基于Simulink的用于电力系统动态分析

2023-09-17 14:27:47

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、Simulink及文章


💥1 概述

本文介绍了基于Simulink开发的用于电力系统动态分析的程序。该程序可以用于研究或作为教学工具。通过该程序,可以进行时域仿真、模态分析、参与因子分析和可视化、频率响应分析以及常规和智能控制器的设计。还研究了恒定阻抗负载的特殊情况。本文使用了IEEE 9节点、IEEE 68节点、Texas 2007节点282机组和25,000节点的美国东北部测试系统。假设同步机装备有励磁器、汽轮机和稳定器。使用常规和自适应神经模糊控制器添加了静态无功补偿器。对系统施加了不同类型的扰动,包括发电机侧和网络侧的扰动。该程序没有代数回路,可以减小误差并加快仿真速度。Simulink模型中的所有模块和信号都是矢量形式,可以用于模拟任意规模的电力系统。
关键词:多机电力系统的动态分析、微分代数方程、MATLAB、Simulink

在多机电力系统中,通常使用时域仿真来研究系统的动态行为。从数学上讲,任何互连的电力系统都可以用一组微分代数方程(DAEs)来建模。解决这些方程有两种方法:同时解和分区解。在同时解方法中,微分方程(DEs)首先通过隐式欧拉法或梯形积分技术转化为代数方程(AEs)[1, p. 165]。对于每个时间步长,通过牛顿法同时解决转换后的AEs和其余的AEs。在分区解方法中,DEs通过任何数值积分方法分别解决状态变量,而AEs则解决代数变量。分区技术是解决DAEs的常规方法[2, p. 410]。

Simulink在学术研究中被广泛用作模拟系统动态行为的工具。Simulink的使用在包括电力系统动态研究在内的许多工程领域中正在迅速增加[3]。其图形用户界面有助于通过块图理解系统的配置。此外,Simulink中的仿真时间步长可以由用户指定为常量,也可以由求解器自行确定。Simulink与MATLAB集成,允许用户之间交换数据和仿真结果[4]。Simulink中的每个块可以是标量或向量,可以创建任意大小的系统仿真程序。此外,Simulink中的非线性系统可以轻松线性化,以便设计控制器并优化其可调参数。因此,可以从线性化模型中实现频率响应分析[5]。此外,与MATLAB不同,Simulink中很容易向模型添加s域块。Simulink中可以设计传统和智能控制器[6]。

Simulink对于建模动态系统的主要限制是当某个块的输出直接反馈到其输入时。如果一个块的输入确定该块输出的当前值,则模型中存在代数环问题。对于这样的块,如果信号输入在当前时间步长未知,Simulink无法确定块的输出。这样的块的输入端口被称为直接传递端口。具有直接传递端口的块的一些示例包括求和、乘积和增益块。没有直接传递端口的块的一些示例包括常数、存储器和积分器块。众所周知,积分器块的输出是其状态的函数,存储器块的输出取决于其上一个时间步长的输入,而常数块没有输入端口。在Simulink中,代数环是不希望出现的。具有代数环的系统可能运行得非常慢,并且其模型中会出现错误[4]。在[3, 6, 7]中,作者消除了所有AEs以避免系统中的代数环。DAEs变为由Simulink解决的DEs。这是多机电力系统的一种特殊情况和近似模型。

📚2 运行结果

 

最后这个图是系统在25000节点测试系统中的响应。扰动为发电机机械功率下降1% 

🎉3 参考文献

文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

[1]Abdulrahman, I., Radman, G. Simulink-based programs for power system dynamic analysis. Electr Eng 101, 345–356 (2019). 

