

新疆哈密特高压直流送端电网地表电位与直流电流分布研究

特高压直流输电系统单极-大地回路运行方式下,直流电流通过接地的中性点流入变压器,会使交流电网遭受直流偏磁影响.论文针对直流接地极周围的地表电位分布展开研究,采用镜像法与行波法,建立水平3层和水平4层土壤结构模型,分别计算不同土壤模型下的地表电位和直流偏磁电流分布.在MATLAB中构建新疆哈密特高压直流送端电网仿真模型,...     

具有限流功能的改进型电容换流式直流断路器

高压直流断路器作为直流系统的故障隔离设备,在保障直流电网可靠稳定运行方面有着举足轻重的地位.针对目前高压直流断路器在耗能、限流和快速性等方面的缺陷,提出一种具有限流功能的改进型电容换流式直流断路器拓扑.首先,具体介绍该拓扑结构的工作原理和参数设计;其次,以320 kV直流系统为背景,通过电磁暂态仿真软件搭建断路器模型进行仿真;最后,与两种传统断路器进行比较.结果 表明,该断路器相较于其他方案,在限流方面,故障发生后迅速投入限流装置,并快速切除故障电流,降低电力电子电流应力的同时满足系统对断路器快速性的要求;在成本方面,所用电力电子器件有明显减少,具有良好的经济性;在避雷器吸能方面,电容换流单元增加电阻提前避雷器的动作时间,有效降低避雷器吸能.     

基于行波电流极性差异的交直流混联系统纵联方向保护方法

交直流混联系统中逆变站的换相失败使交流线路发生频率偏移,导致工频量纵联方向保护的可靠性受到影响。本文提出一种基于行波电流极性差异的交直流混联系统纵联方向保护方法,利用线路区内、外故障时,传播到两端保护的电流故障初始行波波头之间极性差异构成纵联保护。该方法仅利用电流初始行波极性差异进行方向判别,消除了电容式电压互感器无法准确传输宽频带电压信息导致保护的低可靠性问题,且利用高频电流进行计算,避免了交直流混联系统频率偏移的影响。仿真结果显示,基于行波电流极性差异的纵联方向保护方法能够准确、快速地识别单相故障和多相故障,适用于交直流混联系统。     

基于MATLAB的布尔津风电系统静态稳定分析

考虑同步发电机调节系统作用．建立了适合静稳计算的风电系统数学模型，并应用Matlab仿真软件进行小扰动后布尔津风电系统静态稳定性分析计算．计算结果证明系统静态稳定．     

快速开关型故障限流器多目标优化配置研究

为使快速开关型故障限流器(fast switch fault current limiter, FSFCL)在系统应用中发挥其最大优势,提出一种配置FSFCL多目标优化新方法。首先,针对FSFCL配置组合方案多、算法搜索范围大、寻优效率低下问题,提出基于超标节点短路电流变化总量的灵敏度法。其次,计及加装FSFCL后对系统所有节点短路电流的综合影响,提出一种权衡局部与全局限流效果的衡量指标,并在此基础上兼顾经济成本,建立FSFCL优化配置模型。最后,采用灰狼算法进行求解,并在传统灰狼算法上引入非线性余弦型收敛因子,通过对IEEE30案例进行仿真验证,表明基于改进灰狼算法的pareto最优解集分布更加均匀且跨度更大,设计者可根据实际需求从中选取配置方案。     

基于自编码器的电力负荷聚类分析

电力负荷聚类分析研究是负荷特性模拟、需求侧管理等应用的基础。针对负荷数据日趋多样性、随机性,传统K-means算法无法有效处理高维数据,且存在人工给定聚类数目K值及随机选取初始聚类中心易收敛至局部最优的问题,本文提出一种基于自编码器(Auto-Encoder,AE)降维的电力负荷聚类方法。首先利用自编码器网络对采集的负荷数据提取特征,降低数据维度,然后通过密度权值Canopy算法对降维后的数据预聚类,得到初始聚类中心和最优聚类数目K值,将预聚类结果结合K-means算法进行聚类。算例结果表明,该方法能够有效对负荷数据进行特征提取,并减少聚类过程中的复杂度,提高了聚类结果准确度和聚类效率。     

基于深度神经网络-近似线性网络混合模型的电力系统状态估计方法

为提高电力系统实时状态估计的精度和计算效率,解决电网电压波动频发、潮流分布的不确定性剧增等问题,通过提出一种基于深度神经网络和近似线性网络模型的电力系统状态估计方法,研究了其在电网的应用。该方法将混合系统量测数据通过粒子滤波算法得到样本集,利用训练样本训练所提出的混合神经网络模型,最后将测试样本输入已建立的模型中获得系统状态的估计结果。通过IEEE118节点系统进行的负载数据仿真实验表明：基于混合神经网络模型的电力系统状态估计方法不仅能快速进行海量数据训练,还能有效避免过拟合;在实时状态估计的精度和计算效率方面,相较于高斯-牛顿法均有提高。可见所提方法在电力系统实时状态估计方面具有一定的应用价值。