交直流系统潮流计算及相互关联特性分析(Matlab代码实现)

news2025/1/17 2:48:17

💥💥💞💞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

2.1 整流侧定电流,逆变侧定电压

2.2 整流侧定电流,逆变侧定熄弧角

2.3 整流侧定功率,逆变侧定电压

2.4 整流侧定功率,逆变侧定熄弧角

2.5 整流侧定触发角,逆变侧定电流

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

文献来源:

 随着交直流输电系统的网络结构日益复杂,传统的纯交流潮流算法受到挑战,国内外学者对此进行了研究。截至到目前,交直流系统的潮流算法分为两大类:统一计算和交替迭代计算4。直流输电系统平衡方程包括换流器的稳态方程以及相关控制方程,统一潮流算法将交流与直流平衡方程同时求解。与其不同,交替迭代算法将两者分离计算,第一步将直流线路作为等值PQ负荷,求解交流系统状态量;第二步求解直流系统状态量,将第一步求解得到的交流端电压设为恒定值[5]。

在交直流转换过程中,换流装置吸收的无功功率约为所传输的直流功率的-一半,其中逆变器吸收的无功功率更多,能达到60%左右[14-15]。在传统电压稳定性分析方法的基础上得知,若受端交流系统无功供给不足,交直流系统会发生严重的电压失稳现象,尤其是逆变站受端电网交直流混合节点。
目前来说,人们主要从静态、动态两个角度研究交直流系统电压稳定性问题。在静态电压稳定角度,分析方法包括最大功率曲线法、短路比法、电压稳定因子分析法、特征值分析、崩溃点法等。在动态电压稳定角度,分析方法包括动态最大功率曲线法、分叉理论法、时域仿真、暂态能量函数等6]。
对于潮流算法,合适的存储结构可实现元素的快速检索、更新、存储,提高计算速度。本章算法采用支路潮流微增量为基元,使支路与雅可比矩阵直接关联;采用三角检索存储格式,存储框架不改变,只在预留的位置添加注入元,避免了繁琐的信息检索[49]。
相对于消除全部直流变量方法来说,保留直流电流变量的交直流潮流计算方法增加了雅可比矩阵的维数,与纯交流的雅可比矩阵格式有差异,但关于状态量直流电流的导数项多数为0,矩阵的稀疏度依然较高。以交流潮流部分的存储技术为基础,为保持其雅可比格式最大化相容,该算法按照不同的控制方式,将直流输电线路等效成相应的节点与线路,在相应的存储数组上作相应的变化。
以文献[49]阐述的封闭存储框架为基础,阐述添加直流输电单元对存储检索技术的影响。以一条直流输电线路为例,整流器节点为i,逆变器节点k,分析在不同控制方式下存储格式的调整。假设n为电网总节点数,b为考虑虚拟支路的总支路数,直流输电单元个数分别为a,临时指针 pt,同时定义的各存储数组,变化如下:

📚2 运行结果

2.1 整流侧定电流,逆变侧定电压

2.2 整流侧定电流,逆变侧定熄弧角

2.3 整流侧定功率,逆变侧定电压

2.4 整流侧定功率,逆变侧定熄弧角

2.5 整流侧定触发角,逆变侧定电流

部分代码:

 %% 直流节点编号
D_CN=Hvdc.con(:,[1 2])';%直流节点编号
A_CN=setdiff(1:n,union(D_CN,SW.con(1,1)))';
N_DC=size(D_CN,1);%直流节点个数
N_AC=size(A_CN,1);%交流节点个数
P_N=setdiff(1:n,SW.con(1,1))';
Q_N=setdiff(P_N,PV.con(:,1));
P_N=intersect(A_CN, P_N);%交流节点P方程节点
Q_N=intersect(A_CN, Q_N);%交流节点Q方程节点
P=size(P_N,1);   %交流节点P方程个数
Q=size(Q_N,1);   %交流节点Q方程个数
% YK=zeros(P+Q);
DPa=zeros(P,1);
DQa=zeros(Q,1);
DPt=zeros(N_DC,1);
DQt=zeros(N_DC,1);
Dd1=zeros(N_DC,1);
Dd2=zeros(N_DC,1);
Dd3=zeros(N_DC,1);
Dd4=zeros(N_DC,1);
Dd5=zeros(1,1);
H=zeros(P+N_DC);
N=zeros(P+N_DC,Q+N_DC);
M=zeros(Q+N_DC,P+N_DC);
L=zeros(Q+N_DC);
JRX=zeros(9,9);
%% 直流迭代初值设置+控制方式
V_d=ones(N_DC,1)*1.1562;%直流电压初值
I_D=0.5;
% fai=ones(N_DC,1)*30/180*pi;%功率因数角初值30°
P_d=0.6.*ones(N_DC,1);
Qd=0.3.*ones(N_DC,1);
Sd=0.5.*ones(N_DC,1);
Control_ang=[20/180*pi;17/180*pi];%换流器控制角,第一个为alpha,第二个为gama
% Control_ang(2)=30/180*pi;
W=cos(Control_ang);
K_T=ones(N_DC,1);%直流支路两端变压器变比值设置

🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]王云鹏. 交直流系统潮流计算及相互关联特性分析[D].山东大学,2016.

🌈4 Matlab代码实现

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/607109.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

chatgpt赋能python:Python取消合并单元格

Python取消合并单元格 在Excel中,合并单元格是一个非常常见的操作,它可以将多个单元格合并成一个单元格。这样可视化效果会更好,但是实际上会影响数据的计算和操作。如果你想取消这个操作,手工操作可能会非常费时间。不过&#x…

chatgpt赋能python:Python变量赋值

Python 变量赋值 在 Python 中,我们可以使用多种符号来给变量赋值。本文将介绍这些符号以及它们在编程中的应用。 等号() 在 Python 中,我们最常用的符号是等号(),它可以将一个值赋给一个变量…

Image fusion based on generative adversarial network consistent with perception

1.摘要 深度学习是红外和可见光图像融合领域中快速发展的方法。在这个背景下,密集块在深层网络中的使用显著提高了浅层信息的利用率,并且生成对抗网络(GAN)的组合也提高了两个源图像的融合性能。我们提出了一种基于密集块和GAN的…

“吴军讲ChatGPT“课程的个人总结

人工智能时代, ChatGPT如此火热, 大家恐慌, 焦虑, 大家最关注的是两个问题 我会不会被取代?我有没有机会? 吴军老师(浪潮之巅, 数学之美等), 有门课程, <吴军讲ChatGPT>, 用通俗易懂的语言, 讲解了人工智能的技术原理前世今生,以及当下火热的ChatGPT的可以做什么, 那…

关于windows驱动中断的几个小问题

1. intel 8259芯片中的IRQ2和int2的区别是什么&#xff1f; 答曰&#xff1a;IRQ2是芯片上的引脚&#xff0c;而int2是中断向量表的第2项&#xff0c;两者有很大区别。 Intel8259A芯片的中断引脚分别为&#xff1a; 主片&#xff1a; 0&#xff1a;8254时钟 1&#xff1a;键盘 …

chatgpt赋能python:**Python取余符号:了解%运算符的作用和用法**

Python取余符号&#xff1a;了解%运算符的作用和用法 作为一名有着10年编程经验的工程师&#xff0c;我对Python这门编程语言深有了解。在本文中&#xff0c;我将详细介绍Python的取余符号&#xff0c;即%运算符&#xff0c;其作用和用法。 什么是Python取余符号&#xff1f;…

AIGC技术研究与应用 ---- 下一代人工智能:新范式!新生产力!(2.3-大模型发展历程 之 多模态)

文章大纲 什么是多模态stable diffusion“ CLIP 其他模型”成为通用的做法多模态模态生成&#xff1a;文字生成图像取得突破&#xff0c;其他领域仍有待提升参考文献与学习路径GPT 系列模型解析前序文章模型进化券商研报陆奇演讲多模态 什么是多模态 多模态生成&#xff0c; …

PAT A1164 Good in C

1164 Good in C 分数 20 作者 陈越 单位 浙江大学 When your interviewer asks you to write "Hello World" using C, can you do as the following figure shows? Input Specification: Each input file contains one test case. For each case, the first pa…

信息论与编码 SCUEC DDDD 期末复习

1.证明熵的可加性 2.假设一帧视频图像可以认为是由3*10的五次方个像素组成&#xff08;每像素均独立变化&#xff09;&#xff0c;如果每个像素可取128个不同的等概率亮度表示。请计算出每帧图像含多少信息量&#xff1f;若有一口述者在约12000个汉字的字汇中选400个字来口述此…

