关键词:
惯量估计
惯性时间常数
频率稳定
人工神经网络
极限学习机
摘要:
随着新能源的大规模并网,电力系统中同步发电机的比重正在减少,导致系统惯量降低、时变性增强。因此,迫切需要一种快速且精确的系统惯量评估方法。通常,电力系统惯量可通过同步发电机等值模型法进行粗略估计,但该方法对负荷模型的影响考虑不足,误差较大。除此以外,现有的惯量估计方法大多依赖于扰动后的系统量测数据,在运行方式日趋多变的背景下,难以反映当前系统惯量的真实情况。因此,该文提出一种基于极限学习机(extreme learning machine,ELM)的系统惯量快速估计方法,该方法在构建系统等值负荷模型的基础上,利用极限学习机算法评估系统负荷对系统惯量的影响,以此提升仅考虑同步发电机影响的系统惯量估计精度,并实现系统惯量的快速估计。基于此,采用多个标准系统对所提方法进行测试,结果表明该方法均能够快速、准确地估计出系统的实际惯量。