随机电力系统中系统级失稳早期预警信号的识别
物理与社会
2016-08-01 v3
摘要
先前研究表明，简化功率流雅可比矩阵（RPFJ）的谱分解可产生参与因子，其描述了特定总线对电力系统特定谱分量的贡献程度。研究还表明，随着具有随机波动负荷的电力系统接近某些临界转变，时间序列电压数据的方差和自相关往往会增加。本文给出的证据表明，系统的参与因子可预测系统中所有节点的相对总线电压方差值。因此，这些参与因子可用于过滤、加权和组合来自电力网络各处分散的实时相量测量单元（PMU）数据，以开发全局电压稳定性的相干度量。本文首先描述了计算参与因子的方法。接着，给出了参与因子的两种潜在用途：（1）预测相对总线电压方差幅值；（2）定位电压测量自相关清晰指示接近临界转变的发电机。使用来自2383总线测试案例动态模型的分析和数值结果对方法进行了测试。
引用
@article{arxiv.1601.00963,
title = {Identifying System-Wide Early Warning Signs of Instability in Stochastic Power Systems},
author = {Samuel Chevalier and Paul Hines},
journal= {arXiv preprint arXiv:1601.00963},
year = {2016}
}