基于经验可控性与可观性协方差平衡的电力系统非线性模型降阶
系统与控制
2016-08-30 v1
摘要
本文通过在运行区域附近计算经验可控性与可观性协方差并进行平衡，对电力系统进行非线性模型降阶。与现有模型降阶方法不同，外部系统无需线性化，而是直接作为非线性系统处理。通过找到一个变换来平衡可控性与可观性协方差，以确定哪些状态对输入-输出行为贡献最大。然后基于该变换通过Galerkin投影对原始系统模型进行降阶。所提方法在一个由16机68节点系统和一个IEEE 50机145节点系统组成的系统上进行了测试与验证。结果表明，使用所提出的模型降阶方法可以大大提高计算效率；同时，得到的状态轨迹与直接仿真整个系统或仅分区而不进行降阶的结果接近。与基于线性化模型的平衡截断方法相比，所提出的非线性模型降阶方法能保证更高的精度和相似的计算效率。研究表明，所提方法对计算经验协方差所用矩阵的选择不敏感。
引用
@article{arxiv.1608.08047,
title = {Nonlinear Model Reduction in Power Systems by Balancing of Empirical Controllability and Observability Covariances},
author = {Junjian Qi and Jianhui Wang and Hui Liu and Aleksandar D. Dimitrovski},
journal= {arXiv preprint arXiv:1608.08047},
year = {2016}
}
备注
Accepted by IEEE Transactions on Power Systems