基于随机数据驱动SDMD的电力系统区域惯量评估方法OA北大核心CSTPCD

准确评估系统惯量对于支持未来低惯量电力系统的系统安全运行至关重要。文中提出了一种随机数据驱动下基于机电响应特征的系统惯量评估方法,从随机响应信号中实现了区域有效惯量的评估。首先,通过将随机Koopman理论与随机动态系统相结合,推导出了随机Koopman空间上机电特征与系统惯量的耦合关系。然后,利用子空间动态模式分解(SDMD),以数据驱动的方式提取系统机电响应特征。该算法通过正交投影和奇异值分解,在压缩数据的同时实现了系统状态矩阵的低秩近似,可以有效减弱观测噪声对计算结果的影响。最后,采用IEEE 4机2区系统和IEEE 10机39节点系统的数值模拟算例验证了所提算法的有效性和鲁棒性。