计算机网络|第五章:网络层:控制平面

目录 &#x1f4da;概述 &#x1f4da;路由选择算法⭐️ &#x1f407;链路状态路由选择算法 ⭐️Dijkstra算法 &#x1f407;距离向量路由选择算法 ⭐️DV算法 &#x1f407;LS与DV路由选择算法的比较 &#x1f4da;因特网中自洽系统内部的路由&#xff1a;OSPF &…

chatgpt赋能python:Python取消关机:让你摆脱关机的烦恼

Python取消关机&#xff1a;让你摆脱关机的烦恼 作为一名有10年Python编程经验的工程师&#xff0c;我深知电脑在工作中的重要性和关机时带来的不便。有的时候你可能会忘记保存数据&#xff0c;或是需要长时间运行的程序正在进行&#xff0c;而突然被迫关机是非常让人头疼的。…

chatgpt赋能python:Python是炒股的好工具吗?——一个有10年python编程经验的工程师的分析

Python 是炒股的好工具吗&#xff1f;—— 一个有10年python编程经验的工程师的分析 作为一个有10年python编程经验的工程师&#xff0c;我深深地了解了Python的能力和潜力。 它不仅是一种流行的编程语言&#xff0c;还是一个强大的功能开发平台。它包括很多库&#xff0c;如P…

Maven高级——继承与聚合——继承关系实现

将Maven拆分成多个项目之后又会引发新的问题&#xff0c;继承与聚合就是用来解决这些问题。 这里的继承就像java中类和类之间的继承一样&#xff0c;工程之间也是可以实现继承的。 继承解决的问题 在之前拆分的三个模块中每个都配置了一个lombok的依赖&#xff0c;每一个mav…

【ARMv8 SIMD和浮点指令编程】NEON 减法指令——减法也好几种

向量减法包括常见的普通加指令&#xff0c;还包括长减、宽减、半减、饱和减、按对减、按对加并累加、选择高半部分结果加、全部元素加等。 1 SUB 减法&#xff08;向量&#xff09;&#xff0c;该指令从第一个源 SIMD&FP 寄存器中的相应向量元素中减去第二个源 SIMD&…

旧改快讯--宝安又一项目计划失效:有效期内专规未获批

西井工业区城市更新单元计划&#xff08;失效&#xff09;公告 西井工业区城市更新单元原列入了《2019年深圳市宝安区城市更新单元五批计划》&#xff0c;更新单元计划有效期3年9个月&#xff0c;自2019年8月12日起至2023年5月11日止&#xff1b;该项目在计划有效期内更新单元规…

GAN培训挑战:用于彩色图像的DCGAN

GAN培训挑战&#xff1a;用于彩色图像的DCGAN 1. 效果图2. 原理2.1 用于彩色图像的 DCGAN2.3 准备数据2.4 生成器2.5 鉴别器2.6 DCGAN模型及回调函数2.7 GAN培训挑战2.8 未能聚合&#xff08;Non-convergence&#xff09;2.9 模式崩溃&#xff08;Mode collapse&#xff09;2.1…

chatgpt赋能python:Python取元素里的数字

Python取元素里的数字 Python是一种高级编程语言&#xff0c;它的使用范围非常广泛&#xff0c;在数据科学、人工智能、网络编程等领域都有很多应用。在Python程序中&#xff0c;我们经常需要从字符串或列表中提取数字&#xff0c;这篇文章将介绍在Python中如何取元素里的数字…

Anolis OS8 磁盘扩容

最近学习的时候&#xff0c;使用Vmware安装了AnolisOS8进行测试&#xff0c;随着学习的深入&#xff0c;组件安装越来越多&#xff0c;磁盘不够用了&#xff0c;但是安装的组件又太多&#xff0c;重新装个虚拟机又得重新装各种组件。所以决定对磁盘进行扩容&#xff0c;在这里做…

chatgpt赋能python:Python如何只提取文本中的数字?

Python如何只提取文本中的数字&#xff1f; 随着数字化时代的到来&#xff0c;数字成为了我们生活中不可或缺的一部分。我们每天都需要处理大量的数字&#xff0c;比如账单、统计数据等等&#xff0c;这些数字都散落在各个文本中。如果我们需要将这些数字提取出来&#xff0c;…

计算机视觉:目标检测理论及实战

有关锚框的部分可以看我的另一篇文章&#xff1a;点击这里。下文不再赘述 文章目录 多尺度目标检测多尺度锚框 数据集单发多框检测(SSD)模型设计类别预测层边界框预测层连结多尺度的预测高和宽减半块基本网络块完整的模型 训练导入数据集定义损失函数Utils函数(用于为每个锚框标…