针对目前基于广域测量系统(wide area measurement system,WAMS)的发电机同调分群聚类方法仅仅以功角曲线之间的距离作为聚类指标,忽略了轨迹的局部特征及变化规律,导致轨迹分析不全面的问题,提出了一种基于轨迹结构差异度的同调机群聚...针对目前基于广域测量系统(wide area measurement system,WAMS)的发电机同调分群聚类方法仅仅以功角曲线之间的距离作为聚类指标,忽略了轨迹的局部特征及变化规律,导致轨迹分析不全面的问题,提出了一种基于轨迹结构差异度的同调机群聚类算法。首次将通信领域的轨迹特征提取方法应用到电力系统中,较全面、综合地考虑了发电机功角曲线之间的距离、变化方向、波动程度和变化速度的差异,利用变异系数法进行特征权重计算,以曲线之间的结构差异度为聚类指标实现了多机系统的同调分群。通过EPRI-36节点系统仿真算例验证了方法的有效性,结果表明:算法可以根据电力系统的具体运行情况确定合适的权重值对发电机之间的特征差异进行评价。与已有的基于功角轨迹的分群方法相比,轨迹分析更全面,分群结果更具有实际意义。展开更多
文摘针对目前基于广域测量系统(wide area measurement system,WAMS)的发电机同调分群聚类方法仅仅以功角曲线之间的距离作为聚类指标,忽略了轨迹的局部特征及变化规律,导致轨迹分析不全面的问题,提出了一种基于轨迹结构差异度的同调机群聚类算法。首次将通信领域的轨迹特征提取方法应用到电力系统中,较全面、综合地考虑了发电机功角曲线之间的距离、变化方向、波动程度和变化速度的差异,利用变异系数法进行特征权重计算,以曲线之间的结构差异度为聚类指标实现了多机系统的同调分群。通过EPRI-36节点系统仿真算例验证了方法的有效性,结果表明:算法可以根据电力系统的具体运行情况确定合适的权重值对发电机之间的特征差异进行评价。与已有的基于功角轨迹的分群方法相比,轨迹分析更全面,分群结果更具有实际意义。
