CN101944776B - 电力网络低频振荡监测系统 - Google Patents

Abstract

本发明涉及基于广域测量系统(WAMS)平台的大型电力网络低频振荡监控技术。本发明针对现有技术的低频振荡监测系统只能离线分析的局限性，结合各种实时分析算法的优点，公开了一种电力网络低频振荡在线监测系统，以实现电力网络低频振荡在线监测和分析。本发明的电力网络低频振荡监测系统是基于已有WAMS系统之上的软件功能模块，包括系统管理模块、数据通信模块、实时监视模块、数据分析模块和数据库模块。本发明实现了电力网络中低频振荡数据的实时记录、实时显示和稳定分析等功能。本发明主要用于大型电力网络的监测和分析。

Description

电力网络低频振荡监测系统

技术领域

本发明涉及电力网络测量与控制技术，特别涉及基于广域测量系统(WAMS)平台的大型电力网络低频振荡监控技术。

背景技术

电力网络之间的互联引发的低频振荡问题，严重威胁到互联电力网络的安全稳定运行，并极大地制约了电网的传输能力。随着电力网络(简称为电网)规模的逐步扩大，需要获得广域同步信息才能分析和控制电网的振荡特性。因此，电力网络低频振荡的实时监测和分析显得尤为重要。广域测量系统(WAMS，Wide Area Measurement System)的迅速发展和广泛应用，为电网运行状况的在线监测提供了平台。目前，对电力网络低频振荡的分析大都是离线分析，已经不能满足现代电网安全稳定运行的要求。电力网络的动态分析由传统“离线”仿真向“在线”实时分析控制方向发展。

随着长距离输电和互联电网的增多，电力网络低频振荡现象日益突出，对其进行监测分析已成为电力网络稳定研究的重要课题。WAMS系统的发展和应用，以满足电力网络安全稳定运行的需要为目标。深化WAMS系统主站分析应用的功能，能提高WAMS系统实时监测水平和安全监控能力。WAMS系统发展的下一个阶段是逐步构建具有系统分析和稳定控制功能的综合系统。因此，低频振荡在线监测软件的开发成为WAMS系统中心站开发的重要组成部分和核心，它能实现对电网低频振荡过程的实时记录、动态监视、在线或离线分析，从而实现实时监测电网运行状态，提高调度可靠性水平，为电力网络规划设计提供依据。

目前，对低频振荡的分析，大部分还是离线的。低频振荡的离线分析难以适应实际系统运行方式的变化。自20世纪90年代以来，很多电力工程师都致力于将低频振荡稳定分析的研究成果应用于实时监控中来。低频振荡在线监测系统的主要功能是通过实时接收振荡数据，通过分析现场数据，来分析信号的振荡频率、幅值等模式参数，并计算系统的主导振荡模式的表现形式和振源，为低频振荡控制提供信息。

发明内容

本发明所要解决的技术问题，就是针对现有技术的低频振荡监测系统只能离线分析的局限性，结合各种实时分析算法的优点，提供一种动力系统低频振荡在线监测系统，以实现低频振荡在线监测和分析。

本发明解决所述技术问题采用的技术方案是，电力网络低频振荡监测系统，包括系统管理模块、数据通信模块、实时监视模块、数据分析模块和数据库模块；

所述系统管理模块，包括系统管理和权限管理；用于安全保护、用户权限管理和检验各种操作的合法性，同时对系统其它模块的相关资源进行调度和配置；

所述数据通信模块，包括UDP数据通信模块和数据解析模块；通过以太网连接广域测量系统中的PMU进行通信，接收PMU发送的UDP报文；

所述实时监视模块，用于电力网络动态数据的监视、记录，包括电压监视、电流监视、功角监视、功率监视；所述实时监视模块在实时显示数据的同时还同实时数据库进行数据通信，把动态数据实时的写入数据库，同时可以通过访问数据库对历史数据进行浏览；

所述数据分析模块，包括实时扰动识别、实时系统状态估计、低频振荡在线监测、低频振荡离线分析；用于对电力网络的电网扰动分析、电网低频振荡告警；所述数据分析模块通过改进的Prony分析算法和基于HHT的低频振荡分析算法，直接同时对联络线功率数据或者发电机功角数据进行分析，分析系统是否发生了低频振荡以及有些什么振荡模式，并判断主导振荡模式以及振荡模式的类型；改进的Prony分析算法用于分辨振荡模式，基于HHT的低频振荡分析算法用于解析振荡模式的瞬时振荡频率；

