摘要
本发明公开了一种基于量测数据的含风电电力系统等效惯量估计方法,所述方法实时采集电力系统中的关键量测数据,如系统频率和功率波动,并结合先进的数据分析与辨识算法,准确估算系统的等效惯量。系统通过数据采集模块获取各种量测数据,经过预处理后,利用改进粒子群优化卡尔曼滤波算法进行惯量估计。与传统物理建模方法相比较,具有更高的实时性和精度,能够在风电占比较高的电力系统中有效进行估算,从而为频率控制、调度优化和应急响应提供精准支持。并简化了惯量估算过程,减少了对复杂物理模型的依赖,适用于大规模风电并网后的电力系统,为稳定性分析和调度决策提供实时、可靠依据,具有广泛的应用前景与实际意义。
技术关键词
风电机组
风电电力系统
惯量估计方法
同步机
动态参数辨识方法
优化卡尔曼滤波
卡尔曼滤波器
发电机
调频
协方差矩阵
代表
辨识算法
粒子群优化算法
观测噪声
电力系统频率响应
系统为您推荐了相关专利信息
风电低电压穿越
风机低电压穿越
低压汽轮机
稳定控制装置
表达式
分类方法
Pearson相关系数
深度学习模型训练
滑动窗口方法
风电机组功率曲线
多电源电力系统
火电机组深度调峰
下火电机组
联合运行方法
日内滚动优化
风电机组功率曲线
风电机组运行数据
时间序列分析方法
机器学习算法
风速传感器