.png){kind=icon}
返回
A probabilistic inference-based harmonic source localization method considering imprecise network parameters
.png){kind=icon}
PRE
AI
DOI：10.1016/j.epsr.2026.113217.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
分布式可再生能源和电力电子设备的日益集成加剧了电力系统中的谐波污染，使得谐波源精确定位对于有效缓解至关重要。然而，现有方法通常依赖精确的电网参数或对谐波源施加严格的统计假设，限制了其应用。为解决这些挑战，本文提出了一种基于概率推断的定位方法。该方法引入统一框架，将导纳参数不确定性建模为有界随机变量，并采用蒙特卡洛采样结合相关性分析实现源定位。所提方法的关键优势在于，即使存在显著参数误差，也能保持准确定位，且无需对谐波源作严格假设。在30%网络参数误差条件下，该方法在IEEE 14节点系统中实现正确定位率超过92%，在IEEE 33节点系统中达到84%，优于代表性基准方法（BOMP、ICA、Inter-ICA和FAJD）超过15%。该进展为监测参数不精确网络中的谐波污染提供了有效实用的解决方案。
Keyword:
Power system harmonic
Harmonic analysis
Harmonic source localisation
Imprecise parameters
Monte Carlo sampling
期刊
IF:
4.2
论文数:
1.2W
被引数:
2.2W
机构
引用论文
Estimating the Harmonic Impacts of Multiple Harmonic-Producing Loads Considering Network Impedance Variations考虑网络阻抗变化的多个谐波产生负载的谐波影响估计
PREAI
分享收藏Multi-Harmonic Source Localization Based on Sparse Component Analysis and Minimum Conditional Entropy.png)
Entropy
OAAI
EntropyIF0
OAAI分享收藏A group sparse Bayesian learning algorithm for harmonic state estimation in power systems电力系统谐波状态估计的群稀疏贝叶斯学习算法APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏
查看更多内容