🌈4 Matlab代码、Simulink及文章

更多推荐

BEiT: BERT Pre-Training of Image Transformers 论文笔记

BEiT:BERTPre-TrainingofImageTransformers论文笔记论文名称:BEiT:BERTPre-TrainingofImageTransformers论文地址:2106.08254]BEiT:BERTPre-TrainingofImageTransformers(arxiv.org)代码地址

Self-paced Multi-grained Cross-modal Interaction Modeling for Referring Expression Comprehension论文阅读

Self-pacedMulti-grainedCross-modalInteractionModelingforReferringExpressionComprehension论文阅读笔记一、Abstract二、引言三、相关工作A、指代表达式理解B、TransformerC、自定进度学习四、方法A、动机和框架总览B、多

论文阅读《ESSWC2018:Modeling Relational Data with Graph Convolutional Networks》

论文链接本文就是大名鼎鼎的R-GCN,由于是比较早的工作了,在这篇博客中我们只讨论它的链接预测部分和模型结构部分。工作简介本文引入了关系图卷积网络(R-GCNs),并将其应用于两个标准的知识库完成任务:链接预测和实体分类。通过使用GNN编码器模型来丰富用于链接预测的因子分解模型DistMult,可以显著改善链接预测的结

JavaScript中的`async`和`await`关键字的作用

聚沙成塔·每天进步一点点⭐专栏简介⭐async关键字⭐await关键字3.错误处理⭐写在最后⭐专栏简介前端入门之旅:探索Web开发的奇妙世界记得点击上方或者右侧链接订阅本专栏哦几何带你启航前端之旅欢迎来到前端入门之旅!这个专栏是为那些对Web开发感兴趣、刚刚踏入前端领域的朋友们量身打造的。无论你是完全的新手还是有一些基

Leetcode 504.七进制数

给定一个整数num,将其转化为7进制,并以字符串形式输出。示例1:输入:num=100输出:"202"示例2:输入:num=-7输出:"-10"我的答案:一、信息1.目的实现十进制向其他进制的转换。2.原理:公式3.一段运算过程4.根据后面的一段话不难看出根据作者的意思就是用栈的数据结构来存储每次辗转相除后的余数然后输

页面设计都有哪些好用的工具推荐?

对于设计师来说,方便的页面设计工具和稳定的页面设计灵感也同样重要。在今天的信息爆炸中,很容易找到页面设计工具,网上搜索有很多建议,但找到合适的页面设计工具并不那么简单。本文推荐不容错过的9款页面设计工具即时设计即时设计是一款免费的在线UI设计工具,无系统限制,浏览器打开即可使用,更有丰富的在线素材、云端字体、交互动画等

leetcode面试题0808有重复字符串的排列组合

描述输入一个长度为n字符串,打印出该字符串中字符的所有排列,你可以以任意顺序返回这个字符串数组。例如输入字符串ABC,则输出由字符A,B,C所能排列出来的所有字符串ABC,ACB,BAC,BCA,CBA和CAB。数据范围:n<10要求:空间复杂度O(n!),时间复杂度O(n!)输入描述:输入一个字符串,长度不超过10,

不再使用步长卷积或池化:针对低分辨率图像和小物体的新的CNN构建块

摘要https://arxiv.org/pdf/2208.03641.pdf卷积神经网络(CNN)在许多计算机视觉任务中取得了巨大的成功,例如图像分类和目标检测。然而,它们的性能在低分辨率图像或小目标等更困难的图像任务中迅速下降。在本文中,我们指出,这根源于现有CNN体系结构中常见的缺陷设计,即使用步长卷积和/或池化层

基于卷积神经网络VGG的猫狗识别

!有需要本项目的实验源码的可以私信博主!摘要:随着大数据时代的到来,深度学习、数据挖掘、图像处理等已经成为了一个热门研究方向。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。这也是深度学习在当下备受欢迎的原因之一,本实验的研究目的是自动识别猫狗类型,采用的是基于数据挖掘的猫狗自动

从 Zebec Protocol 长期布局看,ZBC 通证的潜在应用场景

在9月7日,Zebec创始人Sam做客社区,并进行了“NautilusChain以及$ZBC的未来”主题的AMA访谈。Sam在本次访谈中对NautilusChain生态的价值捕获、Zebec生态布局规划、可能会推出的NautilusChain治理通证NAUT进行了解读。本文将对本次AMA进行回顾与总结。主持人:社区新的

【JavaEE】_JavaScript基础语法

目录1.JavaScript概述1.1JavaScript简介1.2HTML、CSS、JavaScript的关系1.3JavaScrip的组成2.JavaScript的书写形式2.1内嵌式2.2行内式2.3外部式3.输出3.1alert3.2console.log4.变量的使用4.1创建变量4.1.1使用var4.1.

热文推荐