解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展

所需积分/C币:9 2020-06-04 15:45:15 599KB PDF
收藏 收藏
举报

本文提出了对[1]中算法的扩展,以及小波变换在事件检测中的应用,包括高阻抗故障(HIF)。 快速有效地分析PMU大量数据的技术对于增加对事件和不稳定参数的响应时间至关重要。 随着输出的数据PMU数量的增加,在大部分数据中通常会忽略不稳定的参数,联络线振荡和HIF。 本文探索了无模型技术来获取稳定性信息并实时确定事件。 当不知道完整的系统连接性时,许多可能需要其他总线测量的传统方法将无法实现或在计算上难以应用。 感兴趣的传统方法是通过应用奇异值分解来分析奇异性和系统弱点的功率流Jacobian。 本文进一步基于[1]中的方法,扩展了离散时间雅可比特征值近似(DDJEA),为重要的非对角项提供了值

...展开详情
试读 23P 解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38616139 你的留言是对我莫大的支持
2020-06-04
  • 分享王者

    成功上传51个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
最新推荐
解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展 9积分/C币 立即下载
1/23
解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展第1页
解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展第2页
解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展第3页
解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展第4页
解耦离散时间雅可比特征值逼近用于无模型分析PMU数据的扩展第5页

试读结束, 可继续读2页

9积分/C币 立即下载 >