所述数据库模块，包括用户管理数据库、母线数据库、支路数据库、发电机数据库、实时数据库；

所述数据通信模块与实时监视模块通过GUI绘制线程与接收数据线程共用同一个数据结构链表的方法，来共享并保存最新的数据。

所述实时监视模块用于直观地显示电力网络当前运行状况，其显示类型包括折线图、XY散点图、圆形相角图以及表格；所述实时监视模块包括实时数据显示模块和分析数据结果显示模块，实时数据显示模块用于显示联络线数据和发电机数据，所述联络线数据包括联络线有功功率和联络线无功功率，所述发电机数据包括发电机电压、电流、功角、有功功率和无功功率；所述分析数据结果显示模块用于显示低频振荡模式识别数据、拟合数据曲线图、频谱图、相谱图和特征根图。

所述改进的Prony分析算法步骤如下：

1)数据预处理；

2)生成样本矩阵；

3)系统阶数估计；

4)优化线性参数；

5)计算留数；

6)主振荡模式识别；

7)输出辨识结果、时域拟合精度AOF；

8)输出时域、频域响应和极点分布。

所述基于HHT的低频振荡分析算法步骤如下：

1)对原始信号进行数据截断、选取；

2)根据EMD分解原理对阶段数据进行EMD分解；

3)对EMD分解成功后的多种模态IMF分量做Hilbert变换求得其瞬时频率曲线。

本发明的有益效果是，基于广域测量系统对低频振荡的监测，实现了电力网络中低频振荡数据的实时记录、实时显示和稳定分析等功能。一方面，实现了接收PMU装置传送来的动态数据，并解析动态相角信息，实现了电网低频振荡数据的实时监测和记录，以及电网扰动分析和电网低频振荡告警等功能；另一方面，本发明软件系统算法实现了电网振荡源的搜寻功能，为实现低频振荡的控制措施提供了依据。

附图说明

图1是本发明的软件功能图；

图2是软件的流程图；

图3是实时监视模块结构图；

图4是改进的Prony分析算法流程图；

图5基于HHT的低频振荡分析算法流程图；

图6是求取IMF的流程图。

具体实施方式

以下结合附图详细描述本发明的技术方案。在以下的描述中，已知功能和设计的详细描述也许会淡化本发明的主题内容，这些描述在此将被忽略。

本发明的电力网络低频振荡监测系统是基于已有WAMS系统之上的软件功能模块，起到扩展WAMS系统高级应用的功能。本发明的软件功能模块属于WAMS系统的组成部分之一，安装于WAMS系统的主站上，可充分利用WAMS主站的通信网络接收全网数据进行分析。根据PMU的三大特色：①提供同步的实时相角信息；②每秒50帧的速率向WAMS系统主站传送数据；③每个数据都打上GPS(Global Position System，全球定位系统)同步的时标，能获取同一时间断面上的数据。本发明利用这些实时数据，可以实现电网的动态数据监测、记录，实现动态辨识电力网络参数，实现电网扰动分析和低频振荡告警等功能，以此提高电网安全稳定性，为全局化分析和控制提供信息和依据。首先，WAMS系统中的PMU通过GPS同步采集数据，数据打包发送给主站程序，主站程序通过数据接口(数据通信模块)实现数据通信，将数据根据需要送到在线监视模块、在线分析模块进行数据处理，数据经过处理后保存到数据库模块中供其他模块访问，同时系统管理模块对整个系统资源进行调度，并分配权限，并根据用户的需要来实施操作数据的各种功能。

参见图1，本发明的功能模块设计包括以下五个部分：

(1)系统管理功能模块主要实现监测系统的安全保护、用户的权限管理和检验各种操作的合法性，同时对系统其它模块的相关资源进行调度、配置。

(2)数据通信模块主要实现与各个安装于子站的PMU进行通信。通过以太网和PMU进行通信，接收PMU发送过来的UDP报文，解析并将PMU的基本信息及每次通信过程中的基本信息显示于界面上。数据通信模块与PMU的通信符合IEEE C37.118协议。数据通信模块与实时监视模块通过采用GUI绘制线程(界面主线程)与接收数据线程(工作者线程)共用同一个数据结构链表的方法，来共享并保存最新的数据。

