【技术实现步骤摘要】
基于快速准确搜索吸引子误差算法的电力系统状态识别方法
本专利技术涉及一种电力系统状态识别方法，属于电力系统动力学
技术介绍
随着电力系统稳定性问题的深入研究，发现系统在遭受外界扰动时，例如周期性负荷扰动、电磁功率扰动，只要扰动幅值和频率满足一定条件，系统将产生混沌振荡。在研究电力系统的混沌动力学特性时，往往作出扰动负荷频率或者幅值的分岔图与Lyapunov指数谱，再结合两者分析出电力系统在某一参数区间的稳定性。显然，这只是单一维度的分析系统运动状态，而若是同时考虑扰动负荷频率和幅值对电力系统的影响，则分岔图和Lyapunov指数谱遍历该参数域。因此，当考虑扰动负荷频率与幅值对电力系统的影响时，需要一种新的算法来分析计算。目前，分析扰动负荷对电力系统混沌模型影响，常用的方法是通过计算系统在各个参数条件下的序列谱熵复杂度或者最大Lyapunov指数来判断系统的运动状态。其中，计算序列谱熵复杂度来搜索吸引子，虽然程序运行速度快于计算Lyapunov指数程序，但是判断不是很准确而且运动状态区分不是很明显；而计算最大Lyapunov指数虽然能够准确区分系统周期、混...
【技术保护点】
1.一种基于快速准确搜索吸引子误差算法的电力系统状态识别方法，其特征在于，首先，建立一个k阶电力系统模型，选取电磁功率扰动幅值及其频率这两个参数，根据模型随这两个参数的变化区间，得到系统运动状态在该区间变化平面上的分布；然后，根据数值分析方法求解k阶系统微分方程得到系统的序列，通过计算迭代序列中极大值的一阶误差来判断系统运动轨迹，识别出电力系统状态为周期、混沌或者稳定点。
【技术特征摘要】
1.一种基于快速准确搜索吸引子误差算法的电力系统状态识别方法，其特征在于，首先，建立一个k阶电力系统模型，选取电磁功率扰动幅值及其频率这两个参数，根据模型随这两个参数的变化区间，得到系统运动状态在该区间变化平面上的分布；然后，根据数值分析方法求解k阶系统微分方程得到系统的序列，通过计算迭代序列中极大值的一阶误差来判断系统运动轨迹，识别出电力系统状态为周期、混沌或者稳定点。2.根据权利要求1所述的方法，其特征在于，设模型参数电磁功率扰动幅值μ和电磁功率扰动频率η分别在区间[μ1,μ2]和[η1,η2]变化，将μ-η平面进行网格化，即将区间[μ1,μ2]和[η1,η2]分别分成N等份，得到系统运动状态在该区间变化平面上的分布。3.根据权利要求2所述的方法，其特征在于，所述根据数值分析方法求解电力系统模型得到系统的序列，通过计算迭代序列中极大值的一阶误差来判断系统运动轨迹，具体是指：步骤1)、当μ＝μ1+n1(μ2-μ1)/N,η＝η1+n2(η2-η1)/N时，根据四阶Runge-Kutta求解k阶系统微分方程f(x1,x2,…,xk)，得到系统的迭代序列为：xin+1＝xin+(Ki1+2Ki2+2Ki3+Ki4)/6,i＝1,2,…,k式中，Ki1＝f(xi1,xi2,…,xik)，Ki4＝f(xin+h,xin+1+hKi3)，n1,2＝1,2,3,…,N；n＝1,2,3,…,N；步骤2)、从步骤1)计算出的L×k阶序列中，取出l×1阶序列X＝{x1,x2,…,xl}，然后，求出这组序列中的极大值点，如果xm-1＜xm＞xm+1,m＝2,3,…,l-1那么，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。