(3)实时监视模块包括电压监视、电流监视、功角监视、功率监视四个子模块，主要实现对电力网络动态数据的监视、记录。实时监视模块将以下数据以图表等形式实时地显示于界面上，包括：解析过的现场数据，电力网络算法计算出的联络线有功功率、无功功率，发电机的电压、电流、发电机功角、发电机有功功率P、无功功率Q等数据。实时监视模块在实时显示数据的同时还同实时数据库进行数据通信，把动态数据实时的写入数据库，同时可以通过访问数据库对历史数据进行浏览。

(4)数据分析模块是本发明的核心模块，包括实时扰动识别、实时系统状态估计、低频振荡在线监测、低频振荡离线分析功能。主要实现对电力网络的电网扰动分析、电网低频振荡告警以及振荡源搜寻等功能。实时扰动识别、实时系统状态估计、低频振荡在线监测这三个子模块属于低频振荡实时分析，同低频振荡离线分析子模块一样，包括了低频振荡核心算法的实现过程。在线分析模块利用算法分段分析现场数据，并将原本只能离线分析的方法应用到实时在线分析中来，实现了系统扰动识别、状态估计以及在线监测功能；离线数据分析模块调用核心算法对任意时段的现场数据进行分析，为现场数据的分析提供了一个接口，从而达到扩展系统应用范围的效果。低频振荡核心算法的分析结果在电网三维接线图上以柱状图的方式动态展示，直观显示电网中振源的位置。

(5)数据库模块包括用户管理数据库、母线数据库、支路数据库、发电机数据库和实时数据库五个子模块，主要实现了一个类似MIS(Management Information System)系统的功能。该模块将电力网络模型的各类元件参数信息存储于数据库中，一般分为三类：一类是系统管理的用户数据；一类是各子站中电力计算相关的各个参数数据，如：发电厂、变电站的现场设备参数，线路参数、变压器参数、子站结构等，这些数据主要用于潮流计算；还有一类则是事件记录数据，如：PMU设备发送过来现场数据以及经过算法分析过后的振荡数据等。每类数据的作用和要求不同，采用存储的方式也不同，本发明采用Access+My SQL来实现数据库的设计。其中前两类数据由于数据负载不大，选择Access数据库，即方便又实用且直观；事件记录数据的存储由于数据量大而且需要密集操作，本本发明采用开源数据库My SQL来实现。

图2是本发明的软件的流程图，用户首先通过登录、身份验证成功之后，才可以获得相应身份的权限对软件进行操作，软件操作分为实时和离线两大类，实时通信成功建立后，对PMU发送过来的实时数据进行解析，提供给用户进行相应的操作，包括电网信息的实时监视，低频振荡的在线振荡分析两个功能；实时监视可以提供系统GUI方面的需求，在线振荡通过两种方法进行分析，分别是改进的Prony算法以及基于HHT的低频振荡分析算法。离线功能不需要同PMU进行通信，可直接访问数据库对数据进行离线分析，离线分析也通过两种方法进行，分别是改进的Prony算法以及基于HHT的低频振荡分析算法。两大类操作分析出来的数据都会保存到数据库中。

图3是本发明的实时监视模块设计结构图，系统的实时数据监测，不仅要实现数据显示的图形化，同时也要满足显示的实时性要求。监测数据的实时性显示要求数据的接收、处理和图形化显示保持一致性，但监测到的数据是由PMU以每秒50帧的速度发送过来的，数据量较大，对数据的实时显示带来了一定的困难。本发明在实时监测模块设计上与数据通信模块相结合，GUI绘制界面主线程与接收数据线程采取共用一个数据结构链表的方法，来保存最新的数据。当软件接收到PMU装置发送数据过来的数据时，即对数据链表进行更新，同时在图形界面上也会被及时更新。

图4是本发明改进的Prony算法的实现流程图，该图是根据工程实际经验以及改进Prony算法在线应用的特点构建的在线低频振荡分析算法流程图，也是本发明主要的在线低频振荡分析监测算法实现的框架。数据预处理功能，是由于在线监测软件监测到的实时数据具有不稳定的特征：一方面，电力网络在大扰动后，系统会产生强非平稳信号，为了提高监测算法的精度，需要在去除这些强非平稳信号后，再进行Prony分析；另一方面，在工程实际应用中，WAMS系统可能出现数据帧丢失和高频噪声现象，这些因素都会影响辨识结果的精度。而传统的Prony分析算法容易受到扰动信号的干扰。为了进一步提高辨识精度，改进的Prony算法的实现添加了数据预处理功能。

合适的阶数对于Prony分析结果准确性影响很大，同时也影响矩阵运算的可靠性和速度。在构造样本矩阵的时候，模型初始阶数一般选择为采样点数的一半，即N/2。但是实际采样点数通常是远远大于系统的实际阶数，过高阶数的矩阵运算对计算机的存储量要求很大，同时计算速度必然减慢，影响实时性效果，而且容易造成矩阵运算过程中数据可靠性问题，甚至造成Prony算法无法进行计算。本发明采用的阶数估计基于奇异值分解(SVD)方法，该方法能够简化分析过程，能区分开信号空间和噪声空间。

图5是发明的基于HHT的低频振荡分析算法的实现流程图，首先对振荡信号进行EMD分解，进行包络拟合和端点延拓，完成后检查是否满足能量5％的收敛条件，如果满足则对多个IMF分量进行排序，然后利用Hilbert图谱，对低频振荡进行参数辨识，最后是显示辨识结果。

图6是求取IMF的流程图，在此过程中，要不断用EMD方法对原信号进行“筛”选。直到满足IMF条件，此分量才可以用作IMF分量，然后继续进行EMD分解，直到满足终止条件，此时分解出的IMF分量即为多种模态，其中存在主导模态。本发明的最终终止条件是残余分量的能量小于等于原信号的5％。

HHT算法是一种新的时频分析方法，能够有效测出瞬时频率、准确判断频率发生的时间。该算法应用于电力网络低频振荡分析，主要研究包络线的拟合(主要是端点效应问题)，非严格轴对称信号的处理，终止条件的选择，采样频率选择(解决频率分辨力问题)，提高精度，减低算法复杂度提高实时性。

传统低频振荡分析方法，例如傅立叶和Prony分析方法，是以假设信号平稳为基础，对于非平稳信号实际上是以近似平稳的方式进行处理，这就从本质上决定了它们不能很好的解决非平稳问题。

基于EMD的HHT时频分析方法是以数据驱动的信号处理方法，无需假设条件，克服了传统方法的局限性，其对非平稳信号的分析效果往往高于傅立叶变换、短时傅立叶变换、小波变换等目前得到广泛应用的信号分析方法。其具体实现步骤如下：

EMD分解过程

EMD方法认为，任何复杂的非线性、非平稳信号都能够分解成一组数目有限(通常数目较少)的IMF分量和一个残余分量，而每个固有模态函数基于信号的不同特征时间尺度，表示原始信号的一个固有振动模态，它们很好地体现了非平稳信号的局部特性。并且随着信号的变化所得到的IMF分量和残余分量也发生相应地变化，因此EMD实质上是基于信号特征时间尺度的高效的、自适应的信号分解方法。

EMD方法的具体“筛”的过程如下：

首先获得信号数据x(t)的所有极值点，将所有的局部最大值用三次样条插值函数形成数据的上包络，同理，将所有的局部最小值用三次样条插值函数形成数据的下包络，上下包络应覆盖所有的数据点，其均值记作m(t)，从原数据序列中减去m(t)得到第一个IMF分量。

IMF被定义为满足以下两个条件的函数：(1)在整个信号范围内，其极值点数目和过零点数目必须相等或至多相差一个；(2)对信号上的任意一点，由信号的局部极大值点定义的上包络线和信号的局部极小值点定义的下包络线的平均值为零，即上包络线和下包络线相对于时间轴局部对称。上述的两个条件又被称为IMF的本征条件第一个条件类似于高斯正态分布平稳过程的传统窄带要求，而第二个条件是为了保证由固有模态函数得到的瞬时频率有物理意义。

EMD方法分解任意一个时间信号x(t)的过程主要包括：提取信号的极值点、拟合信号的包络、求信号的均值包络和设定分解终止条件等。采用EMD方法分解该信号x(t)的具体步骤如下：

(1)提取原始信号x(t)的所有极大值点和极小值点；

(2)利用三次样条函数分别基于所有的极大值点和极小值点拟合信号x(t)的上包络和下包络，并用它们去近似地表示信号x(t)的真实的上包络和下包络；

(3)求上包络和下包络的均值包络m1，并近似地表示信号x(t)真实的均值包络曲线；

(4)用信号x(t)减去均值包络m1得到新的信号h1，即

x(t)-m₁＝h₁

步骤(1)至步骤(4)的整个过程也称为“筛”(sifting)过程。原始信号x(t)通过一次“筛”过程后变成了h1。虽然在理论上h1应满足IMF的本征条件，然而在包络拟合过程中可能存在过冲和欠冲，导致信号h1不是IMF，因此需要把h1当作新的原始信号，重复步骤(1)至步骤(4)。假设重复k次(其中k≥2)后，得到的h1k是一个IMF，即

h_1(k-1)-m_1k＝h_1k

令c1表示第i个IMF分量，第1个IMF分量可表述为：

c₁＝h_1k

称c1为原始信号x(t)的第一个IMF分量，它包含了信号x(t)最高频的成分或最短周期成分。(5)用x(t)减去c1，得到去掉高频成分的残余(residue)信号r1，即

x(t)-c₁＝r₁

对残余信号r1重复步骤(1)至步骤(5)，可以得到信号x(t)的第二个IMF分量c2。如此反复，依次得到信号特征时间尺度逐渐变小的IMF分量，可表示如下

r₁-c₂＝r₂   r_n-1-c_n＝r_n

当得到的残余信号rn满足预先给定的终止准则(如分解得到的残余分量rn足够小或rn成为一个单调函数)，则终止整个分解过程。终止条件设置为残余分量rn的能量小于或者等于原始信号x(t)能量的5％，此时即终止整个分解过程。EMD的最终结果可以表示为

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i+r_n$

其中ci表示第i个IMF分量，代表了原始信号x(t)中不同特征时间尺度的信号分量；rn表示残余分量，反映了原始信号x(t)的平均趋势。EMD方法提取IMF分量的过程类似于“筛”过程，即基于特征时间尺度从信号中依次分离出时间尺度由小到大的模态分量。

HHT谱分析及参数辨识

EMD方法基于信号的局部特征时间尺度，将信号自适应地分解为若干个IMF分量之和，使得瞬时频率具有了实际的物理意义，从而可以通过Hilbert变换计算出每一个IMF分量的瞬时幅值与瞬时频率。

对EMD分解后的每个IMF分量ci(t)(i＝1，2，，n)分别作Hilbert变换

$H\left[c_i\left(t\right)\right]=\frac{1}{\mathrm{\π}}p{\∫}_{-\∞}^{+\∞}\frac{c_j\left(\mathrm{\τ}\right)}{t-\mathrm{\τ}}\mathrm{d\τ},i=\mathrm{1,2},...,n$

其中P为柯西(Cauchy)主值。可以构成解析信号z(t)

得到IMF分量ci(t)的瞬时幅值函数为

$a_i\left(t\right)={(c_i^2\left(t\right)+H^2[c_i\left(t\right)\left]\right)}^{\frac{1}{2}}$

和瞬时相位函数为

${\mathrm{\θ}}_i\left(t\right)=\arctan \left(\frac{H\left[c_i\left(t\right)\right]}{c_i\left(t\right)}\right)$

由于EMD分解得到的每个IMF分量ci(t)可看作为一个单分量信号，因此可以定义ci(t)的瞬时角频率(t)

${\mathrm{\ω}}_i\left(t\right)=\frac{d{\mathrm{\θ}}_i\left(t\right)}{\mathrm{dt}}$

相应的瞬时频率为

$f_i\left(t\right)=\frac{{\mathrm{\ω}}_i\left(t\right)}{2\mathrm{\π}}$

得到的瞬时频率f(t)对应单模态才具有现实的物理意义。

对应的HHT谱分析可以更直观的表达信号分量的时间、频率、幅值三维时频特性，也是参数辨识的数学基础。

对于分量ci(t)时变幅值ai(t)及其Hilbert谱定义为

H(ω_i，t)＝a_i(t)

综合所有IMF分量的Hilbert谱，就得到信号x(t)的Hilbert谱如下：

$H(\mathrm{\ω},t)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}H({\mathrm{\ω}}_i,t)$

通过对时间t积分，可以得到信号x(t)的Hilbert边际谱如下：

$h\left(\mathrm{\ω}\right)={\∫}_0^{T}H(\mathrm{\ω},t)\mathrm{dt}$

式中T为信号的有效长度。由于ω是时间t的函数，因此H(ω，t)是时间、频率和幅值的三维分布谱。H(ω，t)准确地描述了信号幅值在整个频率段上随时间和频率的变化规律，而h(ω)反映了信号幅值在整个频率段上随频率的变化情况。

对于低频振荡的参数辨识，需要对上面解析信号形式做一些变化，其中衰减因子和幅值的辨识通过单个IMF分量的瞬时幅值函数的对数曲线，采用最小二乘法拟合求取参数σ_i和M_i，计算式子如下：

ln|z_i(t)|＝σ_it+ln M_i。

Claims (3)

1.电力网络低频振荡监测系统，包括系统管理模块、数据通信模块、实时监视模块、数据分析模块和数据库模块；

所述系统管理模块，包括系统管理和权限管理；用于安全保护、用户权限管理和检验各种操作的合法性，同时对系统其它模块的相关资源进行调度和配置；

所述数据通信模块，包括UDP数据通信模块和数据解析模块；通过以太网连接广域测量系统中的PMU进行通信，接收PMU发送的UDP报文；

所述实时监视模块，用于电力网络动态数据的监视、记录，包括电压监视、电流监视、功角监视、功率监视；所述实时监视模块在实时显示数据的同时还同实时数据库进行数据通信，把动态数据实时的写入实时数据库，同时可以通过访问数据库对历史数据进行浏览；

所述数据分析模块，包括实时扰动识别、实时系统状态估计、低频振荡在线监测、低频振荡离线分析；用于对电力网络的电网扰动分析、电网低频振荡告警；所述数据分析模块通过改进的Prony分析算法和基于HHT的低频振荡分析算法，直接同时对联络线功率数据或者发电机功角数据进行分析，分析系统是否发生了低频振荡以及有些什么振荡模式，并判断主导振荡模式以及振荡模式的类型；改进的Prony分析算法用于分辨振荡模式，基于HHT的低频振荡分析算法用于解析振荡模式的瞬时振荡频率；

所述改进的Prony分析算法步骤如下：

1)数据预处理；

2)生成样本矩阵；

3)系统阶数估计；

4)优化线性参数；

5)计算留数；

6)主振荡模式识别；

7)输出辨识结果、时域拟合精度AOF；

8)输出时域、频域响应和极点分布；

所述数据库模块，包括用户管理数据库、母线数据库、支路数据库、发电机数据库、实时数据库；

所述数据通信模块与实时监视模块通过GUI绘制线程与接收数据线程共用同一个数据结构链表的方法，来共享并保存最新的数据。

2.根据权利要求1所述的电力网络低频振荡监测系统，其特征在于，所述实时监视模块用于直观地显示电力网络当前运行状况，其显示类型包括折线图、XY散点图、圆形相角图以及表格；所述实时监视模块包括实时数据显示模块和分析数据结果显示模块，实时数据显示模块用于显示联络线数据和发电机数据，所述联络线数据包括联络线有功功率和联络线无功功率，所述发电机数据包括发电机电压、电流、功角、有功功率和无功功率；所述分析数据结果显示模块用于显示低频振荡模式识别数据、拟合数据曲线图、频谱图、相谱图和特征根图。

3.根据权利要求1所述的电力网络低频振荡监测系统，其特征在于，所述基于HHT的低频振荡分析算法步骤如下：

1)对原始信号进行数据截断、选取；

2)根据EMD分解原理对截断数据进行EMD分解；

3)对EMD分解成功后的多种模态IMF分量做Hilbert变换求得其瞬时频率曲线。

Images